[发明专利]一种空战多目标分配的启发式量子遗传方法无效
申请号: | 201210147056.0 | 申请日: | 2012-05-11 |
公开(公告)号: | CN102722751A | 公开(公告)日: | 2012-10-10 |
发明(设计)人: | 李妮;孔海朋;龚光红;韩亮 | 申请(专利权)人: | 北京航空航天大学 |
主分类号: | G06N3/12 | 分类号: | G06N3/12 |
代理公司: | 北京永创新实专利事务所 11121 | 代理人: | 官汉增 |
地址: | 100191*** | 国省代码: | 北京;11 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | 本发明提出一种空战多目标分配的启发式量子遗传方法,属于计算机仿真与方法优化技术领域。该启发式量子遗传方法包括:从指挥控制中心获取当前战场态势;获取当前战场敌我双方飞行器之间的威胁因数;获取所有我方飞行器的每个武器的所有攻击分配值,构建优先攻击分配值向量;进行量子位编码,初始化种群中的所有量子染色体;对量子染色体进行过滤;根据优先攻击分配值向量修正量子染色体等步骤。本发明将协同多目标攻击空战决策问题的威胁经验公式进行变形转换,对我方武器分配方案进行量子位编码,扩大了可行解的表示范围;根据每个武器的所有攻击分配值,提出并设计出优先攻击分配值向量PAVZN×1,使染色体按照PAVZN×1启发式的修正量子染色体,加快收敛速度。 | ||
搜索关键词: | 一种 空战 多目标 分配 启发式 量子 遗传 方法 | ||
【主权项】:
1.一种空战多目标分配的启发式量子遗传方法,其特征在于:包括以下几个步骤:步骤一:从指挥控制中心获取当前战场态势:步骤二:通过经验公式获取当前战场敌我双方飞行器之间的威胁因数;我方飞行器对敌方飞行器的威胁因数经验公式为:th ij = ω 1 th ij D ij th ij ϵ ij + ω 2 th ij V Bi - - - ( 1 ) ]]> 其中下标i表示我方飞行器Bi(i=1,2,…,M),其中M表示我方飞行器的总数量,下标j表示敌方飞行器Rj(j=1,2,…,N),N表示敌方飞行器的总数量,thij表示我方飞行器Bi对敌方飞行器Rj的威胁因数,
表示我方飞行器Bi对敌方飞行器Rj的距离威胁因子,
表示我方飞行器Bi对敌方飞行器Rj的角度威胁因子,
表示我方飞行器Bi对敌方飞行器Rj的速度威胁因子,其中ω1与ω2为非负的权重系数,且满足ω1+ω2=1;我方飞行器Bi对敌方飞行器Rj的距离威胁因子
具体为:th ij D ij = 1.0 D ij ≤ Ra B 1 - D ij - Ra B Tr B - Ra B Ra B < D ij ≤ Tr B 0.0 D ij > Tr B - - - ( 2 ) ]]> 其中:Dij表示我方飞行器Bi到敌方飞行器Rj的距离,RaB表示我方飞行器Bi所携带武器的平均有效作用距离,TrB表示我方飞行器雷达的最大跟踪距离;我方飞行器Bi对敌方飞行器Rj的角度威胁因子
具体为:th ij ϵ ij = e - λ 1 ( πϵ ij / 180 ) λ 2 - - - ( 3 ) ]]> 其中εij表示敌方飞行器Rj相对于我方飞行器Bi的离轴角,λ1与λ2为常数λ1与λ2取值一般在0到10之间,不存在相互限制的关系;我方飞行器Bi对敌方飞行器Rj的速度威胁因子
具体为:th ij V Bi = 1.0 V R j < 0.5 V B i 1.5 - V R j / V B i 0.5 V B i < V R j ≤ 1.4 V B i 0.1 V R j > 1.4 V B i - - - ( 4 ) ]]> 其中
表示我方飞行器Bi的速度,
表示敌方飞行器Rj的速度;同理敌方飞行器Rj对我方飞行器Bi的威胁经验公式为:th ji = ω 3 th ji D ji + th ji ϵ ji + ω 4 th ji V Rj - - - ( 5 ) ]]> 其中下标j表示敌方飞行器Rj,下标i表示我方飞行器Bi,thji表示敌方飞行器Rj对我方飞行器Bi的威胁因数,
表示敌方飞行器Rj对我方飞行器Bj的距离威胁因子,
表示敌方飞行器Rj对我方飞行器Bi的角度威胁因子,
表示敌方飞行器Rj对我方飞行器Bi的速度威胁因子,ω3与ω4为非负的权重系数,且满足ω3+ω4=1;敌方飞行器Rj对我方飞行器Bi的距离威胁因子
具体为:th ji D ji = 1.0 D ji ≤ Ra R 1 - D ji - Ra R Tr R - Ra R Ra R < D ji ≤ Tr R 0.0 D ji > Tr R - - - ( 6 ) ]]> 其中Dji表示敌方飞行器Rj到我方飞行器Bi的距离,RaR表示敌方飞行器Rj所携带武器的平均有效作用距离,TrR表示敌方飞行器雷达的最大跟踪距离;敌方飞行器Rj对我方飞行器Bi的角度威胁因子
具体为:th ji ϵ ji = e - λ 3 ( πϵ ji / 180 ) λ 4 - - - ( 7 ) ]]> 其中εji表示我方飞行器Bi相对于敌方飞行器Rj的离轴角,λ3与λ4为常数;敌方飞行器Rj对我方飞行器Bi的速度威胁因子
具体为:th ji V Rj = 1.0 V B i < 0.5 V R j 1.5 - V B i / V R j 0.5 V R j < V B i ≤ 1.4 V R j 0.1 V B i > 1.4 V R j - - - ( 8 ) ]]> 其中
表示敌方飞行器Rj的速度,
表示我方飞行器Bi的速度;步骤三:根据分配值经验公式获取所有我方飞行器的每个武器的所有攻击分配值,构建优先攻击分配值向量:我方飞行器Bi(i=1,2,…,M)对敌方飞行器Rj(j=1,2,…,N)的分配值经验公式为:AV ij = th ij · Σ i = 1 M th ji - - - ( 9 ) ]]> 其中thij表示我方飞行器Bi对敌方飞行器Rj的威胁因数,
表示敌方飞行器Rj对我方飞行器Bi的威胁,AVij表示我方飞行器Bi攻击敌方飞行器Rj攻击分配值;根据分配值经验公式(9)计算我方所有武器r(r=1,2,…,Z)所在我方飞行器Bi对所有敌方飞行器的整体攻击分配值向量AVZN×1为AVZN×1=[AV11,AV12,…,AV1N,AV21,…,AVZN],其中Z为我方所有飞行器所携带的武器的总数量,AV11表示我方携带武器编号为1的飞行器攻击敌方飞行器R1的攻击分配值,AV12表示我方携带武器编号为1的飞行器攻击敌方飞行器R2的攻击分配值,AV1N表示我方携带武器编号为1的飞行器攻击敌方飞行器RN的攻击分配值,AV21表示我方携带武器编号为2的飞行器攻击敌方飞行器R1的攻击分配值,AVZN表示我方携带武器编号为Z的飞行器攻击敌方飞行器RN的攻击分配值,整体攻击分配值向量AVZN×1=[AV11,AV12,…,AV1N,AV21,…,AVZN]中包含了我方每一个武器对敌方每一个飞行器的攻击分配值,共包含Z·N个攻击分配值;将整体攻击分配值向量AVZN×1中Z·N个AV11,AV12,…,AV1N,AV21,…,AVZN攻击分配值按照从大到小的顺序进行排列,得到优先分配值向量PAVZN×1,向量维度为ZN×1;步骤四:设定种群规模、最大迭代步数和变异概率Pm,对我方武器分配方案,进行量子位编码并初始化种群中的所有量子染色体,其中种群规模记为NUM,为种群中染色体的个数,最大迭代步数记为MAX,在第i个我方武器分配方案中,将我方武器r(r∈1,2,…,Z)所攻击的敌方飞行器进行量子位编码,每个武器的基因段长度等于敌方飞行器的数目N,因此第i个染色体中我方每个武器r对应的基因位编码为g i r = [ α i r 1 β i r 1 | α i r 2 β i r 2 | . . . | α i rN β i rN ] , ]]> i∈1,2,…NUM,其中
表示第i个染色体中我方武器r不攻击敌方飞行器R1的量子位概率幅,其中
表示第i个染色体中我方武器r攻击敌方飞行器R1的量子位概率幅,
表示第i个染色体中我方武器r不攻击敌方飞行器R2的概率幅,其中
表示第i个染色体中我方武器r攻击敌方飞行器R2的量子位概率幅,
表示第i个染色体中我方武器r不攻击敌方飞行器RN的量子位概率幅,其中
表示第i个染色体中我方武器r攻击敌方飞行器RN的量子位概率幅,在一个我方武器分配方案的一条染色体中包含我方Z个所有武器的基因段,因此一个染色体总长度为Z·N,第i个我方所有武器的一整条染色体的编码为g i = [ g i 1 | g i 2 | . . . | g i r | . . . | g i Z ] , i ∈ 1,2 , . . . NUM , ]]> 包含z个基因段,其中第r个基因段编码为我方武器r对应的基因位编码g i r = [ α i r 1 β i r 1 | α i r 2 β i r 2 | . . . | α i rN β i rN ] , i ∈ 1,2 , . . . NUM , ]]> 因此整条染色体中包含有Z·N个基因位,对g i = [ g i 1 | g i 2 | . . . | g i r | . . . | g i Z ] , i ∈ 1,2 , . . . NUM ]]> 中的每一个基因位按照各个基因位编码完全展开后,从1至ZN顺序编号,则重新编号后的染色体为:g i = [ α i 1 β i 1 | α i 2 β i 2 | . . . | α i ( r - 1 ) · N + j β i ( r - 1 ) · N + j | . . . | α i Z · N β i Z · N ] = [ α i 1 β i 1 | α i 2 β i 2 | . . . | α i k β i k | . . . | α i Z · N β i Z · N ] - - - ( 10 ) ]]> 其中i∈1,2,…NUM,r∈1,2,…,Z,j∈1,2,…,N,k=(r-1)·N+j且k∈1,2,…,Z·N;
表示第i个染色体中第1个、第2个…第(r-1)·N+j个…第ZN个基因位不攻击敌方飞行器的量子位概率幅,![]()
表示第i个染色体中第1个、第2个…第(r-1)·N+j个…第ZN个基因位攻击敌方飞行器的量子位概率幅;对种群中我方所有武器的整条染色体各个基因位进行初始化,使所有基因位α i 1 β i 1 , ]]>α i 2 β i 2 . . . α i ( r - 1 ) · N + j β i ( r - 1 ) · N + j . . . α i N · Z β i N · Z ]]> 均初始化为同一个数值
从而使每条染色体中我方每个武器攻击敌方飞行器与不攻击敌方飞行器的概率相同;步骤五:对量子染色体进行过滤,确定染色体中每一个基因位的取值;对染色体g i = [ α i 1 β i 1 | α i 2 β i 2 | . . . | α i k β i k | . . . | α i Z · N β i Z · N ] , ]]> i∈1,2,…NUM进行过滤,以随机概率对染色体每一个基因位进行取值,随即产生一个0到1之间的随机数,若随机数小于
第k个基因位过滤后的取值为1,反之取为0,则过滤后的染色体gi′为:g i ′ = [ G i 1 | G i 2 | . . . | G i N - Z ] , i ∈ 1,2 , . . . NUM - - - ( 11 ) ]]> 其中
或0(k∈1,2,…,N·Z),
为过滤后的染色体gi′第k位基因位取值,k为N·Z个基因位中的第k个;步骤六:根据优先攻击分配值向量修正量子染色体;按照步骤三中得到的优先攻击分配值向量PAVZN×1,依次将过滤后的染色体gi′,i∈1,2,…NUM按照公式(9)计算得到的攻击分配值AVij小、且
的基因位置为0,使染色体满足一个我方武器只攻击一个敌方飞行器,且每个敌方飞行器最多分配2个武器进行攻击;若过滤后的整条染色体gi′中
的个数小于我方武器总个数Z,按照优先攻击分配值向量PAVZN×1依次将过滤后的整条染色体gi′中攻击分配值AVij大的且
的基因位置为1;步骤七:根据转换后的威胁经验公式获取经过我方武器攻击后敌方飞行器对我方飞行器的威胁程度,并找出历史最优解;为将步骤四中过滤后染色体基因位的量子位编码对应到威胁经验公式中,将威胁程度目标函数进行以下转换:E = min Σ j = 1 N Σ i = 1 M { th ji · [ Π r = 1 Z ( 1 - th rj ) X rj ] } ]]>= min Σ i = 1 M Σ j = 1 N { th ji · [ Π r = 1 Z ( 1 - th rj ) X rj ] } ]]>= min Σ i = 1 M Σ j - 1 N { th ji · [ Π r = 1 Z ( 1 - th rj ) G j + ( r - 1 ) · N ] } - - - ( 12 ) ]]> 其中:E表示威胁程度目标函数,N为敌方飞行器的总数目,M为我方飞行器的总数目,Z为我方武器的总数目,Gj+(r-1)·N表示我方过滤后的染色体g'的第j+(r-1)·N个基因位,j∈1,2,…,N,r∈1,2,…,Z·N;若基因位Gk=1(k∈1,…2,Z·,1,且由式(10)中的对应关系可知k=(r-1)·N+j,则代表我方编号为r的武器攻击敌方飞行器Rj,若为0表示我方编号为r的武器不攻击敌方飞行器Rj;计算种群中第i条过滤后的染色体g’i经过公式(12)得到的威胁程度目标函数值Ei,其中i∈1,2,…,NUM,作为第i条染色体的当前解,在第一代个体的当前解中,找出所有染色体当前解Ei中的最小值作为种群的历史最优解,记为Eb,对应的过滤后的染色体g’i为种群的最优过滤染色体记为gb′,对应的未过滤的染色体gi为种群的最优染色体gb;若不是第一代个体,把此代每条染色体的当前解与历史最优解进行比较,若第i个染色体的当前解Ei小于历史最优解Eb,即Ei<Eb,则将此染色体的当前解Ei的值赋予Eb,即Eb=Ei,将第i个过滤染色体gi′赋予最优过滤染色体gb′,即gb′=gi′,将第i个染色体gi赋予最优染色体gb,gb=gi;步骤八:对种群中的所有染色体进行量子门旋转;α k , β k , = cos θ k - sin θ k sin θ k cos θ k α k β k - - - ( 13 ) ]]> 参考经验公式(13),其中αk、βk为过滤前染色体基因位中要进行旋转的染色体的量子位概率幅,α′k、β′k为过滤后染色体基因位中旋转后的量子位概率幅,θk表示量子旋转角,查询量子旋转角θk表,对每条染色体进行旋转,经过量子门旋转后,旋转后的染色体第k个基因位的概率幅由α k β k ]]> 变为了α k , β k , ; ]]> 步骤九:根据最优过滤染色体g′b和变异概率Pm,对种群中的所有染色体进行变异操作;对种群中的染色体gii∈1,2,…,NUM进行变异操作,首先随机产生一个随机数P,若P≥Pm,则进行过滤后的染色体基因位比较;基因位比较过程为:将过滤后的染色体gi′与最优过滤染色体g′b进行对应基因为比较,将g′b中基因位为1且gi′中基因位为0的基因位取出来,若gi′中第k(k∈1,2,…,Z·N)个基因位被取出,且对应的未经过滤的染色体gi的第k个基因位的概率幅满足
则将gi中第k个基因位的两个概率幅
与
进行互换,互换后的gi中第k 个基因位由α i k β i k ]]> 变为β i k α i k , ]]> gi由g i = [ α i 1 β i 1 | α i 2 β i 2 | . . . | α i k β i k | . . . | α i Z · N β i Z · N ] ]]> 变为g i = [ α i 1 β i 1 | α i 2 β i 2 | . . . | β i k α i k | . . . | α i Z · N β i Z · N ] ; ]]> 若
则概率幅不进行互换;若P<Pm,则染色体gi跳过变异过程;步骤十:判断迭代次数是否达到最大迭代步数MAX,若未达到,返回步骤五,继续循环;若迭代次数达到MAX,退出循环;步骤十一:经过步骤十退出循环后,所得到的最优过滤染色体g′b为得到的空战多目标分配方案。
下载完整专利技术内容需要扣除积分,VIP会员可以免费下载。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于北京航空航天大学,未经北京航空航天大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/patent/201210147056.0/,转载请声明来源钻瓜专利网。