基于双档案机制多目标粒子群优化算法的自适应校正武器目标分配系统技术方案

本发明专利技术公开了一种基于双档案机制多目标粒子群优化算法的自适应校正武器目标分配系统，该系统包括显控模块、上位机、武器

【技术实现步骤摘要】
基于双档案机制多目标粒子群优化算法的自适应校正武器目标分配系统


[0001]本专利技术涉及计算机仿真与优化领域，尤其涉及一种基于双档案机制多目标粒子群优化算法的自适应校正武器目标分配系统。

技术介绍

[0002]现代战争逐渐朝着空间多维性、作战单位多元性、作战目标不确定性等方向发展，联合作战与统筹规划也就成为了致胜作战中极其重要的一环。武器目标分配问题(WTA)旨在提供武器设备的合理分配方案，尽可能地利用最少的武器资源，打击最多的战略目标，同时产生最大的打击收益，是一个NP Hard多目标约束优化问题。而利用高效的多目标优化问题求解算法得到WTA问题的全局最优解，对于作战指挥来说是一项意义重大的研究工作，这将提高作战效能，直接影响到作战的胜败。
[0003]目前，WTA问题的智能求解算法主要包括遗传(GA)算法、灰狼优化(GW)算法、烟花算法以及粒子群优化(PSO)算法等进化算法。这些算法原本都是针对单目标优化问题而提出的，在单目标解空间中大部分都能够高效地求解得到全局最优解，但是在多目标优化问题中，往往都存在最优解集收敛性和多样性失衡，容易陷入局部最优的不足。原因在于多目解空间中的最优解对应的最优目标空间是以超平面的形式存在的，搜索空间内通常包含多个局部最优超平面，常规的进化算法在寻优过程中因缺乏跳出局部最优的手段而易陷入局部最优区域。类似的，寻优算法在搜索到全局最优解之后，容易将解聚集在全局最优解周围，难以对周边区域进行分布式探索，最优解集的收敛性和多样性难以平衡，对于武器
‑
分配问题来说可选的分配方案较为单一，不利于动态战场的决策。

技术实现思路

[0004]为了克服传统的武器
‑
目标分配系统对武器
‑
目标分配问题最优解集的收敛性以及多样性平衡能力较差，容易陷入局部最优的不足，本专利技术的目的在于提供一种基于双档案机制多目标粒子群优化算法的自适应校正武器目标分配系统，提高多目标粒子群算法针对武器
‑
目标问题的全局搜索能力以及最优解集收敛性和多样性的平衡能力，并采用自适应校正策略对模型进行自动更新，维持系统的准确性。
[0005]本专利技术解决其技术问题所采用的技术方案是：一种基于双档案机制多目标粒子群优化算法的自适应校正武器
‑
目标分配系统，为武器
‑
目标优化提供备选最优解集，该系统包括：显控模块、上位机、武器
‑
目标多目标优化问题设计模块以及基于双档案机制多目标粒子群优化算法的优化模块。
[0006]所述设备的运行过程包括：
[0007]步骤A1：武器
‑
目标分配决策者通过显控模块输入潜在打击对象的数量N及其对应的打击对象O＝{O1,
…
,
i
,
…
,
N
}，其中O
i
表示第i个潜在的打击对象，然后输入用于打击的武器的类别M、其对应的武器库W＝{W1,
…
,
j
,
…
,
M
}以及第j(j＝1,2,
…
,M)类武器库W
j
拥有的
武器种类M
j
，记为接着输入第j类武器用于打击第i个潜在的打击对象O
i
时的打击成本c
j
、打击命中概率为p
ij
以及打击毁伤收益e
i
，最后输入打击同一目标的武器数量上限L；
[0008]步骤A2：由武器
‑
目标分配决策者输入的武器
‑
目标分配相关的参数通过显控模块传输到上位机中进行优化问题的建立以及优化求解；
[0009]步骤A3：武器
‑
目标分配相关参数先由武器
‑
目标多目标优化问题设计模块进行多目标优化问题的定义以及约束函数的定义；
[0010]步骤A4：定义完成的武器
‑
目标分配多目标优化问题将作为基于双档案机制多目标粒子群优化算法的优化模块的适应度函数进行约束优化求解；
[0011]步骤A5：由基于双档案机制多目标粒子群优化算法的优化模块求解得到的武器
‑
目标分配多目标优化问题的最优解集及其适应度值将输出回显控模块；
[0012]步骤A6：决策者通过显控模块查看优化求解得到的最优武器
‑
目标分配方案及其对应的适应度值，进一步基于决策专家知识进行武器
‑
目标分配方案的选择；
[0013]步骤A7：决策者通过显控模块对武器
‑
目标分配问题相关参数进行调整，所述系统将自适应地进行多目标优化问题的调整重建，并在初始最优解集的基础上进行校正搜索；也能对上位机下达停机指令以停止系统的运行。
[0014]所述的武器
‑
目标分配多目标优化问题设计模块采用如下步骤实现：
[0015]步骤B1：定义武器
‑
目标分配多目标优化问题的优化目标，分别为最大化打击毁伤收益以及最小化打击成本；
[0016]步骤B2：定义布尔决策变量以及y
i
，其中表示武器库W
j
中的第k个武器W
jk
是否打击潜在目标O
i
，y
i
表示潜在目标O
i
是否作为打击对象；
[0017]步骤B3：得到武器库W
j
中的第k个武器W
jk
打击潜在目标O
i
的命中概率P(i,j,k)、武器库W
j
打击潜在目标O
i
的命中概率P(i,j)以及所有武器打击潜在目标O
i
的命中概率P(i)如下：
[0018][0019][0020][0021]步骤B4：由步骤B3得到的所有武器打击潜在目标O
i
的命中概率得到打击潜在目标O
i
的期望损伤收益以及打击所有潜在目标的期望损伤收益如下：
[0022][0023][0024]步骤B4：而所有武器的打击成本表示如下：
[0025][0026]步骤B5：为了避免由于数量级问题造成的陷入局部最优问题，将期望损伤收益以
及打击成本基于对应的损伤收益总和以及打击成本总和进行归一化，表示如下：
[0027][0028][0029]其中，E表示归一化的期望损伤收益，C表示归一化的打击成本；
[0030]步骤B6：根据所设定的打击同一目标的武器数量上限L以及武器数量总上限M
j
，得到武器
‑
目标分配问题的约束条件如下：
[0031][0032][0033]步骤B7：根据不针对未作为打击目标的目标进行武器分配的既定条件，设置约束条件如下：
[0034][0035本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于双档案机制多目标粒子群优化算法的自适应校正武器目标分配系统，其特征在于，该系统包括：显控模块、上位机、武器
‑
目标分配多目标优化问题设计模块以及基于双档案机制多目标粒子群优化算法的优化模块；所述设备的运行过程包括：步骤A1：武器
‑
目标分配决策者通过显控模块输入潜在打击对象的数量N及其对应的打击对象O＝{O1,
…
,
i
,
…
,
N
}，其中O
i
表示第i个潜在的打击对象，然后输入用于打击的武器的类别M、其对应的武器库W＝{W1,
…
,
j
,
…
,
M
}以及第j(j＝1,2,
…
,M)类武器库W
j
拥有的武器种类M
j
，记为接着输入第j类武器用于打击第i个潜在的打击对象O
i
时的打击成本c
j
、打击命中概率为p
ij
以及打击毁伤收益e
i
，最后输入打击同一目标的武器数量上限L；步骤A2：由武器
‑
目标分配决策者输入的武器
‑
目标分配相关的参数通过显控模块传输到上位机中进行优化问题的建立以及优化求解；步骤A3：武器
‑
目标分配相关参数先由武器
‑
目标多目标优化问题设计模块进行多目标优化问题的定义以及约束函数的定义；步骤A4：定义完成的武器
‑
目标分配多目标优化问题将作为基于双档案机制多目标粒子群优化算法的优化模块的适应度函数进行约束优化求解；步骤A5：由基于双档案机制多目标粒子群优化算法的优化模块求解得到的武器
‑
目标分配多目标优化问题的最优解集及其适应度值将输出回显控模块；步骤A6：决策者通过显控模块查看优化求解得到的最优武器
‑
目标分配方案及其对应的适应度值，进一步基于决策专家知识进行武器
‑
目标分配方案的选择；步骤A7：决策者通过显控模块对武器
‑
目标分配问题相关参数进行调整，所述系统将自适应地进行多目标优化问题的调整重建，并在初始最优解集的基础上进行校正搜索；也能对上位机下达停机指令以停止系统的运行。2.根据权利要求1所述的基于双档案机制多目标粒子群优化算法的自适应校正武器目标分配系统，其特征在于，所述武器
‑
目标分配多目标优化问题设计模块采用如下步骤实现：步骤B1：定义武器
‑
目标分配多目标优化问题的优化目标，分别为最大化打击毁伤收益以及最小化打击成本；步骤B2：定义布尔决策变量以及y
i
，其中表示武器库W
j
中的第k个武器是否打击潜在目标O
i
，y
i
表示潜在目标O
i
是否作为打击对象；步骤B3：得到武器库W
j
中的第k个武器打击潜在目标O
i
的命中概率P(i,j,k)、武器库W
j
打击潜在目标O
i
的命中概率P(i,j)以及所有武器打击潜在目标O
i
的命中概率P(i)如下：的命中概率P(i)如下：的命中概率P(i)如下：步骤B4：由步骤B3得到的所有武器打击潜在目标O
i
的命中概率得到打击潜在目标O
i
的
期望损伤收益以及打击所有潜在目标的期望损伤收益如下：如下：步骤B4：而所有武器的打击成本表示如下：步骤B5：为了避免由于数量级问题造成的陷入局部最优问题，将期望损伤收益以及打击成本基于对应的损伤收益总和以及打击成本总和进行归一化，表示如下：击成本基于对应的损伤收益总和以及打击成本总和进行归一化，表示如下：其中，E表示归一化的期望损伤收益，C表示归一化的打击成本；步骤B6：根据所设定的打击同一目标的武器数量上限L以及武器数量总上限M
j
，得到武器
‑
目标分配问题的约束条件如下：目标分配问题的约束条件如下：步骤B7：根据不针对未作为打击目标的目标进行武器分配的既定条件，设置约束条件如下：步骤B8：为满足常规多目标优化问题的定义，将最大化期望损伤收益E转化为最小化期望损伤收益的负值，从而建立起武器
‑
目标分配多目标优化问题如下：min{
‑
,C}(12)3.根据权利要求1所述的基于双档案机制多目标粒子群优化算法的自适应校正武器目标分配系统，其特征在于，所述基于双档案机制多目标粒子群优化算法的优化模块，提高了多目标粒子群算法中全局最优解的质量以及局部搜索能力，采用如下步骤实现：步骤C1：随机初始化粒子种群population，粒子的位置通过下限全0向量Lower以及上限全1向量Upper进行随机指定，若不满足式(13)的约束条件，则进行重新初始化，直至满足粒子总数N
p
；步骤C2：根据population中每个粒子的位置计算对应的目标函数
‑
和C，找出其中的非
支配解集rep；所述非支配解集rep的搜索过程采用如下步骤实现：步骤C2.1：遍历粒子种群population，对于粒子p
i
，将其目标函数值顺序地与粒子p
i+1
到进行对比，若不存在目标函数值均比它小的粒子，则将其标记为非支配粒子；步骤C2.2：反之，将其标记为...

【专利技术属性】
技术研发人员：潘黎铖，张承龙，付强，曹宇飞，黄煦，马梦颖，杨水锋，韦文书，赵强，李洋，王文海，刘兴高，
申请(专利权)人：浙江大学，
类型：发明
国别省市：