[发明专利]一种基于粒子群算法优化解决武器-目标分配的方法

权利要求书

1.一种基于粒子群算法优化解决武器-目标分配的方法，其特征在于，包括以下步骤：

S1.根据武器型号的数量N、地面目标类的数量M确立武器目标-分配模型和约束条件；

S2.使用遗传算法和近邻传播聚类算法探知可行解的局部优区域：

S201.多次执行遗传算法直至最优解增幅低于预期阈值，保存各次寻优所得解中的可行解，将其作为近邻传播聚类算法的数据集；

S202.基于S201的数据集执行近邻传播聚类算法将数据集聚类为多个有明显区别的类族，类族中可行解分布的区域作为局部优区域；

S3.基于S2生成的局部优区域初始化粒子群优化算法种群；

S4.基于S3初始化的种群进行粒子群优化算法寻优：不断更新粒子在各维度方向上的搜索速度和位置直至达到迭代终止条件；

所述步骤S1中包括定义分配价值、武器型号和数量以及地面目标类别和数量的关系：

其中M_j是第j类地面目标的数量，m_ijk是第i型武器作用于第j类第k个目标的数量，m_ijk为大于等于0的整数，V_i是第i型号武器的价值，p_ij第i型武器打击第j类目标的综合毁伤概率；V_min为分配价值，N_i是第i型武器的数量，C_j是第j类目标的毁伤要求。

2.根据权利要求1所述的一种基于粒子群算法优化解决武器-目标分配的方法，其特征在于，所述S3包括：

S301.种群粒子排序：计算同一局部优区域粒子间的欧式距离，按粒子间欧式距离的升序排列搜索空间所有粒子对；

S302.密集粒子删减：比较欧式距离最近的两个粒子的拥挤距离，删减拥挤距离小的粒子，重复本步骤直至粒子数量满足种群规模要求。

3.根据权利要求2所述的一种基于粒子群算法优化解决武器-目标分配的方法，其特征在于，所述S303包括计算粒子的拥挤距离，拥挤距离为与被计算粒子最相邻的两个粒子的欧式距离之和。

4.根据权利要求1所述的一种基于粒子群算法优化解决武器-目标分配的方法，其特征在于，所述S4中更新粒子在各维度方向上的搜索速度和位置的方法为：

v_id(t+1)＝wv_id(t)+r₁c₁(p_id-χ_id(t))+r₂c₂(g_d-x_id(t))；

χ_id(t+1)＝x_id(t)+v_id(t+1)；

其中在第d维度方向上，v_id(t)为粒子当前的速度，x_id(t)为粒子当前的位置，v_id(t+1)为粒子更新后的速度，x_id(t+1)为粒子更新后的位置，p_id为粒子的个体极值，g_d为全局极值；w为惯性权重；c₁与c₂为加速系数；r₁与r₂是大于等于0且小于等于1的随机数。

5.根据权利要求4所述的一种基于粒子群算法优化解决武器-目标分配的方法，其特征在于，当更新粒子在维度方向上的搜索速度时加入竞争因子：r₃ c₃(l_id-x_id(t))，其中l_id为粒子在其局部优区域内的个体极值，c₃为加速系数，r₃是大于等于0且小于等于1的随机数。

6.根据权利要求1至5任一项所述的一种基于粒子群算法优化解决武器-目标分配的方法，其特征在于，所述S4包括在每次更新粒子后都利用近邻传播聚类算法对粒子所属局部优区域进行确定。

7.根据权利要求1至5任一项所述的一种基于粒子群算法优化解决武器-目标分配的方法，其特征在于，还包括对遗传算法的个体和粒子群优化算法的粒子进行基于打击目标的整数编码：编码的长度和维数D均为N×T，其中T为打击目标的数量；用P_N×(k-1)+i表示第i类型武器对第k个目标的用量分配，其中i是小于等于N的正整数，k是小于等于T的正整数。