發(fā)布時(shí)間：2024-11-22 16:31

　　 針對聯(lián)合火力打擊任務(wù)規(guī)劃中對兵力、火力與目標(biāo)動(dòng)態(tài)分配優(yōu)化困難的問題,提出一種基于粒子群算法的聯(lián)合火力打擊任務(wù)規(guī)劃智能優(yōu)化算法。該算法以粒子群算法為基礎(chǔ),模擬鳥群的覓食行為設(shè)計(jì)智能優(yōu)化算法,并在標(biāo)準(zhǔn)算法基礎(chǔ)上引入遺傳算法中的生物優(yōu)勝劣汰機(jī)制,提升算法的迭代效率和全局尋優(yōu)精度,根據(jù)聯(lián)合火力打擊任務(wù)規(guī)劃的內(nèi)在制約條件設(shè)計(jì)了衡量任務(wù)規(guī)劃各方面綜合性能的評估指標(biāo)模型,并通過熵權(quán)法和理想點(diǎn)法獲取聯(lián)合火力打擊任務(wù)規(guī)劃綜合評分。仿真結(jié)果表明:進(jìn)化粒子群算法較標(biāo)準(zhǔn)粒子群算法和遺傳算法具有更優(yōu)越的迭代收斂效率和全局尋優(yōu)能力,具備解決聯(lián)合火力打擊任務(wù)規(guī)劃智能優(yōu)化問題的能力。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1 智能優(yōu)化算法流程圖

智能優(yōu)化算法應(yīng)用于聯(lián)合火力打擊任務(wù)規(guī)劃，可采取問題視角切換、隨機(jī)變量迭代、批量評估選優(yōu)的方法設(shè)計(jì)算法構(gòu)架，選擇合適的智能優(yōu)化算法種類，完成任務(wù)規(guī)劃的優(yōu)選和輸出�；�于此，智能優(yōu)化算法由數(shù)據(jù)錄入、向量空間建立、綜合評估、粒子群優(yōu)化四個(gè)部分構(gòu)成。數(shù)據(jù)錄入模塊采集聯(lián)合火力打擊任務(wù)規(guī)劃所需....

圖2 粒子群化算法流程圖

粒子群算法是借鑒鳥群覓食行為設(shè)計(jì)的智能優(yōu)化算法，算法在多維向量空間中隨機(jī)產(chǎn)生眾多個(gè)體，將空間位置的綜合評分看做食物，則個(gè)體可根據(jù)所在位置周邊的食物豐沛情況自主游走，經(jīng)過多代迭代使最優(yōu)個(gè)體綜合評分收斂于全局最優(yōu)解。粒子群算法流程如圖2所示。進(jìn)化粒子群算法在標(biāo)準(zhǔn)粒子群算法基礎(chǔ)上，借鑒....

圖3 進(jìn)化粒子群化算法流程圖

進(jìn)化粒子群算法在標(biāo)準(zhǔn)粒子群算法基礎(chǔ)上，借鑒遺傳算法中的優(yōu)勝劣汰進(jìn)化機(jī)制，在個(gè)體結(jié)構(gòu)中引入壽命和淘汰系數(shù)，當(dāng)個(gè)體處于食物貧瘠區(qū)，隨著多次游走導(dǎo)致淘汰系數(shù)上升，當(dāng)超過淘汰閾值即判斷當(dāng)前空間位置附近沒有最優(yōu)解，刪除該個(gè)體；由高分個(gè)體繁殖后代個(gè)體代替刪除個(gè)體，繁殖個(gè)體壽命+1；當(dāng)有個(gè)體壽....

圖4 評估指標(biāo)明細(xì)

對于聯(lián)合火力打擊任務(wù)規(guī)劃的軟硬約束條件，本文采取層次分析法，對任務(wù)規(guī)劃的評估指標(biāo)進(jìn)行量化分析，將其分為單目標(biāo)指標(biāo)類、單部隊(duì)指標(biāo)類、體系指標(biāo)類，并將其細(xì)化為11項(xiàng)具體評估指標(biāo)。評估指標(biāo)明細(xì)如圖4所示。設(shè)參加聯(lián)合火力打擊的部隊(duì)數(shù)為m，其中第i支部隊(duì)打擊半徑為oi，火力打擊次數(shù)上限為c....

本文編號：4012486