針對聯(lián)合火力打擊任務規(guī)劃中對兵力、火力與目標動態(tài)分配優(yōu)化困難的問題,提出一種基于粒子群算法的聯(lián)合火力打擊任務規(guī)劃智能優(yōu)化算法。該算法以粒子群算法為基礎,模擬鳥群的覓食行為設計智能優(yōu)化算法,并在標準算法基礎上引入遺傳算法中的生物優(yōu)勝劣汰機制,提升算法的迭代效率和全局尋優(yōu)精度,根據(jù)聯(lián)合火力打擊任務規(guī)劃的內在制約條件設計了衡量任務規(guī)劃各方面綜合性能的評估指標模型,并通過熵權法和理想點法獲取聯(lián)合火力打擊任務規(guī)劃綜合評分。仿真結果表明:進化粒子群算法較標準粒子群算法和遺傳算法具有更優(yōu)越的迭代收斂效率和全局尋優(yōu)能力,具備解決聯(lián)合火力打擊任務規(guī)劃智能優(yōu)化問題的能力。

【文章頁數(shù)】：7 頁

【部分圖文】：

圖1 智能優(yōu)化算法流程圖

智能優(yōu)化算法應用于聯(lián)合火力打擊任務規(guī)劃，可采取問題視角切換、隨機變量迭代、批量評估選優(yōu)的方法設計算法構架，選擇合適的智能優(yōu)化算法種類，完成任務規(guī)劃的優(yōu)選和輸出�；诖�，智能優(yōu)化算法由數(shù)據(jù)錄入、向量空間建立、綜合評估、粒子群優(yōu)化四個部分構成。數(shù)據(jù)錄入模塊采集聯(lián)合火力打擊任務規(guī)劃所需....

圖2 粒子群化算法流程圖

粒子群算法是借鑒鳥群覓食行為設計的智能優(yōu)化算法，算法在多維向量空間中隨機產(chǎn)生眾多個體，將空間位置的綜合評分看做食物，則個體可根據(jù)所在位置周邊的食物豐沛情況自主游走，經(jīng)過多代迭代使最優(yōu)個體綜合評分收斂于全局最優(yōu)解。粒子群算法流程如圖2所示。進化粒子群算法在標準粒子群算法基礎上，借鑒....

圖3 進化粒子群化算法流程圖

進化粒子群算法在標準粒子群算法基礎上，借鑒遺傳算法中的優(yōu)勝劣汰進化機制，在個體結構中引入壽命和淘汰系數(shù)，當個體處于食物貧瘠區(qū)，隨著多次游走導致淘汰系數(shù)上升，當超過淘汰閾值即判斷當前空間位置附近沒有最優(yōu)解，刪除該個體；由高分個體繁殖后代個體代替刪除個體，繁殖個體壽命+1；當有個體壽....

圖4 評估指標明細

對于聯(lián)合火力打擊任務規(guī)劃的軟硬約束條件，本文采取層次分析法，對任務規(guī)劃的評估指標進行量化分析，將其分為單目標指標類、單部隊指標類、體系指標類，并將其細化為11項具體評估指標。評估指標明細如圖4所示。設參加聯(lián)合火力打擊的部隊數(shù)為m，其中第i支部隊打擊半徑為oi，火力打擊次數(shù)上限為c....

本文編號：4012486