[发明专利]一种基于交叉熵遗传算法解决武器目标分配问题的方法

说明书

本发明公开了一种基于交叉熵遗传算法解决武器目标分配问题的方法，构建武器目标分配离散概率分布矩阵M并进行初始化；生成满足武器目标分配方案解的N个样本；利用遗传算法中的选择、交叉、变异操作增加样本的多样性；通过适应度计算挑选出H个精英样本；通过最优解的迭代公式来更新离散概率分布矩阵；当满足迭代终止条件时输出最终的离散概率分布矩阵即为最优解。本发明通过数据迭代寻优方式解决的水面舰艇编队联合防空作战中存在的WTA问题，在每座舰艇具备的武器数量是有限的情况下，将舰艇防空武器合理与来袭目标进行关联，以实现对空中目标进行拦截并实现毁伤效果最大化。

技术领域

本发明涉及军事指挥控制辅助决策领域，具体为一种基于交叉熵遗传算法解决武器目标分配问题的方法。

背景技术

武器目标分配(Weapon Target Assignment，WTA)问题是作战指挥辅助决策研究的重要问题，是一种N-P完全问题。WTA问题的关键就在于如何将不同损伤能力的武器分配到具有不同攻击态势威胁的目标，以达到威胁目标损伤效果最大的结果。

对WTA问题的求解，传统的数值优化算法，如分支定界发、枚举法、梯度下降法等，往往不适合求解较为复杂的WTA问题，目前主要采用智能优化算法进行求解。刘传波等提出了一种Memetic算法来解决武器目标分配问题，将遗传算法和模拟退火算法结合起来进行搜索，并设计了一种有限元级控制策略来响应分配过程，通过仿真验证了该算法的有效性与实用性，但由于模拟退火算法速度与求解精度存在矛盾，最终解的精度还是会受到影响。王玮等提出一种基于遗传算法的一类武器目标分配方法研究，设计的编码方式将有约束的优化问题转化为无约束的优化问题。Chyh-Ming Lai等提出了一种改进的简化粒子群优化算法，该算法在多阶段WTA中有两个新的最小化目标值。吴文海将改进差分进化算法应用在解决武器目标分配问题，增强了算法的全局搜索能力与求解精度。尽管目前对SWTA问题求解的算法很多，在寻优精度方面也有了一定的改进，但算法的在收敛速度、易陷入局部最优解等方面还不尽如人意，尤其是面对大规模复杂问题，仍有进一步改进的空间，为此提供一种基于交叉熵遗传算法解决武器目标分配问题的方法。

发明内容

本发明的目的是针对现有技术的缺陷，提供一种基于交叉熵遗传算法解决武器目标分配问题的方法，以解决上述背景技术提出的问题。

为实现上述目的，本发明提供如下技术方案：一种基于交叉熵遗传算法解决武器目标分配问题的方法，包含以下步骤：

步骤(1)：对于m个武器和n个目标，构建武器目标分配离散概率分布矩阵M并进行初始化，矩阵M的计算公式为：

其中，p(i,j)，i＝1,2,...m,j＝1,2,...n表示作战单元i分配武器给目标j的概率；

步骤(2)：根据离散概率分布矩阵M，随机生成N个样本，分别记为X₁,X₂,...,X_N，其中第K样本表示为X_k＝(x₁,x₂,...,x_j)，x_j表示拦截第j个目标的防空装置号；

步骤(3)：利用GA中的选择、交叉、变异操作，对N个样本进行多次迭代更新，寻找更多优秀的样本；

步骤(4)：通过对N个样本进行适应度计算，挑选出H个精英样本；

步骤(5)：根据H个精英样本更新离散概率分布矩阵M；

步骤(6)：对离散概率分布矩阵M进行概率分布判别，如果符合决策要求则输出概率分布矩阵M为最终的分配方案，反之则继续进行步骤(2)，其中决策要求的计算方式为：else False，其中代表矩阵M中第个值，所述判断规则为矩阵M中只包含元素“0”或“1”。