多管火箭作为一种面攻击武器,其射击密集度是重要的性能指标之一。通过对火箭发射动力学的深入研究,发现采用调整火箭弹射击顺序和射击时间是提高多管火箭射击密集度的一个有效方法。根据问题构建了以火箭弹射击时间为变量的优化模型,将问题作为隐式的多维复杂函数优化问题,并利用改进的遗传算法求得最优解。遗传算法自被提出以来,逐渐成为三大进化算法之一,成为优化方法的一个重要研究方向。函数优化是遗传算法的一个重要领域,也是对算法性能测试的一个重要手段,对高维复杂函数进行优化时,传统遗传算法常常存在早熟或收敛效率低的问题。本文通过对基本遗传算法基本理论进行研究,对实数编码遗传算子进行改进及算子的组合策略进行了研究,提出一种混合编码遗传算法并通过对测试函数的优化验证了新算法的有效性,并应用于多管火箭射击密集度优化中,得到较好的优化结果。具体内容如下:(1)对遗传算法基本原理系统研究。重点对基本遗传算法的基本要素及算法的设计与评估进行了研究,并对实数编码遗传算法及顺序编码遗传算法进行了详细的阐述。(2)基于某型多管火箭射击仿真平台,对多管火箭发射时起始状态参数对火箭弹的落点的影响进行了研究,分析了起始状态22个参数与火箭弹落点之间的相关性。以调整火箭弹的发射时间为变量,建立优化模型。(3)设计了一种具有收敛及自适应能力的选择算子。通过对选择算子的原理及性能研究,提出一种具有自适应且实时更新的选择算子,使得个体进化过程中只与产生的后代之间进行竞争,对每个个体保持合适的选择压力,有利于种群的进化,并通过对测试函数的优化,与常用选择算子进行对比,验证了改进方法的有效性。(4)对实数编码遗传算法中几种常用的交叉算子之间的组合效果进行了研究。通过对四种交叉算子进行单独使用及串行、串并行组合使用共20种交叉算子的性能进行了研究,为算子的组合应用提供了参考。(5)提出序列-实数混合编码遗传算法。针对实数编码全局搜索能力有限的缺点,提出了一种新的编码方法——序列-实数混合编码方法,并设计了相应的交叉变异算子,使得个体进化过程中能够能好的利用种群中的基因信息,提高算法的效率。通过在不同种群规模条件下,分别对简单、复杂、低维、高维测试函数进行优化,与采用混合交叉-非均匀变异的算子的实数遗传算法进行对比,验证了新算法能够在小种群规模、高维复杂函数优化中的突出性能。(6)将提出的混合编码遗传算法应用于多管火箭射击密集度优化问题中,获得较好的效果。通过对起始状态参数与火箭弹落点之间的相关性分析,建立以起始扰动为变量的目标函数。优化过程中为减少随机因素的因素的影响,以确定性仿真模型计算目标函数值。将所得优化结果进行随机仿真计算,与原射击方案相比有显著提高。