一种服务于武器装备体系作战仿真的试验设计方法技术

本发明专利技术公开了一种服务于武器装备体系作战仿真的试验设计方法，基于改进的遗传算法，选择合适的染色体编码方式和有效的自适应度函数，使得最优样本点相似度尽可能小、投影特性尽可能大，支持混合水平设计，生成指定数目的试验设计组合样本，同时满足样本空间填充均匀性和投影均匀特性；通过一系列遗传算法操作，经过循环迭代就能找到具有代表性的试验因子组合，可操作性强，易于实现；自适应交叉操作，能够加快算法运行，快速求得最优试验因子组合；基于武器装备体系作战仿真中试验因子的独特取值性质，采用分段变异操作；灾变操作，通过保留最优个体和重新生成其他剩余个体，能够在很大程度上避免算法陷入局部最优。

A Test Design Method for Weapon and Equipment System Combat Simulation

【技术实现步骤摘要】
一种服务于武器装备体系作战仿真的试验设计方法
本专利技术涉及计算机仿真、人工智能
，尤其涉及一种服务于武器装备体系作战仿真的试验设计方法。
技术介绍
武器装备体系作战试验是基于体系对抗的试验过程，涉及到参试各方大量的武器装备及战略部署信息，其参数包括装备的数量、装备的类型、装备性能参数、部署信息、电磁干扰、自然环境信息及相关战术参数等。在面向武器装备体系作战仿真的体系试验中，上述影响对抗过程的参数是试验参数，试验参数所有可能的取值组合构成一个武器装备体系作战试验参数集合，称为武器装备体系作战试验全样本空间。在参数众多、参数水平数也多的情况下，全样本空间的规模是极其庞大的。假设有m种装备投入作战，分别对应m个装备参数(因子)，每个装备参数有n种取值(水平数)，则该全样本空间包含nm个试验样本。对全样本空间进行试验研究往往不必要，从工作量、周期、成本等多个角度分析，对全样本空间进行试验也难以实现，因此，需要对全样本空间进行压缩，选取对体系仿真分析目标有显著影响的试验参数和具有代表性的试验因子进行组合，生成均匀分布的作战试验样本空间。样本点能够同时满足均匀填充和均匀投影是非常重要的，与仅满足均匀填充的样本点相比，同时满足均匀填充和均匀投影的样本点能够提供关于目标函数的更多信息。现有的空间均匀填充试验设计可以分为两类。第一类将样本点均匀填充整个设计空间。著名的最大最小化方法产生的样本点能够充满设计空间，同时在边界上布点较多，但这些样本点在两个维度上的投影会有重叠情况出现。第二类试验设计方法应用更为广泛，其生成的样本点不仅均匀填充整个设计空间，同时均匀填充低维投影空间。具有代表性的主要有正交设计、均匀设计、拉丁超立方试验设计等。正交设计试验次数少、样本均衡分散，但限于因子水平不超过3的情况，且因子数不能过多。均匀试验设计不考虑因子间的交互作用，试验次数等于因子的水平数，能够使得试验样本均匀分布，但限于均匀表，因子数不能太多。一些学者采用遗传算法和粒子群算法对正交设计、均匀设计进行了优化，这类算法能够从初始种群出发，使得试验因子组合进化到较优的搜索空间中来，但对因子数较多的情况依然不适用，且要求因子具有相同的水平数。传统的拉丁超立方试验设计(1979年提出)能够保证样本点均匀分布且样本点在一维上投影不重叠，具有较好的空间分布性和投影特性，可灵活选择试验次数，也便于与其他采样方法相结合。但这种方法要求水平数相等，试验次数等于水平数，不能生成较多的试验样本，空间填充度较低，时间复杂度达到(n！)m，n是因子水平数目，m为因子数。随后学者提出了多种优化方案，能够兼顾试验样本的空间均匀性和均匀投影特性，如最大最小化拉丁超立方试验设计(1995年提出)，基于遗传算法的最大最小化拉丁超立方实验设计(2001年提出)，一种基于分支定界法的二维度最大最小化拉丁超立方实验设计(2007年提出)。但这些设计方法在针对多因子、样本量大的情况时实现效率较低。2010年提出的平移传播拉丁超立方实验设计能够快速的生成近似最优的拉丁超立方试验设计，大大降低了算法的复杂度(算法复杂度为O(n))，但这种方法仅限于因子数不大于6的情况，且生成的样本点数不能过大。2015年的基于扩展的拉丁超立方试验设计，对平移传播拉丁超立方进行了改进，能够支持多样本、混合水平设计，但分层后每层需要平移的步幅没有统一的标准，且依然不能生成较多的试验样本。面向武器装备体系作战仿真，试验设计常常面临因子水平数不等(混合水平数)、需求指定数目的因子组合样本数(有时样本数目需求较大)、需求样本具有均匀填充和均匀投影等难题，因此，亟需找到一种具有广泛适用性的试验设计方法来满足武器装备体系作战仿真的需求。
技术实现思路
有鉴于此，本专利技术实施例提供了一种服务于武器装备体系作战仿真的试验设计方法，用以解决武器装备体系作战仿真中试验设计常常面临试验因子水平取值不等、需求指定数目的试验因子组合样本、样本数目较大、需求样本具有均匀空间填充性和均匀投影特性等问题。因此，本专利技术实施例提供了一种服务于武器装备体系作战仿真的试验设计方法，包括：S101：加载武器装备体系作战仿真中的各试验因子与各所述试验因子的所有水平取值，归一化各所述试验因子的水平取值，编码染色体，初始化种群，设置算法参数；循环迭代步骤S102～步骤S111；S102：计算适应度值；S103：选择操作；S104：自适应交叉操作；S105：分段变异操作；S106：更新种群；S107：寻找种群的最优个体，将最优个体解码成试验因子组合，得到对应的最优试验因子组合；S108：存储最优个体与最优适应度值；S109：判断是否已经迭代了三次、连续三代的最优适应度值都相同且迭代次数小于最大迭代次数；若是，则执行步骤S110；若否，则回到步骤S102，进行下一次的循环迭代；S110：灾变操作；S111：判断是否达到最大迭代次数；若是，则执行步骤S112；若否，则回到步骤S102，进行下一次的循环迭代；S112：降序排序适应度值，选取指定数目的最优试验因子组合；通过上述步骤的执行，最终得到指定数目的最优试验因子组合。在一种可能的实现方式中，在本专利技术实施例提供的上述试验设计方法中，步骤S101，加载武器装备体系作战仿真中的各试验因子与各所述试验因子的所有水平取值，归一化各所述试验因子的水平取值，编码染色体，初始化种群，设置算法参数，具体包括：S201：设置最大迭代次数、指定生成的样本数目、种群规模和初始交叉概率；S202：将每个试验因子作为一个变量，将每个试验因子的所有水平取值作为对应变量的取值元素，以此作为对应试验因子的表现形；S203：染色体采用二进制编码，将所有试验因子的表现形串联起来构成染色体；S204：初始化种群。在一种可能的实现方式中，在本专利技术实施例提供的上述试验设计方法中，步骤S103，选择操作，具体包括：S205：制造轮盘，选择较优个体，构成新的种群。在一种可能的实现方式中，在本专利技术实施例提供的上述试验设计方法中，步骤S205，制造轮盘，选择较优个体，构成新的种群，具体包括：S301：对种群中所有个体的适应度值求和，得到种群总适应度值；S302：计算种群中每个个体的适应度值占种群总适应度值的比例；S303：对种群中每个个体的适应度值占种群总适应度值的比例进行概率求和排序；S304：根据概率求和排序中元素的大小和随机数的大小，选择较优个体；循环迭代步骤S305～步骤S307；S305：判断随机数是否小于概率求和排序中的元素；若是，则执行步骤S306；若否，则回到步骤S305，判断随机数是否小于概率求和排序中的下一个元素；S306：将该元素保留下来，作为新种群的个体；S307：判断是否达到最大迭代次数；若否，则回到步骤S305，进行下一次的循环迭代；若是，则执行步骤S308；S308：结束选择操作流程。在一种可能的实现方式中，在本专利技术实施例提供的上述设计方法中，步骤S104，自适应交叉操作，具体包括：循环迭代步骤S401～步骤S404；S401：判断随机数是否小于个体的交叉概率；若是，则执行步骤S402；若否，则执行步骤S403；S402：随机生成一个不大于染色体长度的正整数，新个体中保留该正整数长度的染色体段，新个体中其余染本文档来自技高网...

【技术保护点】
1.一种服务于武器装备体系作战仿真的试验设计方法，其特征在于，包括：S101：加载武器装备体系作战仿真中的各试验因子与各所述试验因子的所有水平取值，归一化各所述试验因子的水平取值，编码染色体，初始化种群，设置算法参数；循环迭代步骤S102～步骤S111；S102：计算适应度值；S103：选择操作；S104：自适应交叉操作；S105：分段变异操作；S106：更新种群；S107：寻找种群的最优个体，将最优个体解码成试验因子组合，得到对应的最优试验因子组合；S108：存储最优个体与最优适应度值；S109：判断是否已经迭代了三次、连续三代的最优适应度值都相同且迭代次数小于最大迭代次数；若是，则执行步骤S110；若否，则回到步骤S102，进行下一次的循环迭代；S110：灾变操作；S111：判断是否达到最大迭代次数；若是，则执行步骤S112；若否，则回到步骤S102，进行下一次的循环迭代；S112：降序排序适应度值，选取指定数目的最优试验因子组合；通过上述步骤的执行，最终得到指定数目的最优试验因子组合。

【技术特征摘要】
1.一种服务于武器装备体系作战仿真的试验设计方法，其特征在于，包括：S101：加载武器装备体系作战仿真中的各试验因子与各所述试验因子的所有水平取值，归一化各所述试验因子的水平取值，编码染色体，初始化种群，设置算法参数；循环迭代步骤S102～步骤S111；S102：计算适应度值；S103：选择操作；S104：自适应交叉操作；S105：分段变异操作；S106：更新种群；S107：寻找种群的最优个体，将最优个体解码成试验因子组合，得到对应的最优试验因子组合；S108：存储最优个体与最优适应度值；S109：判断是否已经迭代了三次、连续三代的最优适应度值都相同且迭代次数小于最大迭代次数；若是，则执行步骤S110；若否，则回到步骤S102，进行下一次的循环迭代；S110：灾变操作；S111：判断是否达到最大迭代次数；若是，则执行步骤S112；若否，则回到步骤S102，进行下一次的循环迭代；S112：降序排序适应度值，选取指定数目的最优试验因子组合；通过上述步骤的执行，最终得到指定数目的最优试验因子组合。2.如权利要求1所述的试验设计方法，其特征在于，步骤S101，加载武器装备体系作战仿真中的各试验因子与各所述试验因子的所有水平取值，归一化各所述试验因子的水平取值，编码染色体，初始化种群，设置算法参数，具体包括：S201：设置最大迭代次数、指定生成的样本数目、种群规模和初始交叉概率；S202：将每个试验因子作为一个变量，将每个试验因子的所有水平取值作为对应变量的取值元素，以此作为对应试验因子的表现形；S203：染色体采用二进制编码，将所有试验因子的表现形串联起来构成染色体；S204：初始化种群。3.如权利要求1所述的试验设计方法，其特征在于，步骤S103，选择操作，具体包括：S205：制造轮盘，选择较优个体，构成新的种群。4.如权利要求3所述的试验设计方法，其特征在于，步骤S205，制造轮盘，选择较优个体，构成新的种群，具体包括：S301：对种群中所有个体的适应度值求和，得到种群总适应度值；S302：计算种群中每个个体的适应度值占种群总适应度值的比例；S303：对种群中每个个体的适应度值占种群总适应度值的比例进行概率求和排序；S304：根据概率求和排序中元素的大小和随机数的大小，选择较优个体；循环迭代步骤S305～步骤S307；S305：判断随机数是否小于概率求和排序中的元素；若是，则执行步骤S306；若否，则回到步骤S305，判断随机数是否小于概率求和排序中的下一个元素；S306：将该...

【专利技术属性】
技术研发人员：李妮，李玉红，龚光红，黄晓冬，
申请(专利权)人：北京航空航天大学，
类型：发明
国别省市：北京,11