基于混合智能搜索的武器资源多阶段优化分配方法组成比例

本发明专利技术公开了基于混合智能搜索的武器资源多阶段优化分配方法，包括以下步骤：建立多阶段武器目标分配模型；采用混合智能搜索算法对所述的多阶段武器目标分配模型进行求解；根据求解获得的最优解进行武器目标分配。本发明专利技术方法研究了多阶段武器目标分配问题，以最小化武器成本为优化目标，建立了问题的混合整数非线性规划模型，设计了一种集成匈牙利和模拟退火的混合智能搜索算法，两者结合，在保证求解质量的前提下，极大减少了计算时间。极大减少了计算时间。极大减少了计算时间。

【技术实现步骤摘要】
基于混合智能搜索的武器资源多阶段优化分配方法


[0001]本专利技术属于武器资源分配
，具体涉及一种基于混合智能搜索的武器资源多阶段优化分配方法。

技术介绍

[0002]随着自控技术、信息技术、以及人工智能等技术的发展，精确制导武器装备朝着精确化、智能化的方向变革，推动了信息化、智能化、无人化战争的进程。面对大量需要拦截和打击的目标群时，需要将作战过程合理划分为多个阶段，利用有限的发射平台将武器分配到目标，实现最佳的打击效果。
[0003]武器目标分配问题(weapon target assignment，WTA)是军事运筹领域的重要研究方向之一。作为WTA问题的一种重要扩展方向，多阶段武器目标分配(multi
‑
stage weapon target assignment，MS
‑
WTA)是在有限的武器通道和武器数量的约束下，对多元立体的打击目标加以评估，依据重要性与紧急程度划分阶段，通过规划各阶段打击目标清单缓解同波次武器攻击的压力，快速制定武器目标分配方案。
[0004]WTA问题是一个多参数、多约束的NP
‑
complete问题，解空间内部存在大量局部极值点，往往是不可微、不连续以及高度非线性的。目前，WTA的求解方法可以分为两类，第一类使用精确求解技术，如分支定界法、拉格朗日松弛方法和匈牙利方法等，直接求解混合整数非线性形式的WTA问题。第二类求解技术是基于启发式方法，通过适当降低解的质量来实现大规模WTA问题的快速求解。
[0005]WTA问题经过几十年的发展，在模型、求解算法以及应用场景方面都取得了大量研究成果，但是现有的研究很少关注多阶段的WTA问题，在实际的应用中，由于武器发射平台不足以及武器存在转火时间的原因，无法一次性完成对所有目标的打击任务，必须将作战划分为多个阶段，制定出整体效益最大化的火力打击计划。此外，对于大规模的WTA分配问题，大多数精确算法不能在有效时间给出解决方案或者解决方案质量较低；启发式方法虽然通过降低解的质量来实现快速求解，但是不可避免地出现过早收敛、解地质量稳定性差等问题。

技术实现思路

[0006]鉴于此，本专利技术的目的在于提供一种基于混合智能搜索的武器资源多阶段优化分配方法。所述方法研究了多阶段武器目标分配问题，以最小化武器成本为优化目标，建立了问题的混合整数非线性规划模型，设计了一种集成匈牙利和模拟退火的混合智能搜索算法，两者结合，在保证求解质量的前提下，极大减少了计算时间，在计算时间和求解效果上优于现有技术。
[0007]本专利技术的目的是这样实现的，基于混合智能搜索的武器资源多阶段优化分配方法，包括以下步骤：
[0008]步骤1，建立多阶段武器目标分配模型；
[0009]步骤2，采用混合智能搜索算法对所述的多阶段武器目标分配模型进行求解；
[0010]步骤3，根据求解获得的最优解进行武器目标分配；
[0011]所述的多阶段武器目标分配模型，目标函数为：
[0012][0013]目标函数表示最小化所有目标的总体期望威胁值，
[0014]约束条件包括：
[0015][0016][0017][0018]其中，W＝{1,2,...,m}，表示所有武器标号集合，任意武器i∈W，N＝{1,2,...,n},表示所有目标标号集合，任意目标j∈N，V
j
表示第j个目标的初始威胁值，x
tij
为0
‑
1决策变量，表示第t阶段是否把武器i分配给目标j，若分配取值为1，否则取值为0，p
ij
表示第i个武器对第j个目标的毁伤能力，S＝{1,2,...,s},表示阶段标号集合，任意阶段t∈S，N
t
表示在t阶段准备打击的目标集合，W
t
表示在t阶段可以使用的武器集合，m表示武器总数量，n表示目标总数量，s表示阶段总数量；
[0019]公式(2)约束了在每一个攻击阶段，目标j只能被一个武器打击；公式(3)约束了一个武器最多追踪并袭击一个目标；公式(4)是0
‑
1决策变量约束；
[0020]具体地，所述的混合智能搜索算法为基于匈牙利和模拟退火算法的双层搜索算法，包括以下步骤：
[0021]步骤201：参数初始化；
[0022]步骤202：基于预定的规则构造多阶段目标攻击初始序列
[0023]步骤203：在初始序列的基础上，标记各目标松弛系数r
j
；
[0024]步骤204：调用匈牙利算法求解多阶段武器目标分配的局部最优解
[0025]步骤205：计算目标函数值；
[0026]步骤206：在局部最优解的基础上，根据松弛系数调整准则改变目标打击阶段，构造新序列
[0027]步骤207：依据预设的概率准则更新松弛系数的数值；
[0028]步骤208：重复步骤204和步骤205；
[0029]步骤209：调用模拟退火算法转达步骤206
‑
步骤208；
[0030]步骤210：直至到达算法终止准则，解算出全局最优解。
[0031]具体地，所述的松弛系数是调整目标打击次数的重要数值标记，也是目标重要性的价值判断，目标j的松弛系数为记r
j
，紧迫性强、优先级高的目标松弛系数的值为r
j
＝0，反之为1；所述的松弛系数调整准则是：目标的阶段调整只能发生在相邻的阶段，选定两个阶
段的目标集合，后续阶段的目标可以无条件向前一阶段迁移，迁移完成后目标松弛值更新为1；但是对于前阶段目标，只有目标松弛值为1时才可以向临近的后续阶段迁移，同时目标松弛值更新为0，意味着尽管该目标在原先阶段优先级并不大，可以向后调整，但是仍然有很重要的地位，不能继续向后续阶段继续调整。
[0032]优选地，所述的改变目标打击阶段的过程中采用点式阶段调整算子或段式阶段调整算子，所述的点式阶段调整算子是从第t个阶段的可松弛目标集合中随机选取交换的对象，同时从第t+1阶段任意选择目标，两两交换完成阶段的调整，所述的段式阶段调整算子，首先在第t个阶段的目标序列中选取一个固定长度的目标片段，同时在第t+1个阶段中选取任意一个等长目标序列，交换打击的阶段，最后根据松弛系数调整准则检查不合法的目标对，不改变原先的打击次序。
[0033]优选地，所述的多阶段目标攻击初始序列的构造，采用匈牙利算法作为初始解的生成策略，当所有阶段的待打击目标集合生成后，从武器库中选择一定数量的武器，计算统一效率矩阵，调用匈牙利算法计算当前打击次序下的局部最优解，然后作为初始解传入模拟退火算法。
[0034]本专利技术方法研究了多阶段武器目标分配问题，以最小化武器成本为优化目标，建立了问题的混合整数非线性规划模型。设计了一种集成匈牙利和模拟退火的混合智能搜索算法。首先根据待攻击目标的时空状态与毁伤特性确定打击阶段、标记可松弛性，在模拟退本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.基于混合智能搜索的武器资源多阶段优化分配方法，其特征在于，包括以下步骤：步骤1，建立多阶段武器目标分配模型；步骤2，采用混合智能搜索算法对所述的多阶段武器目标分配模型进行求解；步骤3，根据求解获得的最优解进行武器目标分配；所述的多阶段武器目标分配模型，目标函数为：目标函数表示最小化所有目标的总体期望威胁值，约束条件包括：约束条件包括：约束条件包括：其中，W＝{1,2,...,m}，表示所有武器标号集合，任意武器i∈W，N＝{1,2,...,n},表示所有目标标号集合，任意目标j∈N，V
j
表示第j个目标的初始威胁值，x
tij
为0
‑
1决策变量，表示第t阶段是否把武器i分配给目标j，若分配取值为1，否则取值为0，p
ij
表示第i个武器对第j个目标的毁伤能力，S＝{1,2,...,s},表示阶段标号集合，任意阶段t∈S，N
t
表示在t阶段准备打击的目标集合，W
t
表示在t阶段可以使用的武器集合，m表示武器总数量，n表示目标总数量，s表示阶段总数量；公式(2)约束了在每一个攻击阶段，目标j只能被一个武器打击；公式(3)约束了一个武器最多追踪并袭击一个目标；公式(4)是0
‑
1决策变量约束。2.根据权利要求1所述的基于混合智能搜索的武器资源多阶段优化分配方法，其特征在于，所述的混合智能搜索算法为基于匈牙利和模拟退火算法的双层搜索算法，包括以下步骤：步骤201：参数初始化；步骤202：基于预定的规则构造多阶段目标攻击初始序列步骤203：在初始序列的基础上，标记各目标松弛系数r
j
；步骤204：调用匈牙利算法求解多阶段武器目标分配的局部最优解步骤205：计算目标函数值；步骤206：在局部最优解的基础上，根据松弛系数调整准则改变目标打击阶段，构造新序列步骤207：依据预设...

【专利技术属性】
技术研发人员：石建迈，常雪凝，黄金才，程光权，黄魁华，陈超，
申请(专利权)人：中国人民解放军国防科技大学，
类型：发明
国别省市：