[发明专利]一种基于改进多目标蛙跳算法的协同空战火力分配方法

说明书

技术领域

本发明属于计算机仿真与方法优化技术领域，主要用于协同空战中作战飞机上携带的武器资源对目标的分配调度问题，其涉及技术方法也适用于任务分配、车辆调度、物流运输等其他分配问题中。

背景技术

火力分配问题，也称为武器目标分配（Weapon Target Assignment，WTA）问题，已被证明是一个NP-complete问题。协同空战火力分配问题就是为本方编队内的战斗机制定出一个合理高效的武器对目标的分配方案，以确定哪些作战飞机上的哪些导弹武器对哪些敌方目标进行攻击。目前，国内外不少学者已对协同空战火力分配问题进行了很多研究，如采用禁忌搜索算法、遗传算法，蚁群算法、粒子群算法等。但目前绝大多数研究中所涉及的火力分配都是单目标优化问题，比如论文《改进的微分进化算法求解空战火力分配问题》、《基于混沌蚁群算法的多机协同空战火力分配》、《基于变异离散粒子群的协同空战攻击决策算法》等，其求解目标基本上是追求目标的毁伤概率越大越好或剩余威胁越小越好的一次性完全分配，很容易导致武器资源的浪费，从而无法满足后续空战的作战需求。

混洗蛙跳算法（(Shuffled Frog Leaping Algorithm，SFLA）是一种基于群体智能的亚启发式协同搜索算法。SFLA结合了基于基因进化的模因演化算法和基于群体行为的粒子群算法两者的优点，具有概念简单、易于理解、参数少，全局搜索能力强、计算速度快等优点。在SFLA的种群初始化阶段，初始种群的分布性质将会影响整个算法的收敛性能。如果初始种群的分布性质差，比如随机生成的初始青蛙群体中的各青蛙很有可能集中在解空间的某些局部区域，不仅会造成算法收敛速度慢，而且会使算法陷入局部最优。另外，基本SFLA的局部搜索能力较差，使得算法具有求解精度较低、容易陷入局部最优极值的缺点。近年来，国内外不少学者对SFLA的改进和应用进行了很多研究，但是大多数的研究都是针对单目标优化问题，针对多目标优化问题的研究很少，并且目前仍没有见到针对火力分配问题方面的多目标蛙跳算法的相关研究文献。

发明内容

为了克服现有技术的不足，本发明提供一种基于改进多目标蛙跳算法的协同空战火力分配方法，能使得协同空战达到目标群的存活概率最低的同时所消耗的导弹数量最少的攻击效果。

本发明解决其技术问题所采用的技术方案包括以下步骤：

步骤一、通过协同空战编队指挥控制系统获取所需数据信息，包括：我方编队投入作战的作战飞机的数量M，指控中心已指定攻击的目标数N，我方第i架UCAV上携带的中远距空空导弹数w_i，i＝1,2,…，M，我方编队内所有UCAV上所有可用来攻击目标的导弹总数W，且有W＝w₁+w₂+…+W_M,第j个目标的威胁系数T_j以及所有W枚导弹中第k枚导弹对第j个目标的杀伤概率p_kj，j＝1,2,…，N，k＝1,2,…W;

步骤二、建立协同空战火力分配的多目标优化数学模型如下：

minf(X)=Σj=1N[Tj·Πk=1W(1-pkj·xkj)]]]>