基于自适应谐振理论的武器目标分配快速决策算法

发布时间：2021-07-03 11:40

　　针对武器目标分配（WTA）的求解实时性问题,建立基于火力集合划分的WTA数学模型,并提出一种基于模糊自适应谐振理论的邻域搜索（FART-NS）快速决策算法。利用模糊自适应谐振理论的快速泛化能力提高算法实时性,引入虚拟节点提升邻域搜索算法在WTA解空间的寻优能力,形成快速泛化-邻域优化-在线学习的闭环机制,使FART-NS算法对训练集精度和采样密度具有较强的鲁棒性。仿真结果表明,该算法在时间复杂度上优于BBA、改进GA等主流算法,能较好平衡WTA问题的求解实时性和收敛性。 

【文章来源】：计算机工程. 2020,46(09)北大核心CSCD

【文章页数】：10 页

【部分图文】：

基于机器学习的FART-NS算法求解示意图

本文基于FART的FART-NS决策模型如图2所示,该模型为两层双通道的主结构,由I/O层、识别层、识别阈值和重置模块构成。其中:I/O层由预处理域F0、状态域F 1 c1 和决策域F 1 c2 组成,F0对战场环境数据进行预处理生成目标威胁值和杀伤概率等信息;状态域F 1 c1 接收F0的输出并将其传递给识别层神经元;决策域F 1 c2 负责传输和优化决策变量。F2为识别层,其中每个神经元对应一个模式类,神经元数目在训练过程中保持动态增长以增加新模式类。F1与F2之间联接通道包含由底向上Wij和由顶向下Wji 2种权重矢量,其中由顶向下的权值矢量称为模板,在该模板指导下,网络进行有选择的学习。算法的具体步骤如下:

FART-NS算法流程

【参考文献】：
期刊论文
[1]空陆攻防博弈的动态武器目标分配[J]. 张先剑.  国防科技大学学报. 2019(02)
[2]静态武器目标分配问题的攻击界整数规划求解方法[J]. 陆一平,李慧慧.  系统工程理论与实践. 2019(03)
[3]多目标双代理单机调度的变邻域搜索算法[J]. 徐建有,王丹敬.  控制工程. 2018(08)



本文编号：3262513