[發明專利]一種基于多目標克隆進化算法的大規模武器-目標分配方法

有效

• 申請號: 201611013169.6
• 申請日: 2016-11-17
• 公開（公告）號: CN106599537B
• 公開（公告）日: 2019-03-29
• 發明（設計）人: 周德云;李梟揚;潘潛;張堃;黃吉傳;呂曉峰
• 申請（專利權）人: 西北工業大學
• 主分類號: G06F17/50
• 分類號: G06F17/50
• 代理公司: 西北工業大學專利中心 61204
• 代理人: 顧潮琪

本發明提供了一種基于多目標克隆進化算法的大規模武器?目標分配方法，屬于計算機仿真與方法優化技術領域，首先根據武器的數量生成多個初始子種群，并計算所有子種群的pareto最優解，用這些最優解構成優勢種群；其次，算法采用克隆機制對優勢種群中的所有個體進行克隆，形成多個新的子種群；然后，算法給出了三種特殊的進化算子，并用這三種進化算子對個體進行進化。本發明針對大規模武器?目標分配問題，設計了相應的進化算子和進化方法，能夠有效解決大規模武器?目標分配問題，能夠在大規模武器和目標的環境下，得到完整的pareto最優解，具備較好的收斂效果。

技術領域

本發明屬于計算機仿真與方法優化技術領域，涉及一種多目標大規模武器-目標分配方法，可用于在有大量武器和大量敵方目標的環境下，計算出多個優化目標下的武器對目標的資源分配方案。

背景技術

武器-目標分配(Weapon Target Assignment，WTA)問題又稱火力分配，是根據當前環境，結合我方武器數量及特點，為武器分配最優的攻擊目標，以達到所希望的效能最大的過程。通過武器-目標分配，能夠為指揮人員提供合理的武器攻擊方案，輔助指揮人員做出決策。武器-目標分配方法一個典型的應用是民航機場或廣場等區域的反無人機系統。隨著未來無人機的普及，小型民用無人機將會變得越來越多，城市人流密集區域將會出現大量的無人機(主要用于攝像攝影或運輸等)。為了維護區域的安全和秩序，反無人機系統能夠采用電磁干擾或者捕捉網等方式實施無人機的攔截。但是，隨著未來無人機數量的增多，傳統人為分配武器目標的方法將不再適用，因此如何在有大量無人機的環境下合理的分配反無人機系統的武器具有重要的意義。

傳統的求解武器-目標分配的方法大多是針對單個優化目標進行設計的，例如論文《編隊防空火力分配建模及其優化方法研究》(阮旻智,李慶民,劉天華.編隊防空火力分配建模及其優化方法研究.兵工學報,2010,31(11):1525-1529.)、《基于混合粒子群算法的多平臺多武器火力分配研究》(陳華東,王樹宗,王航宇.基于混合粒子群算法的多平臺多武器火力分配研究.系統工程與電子技術,2008,30(5):880-883.)以及《基于量子分布估計算法的火力分配問題研究》(張毅,楊秀霞,周紹磊.基于量子分布估計算法的火力分配問題研究.電光與控制,2013(12):18-21.)。這些論文使用的武器-目標分配模型都是將武器的毀傷效能作為優化目標，屬于單目標優化問題。發明專利《一種基于差分進化算法解決武器-目標分配問題的方法》(授權公告號CN 103336885B)采用的武器-目標分配模型不僅考慮到武器的毀傷效能還考慮了資源的優先級，但是該模型通過加權的方法將武器的毀傷效能和資源的優先級綜合成一個目標函數，其仍然屬于單目標優化問題。

多目標優化方法能夠同時優化多個指標，可以從多個指標的角度提供多種解決方案，是近年來的研究的熱點。求解基于多目標優化的武器-目標分配問題能夠為指揮人員提供更全面的武器-目標分配方案。論文《火力分配多目標規劃模型的改進MOPSO算法》(劉曉,劉忠,侯文姝,等.火力分配多目標規劃模型的改進MOPSO算法.系統工程與電子技術,2013,35(2):326-330.)利用多目標粒子群算法(MOPSO)求解多目標火力分配問題，采用對敵毀傷概率以及所使用的火力單元數作為優化指標。論文《基于分解進化多目標優化算法的火力分配問題》(張瀅,楊任農,左家亮,等.基于分解進化多目標優化算法的火力分配問題.系統工程與電子技術,2014,36(12):2435-2441.)采用了基于分解進化多目標優化算法(MOEA/D)求解火力分配問題。發明專利申請《一種基于改進多目標蛙跳算法的協同空戰火力分配方法》(申請公開號CN 103425840A)采用了一種基于自適應網格法的多目標量子蛙跳算法來求解火力分配問題。這些論文和發明專利申請雖然能夠解決多目標武器-目標分配問題，但是其算法模型都是基于小規模的武器和目標數量(武器數量少于50)進行的設計，在大規模的武器-目標問題下(武器數量超過50)這些方法并不能收斂得到完整的Pareto最優解，無法適用于大規模的武器-目標分配問題。

發明內容