申请/专利权人：浙江大学

申请日：2022-12-15

公开（公告）日：2023-06-02

公开（公告）号：CN116205332A

主分类号：G06Q10/04

分类号：G06Q10/04;G06Q10/0631;G06N3/006;G06Q50/26

优先权：

专利状态码：在审-实质审查的生效

法律状态：2023.06.20#实质审查的生效;2023.06.02#公开

摘要：本发明公开了一种区域防守拦截决策的粒子群优化方法，首先获取区域防守当前的态势，得到来袭目标的威胁系数与武器平台发射导弹的防守拦截系数，设定粒子群的种群规模和最大迭代次数并进行种群粒子的初始化；根据来袭目标威胁系数和防守拦截的成功系数得到当前所有粒子的拦截效能，最后出所有粒子中最大适应度的粒子,其粒子向量坐标作为当前粒子种群最优并将其与截止目前找到的最优粒子比较更新全局最优向量坐标。本发明能够有效解决区域防守拦截目标分配的粒子群优化方法陷入局部最优，迭代后期收敛速度慢，求解精度低等缺点，使粒子不断达到全局最优解的同时收敛速度提高，保证了收敛的稳定性，满足现代局部战场中辅助决策对实时性的要求。

主权项：1.一种区域防守拦截决策的粒子群优化方法，其特征在于，包括以下几个步骤：步骤一：获取区域防守当前的态势：包括我方防守武器平台数目、位置以及平台可发射导弹的数量、敌方来袭目标数目、位置、敌方空袭打击目标、来袭目标型号、性能；步骤二：根据目前区域防守态势得到来袭目标的威胁系数与武器平台发射导弹的防守拦截系数；来袭目标的威胁系数为来袭目标打击我方设施的价值度。防守拦截系数：P＝FVa，Vt，θ，φ，σ1其中，Va为来袭目标加速度，Vt为来袭目标速度，θ，φ，σ分别为来袭目标与我方发射导弹的角度与正态分布的两个参数，F为一个拦截系数计算函数，P为得到的防守拦截值。步骤三：设定粒子群的种群规模和最大迭代次数；所述粒子群的种群规模即为粒子数目，表示拦截策略集所包含的不同拦截策略方案的个数；所述的最大迭代次数，表示对策略集不断更改的数目，即对拦截策略集发生多少次的更改：拦截策略集为指武器平台所有可行解下任意生成的每个武器平台拦截来袭目标以及发射的拦截导弹数的集合。步骤四：种群粒子的初始化；每个粒子为一个N维的向量坐标，N的数目为武器平台的个数，向量坐标为我方武器平台将要拦截的来袭目标的飞行器代号与对该目标发射的拦截导弹次数，其向量坐标的表示如下： 其中i为粒子群第i个粒子，d为粒子的第几维，为粒子坐标的整数部分，表示武器平台拦截的来袭目标编号，为粒子坐标的小数部分，表示武器平台拦截该目标的拦截导弹数。步骤五：根据来袭目标威胁系数，防守拦截的成功系数，根据拦截效能经验公式3得到当前所有粒子的拦截效能。拦截效能经验公式； f＝max{f1f2}4其中f1为最大化敌方损失函数，f2为最小化我方损失函数，f为最大化拦截效能。vj为第j个来袭目标的威胁系数，pkj为第k个武器平台对第j个来袭目标的防守拦截系数.xkf为第k个武器平台对第j个来袭目标的拦截导弹数，qk为第k个武器平台的导弹价值系数。步骤六：所有粒子的拦截效能将其作为粒子的适应度做为粒子个体历史最优坐标，选出所有粒子中适应度大的粒子，其坐标作为种群历史最优坐标。步骤七：更改粒子的向量坐标，更新粒子种群历史最优坐标和粒子个体最优坐标，将拦截效能作为粒子群算法的适应度，找出所有粒子中最大适应度的粒子，其粒子向量坐标作为当前粒子种群最优并将其与截止目前找到的最优粒子比较更新全局最优向量坐标；步骤八：重复步骤七，不断更新粒子坐标，直到迭代次数达到设置的最大迭代次数。步骤九：输出全局最优粒子的向量坐标，即最佳的拦截策略方案；得到的拦截策略为在来袭目标信息已知条件下区域拦截过程中的一种优化分配方案，将战场上的来袭目标分配给武器平台进行拦截。

全文数据：

权利要求：

百度查询： 浙江大学 一种区域防守拦截决策的粒子群优化方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD