[发明专利]一种基于多目标粒子群算法的武器-目标分配解决方法

说明书

一种基于多目标粒子群算法的武器‑目标分配解决方法，首先根据条件数据建立多个优化目标函数并设置与函数数量相同的从种群和一个主种群。为每个从种群分别生成可行解作为种群粒子并初始化，主种群和从种群协同使用粒子群算法进化，从种群搜索非劣解并转移到主种群，主种群修复非劣解之间的间隙、产生较优的Pareto最优解集。迭代更新主种群和从种群直至终止。本发明的方法符合武器‑目标分配问题同时考虑多个优化目标、满足多个作战意图的需求，而且解决了现有技术要么获得Pareto最优解集的分布性较差，要么算法容易早熟收敛、求解精度差的问题。

技术领域

本发明涉及一种基于多目标粒子群算法的武器-目标分配解决方法，属于计算机仿真与方 法优化领域。

背景技术

武器-目标分配是作战指挥中的关键环节，直接影响作战的进程和胜败，其核心思想是把 武器快速、合理地分配到待打击目标上，获得满足作战意图和优化目标的较优方案。粒子群 算法是一种普遍用于解决武器-目标分配问题的优化算法，其在针对只有一个优化目标的问题 时已经有了较深入的研究和显著的进展，但应用在多个优化目标的武器-目标分配时存在优化 速度慢的问题。

针对多个优化目标的解决武器-目标分配问题，目前广泛采用基于Pareto理论的多目标 进化算法进行寻优。现有技术存在一种基于新设计算子的MPACO(Modified ParetoAnt Colony Optimization)算法，对动态启发式信息计算方法、运动概率规则、动态蒸发率策略 及信息素的全局更新规则进行了改进。MPACO算法具有较快的运算效率和较高的求解精度， 但获得的Pareto最优解集的分布性较差，不能较好地覆盖武器-目标分配问题的较优解。现 有技术对于解决多个优化目标的解决武器-目标分配问题的另一策略是改进粒子群优化算法。 改进型多目标粒子群优化算法易于实现、优化速度快，取得了较好的寻优效果，但种群多样 性的迅速丧失，使得算法易早熟收敛和陷入局部优，存在求解精度差的问题。

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一种基于多目标粒子群算法的武 器-目标分配解决方法，其特点在于其Pareto最优解集能较好地覆盖武器-目标分配问题的较 优解，而且求解精度好。

一种基于多目标粒子群算法的武器-目标分配解决方法包含以下步骤：

S100.根据武器-目标分配的条件数据和优化目标建模，根据优化目标的函数数量确定从 种群数量，从种群数量等于优化目标的函数模型数量。

S200.为每个从种群分别生成可行解作为种群粒子并初始化，主种群初始化为空。

S300.主种群和从种群协同使用粒子群算法进化。从种群先更新粒子，搜索对应目标函数 的最优解，确定种群中的非劣解并转移到主种群中。主种群更新粒子后，接收从种群的所有 非劣解，再进一步搜索非劣解产生Pareto最优解集。

S400.判断是否满足终止条件，如果满足终止条件则输出Pareto最优解集作为结果，否 则转入步骤S300。

进一步，S300包括从种群进化完成后随机从其它的从种群中选取一个或多个非劣解替换 种群中适应度值较低的粒子。

进一步，S100中优化目标包括作战效能最大化和武器用量最少，作战效能为削减目标的 作战价值；作战效能f₁和武器用量f₂的函数分别表示为：

和

其中V_j为削弱目标的作战价值，p_ij为第i型武器打击第j个目标的毁伤概率，m_ij为第i型武器 作用于打击第j个目标的数量。