【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 ...
【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
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。