火力分配多目标优化的IBACO算法
2017-08-28肖中晖寇英信李战武
火力与指挥控制 2017年7期
肖中晖,寇英信,李战武,徐 安
(空军工程大学航空航天工程学院,西安 710038)
火力分配多目标优化的IBACO算法
肖中晖,寇英信,李战武,徐 安
(空军工程大学航空航天工程学院,西安 710038)
应用蚁群优化算法(Ant Colony Optimization)求解多目标优化问题已经引起广泛关注,多目标火力分配问题的目标是求出一个合适的武器目标分配方案,使满足决策需要。建立了多目标火力分配的数学模型,提出一种基于指标的蚁群优化算法Indicator-Based Ant Colony Optimization),给出了算法的具体步骤。IBACO的核心思想是利用二元性能指标来引导人工蚂蚁进行搜索,由于该算法中的信息素是根据指标的值来更新的,通过奖励信息素可以强化最优解。仿真实验证明了该算法的有效性,在解决火力分配问题上,所提算法和蚁群优化算法相比具有较好的收敛性。
火力分配,二元指标优化,多目标蚁群优化
0 引言
火力分配问题,也称武器目标分配(Weapon Target Assignment,WTA)问题,是一个典型的优化问题,需将武器根据目标进行合理分配,从而达到作战意图。应用智能算法求解火力分配单目标优化问题目前有很多研究,如蚁群算法[2]、遗传算法[3]、混合算法[4]等。
相对于单目标优化火力分配而言,多目标优化能够同时综合考虑并优化多个目标,使其同时达到综合的最优值,更符合决策者的需求。在实际问题中,由于多个目标之间存在冲突,多目标优化问题往往不存在一个最优解而应存在一个解的集合,当考虑所有目标时,在这个集合中的解优于其他解,这个解的集合称为Pareto解集或者非支配解。……
登录APP查看全文
