System.ArgumentOutOfRangeException: 索引和长度必须引用该字符串内的位置。 参数名: length 在 System.String.Substring(Int32 startIndex, Int32 length) 在 zhuanliShow.Bind() 一种基于狼群算法的远程制导火箭集群火力分配方法组成比例_技高网

一种基于狼群算法的远程制导火箭集群火力分配方法组成比例

技术编号:43653623 阅读:5 留言:0更新日期:2024-12-13 12:47
本发明专利技术公开了一种基于狼群算法的远程制导火箭集群火力分配方法,包括考虑远程制导火箭集群达成有效杀伤目的、同时节约火箭集群火力资源且满足任务约束等要求,建立了远程制导火箭集群火力分配数学模型,然后引入狼群算法,设计游走、召唤算子,为远程制导火箭集群具备智能攻击目标能力,最后,结合蚁群算法,通过增加信息素引导的方式强化了远程制导火箭集群对所探测目标的认知,在远程制导火箭集群更新环节引入信息素启发,继承了火箭集群攻击的“智慧”,提升了狼群算法的搜索效率。该发明专利技术可用于远程制导火箭集群针对多目标时的火力分配。

【技术实现步骤摘要】

本专利技术属于火箭,具体涉及一种基于狼群算法的远程制导火箭集群火力分配方法


技术介绍

1、传统的远程制导火箭一般采用“点穴”的方式进行打击,而且在打击完成后需要依据毁伤程度,判断是否需要进行二次打击。但随着全域作战理念的不断发展,在未来战场不仅指挥作战需要考虑“首战即决战”的问题,远程制导火箭也需要面对“仅有一次齐射”的作战环境,在执行作战任务过程中,不得不考虑齐射后远程制导火箭集群在高对抗的战场环境中的火力分配方法,考虑如何充分发挥整体协调优势,高效合理进行攻击火力资源规划,实现多个作战单元协同攻击,同时尽可能减少作战单元消耗,提高作战效能。

2、火力分配问题历来是作战指挥辅助决策研究中的核心内容之一。求解火力资源分配问题的算法可分为传统算法和智能优化算法。传统算法包括线性规划、分支定界法、动态规划法等。智能优化算法则包括改进的遗传算法、蚁群算法、自适应蚁群优化算法以及采用了动态差分改进的蝙蝠算法等。狼群算法(wolf pack algorithm,wpa)是一种群体智能优化算法,已成功在高维复杂函数优化、背包问题、无人机航迹规划等优化问题领域得到了很好的应用。

3、针对火力分配问题,传统算法及智能优化算法虽然能获得满意解,但存在易早熟、进化速度慢或者算法设计实现困难的缺陷,在实际允许的时间内求解最优解非常困难,只能根据假设的作战原则求其满意解,狼群算法也存在算法寻优精度较低、易陷局部最优、效率不高的弊端,以上算法很难满足远程制导火箭集群火力分配问题。


技术实现思路

1、为了克服现有技术的不足,本专利技术提供了一种基于狼群算法的远程制导火箭集群火力分配方法,包括考虑远程制导火箭集群达成有效杀伤目的、同时节约火箭集群火力资源且满足任务约束等要求,建立了远程制导火箭集群火力分配数学模型,然后引入狼群算法,设计游走、召唤算子,为远程制导火箭集群具备智能攻击目标能力,最后,结合蚁群算法,通过增加信息素引导的方式强化了远程制导火箭集群对所探测目标的认知,在远程制导火箭集群更新环节引入信息素启发,继承了火箭集群攻击的“智慧”,提升了狼群算法的搜索效率。该专利技术可用于远程制导火箭集群针对多目标时的火力分配。

2、本专利技术解决其技术问题所采用的技术方案如下:

3、步骤1:建立远程制导火箭集群作战攻击多个目标的具体场景;

4、步骤1-1:建立如下场景:

5、(1)远程制导火箭集群共有v型火箭,第z型火箭数量为,z=1,2,…v,且,m表示火箭的总数;

6、(2)每一枚火箭为一个作战单元,携带一种战斗部;

7、(3)目标总数为n个,第g个目标的价值为;为第z型火箭对第g个目标攻击的单次杀伤概率;

8、(4)决策变量为用于攻击第g个目标的第z型火箭的数量,,第z型火箭对第g个目标的杀伤概率为:

9、                           (1)

10、(5)所有v型火箭对第g个目标的综合杀伤概率为:

11、                         (2)

12、(6)火力分配数学模型表示如下:

13、                (3)

14、其中,为最大目标价值收益,为的均值;

15、步骤1-2:火力分配数学模型的约束条件包括:

16、(1)任务完成约束;

17、                           (4)

18、式中:为第g个目标分配的火箭总数;

19、(2)有效杀伤约束;

20、                                (5)

21、式中:为第g个目标的预设杀伤概率门限;

22、(3)攻击消耗约束;

23、                       (6)

24、步骤1-3:远程制导火箭集群模型特征包括如下方面:

25、(1)保证每个目标均能被有效杀伤;

26、通过衡量目标综合杀伤概率是否超过预设杀伤概率门限,判定目标是否被有效杀伤,若低于预设杀伤概率门限,则认为对目标的分配为无效分配;

27、(2)设置目标价值,保证目标价值高的目标被优先分配;

28、(3)的大小比对值的影响更大,值越小,综合杀伤概率的平均值就越大;

29、(4)保证目标在分配火箭目标相同的情况下,即相同,选择大的火箭组合,使综合杀伤概率尽可能大;

30、步骤2:建立基于狼群算法的远程制导火箭集群运动规则及智能行为;

31、步骤2-1:在远程制导火箭集群火力分配问题中,采用基于整数的编码方式,具体如下:

32、(1)分配方案,变量为0~n之间的整数,表示将第枚火箭分配给第个目标, 表示第j枚火箭没有分配给任一目标;

33、(2)用火箭的位置代表一种候选分配方案:设火箭位置矢量维度也为,人工狼火箭总数为,在的欧式空间中火箭的位置,为第枚火箭在第维变量空间中所处的位置;

34、(3)火箭探测到的目标信息量,即目标函数值,火箭与火箭之间距离为两者位置编码的manhattan距离:

35、                     (7)

36、步骤2-2:针对步骤2-1的编码方式,作如下定义:

37、(1)定义游走算子,火箭i的位置为,为编码位集合,即人工狼火箭的可攻击范围;r为进行改变的编码位的数目,即火箭的运动步长;游走算子表示在中随机选择r个编码位形成集合,将改变为第j维变量空间中选取的随机数;

38、(2)定义召唤算子,火箭i的位置为,为人工狼火箭位置和作为wpa中头狼的火箭的位置不相同编码位的集合,且不为空集,wpa中头狼的火箭简称为“头狼火箭”;集合为:

39、              (8)

40、式中,k表示迭代次数,k的初值为1;null表示空值;表示头狼位置第j维取值;

41、召唤算子为在中随机选择r个编码位形成集合,并将值按式(9)进行改变,即为火箭i接收到了头狼火箭传递的部分信息:

42、                    (9)

43、步骤2-3:建立基于狼群算法的远程制导火箭集群行为规则和智能行为:

44、(1)头狼火箭行为规则:

45、具有最优目标函数值的火箭为头狼火箭,迭代过程中根据目标函数进行头狼火箭更替,头狼火箭不执行游走、召唤、围攻行为;

46、(2)游走行为:

47、选取最优火箭为头狼火箭,除头狼火箭外所有的火箭作为wpa中探狼的火箭,简称“探狼火箭”,探狼火箭以游走步长向h个方向试探性走一步,即对探狼火箭位置执行h次游走算子;而后将所得的h个新位置进行贪婪决策,即选择具有最优目标函数值且优于原有位本文档来自技高网...

【技术保护点】

1.一种基于狼群算法的远程制导火箭集群火力分配方法,其特征在于,包括如下步骤:

2.根据权利要求1所述的一种基于狼群算法的远程制导火箭集群火力分配方法,其特征在于,所述信息素挥发因子的取值范围为。

【技术特征摘要】

1.一种基于狼群算法的远程制导火箭集群火力分配方法,其特征在于,包括如下步骤:

2.根据权利...

【专利技术属性】
技术研发人员:刘明喜马乾才牛智奇李延宁赵小侠苟秋雄郭永翔牛冰许琛潘迅王伟王磊王兴平
申请(专利权)人:西安现代控制技术研究所
类型:发明
国别省市:

网友询问留言 已有0条评论
  • 还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。

1