飞行器对抗决策方法及装置制造方法及图纸

本发明专利技术提供一种飞行器对抗决策方法及装置，所述方法包括：编码生成初始的分类器种群，分类器种群中的分类器个体的编码包括飞行器的攻击信息；计算分类器个体的适应度值，并基于适应度值对分类器种群进行遗传算法的选择操作，根据交叉概率对分类器种群进行遗传算法的交叉操作，根据变异概率对分类器种群进行遗传算法的变异操作，基于得到的新的分类器种群获取最优分类器个体；判断是否满足预设终止条件，若不满足，则将计算得到的种群多样性及种群进化速度输入至模糊控制器更新变异概率和交叉概率后重复执行遗传迭代流程，直至达到预设终止条件。本发明专利技术提供的飞行器对抗决策方法及装置，实现了对飞行器对抗决策方法的优化，同时提高了决策效率。同时提高了决策效率。同时提高了决策效率。

【技术实现步骤摘要】
飞行器对抗决策方法及装置


[0001]本专利技术涉及飞行器控制
，尤其涉及一种飞行器对抗决策方法及装置。

技术介绍

[0002]随着科技和智能化作战的发展，利用计算机算法进行飞行器对抗策略的选取成为一个当下重要的军事研究课题，其中，遗传算法取得了相对较好的寻优效果。
[0003]遗传算法是近几十年发展起来的一种崭新的全局优化算法，它借用了生物遗传学的观点，通过自然选择、交叉、变异等作用机制，实现各个个体适应性的提高。
[0004]但是，由于算法的交叉和变异概率始终为固定值，使得算法容易陷入局部最优，因此在应用时，仍然存在无法搜索到实际存在的最佳可能；与此同时，由于传统遗传算法的收敛速度较慢，所以存在运算速度缓慢，进化众多的规划要占据较大存储空间和运算时间，实时性差等问题。

技术实现思路

[0005]为解决现有技术中的问题，本专利技术提供了一种飞行器对抗决策方法及装置。
[0006]本专利技术提供一种飞行器对抗决策方法，包括：初始化流程，包括：编码生成初始的分类器种群；其中，所述分类器种群中的分类器个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种飞行器对抗决策方法，其特征在于，包括：初始化流程，包括：编码生成初始的分类器种群；其中，所述分类器种群中的分类器个体的编码包括飞行器的攻击信息；遗传迭代流程，包括：计算所述分类器个体的适应度值，并基于所述适应度值对所述分类器种群进行遗传算法的选择操作，根据交叉概率对所述分类器种群进行遗传算法的交叉操作，根据变异概率对所述分类器种群进行遗传算法的变异操作，基于得到的新的所述分类器种群获取最优分类器个体；模糊控制流程，包括：判断是否满足预设终止条件，若不满足，则计算种群多样性及种群进化速度，并将所述种群多样性及所述种群进化速度输入至模糊控制器更新所述变异概率和所述交叉概率后重复执行所述遗传迭代流程，直至达到所述预设终止条件。2.根据权利要求1所述的飞行器对抗决策方法，其特征在于，所述方法还包括：基于所述最优分类器个体的所述编码获取最优对抗策略，根据所述最优对抗策略执行动作并与环境交互，得到综合奖励值，基于所述综合奖励值更新所述适应度值。3.根据权利要求2所述的飞行器对抗决策方法，其特征在于，所述基于所述综合奖励值更新所述适应度值，具体包括：根据遗传算法的适应函数得到适应度评价结果；比较所述适应度评价结果及所述综合奖励值的大小，取所述适应度评价结果及所述综合奖励值中的较大值作为所述适应度值。4.根据权利要求1所述的飞行器对抗决策方法，其特征在于，所述基于得到的新的所述分类器种群获取最优分类器个体，具体包括：当得到的所述新的所述分类器种群中多个所述分类器个体与环境消息匹配时，计算所述多个所述分类器个体的适应度值，并将具有最高适应度值的所述分类器个体作为所述最优分类器个体。5.根据权利要求2所述的飞行器对抗决策方法，其特征在于，所述飞行器执行动作时，满足如下运动模型F：其中，x、y、z表示飞行器在惯性坐标系中的位置，v表示飞行器速度，α表示轨迹倾斜角，β表示轨迹偏转角，θ表示绕速度矢量滚转角，k
x
表示切向过载，k
z
表示法向过载，
分别表示v在三个坐标轴方向的分量，g表示重力加速度。6.根据权利要求2所述的飞行器对抗决策方法，其特征在于，所述综合奖励值表示为：R＝α1R
a
+α2R
v
+α3R
h
其中，α1、α2、α3表示权重系数，α1+α2+α3＝1；R
a
...

【专利技术属性】
技术研发人员：高阳，陈琳，王彦雄，常惠，何少钦，
申请(专利权)人：中国航空工业集团公司成都飞机设计研究所，
类型：发明
国别省市：