[发明专利]基于启发式动态加深优化算法的任务分配方法

说明书

本发明提供一种基于启发式动态加深优化算法的任务分配方法，包括任务分配模型的建立和任务分配模型的求解，其包括步骤S1建立基于意图偏离度、指挥复杂度、对抗威胁度和作战风险度的任务分配模型；步骤S2任务分配模型的求解，其包括步骤S2.1解空间构造与初始化；步骤S2.2创建待扩展节点。与现有技术相比，应用本发明提出的基于启发式动态加深优化算法的任务分配方法，针对多部队使用多种武器打击多目标的任务分配问题，能够实现对上级意图实现程度、指挥控制复杂程度、对抗生存威胁程度和作战风险高低程度的综合量化评估，通过奖励值启发、迭代加深和动态记忆等混合优化策略实现模型的快速求解，可快速、有效给出任务分配方案。

技术领域

本发明涉及资源分配技术领域，尤其是基于启发式动态加深优化算法的任务分配方法。

背景技术

任务分配是各级指挥机构开展作战指挥与决策活动的关键环节，其主要基于可用的资源约束，明确使用的战场、打击目标点、发射武器种类和数量的过程。任务分配须满足武器性能、可用资源和战场环境等多项约束，并达成实现上级意图、有利部队行动指挥并降低武器攻击过程面临的对抗威胁和作战风险等多个期望目标。显然，该问题是一类典型的多约束多目标非线性NP优化问题。

资源分配是经典的优化问题，对于多目标、多约束、非线性资源分配方法的研究主要集中在数学规划方法和搜索算法这两方面：一是数学规划方法，主要包括动态规划、整数规划或非线性规划等，均须满足一定的条件才可以使用。其中，动态规划方法需要建立无后效性序列，目前对于单个种类武器的任务分配方法可以推导动态规划递推序列，但是对于多种类武器任务分配问题，由于决策变量多、影响因素复杂，无法构建无后效性序列，因而无法使用动态规划算法。整数规划方法通过界定决策变量的上下界，采用分支定界算法实现，其本质上属于广度搜索算法，在解空间巨大的情况下，算法效率很低，因而常规的整数规划方法无法满足使用要求。二是搜索算法，主要包括随机搜索算法和确定性搜索算法。随机搜索算法主要是指以遗传算法、粒子群算法等为代表的现代智能优化算法，其主要思想都是通过设置一定规模的种群，种群中的个体按特定规则变异或行进以搜索可行解，直至找到满意解。由于随机搜索算法计算过程的随机性，导致其计算速度和计算结果不可控，不适宜解决问题复杂、规模较大且处理时间要求严格的工程问题。确定性搜索算法主要是通过一定规则对解空间进行遍历，进而得到问题的可行解，其中以回溯法最为知名和常用，其基本思想是：从一条路往前走，能进则进，不能进就退回来，换一条路再试。由于回溯法本质上属于深度搜索算法，其计算时间复杂度为问题解空间的幂方关系，导致无法保证在有限时间内找到满意解。因此，搜索算法也无法满足使用要求。

随着新技术和新武器的快速发展和现代战场复杂性的增加，武器种类规模、可打击目标数量的不断增加导致任务分配问题的规模呈指数增长，建模求解难度极大，对于多部队使用多种武器打击多目标的任务分配问题，尚无有效、快速的解决方案。

发明内容

针对上述问题，本申请提出基于启发式动态加深优化算法的任务分配方法，建立基于意图偏离度、指挥复杂度、对抗威胁度和作战风险度的任务分配模型，通过设计启发式动态加深搜索算法实现了模型的快速求解，有效解决多支队伍使用多武器打击多目标条件下的任务分配难题。

本发明所述基于启发式动态加深优化算法的任务分配方法，包括任务分配模型的建立和任务分配模型的求解。

其中，任务分配模型的求解包括解空间构造与初始化、创建待扩展任务节点、确定后续搜索起始节点和退出条件检查。

步骤S1建立任务分配模型

建立基于意图偏离度、指挥复杂度、对抗威胁度和作战风险度的任务分配模型；具体为：

其中