一種合成分隊(duì)協(xié)同火力分配方法
【技術(shù)領(lǐng)域】
[0001]本發(fā)明涉及火力分配優(yōu)化技術(shù)領(lǐng)域，特別涉及一種合成分隊(duì)協(xié)同火力分配方法。
【背景技術(shù)】
[0002] 合成分隊(duì)是信息化條件下地面部隊(duì)局部作戰(zhàn)的主要作戰(zhàn)力量形式。進(jìn)行進(jìn)攻戰(zhàn)斗 通常進(jìn)行編組攻擊:前沿攻擊隊(duì)、縱深攻擊隊(duì)、穿插迂回攻擊隊(duì)等。不同的作戰(zhàn)力量之間需 要進(jìn)行有效協(xié)同，提高整體的火力打擊能力，達(dá)到對(duì)目標(biāo)打擊效果最好，同時(shí)減少我方的損 失。尤其是處于前沿交戰(zhàn)的突擊分隊(duì)，能夠直接對(duì)目標(biāo)進(jìn)行有效打擊，但戰(zhàn)場(chǎng)威脅也較大， 只有既滿足打擊效果好，又滿足所受威脅小，這兩個(gè)指標(biāo)才能說明火力分配方案的科學(xué)性。

【發(fā)明內(nèi)容】

[0003] 本發(fā)明設(shè)計(jì)開發(fā)了一種合成分隊(duì)協(xié)同火力分配方法，目的是在解決協(xié)同作戰(zhàn)中火 力分配不佳的缺陷，使敵目標(biāo)對(duì)我方的整體威脅度最小同時(shí)敵目標(biāo)戰(zhàn)場(chǎng)價(jià)值生存最小，達(dá) 到最優(yōu)的火力分配。
[0004] 本發(fā)明的另一個(gè)目的是針對(duì)目標(biāo)函數(shù)的求解難題，采用基于改進(jìn)的雙層人工蟻群 算法，算法穩(wěn)定性好，最優(yōu)解效果更佳，為合成分隊(duì)火力提高協(xié)同火力打擊能力提供一種有 效方法。
[0005] 本發(fā)明提供的技術(shù)方案為：
[0006] -種合成分隊(duì)協(xié)同火力分配方法，包括以下步驟
[0007] 步驟一、通過武器識(shí)別傳感器獲取所需數(shù)據(jù)信息，所述數(shù)據(jù)信息包括:我方分隊(duì)主 攻方向上的敵目標(biāo)武器平臺(tái)數(shù)量Μ，我方分隊(duì)助攻方向上的武器平臺(tái)數(shù)量K，我方要打擊的 目標(biāo)數(shù)量Ν;
[0008] 步驟二、以敵目標(biāo)對(duì)我方的整體威脅度最小，建立上層目標(biāo)函數(shù)；
[0009] 步驟三、以敵目標(biāo)戰(zhàn)場(chǎng)價(jià)值生存最小，建立下層目標(biāo)函數(shù)；
[0010] 步驟四、采用雙層人工蜂群求解算法，對(duì)上層目標(biāo)函數(shù)和下層目標(biāo)函數(shù)進(jìn)行交叉 迭代求解，以得到協(xié)同火力分配的最優(yōu)解；
[0011]步驟五、根據(jù)最優(yōu)解，對(duì)我方分隊(duì)的每個(gè)武器平臺(tái)分配敵目標(biāo)進(jìn)行火力打擊。
[0012]優(yōu)選的是，所述上層目標(biāo)函數(shù)為：

[0015] 式中，η為主攻力量重視程度；為主攻力量的打擊武器數(shù)量約束；4??為主攻力 量的集火規(guī)模約束;Xij為主攻力量的火力分配決策變量，Xij e {0，1} ;yij為助攻力量的火力 分配決策變量，{0，1};被為主攻方向上武器對(duì)敵方武器毀傷概率； <為助攻方向武器 對(duì)敵方毀傷概率；％m為敵方目標(biāo)對(duì)我方主攻方向上武器的威脅系數(shù)；g為敵方目標(biāo)對(duì)我方 助攻方向上武器的威脅系數(shù)。
[0016] 優(yōu)選的是，所述下層目標(biāo)函數(shù)為：
[0019] 式中，$為助攻力量的打擊武器數(shù)量約束；為助攻力量的集火規(guī)模約束;yiJ 為助攻力量的火力分配決策變量，7^￡{0，1}^1表示第1個(gè)目標(biāo)在戰(zhàn)場(chǎng)發(fā)揮作用的重要程 度。
[0020] 優(yōu)選的是，步驟三中，雙層人工蜂群求解算法采用全局迭代算法和上層、下層迭代 算法。
[0021] 優(yōu)選的是，所述全局迭代算法包括以下步驟：
[0022] a、從下層初始種群中隨機(jī)選擇一個(gè)可行解Yi，作為上層計(jì)算時(shí)已知下層決策參 數(shù)；
[0023] b、進(jìn)行上層的迭代計(jì)算，返回獲得的上層最優(yōu)解Xbest;
[0024] c、獲得的Xbest作為已知上層決策參數(shù)，進(jìn)入下層迭代計(jì)算，返回獲得的下層最優(yōu) 解Ybest;
[0025] d、當(dāng)全局迭代次數(shù)達(dá)到限定次數(shù)，輸出最優(yōu)解Xbest和Ybest。
[0026] 優(yōu)選的是，所述上層、下層迭代算法采用人工蟻群算法，獲取上層或下層迭代的最 優(yōu)角牛Xbest或Ybest 〇
[0027] 優(yōu)選的是，在步驟四中還包括進(jìn)行雙層人工蜂群算法迭代的復(fù)雜度計(jì)算。
[0028] 本發(fā)明的有益效果是:本發(fā)明提供了一種合成分隊(duì)協(xié)同火力分配方法，以合成分 隊(duì)的火力協(xié)同分配為背景，提出了一種決策交互的雙層武器目標(biāo)分配模型，能夠主攻力量 和助攻力量之間有效協(xié)同，既提高整體的火力打擊效能也減少目標(biāo)對(duì)我方的整體威脅。本 發(fā)明針對(duì)模型為雙層非線性規(guī)劃的這一求解難題，選用了結(jié)構(gòu)簡(jiǎn)單、參數(shù)較少、尋優(yōu)能力較 好的人工蜂群算法，并對(duì)算法進(jìn)行改進(jìn)，通過構(gòu)建上下層交互迭代的策略進(jìn)行求解。算法采 用了雙層整數(shù)編碼方式，利用迭代循環(huán)解決雙層之間的交互式優(yōu)化問題，通過自適應(yīng)罰函 數(shù)方法處理集火約束問題。通過改進(jìn)雙層人工蟻群算法進(jìn)行求解，能獲得更好的解，上下層 的平均適應(yīng)值都比粒子群算法小，解的質(zhì)量更好，且雙層人工蜂群算法的適應(yīng)值的標(biāo)準(zhǔn)差 相對(duì)較少，算法的穩(wěn)定性更高。通過雙層人工蜂群獲得的火力協(xié)同分配方案對(duì)目標(biāo)打擊效 能更高，同時(shí)我方所受的整體威脅也相對(duì)較小，提高了我方的整體作戰(zhàn)效能。
【附圖說明】
[0029]圖1為本發(fā)明所述的合成分隊(duì)協(xié)同火力分配方法流程圖。
[0030] 圖2為本發(fā)明所述的雙層人工蜂群算法迭代過程上層適應(yīng)值與全局迭代次數(shù)關(guān)系 圖。
[0031] 圖3為本發(fā)明所述的雙層人工蜂群算法迭代過程下層適應(yīng)值與全局迭代次數(shù)關(guān)系 圖。
【具體實(shí)施方式】
[0032] 下面結(jié)合附圖對(duì)本發(fā)明做進(jìn)一步的詳細(xì)說明，以令本領(lǐng)域技術(shù)人員參照說明書文 字能夠據(jù)以實(shí)施。
[0033] 如圖1所示，本發(fā)明提供了一種合成分隊(duì)協(xié)同火力分配方法，主要包括如下步驟：
[0034] 步驟一 S110:通過合成分隊(duì)協(xié)同火力指揮系統(tǒng)獲取所需數(shù)據(jù)信息。
[0035] 我方所有武器平臺(tái)上均設(shè)置有信息收發(fā)模塊，通過該收發(fā)模塊能夠?qū)⑽淦髌脚_(tái)的 信息發(fā)送給火力指揮系統(tǒng)，使火力指揮系統(tǒng)實(shí)時(shí)了解我方武器平臺(tái)是數(shù)量、種類、武器平臺(tái) 的性能以及當(dāng)前該武器平臺(tái)的狀態(tài)。所述火力指揮系統(tǒng)上還設(shè)置有武器識(shí)別傳感器，其能 夠識(shí)別出敵方武器的數(shù)量、種類、以及當(dāng)前的狀態(tài)。故通過火力指揮系統(tǒng)能夠獲取本發(fā)明所 需的數(shù)據(jù)信息。
[0036]所需的信息包括：
[0037]我方分隊(duì)主攻方向上的武器平臺(tái)數(shù)量Μ，我方分隊(duì)助攻方向上的武器平臺(tái)數(shù)量K， 我方要打擊的目標(biāo)數(shù)量Ν;
[0038]我方主攻和助攻方向的武器平臺(tái)分別對(duì)目標(biāo)的毀傷概率矩陣&al4PQasslst:
[0040]其中，< 表示主攻方向上第i個(gè)武器平臺(tái)對(duì)第j個(gè)打擊目標(biāo)的毀傷概率;％表示助 攻方向上第i個(gè)武器平臺(tái)對(duì)第j個(gè)打擊目標(biāo)的毀傷概率；
[0041]各目標(biāo)分別對(duì)我方主攻和助攻武器平臺(tái)的威脅度矩陣Tmal4PTasslst:
[0043] 其中，為第j的目標(biāo)對(duì)我方主攻方向上第i個(gè)武器平臺(tái)的威脅系數(shù)，:C為第j的 目標(biāo)對(duì)我方助攻方向上第i個(gè)武器平臺(tái)的威脅系數(shù)；
[0044] 各目標(biāo)的戰(zhàn)場(chǎng)價(jià)值矩陣V，表示了每個(gè)目標(biāo)在戰(zhàn)場(chǎng)發(fā)揮作用的重要程度，
[0045] V=[vi V2 ··· Vn]〇
[0046] 其中，Vl表示第i個(gè)目標(biāo)在戰(zhàn)場(chǎng)發(fā)揮作用的重要程度。
[0047] 然后建立合成分隊(duì)雙層火力分配模型，其過程包括：
[0048] 步驟二S200:以敵目標(biāo)對(duì)我方的整體威脅度最小，建立上層目標(biāo)函數(shù)。
[0049]由于需要進(jìn)行兩個(gè)力量的協(xié)同，既需考慮滿足火力打擊效果又需要考慮目標(biāo)對(duì)我 方的整體威脅。
[0050]假設(shè)正面主攻打擊力量和側(cè)翼助攻打擊力量的武器平臺(tái)每次只能打擊一個(gè)目標(biāo)。 設(shè)X和Y分別為主攻力量和助攻力量的決策矩陣。
[0052] Xlj和分別為主攻和助攻力量的火力分配決策變量，1^，7^6{〇，1}，為1表示第1 個(gè)武器平臺(tái)對(duì)第j個(gè)目標(biāo)進(jìn)行打擊，為0表示不打擊。
[0053] 選取主攻方向?yàn)樯蠈樱シ较驗(yàn)橄聦?，選取不同的目標(biāo)函數(shù):上層目標(biāo)函數(shù)F(x， y)為敵目標(biāo)對(duì)我方的整體威脅度最小，得到如下模型：
[0056] 步驟三S130、以敵目標(biāo)戰(zhàn)場(chǎng)價(jià)值生存最小，建立下層目標(biāo)函數(shù)。
[0057] 下層目標(biāo)函數(shù)f(x，y)為敵目標(biāo)戰(zhàn)場(chǎng)價(jià)值生存最小，得到如下模型：
[0060] 式中，η為主攻力量重視程度；w，分別表不助攻力量和主攻力量的打擊武器 數(shù)量約束；, 分別表示助攻力量和主攻力量的集火規(guī)模約束;Xlj為主攻力量的火 力分配決策變量，Xije{〇，l}; yij為助攻力量的火力分配決策變量，yije{〇，l};C為主攻 方向上武器對(duì)敵方武器毀傷概率；喊為助攻方向武器對(duì)敵方毀傷概率；7^為敵方目標(biāo)對(duì)我 方主攻方向上武器的威脅系數(shù)為敵方目標(biāo)對(duì)我方助攻方向上武器的威脅系數(shù)。
[0061] 步驟三和步驟四中得到的雙層目標(biāo)目標(biāo)函數(shù)模型的含義是:求得一個(gè)合理的主攻 方向和助攻方向決策矩陣X和Y，以使得敵目標(biāo)對(duì)我方的整體威脅度最小的同時(shí)，敵目標(biāo)戰(zhàn) 場(chǎng)價(jià)值生存最小。
[0062] 步驟四S140:執(zhí)行雙層人工蜂群求解算法，求解協(xié)同火力分配問題的最優(yōu)解。
[0063] 人工蜂群算法是模擬自然蜂群采蜜行為的一種群智能算法。相比于其他智能優(yōu)化 算法相比，人工蜂群算法具有結(jié)構(gòu)簡(jiǎn)單、參數(shù)較少、易于實(shí)現(xiàn)等優(yōu)點(diǎn)，在函數(shù)優(yōu)化方面人工 蜂群算法比遺傳算法、粒子群算法、差分進(jìn)化算法具有更好的優(yōu)化性能。人工蜂群算法定義 了3種蜜蜂:偵察蜂、工作蜂和觀察蜂，工作蜂和觀察蜂的數(shù)量相同。SN個(gè)工作蜂對(duì)應(yīng)SN個(gè)食 物源，任意工作蜂i在種群中隨機(jī)選擇一個(gè)工作蜂k做它的鄰居，進(jìn)行鄰域搜索。Vi為工作蜂 i的候選食物源
[0064] via = Xid+ Φ id(xid-xkd)
[0065] 式中，Φ1(1是[_1，1]上的隨機(jī)數(shù)，VjPXi之間通過貪婪策略進(jìn)行選擇。觀察蜂根據(jù) 工作蜂的食物源的蜂蜜量進(jìn)行選擇，選擇概率值Pi的計(jì)算可按下式。
[0067] 觀察蜂j通過輪盤賭的方法從工作蜂的食物源中選擇食物源，對(duì)食物源的搜索方 式與工作蜂相同。當(dāng)某一食物源Xi的triali大于限定值trailmax時(shí)，偵查蜂就會(huì)隨機(jī)生成一 個(gè)新的食物源取代t
[0068] newxid = LBd+(UBd-LBd) · rand
[0069] 式中LBd和UBd是食物源第d維的上下界，rand為(0，1)之間的隨機(jī)數(shù)。
[0070]雙層人工蜂群算法的本質(zhì)是兩層算法的交互迭代循環(huán)，本發(fā)明雙層目標(biāo)函數(shù)構(gòu)成 的雙層武器目標(biāo)分配模型進(jìn)行相應(yīng)的改進(jìn)。采用整數(shù)編碼方式，主攻力量火力分配決策為 上層，助攻力量火力分配決策為下層，假設(shè)每個(gè)武器平臺(tái)只能一次打擊一個(gè)目標(biāo)，上層的武 器平臺(tái)數(shù)為M，下層的武器平臺(tái)數(shù)為K，打擊目標(biāo)數(shù)為N。
[0071 ]兩層獨(dú)立編碼，進(jìn)行交互式嵌套迭代循環(huán)，求得最優(yōu)解。由于每種武器平臺(tái)每次只 能打擊一個(gè)目