為了提高求解武器目標(biāo)分配問題算法的效率和準(zhǔn)確性,避免算法迭代陷入局部最優(yōu)解,引入云自適應(yīng)模型和鯰魚效應(yīng)思想,改進(jìn)基本粒子群算法;建立了符合實際的WTA模型,分別使用PSO、CAPSO、CE-CAPSO、改進(jìn)CE-CAPSO、改進(jìn)遺傳算法對模型求解,仿真結(jié)果表明,改進(jìn)的粒子群算法在求解準(zhǔn)確性、穩(wěn)定度和收斂速度有明顯提升,驗證了方法的有效性和實用性。 

【文章來源】：火力與指揮控制. 2020,45(11)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

遺傳個體編碼示意

（總第45-）火力與指揮控制2020年第11期與改進(jìn)的CE-CAPSO基本上在10代左右就收斂到最優(yōu)解，而CAPSO、PSO和GA算法迭代次數(shù)均大于10代；另外4種算法的適應(yīng)值依圖片排序分別為13.7293、13.8938、14.8304、14.8161、12.1213、17.1016，呈GA2>CE-CAPSO>改進(jìn)CE-CAP-SO>CAPSO>PSO>GA1狀態(tài)，但是適應(yīng)值的大小并不能完全說明GA2、CE-CAPSO的尋優(yōu)能力差，而PSO、GA1的尋優(yōu)能力最好，因為WTA問題屬于離散問題，適應(yīng)值最佳并不代表算法求得武器目標(biāo)分配方案最好，還可能不符合約束條件或者現(xiàn)實情況，而且給定的參數(shù)也可能造成解不唯一；此外PSO、GA本質(zhì)上都是隨機(jī)搜索算法，且文中處理約束條件的方法是罰函數(shù)法，沙丁魚粒子逃逸速度也是固定值，沒有考慮其與鯰魚粒子的相對距離，而GA算法受參數(shù)影響較大，參數(shù)的不同會造成解相差也較大，計算結(jié)果有一定隨機(jī)性且仍不可避免有較小的概率陷入局部最優(yōu)。運行多次分析這幾個算法得到的結(jié)果，發(fā)現(xiàn)它們的計算結(jié)果并不每次符合所有約束條件；而對于GA算法，不同的參數(shù)設(shè)置計算結(jié)果也有較大不同，5種算法之間尋優(yōu)能力各不相同�，F(xiàn)將程序分別運行100次，統(tǒng)計符合約束計算結(jié)果如下頁表3所示。從表中可以看出，改進(jìn)遺傳算法準(zhǔn)確性最佳，其次是改進(jìn)CE-CAPSO、CE-CAPSO、CAPSO算法，PSO算法準(zhǔn)確性最差；粒子群一類算法平均迭代次數(shù)與準(zhǔn)確性呈相同趨勢，其中引入云模型后，算法迭代次數(shù)顯著減少，而遺傳算法由于其本身容易早熟特性，收斂迭代次數(shù)較��；5種算法中，粒子群一圖2PSO計算結(jié)果圖3CAPSO計算結(jié)果圖4CE-CAPSO計算結(jié)果圖5改進(jìn)CE-CAPSO計算結(jié)果圖6GA1計算結(jié)果圖7GA2計算結(jié)果·86·1994

（總第45-）火力與指揮控制2020年第11期與改進(jìn)的CE-CAPSO基本上在10代左右就收斂到最優(yōu)解，而CAPSO、PSO和GA算法迭代次數(shù)均大于10代；另外4種算法的適應(yīng)值依圖片排序分別為13.7293、13.8938、14.8304、14.8161、12.1213、17.1016，呈GA2>CE-CAPSO>改進(jìn)CE-CAP-SO>CAPSO>PSO>GA1狀態(tài)，但是適應(yīng)值的大小并不能完全說明GA2、CE-CAPSO的尋優(yōu)能力差，而PSO、GA1的尋優(yōu)能力最好，因為WTA問題屬于離散問題，適應(yīng)值最佳并不代表算法求得武器目標(biāo)分配方案最好，還可能不符合約束條件或者現(xiàn)實情況，而且給定的參數(shù)也可能造成解不唯一；此外PSO、GA本質(zhì)上都是隨機(jī)搜索算法，且文中處理約束條件的方法是罰函數(shù)法，沙丁魚粒子逃逸速度也是固定值，沒有考慮其與鯰魚粒子的相對距離，而GA算法受參數(shù)影響較大，參數(shù)的不同會造成解相差也較大，計算結(jié)果有一定隨機(jī)性且仍不可避免有較小的概率陷入局部最優(yōu)。運行多次分析這幾個算法得到的結(jié)果，發(fā)現(xiàn)它們的計算結(jié)果并不每次符合所有約束條件；而對于GA算法，不同的參數(shù)設(shè)置計算結(jié)果也有較大不同，5種算法之間尋優(yōu)能力各不相同�，F(xiàn)將程序分別運行100次，統(tǒng)計符合約束計算結(jié)果如下頁表3所示。從表中可以看出，改進(jìn)遺傳算法準(zhǔn)確性最佳，其次是改進(jìn)CE-CAPSO、CE-CAPSO、CAPSO算法，PSO算法準(zhǔn)確性最差；粒子群一類算法平均迭代次數(shù)與準(zhǔn)確性呈相同趨勢，其中引入云模型后，算法迭代次數(shù)顯著減少，而遺傳算法由于其本身容易早熟特性，收斂迭代次數(shù)較��；5種算法中，粒子群一圖2PSO計算結(jié)果圖3CAPSO計算結(jié)果圖4CE-CAPSO計算結(jié)果圖5改進(jìn)CE-CAPSO計算結(jié)果圖6GA1計算結(jié)果圖7GA2計算結(jié)果·86·1994

【參考文獻(xiàn)】：
期刊論文
[1]武器-目標(biāo)分配問題研究[J]. 楊進(jìn)帥,李進(jìn),王毅.  火力與指揮控制. 2019(05)
[2]基于最大期望效用的武器-目標(biāo)分配[J]. 薛新華,王政偉,黃祥.  指揮信息系統(tǒng)與技術(shù). 2018(06)
[3]改進(jìn)粒子群算法的艦載武器目標(biāo)分配[J]. 陳曼,周鳳星.  火力與指揮控制. 2018(11)
[4]基于鯰魚效應(yīng)粒子群優(yōu)化的變參誤差盲均衡算法[J]. 郭業(yè)才,吳際平.  系統(tǒng)仿真學(xué)報. 2018(09)
[5]改進(jìn)粒子群算法在移動機(jī)器人路徑規(guī)劃中的應(yīng)用[J]. 魏勇,趙開新,王東署.  火力與指揮控制. 2018(02)
[6]改進(jìn)多目標(biāo)粒子群算法的火箭布雷彈彈道求解方法[J]. 潘軍軍,馮柯,李煥良,楊小強(qiáng).  火力與指揮控制. 2018(02)
[7]改進(jìn)的云粒子群優(yōu)化算法及其斷路器優(yōu)化應(yīng)用[J]. 鞠文哲,夏克文,戴水東.  計算機(jī)應(yīng)用研究. 2018(07)
[8]船舶工程中的云粒子群算法研究[J]. 陳建慧,唐玉蘭,趙吉.  艦船科學(xué)技術(shù). 2017(12)
[9]改進(jìn)的云自適應(yīng)粒子群算法[J]. 張錦華.  計算機(jī)工程與應(yīng)用. 2012(05)
[10]云自適應(yīng)粒子群算法[J]. 韋杏瓊,周永權(quán),黃華娟,羅德相.  計算機(jī)工程與應(yīng)用. 2009(01)

碩士論文
[1]粒子群優(yōu)化算法的改進(jìn)及應(yīng)用[D]. 居鳳霞.華南理工大學(xué) 2014



本文編號：3480632