針對(duì)多機(jī)協(xié)同空戰(zhàn)目標(biāo)分配問(wèn)題,在我方綜合優(yōu)勢(shì)函數(shù)建模的基礎(chǔ)上,提出了一種改進(jìn)人工免疫算法。首先采用隨機(jī)生成法和人工構(gòu)造法創(chuàng)建2個(gè)初始種群,保證了初始種群的多樣性;然后采用2種不同的選擇、交叉、變異操作進(jìn)行進(jìn)化;接著采用設(shè)計(jì)的新移民算子進(jìn)行種群間信息交換,進(jìn)一步增加種群多樣性,提高搜索效率。最后設(shè)計(jì)實(shí)驗(yàn)將改進(jìn)人工免疫算法與3種類(lèi)型的人工免疫算法進(jìn)行了對(duì)比。仿真結(jié)果表明:改進(jìn)人工免疫算法能夠有效改善早熟收斂問(wèn)題,提高搜索效率,獲得最優(yōu)分配方案,適用于多機(jī)協(xié)同空戰(zhàn)目標(biāo)分配問(wèn)題,滿(mǎn)足實(shí)際作戰(zhàn)需求。 

【文章來(lái)源】：西北工業(yè)大學(xué)學(xué)報(bào). 2019,37(02)北大核心EICSCD

【文章頁(yè)數(shù)】：7 頁(yè)

【部分圖文】：

空戰(zhàn)優(yōu)勢(shì)評(píng)價(jià)指標(biāo)體系

目標(biāo)分配問(wèn)題比較AIS多機(jī)協(xié)同空戰(zhàn)目標(biāo)分配問(wèn)題抗原目標(biāo)函數(shù)抗體分配方案親合度分配方案與目標(biāo)函數(shù)的匹配程度由表1和2．1節(jié)可知，人工免疫算法的抗原為公式(9)，抗體為滿(mǎn)足公式(9)和約束條件1)～4)的解�？贵w－抗原親合度直接采用歸一化后的目標(biāo)函數(shù)進(jìn)行評(píng)價(jià)f=∑ni=1∑mj=1Sijxijn(10)本文采用傳統(tǒng)的整數(shù)編碼方式，以我方戰(zhàn)機(jī)數(shù)量為編碼長(zhǎng)度，即基因長(zhǎng)度為n。抗體位上記錄的編號(hào)為敵方戰(zhàn)機(jī)代號(hào)，抗體位序號(hào)為我方戰(zhàn)機(jī)代號(hào)。具體編碼過(guò)程如圖2所示。圖2抗體編碼過(guò)程2．3交叉、變異算子為了保持種群的多樣性，防止過(guò)早收斂，通常要進(jìn)行交叉、變異操作。通過(guò)選擇算子保留下來(lái)的抗體按照一定的概率進(jìn)行配對(duì)交叉，然后根據(jù)變異概率進(jìn)行變異操作，從而得到新的抗體。本文分別采用2種交叉、變異算子，具體變換如下所示:交叉算子1交叉前2313………6713556………21交叉后13313………6722556………21交叉算子2交叉前27125………4625651………34交叉后65125………4625271………34變異算子1變異前22315………14變異后43315………14變異算子2變異前25421………63變異后25241………632．4移民算子移民算子的作用是為了實(shí)現(xiàn)2個(gè)種群間信息的交流，使種群向著更高級(jí)別進(jìn)化，保持種群的多樣性。本文在傳統(tǒng)移民算子的基礎(chǔ)上提出了一種新的移民算子。算法步驟如下所示:①確定2個(gè)初始種群，計(jì)算2個(gè)種群內(nèi)每個(gè)個(gè)體親合度。②將2個(gè)種·653·

多機(jī)協(xié)同空戰(zhàn)目標(biāo)分配方法群內(nèi)的個(gè)體按照親合度大小進(jìn)行排序。③將2個(gè)種群內(nèi)排序好的個(gè)體按照親合度大小平均分成大、中、小3段。④設(shè)定種群間個(gè)體交換規(guī)模，本文取15%。⑤按照優(yōu)者多選，劣者少選的原則，將2個(gè)種群內(nèi)的每段按15%×(1，0．9，0．1)，15%×(1，0．7，0．3)，15%×(1，0．8，0．6)比例選擇。⑥將選出的個(gè)體進(jìn)行種群間交換重新產(chǎn)生2個(gè)新種群。以比例(1，0．7，0．3)為例，將上述思想用圖形表示。圖3種群間個(gè)體交換示意圖2．5并行人工免疫算法設(shè)計(jì)傳統(tǒng)人工免疫算法多采用單種群進(jìn)化方式，缺少種群間信息之間的交流，搜索效率低，難以保持種群多樣性，容易陷入局部最優(yōu)�；诖耍疚脑O(shè)計(jì)了一種并行人工免疫算法，具體操作流程和算法流程圖如圖4所示。具體操作流程如下。1)分別采用隨機(jī)和人工2種方式產(chǎn)生初始種群A、B。采用整數(shù)編碼方式對(duì)種群中的個(gè)體進(jìn)行編碼，以(10)式作為親合度函數(shù)。2)設(shè)置獨(dú)立運(yùn)行代數(shù)n，種群A、B分別采用不同的選擇策略、交叉操作、變異操作進(jìn)行進(jìn)化。3)當(dāng)種群A、B進(jìn)化到指定代數(shù)時(shí)，采用新的移民算子進(jìn)行兩種群間個(gè)體交換。4)設(shè)置獨(dú)立進(jìn)化代數(shù)m，按照上圖獨(dú)立運(yùn)行方式繼續(xù)進(jìn)行進(jìn)化操作。5)判斷是夠滿(mǎn)足終止條件。如果滿(mǎn)足條件則輸出結(jié)果，否則返回步驟3)。6)2條子線(xiàn)計(jì)算結(jié)束后，選擇親合度函數(shù)值大的結(jié)果作為問(wèn)題的最優(yōu)解。圖4并行人工免疫算法流程圖3仿真分析3．1算例仿真在某次空戰(zhàn)中我方戰(zhàn)機(jī)7架與敵方5架遭遇。其中我方1架戰(zhàn)機(jī)只能攻擊敵方1架戰(zhàn)

【參考文獻(xiàn)】：
期刊論文
[1]基于改進(jìn)遺傳算法的多機(jī)協(xié)同多目標(biāo)分配方法[J]. 王慶賀,萬(wàn)剛,柴崢,李登峰.  計(jì)算機(jī)應(yīng)用研究. 2018(09)
[2]基于混合優(yōu)化算法的多飛行器協(xié)同目標(biāo)分配方法[J]. 黃國(guó)強(qiáng),張兵.  指揮信息系統(tǒng)與技術(shù). 2015(06)
[3]基于改進(jìn)熵權(quán)和集對(duì)分析的水庫(kù)多目標(biāo)防洪調(diào)度決策方法研究[J]. 盧有麟,陳金松,祁進(jìn),吉鵬,周建中.  水電能源科學(xué). 2015(01)
[4]基于改進(jìn)人工免疫算法的火力分配[J]. 劉洪引,李體方,王立安.  火力與指揮控制. 2014(10)
[5]基于多群體改進(jìn)螢火蟲(chóng)算法的UCAV協(xié)同多目標(biāo)分配[J]. 王永泉,羅建軍.  西北工業(yè)大學(xué)學(xué)報(bào). 2014(03)
[6]改進(jìn)的人工免疫算法求解武器-目標(biāo)分配問(wèn)題[J]. 徐克虎,黃大山,王天召.  系統(tǒng)工程與電子技術(shù). 2013(10)
[7]多機(jī)協(xié)同對(duì)地攻擊目標(biāo)分配算法[J]. 王強(qiáng),丁全心,張安,齊玲輝.  系統(tǒng)工程與電子技術(shù). 2012(07)
[8]基于蟻群優(yōu)化的多彈協(xié)同目標(biāo)分配算法[J]. 張邦楚,彭琛,余新榮,周曉華,鄒麗君.  彈箭與制導(dǎo)學(xué)報(bào). 2012(04)
[9]編隊(duì)防空火力分配建模及其優(yōu)化方法研究[J]. 阮旻智,李慶民,劉天華.  兵工學(xué)報(bào). 2010(11)
[10]基于定向突變的自適應(yīng)并行免疫算法[J]. 翟仲曦,錢(qián)鋒,杜文莉.  華東理工大學(xué)學(xué)報(bào)(自然科學(xué)版). 2010(01)



本文編號(hào)：3463041