[發明專利]一種用于導彈打擊移動目標的序貫實驗設計方法

有效

• 申請號: 201811504827.0
• 申請日: 2018-12-10
• 公開（公告）號: CN109443108B
• 公開（公告）日: 2021-01-05
• 發明（設計）人: 楊明;李偉;陸凌云;馬萍;劉荷明
• 申請（專利權）人: 哈爾濱工業大學;北京華航無線電測量研究所
• 主分類號: G06F17/10
• 分類號: G06F17/10
• 代理公司: 哈爾濱市陽光惠遠知識產權代理有限公司 23211
• 代理人: 孫莉莉

本發明提出了一種用于導彈打擊移動目標的序貫實驗設計方法，包括生成初始采樣點矩陣、生成優化后的采樣點矩陣、計算X_n×d服從U(0,1)分布時對應的的采樣點矩陣、計算偏移矩陣、計算新增采樣點矩陣、生成優化后的采樣點矩陣和判斷序貫設計是否終止。本發明在不破壞原始OLHS樣本的結構和保證良好的空間填充性基礎上，以原始OLHS樣本大小的整數倍增加新的采樣點，提高了采樣效率。

技術領域

本發明屬于工程優化設計技術領域，特別是涉及一種用于導彈打擊移動目標的序貫實驗設計方法。

背景技術

當今社會，計算機技術的飛速發展有力地促進了仿真技術的發展。由于仿真技術在應用上的經濟性、安全性、可重復性、無破壞性等優點，它被廣泛應用于航空航天、電力、化工、核能、通信等領域，并取得了良好的應用效果。隨著仿真技術的廣泛應用，仿真對象越來越復雜化，單次仿真耗時長，即昂貴仿真。例如，福特摩托公司的破產模型的單次仿真需要36到160個小時。對該仿真系統進行性能/效能評估、分析與優化時，對其工作效率的要求更高，期望利用盡可能少的實驗點(樣本)獲取更加科學可靠的實驗結果。此時，設計科學合理的仿真實驗顯得尤為重要。拉丁超立方采樣(Latin hypercube sampling，LHS)作為一種多維分層采樣方法，因其具有良好的空間填充性(space-filling)而備受青睞。然而在實際應用中，人們期望所采取的樣本在某空間填充性準則方面達到最優。因此，一些研究致力于基于某空間填充準則下的LHS，即優化拉丁超立方采樣(optimal Latin hypercubesampling，OLHS)。

OLHS在滿足LHS的基本結構下，通過優化算法尋找一組樣本，使得該樣本在某空間填充準則下達到最優。OLHS的兩大核心內容是空間填充準則和優化算法。空間填充準則可以從距離、均勻性和熵等三個方面進行度量。其中，基于距離的準則有Maximin準則、Minimax準則、φ_p準則和最小生成樹準則等，基于均勻性的準則包括星L_p-偏差、中心L₂-偏差(CL₂)、環繞L₂-偏差(WL₂)以及改良的L₂-偏差(ML₂)等。而常見的優化算法有遺傳算法、微粒群算法、模擬退火算法、columnwise-pairwise算法以及改進的隨機進化算法(enhancedstochastic evolutionary，ESE)等。目前，很多文獻將不同的空間填充準則和優化算法組合起來，尋找不同情況下最優的LHS樣本。

在使用OLHS設計仿真實驗時，樣本大小的選擇會影響仿真結果獲取的時間以及準確性，這對于要求快速獲取仿真結果的情形特別是昂貴仿真來說至關重要。在實際應用中往往根據專家經驗確定樣本大小。然而，在專家經驗匱乏的情況下，該如何選擇合適的OLHS樣本大小是一大難題。為解決該問題，引入序貫設計的思想設計實驗，即樣本容量預先不固定，每步實驗由上一步實驗結果決定是否增加新的采樣點，直至滿足實驗要求。對于OLHS的序貫設計，在不刪除已有的采樣點并保證LHS基本結構的情況下，已有的方法存在兩方面的矛盾：新增樣本的空間填充性與增加樣本的靈活性。其中，擴展樣本的靈活性是指在序貫地增加采樣點的過程中，每次能夠增加較少的采樣點并能保證LHS基本結構。

發明內容

本發明為了解決現有的技術問題，而提出一種用于導彈打擊移動目標的序貫實驗設計方法。針對OLHS的序貫設計問題，在保留原始OLHS樣本的基礎上，以原始OLHS樣本大小的整數倍增加新的采樣點，保證擴展后的樣本不僅滿足LHS的分層特性，而且具有良好的空間填充性，提高了采樣效率。

本發明的目的通過以下技術方案實現：一種用于導彈打擊移動目標的序貫實驗設計方法，包括如下步驟：