從智能優(yōu)化視角出發(fā)解決聯(lián)合火力打擊任務規(guī)劃中動態(tài)兵力、火力、目標最優(yōu)化分配問題,設計了信息素遺傳算法并將其引入到聯(lián)合火力打擊任務規(guī)劃問題的求解。信息素遺傳算法作為標準遺傳算法的改進算法,借鑒了蟻群算法中信息素濃度概念,用信息素濃度控制種群個體變異方向,使用可控變異替代標準遺傳算法中的隨機變異,使最優(yōu)個體快速收斂。同時使用熵權(quán)法和理想點法將聯(lián)合火力打擊任務規(guī)劃的眾多評估指標融合為可量化對比的綜合評分,為任務規(guī)劃提供評估參考指標。仿真實驗結(jié)果表明,信息素遺傳算法能夠有效應用于聯(lián)合火力打擊任務規(guī)劃問題求解,相較于標準遺傳算法具有更高的收斂效率和綜合評分。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1智能優(yōu)化算法流程框圖

信息素遺傳算法的內(nèi)核仍然是智能優(yōu)化算法，將智能優(yōu)化算法應用于聯(lián)合火力打擊任務規(guī)劃等NP完全問題的算法設計步驟可分為數(shù)據(jù)錄入階段、向量空間轉(zhuǎn)換階段、綜合評分階段、智能優(yōu)化階段。其中，數(shù)據(jù)錄入階段用于將聯(lián)合火力打擊任務規(guī)劃的具體數(shù)據(jù)指標錄入計算平臺;向量空間轉(zhuǎn)換階段用于將聯(lián)合火力打擊....

圖2標準遺傳算法流程框圖

遺傳算法是借鑒自然界的生物進化過程，模擬優(yōu)勝劣汰和適者生存的競爭淘汰機制設計的智能優(yōu)化算法，以偽隨機數(shù)模擬個體的變異過程，通過多代進化使最優(yōu)個體綜合評分向全局最優(yōu)評分收斂。標準遺傳算法的流程如圖2所示。蟻群算法是MDorigo等在1991年提出的智能優(yōu)化算法，算法原理為:蟻群在....

圖3信息素遺傳算法流程框圖

根據(jù)聯(lián)合火力打擊任務規(guī)劃問題軟硬約束條件的分析，可將任務規(guī)劃的綜合指標區(qū)分為單目標類評估指標、單部隊類評估指標和體系評估指標3類。單目標類評估指標的數(shù)量和目標數(shù)等同，單部隊類評估指標的數(shù)量和部隊數(shù)等同，體系評估指標和任務規(guī)劃數(shù)等同。并基于3類評估指標設計11項具體指標，評估指標明....

圖4聯(lián)合火力打擊任務規(guī)劃評估指標框圖

圖3信息素遺傳算法流程框圖設聯(lián)合火力打擊部隊數(shù)為n，其中第i支部隊的火力打擊半徑為oi，在任務規(guī)劃中能夠執(zhí)行打擊任務上限為ci，單次火力打擊時長為di，火力打擊之間的轉(zhuǎn)換周期為ei，部隊位置坐標為xmi和ymi;目標打擊清單中的目標數(shù)為m，其中第j個目標的規(guī)定毀傷程度為hj，目....

本文編號：3908161