基于进化粒子群算法的联合火力打击任务规划方法

发布时间：2024-11-22 16:31

　　 针对联合火力打击任务规划中对兵力、火力与目标动态分配优化困难的问题,提出一种基于粒子群算法的联合火力打击任务规划智能优化算法。该算法以粒子群算法为基础,模拟鸟群的觅食行为设计智能优化算法,并在标准算法基础上引入遗传算法中的生物优胜劣汰机制,提升算法的迭代效率和全局寻优精度,根据联合火力打击任务规划的内在制约条件设计了衡量任务规划各方面综合性能的评估指标模型,并通过熵权法和理想点法获取联合火力打击任务规划综合评分。仿真结果表明:进化粒子群算法较标准粒子群算法和遗传算法具有更优越的迭代收敛效率和全局寻优能力,具备解决联合火力打击任务规划智能优化问题的能力。

【文章页数】：7 页

【部分图文】：

图1 智能优化算法流程图

智能优化算法应用于联合火力打击任务规划，可采取问题视角切换、随机变量迭代、批量评估选优的方法设计算法构架，选择合适的智能优化算法种类，完成任务规划的优选和输出。基于此，智能优化算法由数据录入、向量空间建立、综合评估、粒子群优化四个部分构成。数据录入模块采集联合火力打击任务规划所需....

图2 粒子群化算法流程图

粒子群算法是借鉴鸟群觅食行为设计的智能优化算法，算法在多维向量空间中随机产生众多个体，将空间位置的综合评分看做食物，则个体可根据所在位置周边的食物丰沛情况自主游走，经过多代迭代使最优个体综合评分收敛于全局最优解。粒子群算法流程如图2所示。进化粒子群算法在标准粒子群算法基础上，借鉴....

图3 进化粒子群化算法流程图

进化粒子群算法在标准粒子群算法基础上，借鉴遗传算法中的优胜劣汰进化机制，在个体结构中引入寿命和淘汰系数，当个体处于食物贫瘠区，随着多次游走导致淘汰系数上升，当超过淘汰阈值即判断当前空间位置附近没有最优解，删除该个体；由高分个体繁殖后代个体代替删除个体，繁殖个体寿命+1；当有个体寿....

图4 评估指标明细

对于联合火力打击任务规划的软硬约束条件，本文采取层次分析法，对任务规划的评估指标进行量化分析，将其分为单目标指标类、单部队指标类、体系指标类，并将其细化为11项具体评估指标。评估指标明细如图4所示。设参加联合火力打击的部队数为m，其中第i支部队打击半径为oi，火力打击次数上限为c....

本文编号：4012486