針對(duì)武器目標(biāo)分配（WTA）的求解實(shí)時(shí)性問題,建立基于火力集合劃分的WTA數(shù)學(xué)模型,并提出一種基于模糊自適應(yīng)諧振理論的鄰域搜索（FART-NS）快速?zèng)Q策算法。利用模糊自適應(yīng)諧振理論的快速泛化能力提高算法實(shí)時(shí)性,引入虛擬節(jié)點(diǎn)提升鄰域搜索算法在WTA解空間的尋優(yōu)能力,形成快速泛化-鄰域優(yōu)化-在線學(xué)習(xí)的閉環(huán)機(jī)制,使FART-NS算法對(duì)訓(xùn)練集精度和采樣密度具有較強(qiáng)的魯棒性。仿真結(jié)果表明,該算法在時(shí)間復(fù)雜度上優(yōu)于BBA、改進(jìn)GA等主流算法,能較好平衡WTA問題的求解實(shí)時(shí)性和收斂性。 

【文章來源】：計(jì)算機(jī)工程. 2020,46(09)北大核心CSCD

【文章頁數(shù)】：10 頁

【部分圖文】：

基于機(jī)器學(xué)習(xí)的FART-NS算法求解示意圖

本文基于FART的FART-NS決策模型如圖2所示,該模型為兩層雙通道的主結(jié)構(gòu),由I/O層、識(shí)別層、識(shí)別閾值和重置模塊構(gòu)成。其中:I/O層由預(yù)處理域F0、狀態(tài)域F 1 c1 和決策域F 1 c2 組成,F0對(duì)戰(zhàn)場(chǎng)環(huán)境數(shù)據(jù)進(jìn)行預(yù)處理生成目標(biāo)威脅值和殺傷概率等信息;狀態(tài)域F 1 c1 接收F0的輸出并將其傳遞給識(shí)別層神經(jīng)元;決策域F 1 c2 負(fù)責(zé)傳輸和優(yōu)化決策變量。F2為識(shí)別層,其中每個(gè)神經(jīng)元對(duì)應(yīng)一個(gè)模式類,神經(jīng)元數(shù)目在訓(xùn)練過程中保持動(dòng)態(tài)增長以增加新模式類。F1與F2之間聯(lián)接通道包含由底向上Wij和由頂向下Wji 2種權(quán)重矢量,其中由頂向下的權(quán)值矢量稱為模板,在該模板指導(dǎo)下,網(wǎng)絡(luò)進(jìn)行有選擇的學(xué)習(xí)。算法的具體步驟如下:

FART-NS算法流程

【參考文獻(xiàn)】：
期刊論文
[1]空陸攻防博弈的動(dòng)態(tài)武器目標(biāo)分配[J]. 張先劍.  國防科技大學(xué)學(xué)報(bào). 2019(02)
[2]靜態(tài)武器目標(biāo)分配問題的攻擊界整數(shù)規(guī)劃求解方法[J]. 陸一平,李慧慧.  系統(tǒng)工程理論與實(shí)踐. 2019(03)
[3]多目標(biāo)雙代理單機(jī)調(diào)度的變鄰域搜索算法[J]. 徐建有,王丹敬.  控制工程. 2018(08)



本文編號(hào)：3262513