基于多目标模糊规划的海上要地防空动态火力分配

海上要地防空武器火力分配(weapon target assignment, WTA)是防空反导作战的关键环节，属于典型的组合优化问题。针对海上要地防空反导战场态势的不确定性、复杂性和动态性问题，提出了一种基于非支配排序的多目标量子遗传算法的模糊动态WTA(dynamic WTA, DWTA)方法。首先，在确定条件下，建立了以防御效率和作战资源损耗为目标的多目标DWTA模型；然后，根据战场态势的不确定性构建了多目标模糊DWTA模型，利用期望值法将模糊问题等价刻画为确定性问题，并基于非线性问题特征提出了线性化方法；最后，利用所提算法对该问题进行求解。仿真结果表明，所提算法具有较好的收敛效果。     

基于改进AGD-分布式多智能体系统的目标优化分配模型

由于现代化战场环境动态多变、作战实时性高,针对当前防空作战中武器目标分配(weapon target assignment, WTA)约束多且复杂、传统建模无法真实反映战争过程、模型可信度不高等问题,提出一种在分布式约束优化问题(distributed constraint optimization problem, DCOP)背景下,基于多智能体系统(multi-Agent system, MAS)理论的武器目标优化分配模型,并利用改进的加速梯度下降(accelerated gradient descent, AGD)算法进行求解。通过实验证明了该算法具有良好的收敛性和低复杂度,能够适应现代化防空作战的需求,满足大规模寻优问题的需求,高效解决多智能体目标优化分配问题。     

基于扩展合同网协议的分布式武器目标分配方法

以网络化防空导弹体系为研究背景,对分布式武器目标分配（dynamic weapon target assignment, DWTA）问题进行了描述,从招标条件、招标策略、投标策略、中标策略、协议机制及合同类型六个方面对合同网协议（contract net protocol, CNP）进行了扩展,构建了基于扩展CNP协同机制的DWTA体系结构,提出了基于扩展CNP的DWTA算法。通过某一作战想定,分别从整体效能变化、协同交战次数和通信量三方面对基于CNP和扩展CNP的DWTA算法进行了比较,实验结果证明了后者的有效性和优越性。     

基于记忆辅助动态UMDA的UCAV编队动态目标分配

针对无人作战飞机编队对地攻击过程中的动态目标分配问题,建立了针对联合目标的武器目标分配（weapon target assignment, WTA）模型,反映攻击方攻击意图及对目标内在关系的理解。提出基于记忆辅助的动态单变量分布估计算法（memory enhanced dynamic univariate marginal distribution algorithm, MDUMDA）对问题进行动态寻优,利用概率模型对动态寻优过程中的历史信息加以记忆和利用。仿真结果表明,所建立的WTA模型是合理的,MDUMDA能够有效求解动态WTA问题,其性能明显优于随机迁移算法。     

面向多目标优化火力目标分配问题的前瞻式边际贪婪算法

针对现有面向多目标优化的火力目标分配(weapon target assignment,WTA)问题的求解算法相对较少、有关算法的求解效能不稳定等特点,提出了前瞻式边际贪婪构造(look-ahead margin-greedy constructive,LAMGC)算法。首先,对火力目标分配问题的多目标优化模型进行了深入分析,通过定理证明优化了LAMGC算法的求解效率;然后,明确了LAMGC算法具体的求解步骤,分析了算法计算复杂度;最后,以超体积和计算时间为评价指标,通过实验验证了LAMGC算法的合理性和有效性,LAMGC算法很好地满足了轻量型智能作战平台的使用需求。实验数据显示,相比于求解此类问题的有关算法,LAMGC算法具有更高的求解效率、求解质量和求解稳定性。     

Shuffled frog leaping algorithm with non-dominated sorting for dynamic weapon-target assignment

The dynamic weapon target assignment(DWTA)problem is of great significance in modern air combat. However,DWTA is a highly complex constrained multi-objective combinatorial optimization problem. An improved elitist non-dominated sorting genetic algorithm-II(NSGA-II) called the non-dominated shuffled frog leaping algorithm(NSFLA) is proposed to maximize damage to enemy targets and minimize the self-threat in air combat constraints. In NSFLA, the shuffled frog leaping algorithm(SFLA) is introduced ...     

基于模糊多目标规划的防空反导火力分配

针对现有多目标火力分配(weapon target assignment,WTA)方法很难适用于不确定情况下防空反导作战的问题,提出了基于模糊多目标规划的防空反导WTA方法。首先,采用三角模糊数刻画不确定的目标威胁度,在考虑防空反导作战特点的基础上,基于模糊多目标规划建立了WTA模型;然后,根据必要性测度原理将含有模糊参数的目标函数进行了等价清晰化;接着,提出了具有单/双势阱的多目标量子行为粒子群算法用于求解WTA模型,该算法采用了单/双势阱位置更新方式、粒子混合随机变异方法、领导粒子两阶段选取方法;最后,通过实例仿真验证了模型的合理性和算法的有效性。     

基于改进BBO算法和模糊期望效果的反导武器目标分配建模与实现

针对现有反导武器目标分配(weapon target allocation, WTA)由于忽略射击有利度和目标意图价值的不确定特征，而造成目标错分、漏分的问题，引入模糊期望理论，构建基于模糊期望效果的最大化费效比反导WTA模型。针对模型特点，提出基于改进型生物地理优化(improved biogeography-based optimization, IBBO)算法。该算法采用基于整数的矩阵编码方式，通过余弦动态自适应策略改进迁移操作。同时，引入共生生物搜索(symbiotic organisms search, SOS)算法中相互作用思想，设计基于共生策略的变异操作。此外，在IBBO算法基础上结合模糊模拟形成混合智能算法，对模型进行求解。仿真实例表明，所提算法较好地协调了集约化和多样化的能力，提升了求解的精度与效率，满足不确定环境下反导辅助决策对求解精度和时效性的要求。     

基于协同Memetic自适应QPSO算法的传感器目标分配问题求解

对复杂防空作战环境下的传感器目标分配(sensor target assignment,STA)问题进行了研究,建立了基于识别、跟踪、定位多阶段综合作战效能〖JP3〗的分配模型。针对该模型,首先基于粒子群聚集度和进化度判断,对传统量子粒子群(quantum particle swarm optimization, QPSO)算法进行了改进,提出了自适应QPSO算法。然后,结合多粒子群协同和Memetic搜索策略,提出了基于协同Memetic自适应QPSO算法的STA求解方法。同时,为使粒子位置矢量反映分配方案,依据不同战场环境设计了两种特殊的粒子编码方案。最后通过仿真实验验证了所提算法的有效性。     

基于类型2区间模糊K近邻分类器的动态武器目标分配方法研究

动态武器目标分配问题是战场指挥控制决策中的关键问题。由于动态武器目标分配算法是在攻击间隙所做的决策,对计算时间的实时性要求较高。解决这一问题,可以采用机器学习的方法基于战场辅助决策系统的武器目标分配,从已知的决策中推理生成出新的决策,而不必每个步骤中都重新搜索新的目标分配方案。根据这种思路,提出了一种基于类型2区间模糊K近邻分类器的武器目标分配方法,利用分支定界法得到的分配方案作为训练样本,通过构造并行运行的类型2区间模糊K近邻分类器来推导目标分配结论,实现了快速决策的目的。     

具有条件风险值的动态火力分配方法

针对火力分配（weapon-target assignment,WTA）中的不确定性因素,研究了一类目标数量和类型不确定的动态火力分配问题。首先,构建了最小总任务费用的确定型WTA模型;其次,引入时间变量、想定模式和风险值约束,把确定型WTA问题转化为具有条件风险值约束的两阶段动态WTA问题,并用线性不等式集代替条件风险值约束,从而把动态WTA问题转化为混合整数规划问题;最后,设计一种循环多次交换禁忌搜索算法。仿真结果表明,新算法能够在较短时间内求解较大规模动态WTA的优化问题。     

Weapon target assignment problem satisfying expected damage probabilities based on ant colony algorithm

A weapon target assignment （WTA） model satisfying expected damage probabilities with an ant colony algorithm is proposed. In order to save armament resource and attack the targets effectively, the strategy of the weapon assignment is that the target with greater threat degree has higher priority to be intercepted. The effect of this WTA model is not maximizing the damage probability but satisfying the whole assignment result. Ant colony algorithm has been successfully used in many fields, especially in combination optimization. The ant colony algorithm for this WTA problem is described by analyzing path selection, pheromone update, and tabu table update. The effectiveness of the model and the algorithm is demonstrated with an example.     

信息化条件下海上编队区域防空目标分配方法

针对现代海上编队作战是基于信息系统的体系作战客观要求,对信息化条件下海上编队区域防空目标分配问题进行了研究,提出了对空防御拦截水平的概念,建立了多层防御模式下的编队区域防空目标分配模型.为了有效求解模型,综合运用交互式决策思想和遗传算法,提出了一种基于遗传算法(GA)的交互式求解模型的方法.在GA设计中,通过对染色体编码、初始化种群、适应度函数以及遗传运算、选择策略等环节的合理设计,保证了产生个体的有效性,提高了搜索质量,加快了搜索速度.仿真结果表明了模型和算法的有效性,从而为有效解决现代海上编队体系作战的区域防空目标分配问题探求了一条新途径.     

编队内协同超视距空战目标分配模型研究

为解决当前目标分配计算量大、难以实时计算的问题,提出了一种针对编队内飞机协同超视距空战的目标分配新模型。该模型根据现代空战以中远距拦射为主要作战任务、编队内飞机之间的距离很小的特点,忽略编队内飞机之间相对目标的距离差异,从武器类型的角度建立,从而减小问题解的规模。对某作战想定采用粒子群优化算法对一般目标分配模型和新模型进行了分析比较,结果表明该模型具有计算量小、求解速度快的特点。     

基于遗传算法的一类武器目标分配方法研究

针对联合作战的武器目标分配问题,建立了资源受限条件下的多组武器目标分配数学模型,并研究了用遗传算法求解模型的方法.该遗传算法通过设计一种满足约束条件的染色体编码格式,把求解问题转化为无约束的组合优化表现形式,从而可以利用单点随机定位算术交叉和变异运算以及精华选择策略来求解.仿真计算结果表明了模型和所提算法的有效性.     

装甲分队动态武器目标分配中蚁群算法终止控制

针对较大规模静态武器目标分配问题中算法实时性差、分配方案不适用于发生变化的战场态势的问题,分析了装甲分队动态武器目标分配问题的特点,以解效用最大为目标函数,提出了一种算法终止控制策略,其综合考虑了解的质量、继续计算改善解质量的效率、模型参数变化的影响。将该策略应用于一种改进蚁群算法中,仿真结果表明,应用此种策略可在确保一定解质量的前提下,避免解失效并有效提高解效用,减少计算迭代次数,缩短计算时间。     

动态武器目标分配问题中策略优化的改进算法

动态武器目标分配(Weapon Target Assignment,WTA)中的目标选择策略问题可以通过建立马尔可夫决策过程(Markov decision processes,MDP)模型进行研究,但目前尚无有效求解此类较大规模的MDP问题中最优策略的算法.通过分析动态WTA问题的MDP模型特点,给出了求解该问题最优策略的改进算法.该算法主要在初始策略选取规则、策略改进规则以及最优策略的判断准则等方面进行了改进.该算法具有计算量小,节省内存,并可得到最优解等优点.最后,通过算例将该算法与传统算法进行了比较.改进算法可以用于解决较大规模的动态WTA中的策略优化问题.     

多个多弹头在轨武器平台的目标分配优化

为了解决多个多弹头在轨武器平台目标分配优化计算量较大的问题,提出了一种离散粒子群算法与禁忌搜索相结合的目标分配(discrete particle swarm optimization-taboo search, DPSO-TS)算法进行局部操作。首先建立了基于遗传算法的单个多弹头在轨武器平台拦截轨道优化模型,确定了拦截所需的速度增量和消耗燃料的质量;其次提出了以打击目标数目和单个多弹头在轨武器平台剩余燃料的最小值作为优化指标,建立了基于DPSO TS算法的目标分配优化模型;最后仿真结果表明DPSO-TS算法在保持DPSO算法收敛精度的前提下,收敛速度更快,该方法能够快速有效地解决多个多弹头在轨武器平台的目标分配优化问题。