基于离散粒子群的舰载机弹药调度∗
2021-05-25张洪亮刘建伟杨东泽
张洪亮 刘建伟 马 羚 杨东泽
(1.海装驻上海地区第一军事代表室 上海 200000)(2.中国船舶集团有限公司第七一三研究所 郑州 450000)(3.海军航空大学 烟台 264000)
1 引言
舰载机作战能力与机载弹药保障效率密不可分,合理、高效的机载弹药调度方案直接决定机载弹药保障效率,从而影响舰载机作战任务的实施。调度资源中弹药舱群、武器升降机及舰载机停机位等数量多、分布广,需要在短时间内给出最优或较优的调度方案[1]。
机载弹药调度是一个资源的离散组合优化问题,属于NP难题[2]。随着需求弹药批次的增加,可能的调度方案数量呈指数性增长,欲从中找寻较优的方案难度巨大。传统的枚举法和启发式算法计算量大,且需要针对求解问题找寻特定的启发途径,不易实现[3]。
目前,基于模拟自然界生物行为的智能算法,诸如模拟退火、遗传算法、蚁群算法等,在处理典型组合优化问题上取得了许多进展[4~6]。蚁群优化算法(Ant Colony Optimization,ACO)是由意大利学者Dorigo等于1991年提出的[7]。粒子群优化(Particle Swarm Optimization,PSO)算法是由Eberhart博士和Kennedy博士通过观察模拟鸟类捕食的行为,于1995年提出的一种仿生学方法[8],遗传算法(Genet⁃ic Algorithm,GA)是J.Holland于1975年受生物进化论的启发而提出的[9]。文献[10]基于博弈模型首先对多目标问题进行度量,进而结合遗传算法优化弹药调度策略。文献[11]通过蚁群算法将弹药运输路径的问题转化为多目标决策问题进行求解。其中粒子群具有搜索速度快、效率高、算法简单的优点[12~13]。鉴于这些优点,本文运用粒子群算法求解舰载机弹药调度模型,并将其参数整数化以用于解决离散问题。……
