【技术实现步骤摘要】
一种基于遗传算法的电子防护任务分配方法
[0001]本专利技术涉及电子防护任务分配
，具体是一种基于遗传算法的电子防护任务分配方法。
技术介绍
[0002]电子防护任务主要采用雷达对抗、通信对抗、光电防护装备对空中预警雷达、制导雷达、通信目标和导弹目标进行侦察、干扰，达到降低敌方预警探测能力、降低敌方目标搜索和武器制导能力、切断敌方指挥通信链路、降低武器打击效能，有效实现对保护目标的防护作用。随着现代战场电磁环境日益复杂多变，电子对抗装备种类越来越多、信息量大、作战节奏越来越快，在对战场态势估计、威胁程度、目标任务价值判断的基础上，如何快速准确设计任务分配方案，使得毁伤目标效能最大、防护效果最优、装备消耗最少，能充分发挥出电子对抗装备的整体优势，成为一个很有价值的研究方向。
[0003]电子防护任务分配需满足作战对抗效果、我方装备投入、我方保护目标防护效果等最优，问题本质是多约束条件下，多目标函数求极值的优化问题，传统遗传算法在处理单目标优化问题表现很好，但在解决多目标优化方面却存在明显问题；非支配排序遗传算法...
【技术保护点】
【技术特征摘要】
1.一种基于遗传算法的电子防护任务分配方法，其特征在于，采用带精英策略的快速非支配分层排序，基于电子对抗装备运用先验经验加速优化，采用最优自适应交叉和变异操作改善收敛速度。2.根据权利要求1所述的一种基于遗传算法的电子防护任务分配方法，其特征在于，包括以下步骤：S1，确定初始种群P
k
：对初始种群参数编码，初始种群的每个染色体表示一种可能的分配方案，染色体的长度为1*m，编码向量为F，F(i)＝j，1≤i≤l，1≤j≤m，F(i)＝j表示第j个装备对目标i进行对抗，F(i)为F中的元素；S2，进行自适应交叉、变异：对P
k
进行自适应交叉概率为C
sa
的交叉，进行自适应变异概率为V
sa
的变异，减少破坏群体中原有最优解的概率，产生后续子代种群P
k+1
；S3，快速非支配分层排序：将P
k
与P
k+1
合并，对合并后的新种群进行快速非支配分层排序；其中，对每个个体需要计算两个参数，群体中支配个体i的个体的数量n
i
和被个体i所支配的个体的集合S
i
；S4，确定后续子代种群：基于支配数量和拥挤密度的二元锦标赛选择产生子代个体，确定后续子代种群；S5，分配终止：当满足提前设定的条件时，分配终止。3.根据权利要求2所述的一种基于遗传算法的电子防护任务分配方法，其特征在于，步骤S2中，最优自适应交叉概率公式为：C
sa
＝max{C
1sa
，C
2sa
，C
3sa
}；其中，C
sa
表示最优自适应交叉概率，C
1sa
表示多目标优化函数中对抗效果目标函数的自适应交叉概率，C
2sa
表示多目标优化函数中防护效果目标函数的自适应交叉概率，C
3sa
表示多目标优化函数中装备消耗目标函数的自适应交叉概率；多目标自适应交叉概率公式为：其中，C
usa
表示多目标优化函数中第u个目标函数的自适应交叉概率，u表示多目标优化函数中各目标函数的编号，1≤u≤3且u为整数，f
1max
为群体中对抗效果目标函数最大值，f
2max
为防护效果目标函数最大值，f
3max
为电子对抗装备消耗目标函数最大值；f
1avg
为群体中对抗效果目标函数平均值，f
2avg
为防护效果目标函数平均值，f
3avg
为装备消耗目标函数平均值；f1为对抗效果目标函数值，f2为防护效果目标函数值，f3为电子对抗装备消耗目标函数值；C
sa0
表示交叉常数，取值范围为(0，1)。4.根据权利要求3所述的一种基于遗传算法的电子防护任务分配方法，其特征在于，步骤S2中，最优自适应变异概率公式为：V
sa
＝max{V
1sa
，V
2sa
，V
3sa
}；其中，V
sa
表示最优自适应变异概率，V
1sa
表示多目标优化函数中对抗效果目标函数的自适应变异概率，V
2sa
表示多目标优化函数中防护效果目标函数的自适应变异概率，V
3sa
表示多目标优化函数中装备消耗目标函数的自适应变异概率；
多目标自适应变异概率公式为：其中，V
usa
表示多目标优化函数中第u个目标函数的自适应交叉概率，u表示多目标优化函数中各目标函数的顺序，1≤u≤3且u为整数，f
1max
为群体中对抗效果目标函数最大值，f
2max
为防护效果目标函数最大值，f
3max
为电子对抗装备消耗目标函...
【专利技术属性】
技术研发人员：苏冠霞，王飞，李祥，刘宇畅，孙宗林，申治明，王禹力，刘志宗，刘忆璐，
申请(专利权)人：中国电子科技集团公司第二十九研究所，
类型：发明
国别省市：
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。