[發(fā)明專利]一種基于多目標(biāo)克隆進(jìn)化算法的大規(guī)模武器-目標(biāo)分配方法

有效

• 申請(qǐng)?zhí)枺?/td>: 201611013169.6
• 申請(qǐng)日: 2016-11-17
• 公開（公告）號(hào): CN106599537B
• 公開（公告）日: 2019-03-29
• 發(fā)明（設(shè)計(jì)）人: 周德云;李梟揚(yáng);潘潛;張堃;黃吉傳;呂曉峰
• 申請(qǐng)（專利權(quán)）人: 西北工業(yè)大學(xué)
• 主分類號(hào): G06F17/50
• 分類號(hào): G06F17/50
• 代理公司: 西北工業(yè)大學(xué)專利中心 61204
• 代理人: 顧潮琪

1.一種基于多目標(biāo)克隆進(jìn)化算法的大規(guī)模武器-目標(biāo)分配方法，其特征在于包括下述步驟：

步驟1，輸入武器、目標(biāo)相關(guān)信息，包括：武器數(shù)量W，目標(biāo)數(shù)量M，武器平臺(tái)P＝[p₁,…,p_platform]，p_platform表示第platform個(gè)武器平臺(tái)，各平臺(tái)武器數(shù)量Pnum＝[pnum₁,…pnum_platform]，pnum_platform表示第platform個(gè)武器平臺(tái)包含的武器數(shù)量，目標(biāo)威脅度Th＝[th₁,…,th_M]，th_M表示第M個(gè)目標(biāo)的威脅度，th_j≥0，武器平臺(tái)對(duì)目標(biāo)的毀傷概率d_platformM表示第platform個(gè)武器平臺(tái)對(duì)第M個(gè)目標(biāo)的毀傷概率；子種群的種群大小subpopsize，算法最大迭代次數(shù)maxstep，當(dāng)前迭代次數(shù)step＝1；

步驟2，采用整數(shù)編碼方式作為個(gè)體編碼規(guī)則，個(gè)體的可編碼位數(shù)與武器數(shù)量W相等，個(gè)體的編碼code表示成code＝[c₁,…,c_W]，c₁,…,c_W∈[0,M]且c₁,…,c_W均為自然數(shù)；建立W個(gè)規(guī)模為subpopsize的子種群，并將所有子種群中的每個(gè)個(gè)體的編碼code的全部可編碼位c₁,…,c_W都賦值為0；對(duì)第一個(gè)子種群中的所有個(gè)體，分別隨機(jī)選擇其編碼中的一個(gè)編碼位，再隨機(jī)從(0,M]中選擇一個(gè)整數(shù)Rand，將Rand賦值給該編碼位；對(duì)第二個(gè)子種群中的所有個(gè)體，分別隨機(jī)選擇其編碼中的二個(gè)編碼位，隨機(jī)從(0,M]中選擇二個(gè)整數(shù)Rand₁,Rand₂，將Rand₁,Rand₂分別賦值給這兩個(gè)編碼位；以此類推，對(duì)第W個(gè)子種群中的所有個(gè)體，對(duì)其全部W個(gè)編碼位，隨機(jī)從(0,M]中選擇W個(gè)整數(shù)Rand₁,Rand₂，…Rand_W，將Rand₁,Rand₂，…Rand_W分別賦值給W編碼位；

步驟3，將武器對(duì)敵毀傷概率f以及所使用的武器數(shù)量g作為兩個(gè)適應(yīng)度評(píng)價(jià)指標(biāo)，所使用的武器-目標(biāo)分配多目標(biāo)優(yōu)化模型如下：

其中d_ij表示第i種武器平臺(tái)對(duì)第j個(gè)敵方來(lái)襲目標(biāo)的毀傷概率，一種武器平臺(tái)只有一種武器；多種武器平臺(tái)可攻擊同一目標(biāo)，各武器平臺(tái)可同時(shí)攻擊多個(gè)目標(biāo)；設(shè)決策矩陣為[x_ij]_platform×M，x_ij表示第i個(gè)武器平臺(tái)攻擊第j個(gè)目標(biāo)，當(dāng)?shù)趇個(gè)武器平臺(tái)攻擊第j個(gè)目標(biāo)時(shí)x_ij取值為1，其他取值為0；

步驟4，取每個(gè)子種群中，具有最大的對(duì)敵毀傷概率f的個(gè)體，組合構(gòu)成優(yōu)勢(shì)種群nondominatedpop；設(shè)第u個(gè)子種群中具有最大的對(duì)敵毀傷概率f的個(gè)體為bestindividual_u，u∈[1,W]，則優(yōu)勢(shì)種群

步驟5，判斷當(dāng)前迭代次數(shù)step是否等于最大迭代次數(shù)maxstep，若step＝maxstep則停止算法，輸出當(dāng)前優(yōu)勢(shì)種群nondominatedpop；若step≠maxstep則進(jìn)入步驟6；

步驟6，對(duì)優(yōu)勢(shì)種群nondominatedpop中的每個(gè)個(gè)體進(jìn)行規(guī)模為subpopsize的克隆操作，得到W個(gè)新的子種群newpop₁,…,newpop_W，newpop₁中包含subpopsize個(gè)bestindividual₁，newpop_W中包含subpopsize個(gè)bestindividual_W；

步驟7，對(duì)子種群newpop₁,…,newpop_W進(jìn)行進(jìn)化，具體方法如下：

依次取子種群newpop₁中的一個(gè)個(gè)體，以相等的概率選擇三種進(jìn)化算子中的一個(gè)對(duì)該個(gè)體執(zhí)行進(jìn)化；依次對(duì)子種群newpop₂,…,newpop_W執(zhí)行進(jìn)化；設(shè)當(dāng)前需執(zhí)行進(jìn)化的個(gè)體為temppop，則三種進(jìn)化算子的執(zhí)行方式具體如下：

1)目標(biāo)更換算子TCoperator執(zhí)行方式如下：

1.1)隨機(jī)選取個(gè)體temppop中的一個(gè)非零編碼位，記為temp₁；

1.2)隨機(jī)生成一個(gè)正整數(shù)TC，TC∈(0,M]；

1.3)如果TC與temp₁的值相等，則返回步驟1.2；如果TC與temp₁的值不相等，則繼續(xù)執(zhí)行；

1.4)用TC替換temp₁的值；

2)武器更換算子WCoperator執(zhí)行方式如下：

2.1)隨機(jī)選取個(gè)體temppop中的一個(gè)非零編碼位，記為temp₂；

2.2)確定temp₂所屬的武器平臺(tái)，記該武器平臺(tái)為tempplatform₁；

2.3)隨機(jī)再選取個(gè)體temppop中的一個(gè)編碼位，記為temp₃；

2.4)確定temp₃所屬的武器平臺(tái)，記該武器平臺(tái)為tempplatform₂；

2.5)如果tempplatform₁＝tempplatform₂，則返回步驟2.3；否則繼續(xù)執(zhí)行下一步；

2.6)將編碼位temp₂的值與編碼位temp₃的值進(jìn)行交換；

3)武器目標(biāo)更換算子WTCoperator執(zhí)行方式如下：

3.1)如果個(gè)體temppop沒有值為零的編碼位則不執(zhí)行任何操作；如果個(gè)體temppop有值為零的編碼位則執(zhí)行下一步；

3.2)隨機(jī)選擇個(gè)體temppop的一個(gè)值為零的編碼為，記為temp₄；

3.3)確定temp₄所屬的武器平臺(tái)，記該武器平臺(tái)為tempplatform₃；

3.4)隨機(jī)選取個(gè)體temppop中的一個(gè)非零編碼位，記為temp₅；

3.5)確定temp₅所屬的武器平臺(tái)，記該武器平臺(tái)為tempplatform₄；

3.6)如果tempplatform₃＝tempplatform₄，則返回步驟3.2)；否則繼續(xù)執(zhí)行下一步；

3.7)將編碼位temp₄的值與編碼位temp₅的值進(jìn)行交換；

3.8)隨機(jī)生成一個(gè)正整數(shù)TC，TC∈(0,M]；

3.9)如果TC與temp₄的值相等，則返回步驟3.8)；如果TC與temp₄的值不相等，則繼續(xù)執(zhí)行下一步；

3.10)用TC替換temp₄的值；

步驟8，計(jì)算當(dāng)前進(jìn)化后所有子種群的pareto最優(yōu)解，并用所有子種群的pareto最優(yōu)解構(gòu)成優(yōu)勢(shì)種群nondominatedpop；同時(shí)使得step加1，返回步驟5。

2.根據(jù)權(quán)利要求1所述的基于多目標(biāo)克隆進(jìn)化算法的大規(guī)模武器-目標(biāo)分配方法，其特征在于：所述子種群的種群大小subpopsize取[10,30]間的整數(shù)；算法最大迭代次數(shù)maxstep取[30,70]間的整數(shù)。