[发明专利]一种基于改进多目标蛙跳算法的协同空战火力分配方法

摘要

本发明提供了一种基于改进多目标蛙跳算法的协同空战火力分配方法，属于计算机仿真与方法优化技术领域，该方法首先通过协同空战编队指挥控制系统获取所需数据信息；其次建立协同空战火力分配的多目标优化模型；然后执行基于自适应网格法的多目标量子蛙跳算法，求解火力分配问题的Pareto非劣解集；最后根据最优分配方案自主选择规则，从非劣解集中选出最优火力分配方案。本发明的主要用途是，根据得到的最优火力分配方案，将执行攻击任务的战斗机上的武器分配给多个目标，使编队协同空战达到最优的协同攻击效果，获得最大的作战效能。

主权项

1.一种基于改进多目标蛙跳算法的协同空战火力分配方法，其特征在于包括下述步骤：步骤一、通过协同空战编队指挥控制系统获取所需数据信息，包括：我方编队投入作战的作战飞机的数量M，指控中心已指定攻击的目标数N，我方第i架UCAV上携带的中远距空空导弹数w_i，i＝1，2，…，M，我方编队内所有UCAV上所有可用来攻击目标的导弹总数W，且有W＝w₁+w₂+…+w_M，第j个目标的威胁系数T_j以及所有W枚导弹中第k枚导弹对第j个目标的杀伤概率p_kj，j＝1,2,…，N，A＝1，2，…W；步骤二、建立协同空战火力分配的多目标优化数学模型如下：minf(X)=Σj=1N[Tj·Πk=1W(1-pkj·xkj)]]]>ming(X)=Σj=1NΣk=1Wxkj]]>s.t.Σk=1Wxkj≥1,j=1,2,...,N,xkj∈{0,1}]]>式中，x_kj为火力分配的决策变量，x_kj∈{0,1}表示x_kj取值为0或1，x_kj＝1表示分配第k枚导弹攻击第j个目标，x_kj＝0表示不分配第k枚导弹攻击第j个目标，X为由决策变量x_kj构成的火力分配的决策矩阵，即有X＝[x_kj]_W×N，f(X)、g(X)为两个目标函数，f(X)表示目标群的存活概率值，g(X)表示所分配的导弹数量值，minf(X)表示目标群的存活概率值最小，ming(X)表示所分配的导弹数量值最少；步骤三、执行基于自适应网格法的多目标量子蛙跳算法，包括以下步骤：（1）设置如下算法参数：青蛙种群规模F、族群数m、每个族群内的青蛙数量n，且有F＝m×n；Tent混沌变异代数T_max；各族群的局部搜索最大迭代数L_max；全局最大迭代次数G_max；量子粒子群的收缩扩张系数β；外部存储器中的最优青蛙个体数N_e；目标空间中每一维度上的网格个数N_g；令每只青蛙表示火力分配的一个解方案，设第i只青蛙的位置矢量表示为y_i＝(y_i1,y_i2,…,y_iW)，i＝1，2，…,F，用蛙跳算法来求解火力分配问题的编码方法就是位置矢量的每一维的取值为一个目标编号或者为0，即y_ij的取值为{0,1,2,…，N)中任一整数，j=1,2,…,W;编码的长度等于导弹总数；蛙跳算法来求解火力分配问题的解码形式如下：（2）随机产生一个每维取值在[0,1]范围内的向量φ₁＝(φ₁₁，φ₁₂，…，φ_1W)，然后根据如下所示的Tent映射构造混沌模型：φ(k+1)=2φ(k)0≤φ(k)<0.52(1-φ(k))0.5≤φ(k)≤1]]>上式中，φ(k)为第k次迭代混沌变量；上式连续迭代T_max＝F代，从而一共产生F个混沌分量φ₁，φ₂，…，φ_F，然后再根据下式表示的经验公式产生初始青蛙群体的位置矢量y_ij＝a_j+(b_j-a_j)*φ_ij，式中，a_j为青蛙位置的第j维上的取值下限，b_j为青蛙位置的第j维上的取值上限；上式可以简化为y_ij＝b_j·φ_ij;（3）分别计算每只青蛙的适应度值f(X)和g(X)，简记为f和g，确定青蛙个体相互之间的Pareto支配关系；对于第i只青蛙，其适应值分别简记为f_i和g_i，当不存在其他青蛙的适应度值f和g均优于该青蛙时，将该青蛙作为非劣集，并存入外部档案集中；构造自适应网格法的网格空间，方法如下：（3.1）确定外部档案集中的非劣解在目标函数f(X)、g(X)上的最大值f_max、g_max和最小值f_min、g_min，计算网格空间的边界(f_min,f_max)和(g_min,g_max)；（3.2）计算每个网格的模N_g为网格空间中每一维度上的网格个数；（3.3）计算外部档案集中所有非劣解所在网格的编号，对于第i个非劣解，其所在网格的编号为将非劣解定位于相应的网格中；（4）当全局迭代次数T≤G_max时，对所有青蛙个体进行Pareto最优个体排序，否则直接转移到步骤四；对所有青蛙个体进行Pareto最优个体排序的步骤如下：（4.1）计算第i只青蛙支配的其他青蛙的个数，以及被其他青蛙所支配的其他青蛙的个数（4.2）计算Nipx=Nip-Niped;]]>（4.3）所有青蛙根据各自的N^px值按升序排序；（5）将青蛙种群分成不同的族群，并进行局部迭代更新；种群按照所生成的排序序列按照H_i＝{X_i+m(l-1)∈U|1≤l≤n},1≤i≤m分为m个族群，每个族群具有n个青蛙个体；种群中的第一只青蛙被分到第一个族群，第二只青蛙被分到第二个族群……第m只青蛙被分到第m个族群，第m+1只青蛙被分到第一个种群，第m+2只青蛙被分到第二个种群……直到所有F只青蛙被分配完毕；分组完毕之后每个族群按照如下步骤进行局部迭代更新，直到达到最大局部迭代更新次数L_max为止：（5.1）族群分组完毕后，选择每个族群中N_ped最小而N_p最多的青蛙作为当前族群中的最优个体，其位置设为y_b；族群中N_ped最大而N_p最小的青蛙作为当前族群中的最差个体，其位置设为y_w；（5.2）计算步骤（3）中已构建的网格空间中每个网格的适应值，如果某个网格中只有一个非劣解，则将该非劣解的适应值作为网格的适应值；如果某个网格中具有两个以上非劣解，则将这个网格的所有非劣集的平均适应值作为该网格的适应值；然后，根据所有网格的适应值采用轮盘赌法来选择一个网格，如果所选网格中有两个以上非劣解，则随机选择其中一个作为领导青蛙y_g；如果所选网格中只有一个非劣解，则将之直接作为领导青蛙y_g；（5.3）对每个族群中的最差青蛙个体按照下列公式进行局部迭代更新，直至达到局部最大迭代代数L_max为止：yw(t+1)=Pi(t)±β×|Mbest-yw(t)|×ln(1u)]]>Mbest=Σi=1nyi(t)n,i=1,2,...,n]]>P_i(t)＝a×y_b(t)+(1-a)×y_g(t)其中t为当前局部迭代次数，a、u为（0,1）间均匀分布的随机数；β为收缩扩张系数，控制算法的收敛速度；在迭代过程中，上式中的±是由u的取值决定的，如果u大于0．5则为正，否则为负；如果y_w(t+1)支配y_w(t)，则y_w(t+1)＝y_w(t+1)；否则y_w(t+1)＝y_w(t)；（6）当每个族群都完成局部搜索后，将所有族群中的所有青蛙个体混合成新的种群，并重新计算种群中每个青蛙的适应度值f和g；当新一代种群中的青蛙支配外部档案集中某个或某几个非劣解时，将之作为非劣解存入外部档案集中，并根据自适应网格法对外部档案集中的非劣解进行更新。首先判断该青蛙的适应值f和g是否在网格空间的边界(f_min,f_max)和(g_min,g_max)的范围内，若是则直接定位于己构建的网格中，否则需要根据该青蛙的适应值的最大值或最小值重新计算并自动调整网格空间中网格的模，然后根据新的网格空间重新定位外部档案集中所有非劣解于相应的网格中；如果存入新非劣解和删除被支配的非劣解后，外部档案集中非劣解的个数已超过最大容量N_e时，对外部档案集中的非劣解进行裁剪操作，以保证非劣解的数量在最大容量内，否则仅执行添加新非劣解和删除被支配的非劣解的操作；外部档案集中非劣解的裁剪操作步骤如下：（6.1）选择包含非劣解个数最多的网格，如果只有一个这样的网格，则裁剪该网格中的非劣解；如果非劣解个数最多的网格同时有几个，则根据这几个网格的适应值采用轮盘赌法确定被裁剪非劣解所在的网格；（6.2）根据（6.1）确定的网格，随机选取该网格中一个非劣解移出外部档案集；（6.3）判断外部档案集中非劣解个数是否仍然超出最大容量，若是则转至（6.1），否则结束裁剪操作。如果达到全局最大迭代次数G_max，则结束算法，输出外部档案集的非劣解集；否则转入步骤（4）继续迭代；步骤四、计算步骤三中最终所得非劣解集中所有非劣解的适应值f和g，然后根据协同空战编队指挥控制系统提供的适应度值f和g的权重值q₁和q₂，q₁+q₂＝1，计算所有非劣解的自主选择优先值然后选择Z值最小的非劣解作为火力分配问题的最优解，将该最优解按照蛙跳算法来求解火力分配问题的解码形式进行解码，得到武器对目标的最优火力分配方案。