[发明专利]一种基于改进遗传算法的武器-目标分配解决方法

说明书

一种基于改进遗传算法的武器‑目标分配解决方法，涉及计算机仿真与方法优化领域。该方法包含如下步骤：构建问题模型并生成可行解；使用遗传算法根据约束条件收集目标数量的样本个体，计算样本个体的变量概率分布；基于样本变量的概率分布对可行解进行赋值；使用遗传算法对初始化后的可行解样本迭代寻优。本发明具有能够能快速迭代且寻优结果好的特点。

技术领域

本发明涉及计算机仿真与方法优化领域，特别是一种基于改进遗传算法的武器-目标分配解决方法。

背景技术

随着科技和智能化作战的发展，利用计算机算法解决武器-目标分配是当今各军事强国竞相研究的一个重要军事问题。深入研究武器-目标分配问题，设计高效的寻优算法，是一项极为必要和迫切的工作。遗传算法和其改进算法被广泛应用于武器-目标分配问题的求解，遗传算法的基本思想来源于生物的遗传进化，模拟自然界生物种群优胜劣汰的进化过程，能有效求解多种优化问题。生物种群的遗传进化起始于初始种群，初始种群的优劣直接影响种群个体进化的方向和速度，若初始种群中存在较接近最优个体的个体，则种群个体将很快进化为最优个体。

遗传算法能较快的迭代出可行解，可行解个体虽相对接近最优解个体，也只是其中某些变量的值相近或相同。随着寻优的进行，相近或相同取值的变量个数缓慢递增，但所需的迭代次数却大幅增加。另一方面，遗传算法采用随机均匀赋值方式从变量取值范围以等同的概率取值并赋与变量，使得种群个体以等同的概率取搜索空间中任一点，无法确定性产生接近最优个体的初始种群个体。该赋值方式简单易行，对小规模问题也行之有效，但对于大规模问题，由于搜索空间极大，而最优解甚至是可行解只处于搜索空间中极小一部分区域，使得采用该方式产生的初始种群进行迭代求解很难快速寻得较优的结果。

发明内容

鉴于以上所述现有技术的不足，本发明的目的在于提供能快速迭代且寻优结果好的一种基于改进遗传算法的武器-目标分配解决方法。

一种基于改进遗传算法的武器-目标分配解决方法，包含如下步骤：

S100.根据案例条件包括武器和目标的类型与数量、武器价值、武器对不同类型目标的毁伤概率构建武器-目标分配问题模型，并生成可行解。

S200.使用遗传算法，迭代计算可行解并收集满足约束条件的样本个体，迭代终止条件为收集到至少目标数量的样本；对收集到的样本进行编码并计算样本变量的概率分布。

S300.初始化可行解样本，基于样本变量的概率分布对可行解进行赋值。

S400.使用遗传算法对初始化后的可行解样本迭代寻优。

进一步，S200包括以武器的毁伤贡献度为约束条件限定可行解的取值范围，单种类型的武器数量上限为毁伤贡献度降低至接近0的阈值时所消耗的武器数量。第n发同一类型武器对同一类型目标的毁伤贡献度的计算方法为：

u(n)＝(1-p)^n-1p

其中p是该类型武器对指定类型目标的毁伤概率。

在减小变量取值范围上界后搜索空间急剧缩小，搜索空间内的分配方案数量也急剧减少。但缩小后的变量取值范围总体是合理的，其变量取值范围构成的搜索空间能够包含绝大部分可行解空间。变量取值范围的合理控制能确保快速搜索到可行解。

进一步，S300包括：

S301.从样本个体中随机选取一定数量的个体作为初始种群。

S302.基于样本变量的概率分布随机生成个体组成备用种群，备用种群与初始种群的个体数量相同。

S303.对比初始种群和备用种群，对初始种群中个体的变量重赋值，赋值方法为：