面對未來作戰(zhàn)中高密度、多方位的集群智能體,傳統(tǒng)點對點飽和攻擊已不是最佳策略,可通過選擇合適的武器類型和作用點實現(xiàn)火力覆蓋,達到武器數(shù)量小于目標數(shù)量的最大殺傷效果。綜合考慮安全目標、毀傷門限、偏好指派等作戰(zhàn)需求,首先,建立了多約束多目標武器-目標分配(CMWTA)數(shù)學模型;其次,設計了約束違反值的計算方法,并采用個體編碼、檢測修復和約束支配相結合的方式處理多約束;最后,設計了針對多目標武器-目標分配模型的收斂性度量指標,并基于多目標進化算法(MOEA)框架進行了仿真分析。其中在進化算法框架對比中,SPEA2下的Pareto集合容量主要分布于[21,25]區(qū)間內,NSGA-Ⅱ下的Pareto集合容量主要分布于[16,20],而MOEA/D下的Pareto集合容量均小于16;在修復算法驗證中,修復算法將三種進化算法框架的Convergence指標提升了20%以上,且可將Pareto解集中不可行解的比例保持在0%。實驗結果表明,在求解CMWTA模型中,SPEA2算法框架在分布性和收斂性上優(yōu)于NSGA-Ⅱ和MOEA/D算法框架,且所提修復算法有效地提高了進化算法對非支配可行解的求解效率。

【文章頁數(shù)】：10 頁

【文章目錄】：
0 引言
1 CMWTA模型
2 MOEA-CMWTA算法
    2.1 編碼進化算法
    2.2 個體修復算法
    2.3 約束處理策略
    2.4 性能度量
3 仿真與分析
4 結語



本文編號：3774413