申请/专利权人：中国人民解放军空军工程大学

申请日：2022-01-30

公开（公告）日：2024-03-29

公开（公告）号：CN114510876B

主分类号：G06F30/27

分类号：G06F30/27;G06N3/126;G06F111/08;G06F111/10

优先权：

专利状态码：有效-授权

法律状态：2024.03.29#授权;2022.06.03#实质审查的生效;2022.05.17#公开

摘要：提出基于共生搜索生物地理学优化的多平台武器目标分配方法：构建基于模糊期望效果的多平台WTA模型；设置种群规模，随机产生初始解；采用基于整数的矩阵编码策略对种群进行编码；计算每个解对应的目标函数值，按从大到小进行排序，保留前q个较大的目标函数值所对应的解；对初始种群进行优化，减小初始种群的随机性；改进迁移算子，进行迁移优化操作；提出共栖突变算子，进行突变优化操作；重新计算每个解对应的目标函数值，按从大到小进行排序，替换前q个较大目标函数值所对应解；判断是否达到最大迭代次数，若是则输出结果；否则返回第五步。本发明适应不确定环境下作战辅助决策对求解精度和时效性的要求，可为指控系统的研制提供方法支撑。

主权项：1.基于共生搜索生物地理学优化的多平台武器目标分配方法，其特征在于，具体包括下列步骤：Step1构建基于模糊期望效果的多平台WTA模型设有n个武器平台，i＝1，2，...，n，i为武器平台的序数；m个来袭目标，j＝1，2，...，m，j为来袭目标的序数；各武器平台的武器数量为ci，xij为第i个武器平台分配给第j个来袭目标的武器数量；不同武器平台对不同目标的分配方案记作X；将射击有利度与目标价值刻画为模糊变量，并通过三角模糊变量来表示；表示第i个武器平台对第j个来袭目标的模糊射击有利度；表示第j个来袭目标的模糊目标价值；构建基于模糊期望效果的多平台WTA模型； 式中，Z为目标函数值；E为模糊变量的期望值；θ为专家给定的权重参数；模型中约束条件含义如下：3每个来袭目标至少分配一个武器；2各武器平台对来袭目标分配的火力不能超过该武器平台的武器数量；Step2设置种群规模popsize，随机产生初始解xij；popsize、xij均为正整数；Step3采用基于整数的矩阵编码策略对种群进行编码；采用基于整数的矩阵编码策略对种群进行编码，如式2； 式中，X为武器目标分配方案；xij为第i个武器平台分配给第j个目标的武器数量，取值范围为0，ci；Step4按照式1计算每个解xij对应的目标函数值Z，按从大到小对Z进行排序，保留前q个较大的目标函数值Z所对应的解xij；q根据具体情况确定；Step5根据共生生物搜索算法中的互利操作，对初始种群进行优化，减小初始种群的随机性； 其中，Xa与Xb为随机选取的栖息地；a和b为栖息地的序数，a＝1，2，...，popsize，b＝1，2，...，popsize；popsize为种群数量；Xbest为当前最优解xij；MV为两个栖息地之间的互利向量；BF1、BF2∈{1，2}为获利因子；和为经过互利操作协同进化生成的新栖息地；rand是随机数；Step6改进迁移算子，进行迁移优化操作，包括下列步骤：Step6.1基于动态选择的迁移算子；Step6.2基于互利进化的迁移算子；Step6.3余弦动态自适应优化迁移算子；Step7提出共栖突变算子，进行突变优化操作；引入SOS算法中的共栖思想，针对后半部分的较差解，从前半部分较优解中随机选择对象进行互动，从而增强自身的适应性程度； 式中，Xh为从目标函数值排序后popsize2的栖息地中随机选取的一个栖息地；Xq为从目标函数值排序前popsize2的栖息地中随机选取的一个栖息地；h和q为栖息地的序数，h＝popsize2，...，popsize，q＝0，...，popsize2；Xbest为当前迭代过程中的最优栖息地；为当前变异操作后新生成的栖息地；length函数表示向量的长度；round函数表示对数值lengthpopsize2*rand进行四舍五入；Step8根据公式1重新计算每个解对应的目标函数值Z，按照从大到小进行排序，替换前q个较大的目标函数值所对应的解；Step9判断是否达到最大迭代次数Gmax，若是，则输出最优解；否则返回Step5。

全文数据：

权利要求：

百度查询： 中国人民解放军空军工程大学 基于共生搜索生物地理学优化的多平台武器目标分配方法

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