朱建文， 赵长见， 李小平， 包为民,3

(1.西安电子科技大学 空间科学与技术学院， 陕西 西安 710126; 2.中国运载火箭技术研究院， 北京 100076；3.中国航天科技集团有限公司， 北京 100048)

0 引言

随着导弹信息化与体系化能力的提升，其攻击模式由单一攻防作战拓展到多对多的群体协同对抗与博弈。多弹协同攻击能够充分利用分散的作战资源以及信息共享，是提升打击能力与突防能力的有效途径。针对多目标的分配与决策直接决定着体系的攻防性能，是协同攻击的关键技术之一[1]。

多目标决策与分配需要根据实时的攻防态势，对集群中的每个成员参与攻击与否进行决断，并分配合理的待攻击目标。攻防性能评估是目标分配的基础条件，可利用弹目相对运动信息来评估制导的难易程度以及攻击性能，而目标的威胁度可基于自身价值与运动特性来评估[2-3]。集群决策与分配是一个以攻防性能评估结果为模型、以攻防性能最大为性能指标的寻优过程[3]。倾向性和主观性是集群攻防性评估不可避免的因素，为此刘树衎等[4]综合利用专家系统与神经网络构建行为决策基础模型，进而建立智能指挥系统以优化目标分配。另一种典型方法是将分配问题转换为数学规划问题，进而利用枚举法、分支界定法或整数规划来求解[5-6]。然而，随着攻防双方规模的增加，寻优的复杂度会急剧增大，导致计算耗时呈指数型增长[7]。因此，具有灵活性、自适应能力强以及计算相对简单的智能优化方法，在求解复杂多目标决策与分配中具有较大的优势，遗传算法与粒子群优化(PSO)算法为其典型代表[8]。……