一种基于增强MOEA/D的多阶段作战资源协同分配方法组成比例

本发明专利技术提出了一种基于增强MOEA/D的多阶段作战资源协同分配方法，考虑武器和传感器协同作战，以最大化消除敌方威胁和最小化我方成本为目标函数，综合转火约束、弹药约束、传感器引导等约束建立了多阶段传感器武器目标分配模型，该模型分析了传感器武器协同有效窗口，贴近真实作战情形；提出了随机非支配启发式初始化方法和基于边际收益的双存档约束修复机制，有效减少了在复杂约束下算法陷入局部最优的情况；改进了算法的邻域匹配策略以提升种群多样性；通过多组算例来验证方法的有效性。结果表明，所提算法具有更好的收敛性和分布性，能够为决策者快速提供更符合作战需求的资源分配方案，也给解决多阶段陆战防空作战资源分配问题提供了参考。配问题提供了参考。配问题提供了参考。

【技术实现步骤摘要】
一种基于增强MOEA/D的多阶段作战资源协同分配方法


[0001]本专利技术涉及陆战防空资源分配领域，具体涉及一种基于增强MOEA/D的多阶段作战资源协同分配方法。

技术介绍

[0002]作战资源分配是防空作战指挥的关键环节，它涉及的问题是如何依据决策者的作战目标将作战资源和目标进行配对，以获得一些最优的解决方案，可有效提升整体作战效能。作战资源分配被证明是多项式复杂程度非确定性完全问题，即不能确定是否在多项式时间内找到答案，但是可以在多项式时间内验证答案是否正确，其计算复杂度随问题维度增加呈现指数级增长。现代作战已经逐演变为体系作战，传统的以单一平台作战的形式已经无法满足现代作战的需要，因而当前防空任务分配研究探测单元、火力单元之间的协同配合尤其重要。资源协同分配是典型的约束组合优化问题，涉及的问题是如何依据决策者的作战目标将作战资源和目标进行配对，并获得一系列最优的解决方案。通过作战任务将有效资源分配给重要目标，可有效提升整体作战效能。
[0003]国内外众学者对多阶段资源部署问题的建模和求解进行了大量研究，分别采用改进布谷鸟算法、改进的NSGA2算法、匈牙利算法和GA
‑
PSO混合算法等多种智能求解算法对多阶段武器协同火力分配模型进行求解。
[0004]但在当前研究中对于传感器武器协同分析简单，未考虑武器有效作战窗口，很难有效描述真实的作战环境。且当武器、传感器网络中节点数量较多的时候，该问题具有严格的约束条件，求解复杂度高，传统方法无法求得较优的解。战场态势瞬息万变，具有高动态性，在大规模的情况下，对算法的时间性能和收敛性能提出了严峻挑战。

技术实现思路

[0005]有鉴于此，本专利技术提供了一种基于增强MOEA/D的多阶段作战资源协同分配方法，能解决多阶段作战资源协同分配问题。
[0006]一种基于增强MOEA/D的多阶段作战资源协同分配方法，包括：
[0007]步骤一、对面向陆战防空的多阶段作战资源协同分配问题进行建模，得到该问题的目标函数、约束和决策变量；
[0008]步骤二：作战初始化，计算可行性矩阵，对种群进行编码，具体为：
[0009]步骤201：通过情景模拟生成作战目标轨迹，计算武器传感器的协同有效作战窗口；
[0010]步骤202：通过201步骤的武器传感器的协同有效作战窗口获得武器和传感器的初始可行性矩阵[X
itk
]S
×
T
×
K
和[Y
jtk
]W
×
T
×
K
，可行性矩阵代表武器和传感器在每个阶段对目标的打击或探测能力；S,W,K,T分别代表传感器，武器，目标，作战阶段的最大数目；[X
itk
]W
×
T
×
K
表示武器集合的有效窗口，其中[X
itk
]W
×
T
×
K
∈{0,1}，i＝(1,2,...,W)，[X
itk
]W
×
T
×
K
＝1表示在t阶段目标k在武器wp
i
的有效窗口内，[X
itk
]W
×
T
×
K
＝0表示在t阶段目标k不在武器wp
i
的有效窗
口内。[Y
jtk
]S
×
T
×
K
表示传感器集合的有效窗口，其中[Y
jtk
]S
×
T
×
K
∈{0,1}，j＝(1,2,...,S)，[Y
jtk
]S
×
T
×
K
＝1表示在t阶段目标k在传感器sp
j
的有效窗口内，[Y
jtk
]S
×
T
×
K
＝0表示在t阶段目标k不在传感器sp
j
sp
i
的有效窗口内；
[0011]步骤203：从武器传感器有效作战窗口中进行编码，采用基于有效窗口约束的整数编码的方式，得到由N个D维个体构成的种群，D＝(S+W)
×
T；每个基因位代表着不同的传感器或武器，基因的内容代表武器或传感器所分配的任务目标；
[0012]步骤三：根据步骤一中设定的目标函数生成任务分配概率，判断武器和传感器是否执行任务；对于执行任务的武器和传感器，在满足可行性矩阵[X
itk
]S
×
T
×
K
和[Y
jtk
]W
×
T
×
K
的任务目标集合中，随机选取一个任务目标作为该作战资源在该作战阶段的任务目标，将步骤203中每个个体中武器和传感器的基因位内容变成相应的目标序号，由此形成初始种群；
[0013]步骤四：采用结合基于边际收益双存档约束修复机制和邻域匹配策略对种群进行交叉变异更新，具体为：
[0014]步骤401：步骤302得到初始种群，松弛约束条件，对初始种群进行交叉变异，获得的种群P1；对种群P1中不可行解采用约束修复机制修复，直到满足非线性约束，修复后获得新种群P2；
[0015]步骤402：在更新解时采取邻域的范围随着算法运行时间的增加逐步减小的策略，对种群P2进行更新；
[0016]步骤五：循环步骤402，判断算法运行时间是否到达设置时间，到达时间后跳出循环；
[0017]步骤六：令外部种群EP为空集合，通过上述步骤得到种群中的每个新个体I，从种群中移除被I支配的所有个体以及重复的个体，如果EP中没有个体支配I，则将I加入到EP中；
[0018]步骤七：根据步骤203中编码方式对外部种群EP中的个体进行解码，得到作战资源分配方案。
[0019]较佳的，所述约束包括有限资源约束、可行性约束和火力转移约束；各传感器和武器的分配状态作为决策变量。
[0020]较佳的，所述步骤201中，以探测概率模型描述传感器的有效探测窗口，传感器sp
i
对于任意点p覆盖强度I(sp
i
,p)如下式所示：
[0021][0022]其中，d(spi,p)表示传感器sp
i
和任意点p之间的距离。上式表示，在确定探测半径范围R1内单个传感器即可对目标实现准确稳定的跟踪，在确定探测半径R1和模糊探测半径R2范围内传感器对目标的覆盖能力递减，在模糊探测半径R2范围外传感器无法跟踪目标。
[0023]较佳的，所述步骤201中，用目标在武器打击范围内的时间减去传感器探测最短指引时间即为武器有效窗口。
[0024]较佳的，所述步骤3的方法具体包括：
[0025]步骤301：在二维空间生成N个本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于增强MOEA/D的多阶段作战资源协同分配方法，其特征在于，包括：步骤一、对面向陆战防空的多阶段作战资源协同分配问题进行建模，得到该问题的目标函数、约束和决策变量；步骤二：作战初始化，计算可行性矩阵，对种群进行编码，具体为：步骤201：通过情景模拟生成作战目标轨迹，计算武器传感器的协同有效作战窗口；步骤202：通过201步骤的武器传感器的协同有效作战窗口获得武器和传感器的初始可行性矩阵[X
itk
]
S
×
T
×
K
和[Y
jtk
]
W
×
T
×
K
，可行性矩阵代表武器和传感器在每个阶段对目标的打击或探测能力；S,W,K,T分别代表传感器，武器，目标，作战阶段的最大数目；[X
itk
]
W
×
T
×
K
表示武器集合的有效窗口，其中[X
itk
]
W
×
T
×
K
∈{0,1}，i＝(1,2,...,W)，[X
itk
]
W
×
T
×
K
＝1表示在t阶段目标k在武器wp
i
的有效窗口内，[X
itk
]
W
×
T
×
K
＝0表示在t阶段目标k不在武器wp
i
的有效窗口内。[Y
jtk
]
S
×
T
×
K
表示传感器集合的有效窗口，其中[Y
jtk
]
S
×
T
×
K
∈{0,1}，j＝(1,2,...,S)，[Y
jtk
]
S
×
T
×
K
＝1表示在t阶段目标k在传感器sp
j
的有效窗口内，[Y
jtk
]
S
×
T
×
K
＝0表示在t阶段目标k不在传感器sp
j
sp
i
的有效窗口内；步骤203：从武器传感器有效作战窗口中进行编码，采用基于有效窗口约束的整数编码的方式，得到由N个D维个体构成的种群，D＝(S+W)
×
T；每个基因位代表着不同的传感器或武器，基因的内容代表武器或传感器所分配的任务目标；步骤三：根据步骤一中设定的目标函数生成任务分配概率，判断武器和传感器是否执行任务；对于执行任务的武器和传感器，在满足可行性矩阵[X
itk
]
S
×
T
×
K
和[Y
jtk
]
W
×
T
×
K
的任务目标集合中，随机选取一个任务目标作为该作战资源在该作战阶段的任务目标，将步骤203中每个个体中武器和传感器的基因位内容变成相应的目标序号，由此形成初始种群；步骤四：采用结合基于边际收益双存档约束修复机制和邻域匹配策略对种群进行交叉变异更新，具体为：步骤401：步骤302得到初始种群，松弛约束条件，对初始种群进行交叉变异，获得的种群P1；对种群P1中不可行解采用约束修复机制修复，直到满足非线性约束，修复后获得新种群P2；步骤402：在更新解时采取邻域的范围随着算法运行时间的增加逐步减小的策略，对种群P2进行更新；步骤五：循环步骤402，判断算法运行时间是否到达设置时间，到达时间后跳出循环；步骤六：令外部种群EP为空集合，通过上述步骤得到种群中的每个新个体I，从种群中移除被I支配的所有个体以及重复的个体，如果EP中没有个体支配I，则将I加入到EP中；步骤七：根据步骤203中编码方式对外部种群EP中的个体进行解码，得到作战资源分配方案。2.如权利要求1所述的一种基于增强MOEA...

【专利技术属性】
技术研发人员：陈晨，田育萌，陈杰，孟凯，宗奥，全威，张云天，
申请(专利权)人：北京理工大学，
类型：发明
国别省市：