The invention discloses a dynamic firepower allocation method based on DDE improved bat algorithm. After determining the dynamic firepower allocation model, the generation of bat individuals is initialized by relaxing some constraints, and then the differential mutation mechanism in the dynamic differential evolution algorithm is incorporated into the bat algorithm to optimize the dynamic firepower allocation problem. The convergence accuracy and convergence speed of the solution provide better operational assistant decision for commanders.
【技术实现步骤摘要】
基于DDE改进蝙蝠算法的动态火力分配方法
本专利技术属于军事指挥控制辅助决策应用
,具体说是一种基于DDE改进蝙蝠算法的动态火力分配方法。
技术介绍
火力分配属于武器-目标分配(WeaponTargetAssignment,WTA)问题,是指挥控制辅助决策系统所研究的重要课题。WTA问题一般指在复杂多变的多武器、多目标战场环境中,根据一定的分配准则,将武器分配给相应目标,以期获取最好作战效果,这种分配方案属于多参数、多约束的非确定性多项式完全问题。动态武器目标分配(DynamicWeaponTargetAssignment,DWTA)问题,需要考虑时空的约束,是一个多阶段的分配问题,对每个阶段的结果进行评估,然后利用新的战场态势再对下一阶段进行分配。目前针对WTA问题,大部分采用智能算法或混合智能算法来解决,如常见的智能算法有遗传算法(GeneticAlgorithm,GA)和粒子群优化(ParticleSwarmOptimization,PSO)算法。蝙蝠算法(BatAlgorithm,BA)是近些年出现的新兴元启发式算法,是一种基于群体随机搜索机制的智能算法,与经典的群体智能算法PSO相比具有鲁棒性好、收敛速度快等特点。但BA也存在不足之处,如算法易于陷入局部极值点,导致用其解决的火力分配问题的模型适应度值将过早进入收敛状态,也就是俗称的“早熟”现象。
技术实现思路
针对现有动态火力分配技术的不足,本专利技术提供一种基于动态差分进化(DynamicDifferentialEvolution,DDE)改进蝙蝠算法的动态火力分配方法,在确定动态火力分配模 ...
【技术保护点】
1.基于DDE改进蝙蝠算法的动态火力分配方法,其特征在于,具体步骤如下:步骤一:放宽武器数量约束,生成初始种群,初始化算法参数;步骤二:构建适应度函数,并依此找出最优蝙蝠位置;步骤三:更新蝙蝠个体的速度和位置;步骤四:判断(0,1)区间内的随机数与当前蝙蝠个体脉冲发射率的大小,如果随机数小于发射率,则蝙蝠飞到步骤三更新后的位置;否则在原位置进行局部搜索;步骤五:当蝙蝠新位置对应的解优于原位置对应的解,并且此时(0,1)区间内的随机数小于蝙蝠个体的响度时,则进行步骤六;否则回到步骤三进行下一个蝙蝠的更新速度和位置操作;步骤六:更新当前蝙蝠到新解对应的位置;步骤七:判断新解是否优于当前最优解,如果优于就将新解记为当前最优解,并调整当前蝙蝠个体的脉冲发射率和响度;否则直接进行步骤八;步骤八:对当前蝙蝠种群进行基于动态差分进化机制的变异操作;步骤九:计算当前蝙蝠个体的适应度值;步骤十:判断当前最优解是否满足算法终止条件,若满足就输出当前最优蝙蝠位置和对应的解值;否则回到步骤三进行下一代的寻优过程。
【技术特征摘要】
1.基于DDE改进蝙蝠算法的动态火力分配方法,其特征在于,具体步骤如下:步骤一:放宽武器数量约束,生成初始种群,初始化算法参数;步骤二:构建适应度函数,并依此找出最优蝙蝠位置;步骤三:更新蝙蝠个体的速度和位置;步骤四:判断(0,1)区间内的随机数与当前蝙蝠个体脉冲发射率的大小,如果随机数小于发射率,则蝙蝠飞到步骤三更新后的位置;否则在原位置进行局部搜索;步骤五:当蝙蝠新位置对应的解优于原位置对应的解,并且此时(0,1)区间内的随机数小于蝙蝠个体的响度时,则进行步骤六;否则回到步骤三进行下一个蝙蝠的更新速度和位置操作;步骤六:更新当前蝙蝠到新解对应的位置;步骤七:判断新解是否优于当前最优解,如果优于就将新解记为当前最优解,并调整当前蝙蝠个体的脉冲发射率和响度;否则直接进行步骤八;步骤八:对当前蝙蝠种群进行基于动态差分进化机制的变异操作;步骤九:计算当前蝙蝠个体的适应度值;步骤十:判断当前最优解是否满足算法终止条件,若满足就输出当前最优蝙蝠位置和对应的解值;否则回到步骤三进行下一代的寻优过程。2.根据权利要求1所述基于DDE改进蝙蝠算法的动态火力分配方法,其特征在于,动态火力分配模型表示为:其中Xt为t时刻下火力分配决策矩阵,具体形式表示为:表示当前t时刻下第i类武器分配给第j个目标的火力数量,正常值在0到之间,是t时我方i类武器拥有的火力数量,t时刻下我方分配出的武器数量小于等于此时武器总共拥有的数量;表示t时第j个目标对我方的威胁度;pij是第i类武器打击第j个目标的效率。3.根据权利要求2所述基于DDE改进蝙蝠算法的动态火力分配方法,其特征在于,放宽武器数量约束来生成初始种群,依据以下公式:即将武器数量限制值从变成从而放宽了武器数量的约束来加快初始蝙蝠个体的生成,其中m表示为武器的种类数。4.根据权利要求2所述基于DDE改进蝙蝠算法的动态火力分配方法,其特征在于,所述适应度函数表示为:Fit(Xt)=Tar(Xt)+G(Xt)其中G(Xt)是惩罚函数,确保生成的蝙蝠个体满足武器数量的约束条件,具体表示为:G(Xt)=-Pun*Ct其中Pun是一个大数量级的正...
【专利技术属性】
技术研发人员:邱少明,胡宏章,杜秀丽,吕亚娜,
申请(专利权)人:大连大学,
类型:发明
国别省市:辽宁,21
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。