[發(fā)明專利]基于改進多目標HQPSOGA算法求解武器目標分配方法

有效

• 申請?zhí)枺?/td>: 202011024717.1
• 申請日: 2020-09-25
• 公開（公告）號: CN112163763B
• 公開（公告）日: 2023-09-01
• 發(fā)明（設(shè)計）人: 邱少明;馮江惠;杜秀麗;王建偉
• 申請（專利權(quán)）人: 大連大學
• 主分類號: G06Q10/0631
• 分類號: G06Q10/0631;G06N3/006;G06N3/126;G06N10/60;G06F18/2321
• 代理公司: 大連東方專利代理有限責任公司 21212
• 代理人: 姜玉蓉;李洪福

1.基于改進多目標HQPSOGA算法求解武器目標分配方法，其特征在于，包括以下步驟：

S1：初始化種群和參數(shù)；

S2：計算粒子在每個目標函數(shù)上的適應(yīng)度；

所述適應(yīng)度的計算方式為：

其中，f₁'為目標函數(shù)f₁取自然對數(shù)，

f′₂由對目標函數(shù)f₂均值歸一化，將結(jié)果映射到[0,1]范圍內(nèi)，

f₁為表示目標生存概率的函數(shù)，其中，q_ij為第i種武器打擊目標j時目標j的生存概率，V_j為目標j的價值，武器對目標的數(shù)量分配矩陣X：

x_ij表示分配給目標j的第i種武器的數(shù)量，f₂表示武器彈藥消耗的函數(shù)，表示武器i對于目標j的價值，max(f₂)和min(f₂)分別是種群中個體的f₂的最大值和最小值；

S3：初始化個體最優(yōu)解和非劣解；

S4：將種群中的粒子基于改進量子行為粒子群算法和自適應(yīng)遺傳算法的混合概率分為兩組，混合概率由一個[0,1]間的隨機數(shù)r表示，r和1-r分別表示用于改進量子行為粒子群算法和自適應(yīng)遺傳算法的種群中個體的比例；再判斷是否達到最大迭代次數(shù)；當達到最大迭代次數(shù)時，則輸出最優(yōu)解集；當未達到最大迭代次數(shù)時，則執(zhí)行步驟S5；

S5：將種群中的個體按照S4中的參數(shù)r分為兩部分，分別用改進的量子行為粒子群和自適應(yīng)遺傳算法求解，其中，比例為r的個體；

S6：比較QPSO和AGA的全局最優(yōu)位置，得到全局最優(yōu)解，并得到最終的非劣解；

G_pso是改進的QPSO中全局最優(yōu)解的適應(yīng)度值，G_ga是AGA中最優(yōu)解的適應(yīng)度值，比較G_pso和G_ga，如果G_pso支配G_ga，則全局最佳位置為G_bestpso，G_bestga被替換為G_bestpso，G_ga被替換為G_pso，否則，全局最佳位置為G_bestga，G_bestpso由G_bestga替換，G_pso由G_ga替換。

2.根據(jù)權(quán)利要求1所述的基于改進多目標HQPSOGA算法求解武器目標分配方法，其特征在于：

所述計算種群中粒子的多樣性貢獻度值具體還包括以下步驟：

S21：通過用基于隨機選擇的聚類算法將粒子分為k類，用式(12)計算粒子與聚類中心的距離，作為粒子的第一部分多樣性貢獻度；k表示當前非劣解個數(shù)，每個非劣解代表一個多樣性的方向，為找到多個多樣性的方向，用非劣解初始化各聚類中心，則每個多樣性方向上相似性大的粒子歸為一簇；

S22：從簇中隨機選擇非當前點，更新聚類中心，為平衡解的質(zhì)量和求解效率，用參數(shù)δ計算每個簇中選擇聚類中心的次數(shù)tRand，計算式表示為：

tRand＝δ*cl??(11)；

其中，cl表示當前簇中粒子的數(shù)量，tRand∈[1,cl]；

粒子到聚類中心的距離D計算式表示為：

其中，表示粒子到聚類中心的余弦距離和歐氏距離，D表示目標函數(shù)上粒子的多樣性貢獻度，x_i和y_i分別表示兩目標函數(shù)下第i個個體的x坐標和y坐標的值，x_1i和x_2i分別表示兩目標函數(shù)下個體i的的x坐標和y坐標的值，ρ表示權(quán)重系數(shù)，N_f表示目標數(shù)；

S23：利用式(5)的距離貼近度計算粒子的第二部分多樣性貢獻度：

通過所述聚類中心作為模型，同一個簇中的其它粒子作為待識別對象，計算結(jié)果表示粒子與聚類中心的相似程度，則粒子多樣性貢獻度表示為：

其中，β表示兩種距離所占比例，通常β＝0.5；

通過綜合比較多樣性貢獻度小的粒子與引入的隨機新增粒子來改善個體最優(yōu)解，具體計算方式為：先計算多樣性貢獻度的界限值b，計算式為：

b＝(max(divContri)-min(divContri))*(MAX_Iter-iter+1)/MAX_Iter??(15)；

其中，iter表示當前迭代次數(shù)，divContri表示粒子多樣性貢獻度矩陣。