[发明专利]一种基于多目标克隆进化算法的大规模武器-目标分配方法

说明书

本发明提供了一种基于多目标克隆进化算法的大规模武器‑目标分配方法，属于计算机仿真与方法优化技术领域，首先根据武器的数量生成多个初始子种群，并计算所有子种群的pareto最优解，用这些最优解构成优势种群；其次，算法采用克隆机制对优势种群中的所有个体进行克隆，形成多个新的子种群；然后，算法给出了三种特殊的进化算子，并用这三种进化算子对个体进行进化。本发明针对大规模武器‑目标分配问题，设计了相应的进化算子和进化方法，能够有效解决大规模武器‑目标分配问题，能够在大规模武器和目标的环境下，得到完整的pareto最优解，具备较好的收敛效果。

技术领域

本发明属于计算机仿真与方法优化技术领域，涉及一种多目标大规模武器-目标分配方法，可用于在有大量武器和大量敌方目标的环境下，计算出多个优化目标下的武器对目标的资源分配方案。

背景技术

武器-目标分配(Weapon Target Assignment，WTA)问题又称火力分配，是根据当前环境，结合我方武器数量及特点，为武器分配最优的攻击目标，以达到所希望的效能最大的过程。通过武器-目标分配，能够为指挥人员提供合理的武器攻击方案，辅助指挥人员做出决策。武器-目标分配方法一个典型的应用是民航机场或广场等区域的反无人机系统。随着未来无人机的普及，小型民用无人机将会变得越来越多，城市人流密集区域将会出现大量的无人机(主要用于摄像摄影或运输等)。为了维护区域的安全和秩序，反无人机系统能够采用电磁干扰或者捕捉网等方式实施无人机的拦截。但是，随着未来无人机数量的增多，传统人为分配武器目标的方法将不再适用，因此如何在有大量无人机的环境下合理的分配反无人机系统的武器具有重要的意义。

传统的求解武器-目标分配的方法大多是针对单个优化目标进行设计的，例如论文《编队防空火力分配建模及其优化方法研究》(阮旻智,李庆民,刘天华.编队防空火力分配建模及其优化方法研究.兵工学报,2010,31(11):1525-1529.)、《基于混合粒子群算法的多平台多武器火力分配研究》(陈华东,王树宗,王航宇.基于混合粒子群算法的多平台多武器火力分配研究.系统工程与电子技术,2008,30(5):880-883.)以及《基于量子分布估计算法的火力分配问题研究》(张毅,杨秀霞,周绍磊.基于量子分布估计算法的火力分配问题研究.电光与控制,2013(12):18-21.)。这些论文使用的武器-目标分配模型都是将武器的毁伤效能作为优化目标，属于单目标优化问题。发明专利《一种基于差分进化算法解决武器-目标分配问题的方法》(授权公告号CN 103336885B)采用的武器-目标分配模型不仅考虑到武器的毁伤效能还考虑了资源的优先级，但是该模型通过加权的方法将武器的毁伤效能和资源的优先级综合成一个目标函数，其仍然属于单目标优化问题。

多目标优化方法能够同时优化多个指标，可以从多个指标的角度提供多种解决方案，是近年来的研究的热点。求解基于多目标优化的武器-目标分配问题能够为指挥人员提供更全面的武器-目标分配方案。论文《火力分配多目标规划模型的改进MOPSO算法》(刘晓,刘忠,侯文姝,等.火力分配多目标规划模型的改进MOPSO算法.系统工程与电子技术,2013,35(2):326-330.)利用多目标粒子群算法(MOPSO)求解多目标火力分配问题，采用对敌毁伤概率以及所使用的火力单元数作为优化指标。论文《基于分解进化多目标优化算法的火力分配问题》(张滢,杨任农,左家亮,等.基于分解进化多目标优化算法的火力分配问题.系统工程与电子技术,2014,36(12):2435-2441.)采用了基于分解进化多目标优化算法(MOEA/D)求解火力分配问题。发明专利申请《一种基于改进多目标蛙跳算法的协同空战火力分配方法》(申请公开号CN 103425840A)采用了一种基于自适应网格法的多目标量子蛙跳算法来求解火力分配问题。这些论文和发明专利申请虽然能够解决多目标武器-目标分配问题，但是其算法模型都是基于小规模的武器和目标数量(武器数量少于50)进行的设计，在大规模的武器-目标问题下(武器数量超过50)这些方法并不能收敛得到完整的Pareto最优解，无法适用于大规模的武器-目标分配问题。

发明内容