APP下载

基于CE-CAPSO 武器目标分配优化算法

2020-12-26王力超乔勇军李永胜

火力与指挥控制 2020年11期
关键词:模型

王力超,乔勇军,李永胜

(1.海军航空大学,山东 烟台 264001;2.解放军31004 部队,北京 100089)

0 引言

武器目标分配(WTA)是指在一定约束条件下(如武器种类和数量受限),按照武器毁伤概率、弹药成本、目标威胁程度、作战任务要求等条件将武器与目标匹配、分配,以达成作战目标最佳效果的过程,是典型的非线性组合优化问题[1]。其中模型求解的关键是计算的精度和速度。

当前,求解WTA 问题主要采用启发式算法,如遗传算法、蚁群算法、模拟退火算法等。粒子群(PSO)算法由于其参数简单,易于实现且收敛速度快的优点,得到了广泛的应用。PSO 源于对鸟群捕食行为的模拟,是一种随机搜索的迭代进化算法。但PSO 算法存在容易陷入局部最优,从而导致“早熟”的问题,为此,研究人员通过分析算法的原理,提出了很多改进方法。文献[2]提出了一种云自适应粒子群算法(CAPSO),文献[3]提出了一种基于鲶鱼效应的粒子群算法(CEPSO),这些优化均取得了满意的结果,在一定范围内改善了算法的性能。

为了加快粒子寻优和避免陷入局部最优,在基本粒子群算法的基础上,受文献[3-4]的启发,提出一种求解WTA 问题的改进云粒子群算法——CE-CAPSO 算法,仿真实验结果表明,本算法具有更好的全局寻优能力,收敛速度也有明显提高。

1 WTA 问题模型

其中,第1 个不等式表示第i 种武器平台打击所有目标使用武器弹药不超过自身拥有的数量mi;第2个约束条件表示消耗的武器弹药是非负的。

由于作战资源有限或目标威胁度不高,实际战场……

登录APP查看全文

猜你喜欢

模型
一半模型
一种去中心化的域名服务本地化模型
适用于BDS-3 PPP的随机模型
函数模型及应用
p150Glued在帕金森病模型中的表达及分布
函数模型及应用
重尾非线性自回归模型自加权M-估计的渐近分布
3D打印中的模型分割与打包
FLUKA几何模型到CAD几何模型转换方法初步研究
一个相似模型的应用