改进人工免疫算法的多机协同空战目标分配方法
发布时间：2021-10-28 16:14
针对多机协同空战目标分配问题,在我方综合优势函数建模的基础上,提出了一种改进人工免疫算法。首先采用随机生成法和人工构造法创建2个初始种群,保证了初始种群的多样性;然后采用2种不同的选择、交叉、变异操作进行进化;接着采用设计的新移民算子进行种群间信息交换,进一步增加种群多样性,提高搜索效率。最后设计实验将改进人工免疫算法与3种类型的人工免疫算法进行了对比。仿真结果表明:改进人工免疫算法能够有效改善早熟收敛问题,提高搜索效率,获得最优分配方案,适用于多机协同空战目标分配问题,满足实际作战需求。
【文章来源】：西北工业大学学报. 2019,37(02)北大核心EICSCD
【文章页数】：7 页
【部分图文】：
空战优势评价指标体系
目标分配问题比较AIS多机协同空战目标分配问题抗原目标函数抗体分配方案亲合度分配方案与目标函数的匹配程度由表1和2．1节可知，人工免疫算法的抗原为公式(9)，抗体为满足公式(9)和约束条件1)～4)的解。抗体－抗原亲合度直接采用归一化后的目标函数进行评价f=∑ni=1∑mj=1Sijxijn(10)本文采用传统的整数编码方式，以我方战机数量为编码长度，即基因长度为n。抗体位上记录的编号为敌方战机代号，抗体位序号为我方战机代号。具体编码过程如图2所示。图2抗体编码过程2．3交叉、变异算子为了保持种群的多样性，防止过早收敛，通常要进行交叉、变异操作。通过选择算子保留下来的抗体按照一定的概率进行配对交叉，然后根据变异概率进行变异操作，从而得到新的抗体。本文分别采用2种交叉、变异算子，具体变换如下所示: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变异算子1变异前22315………14变异后43315………14变异算子2变异前25421………63变异后25241………632．4移民算子移民算子的作用是为了实现2个种群间信息的交流，使种群向着更高级别进化，保持种群的多样性。本文在传统移民算子的基础上提出了一种新的移民算子。算法步骤如下所示:①确定2个初始种群，计算2个种群内每个个体亲合度。②将2个种·653·
多机协同空战目标分配方法群内的个体按照亲合度大小进行排序。③将2个种群内排序好的个体按照亲合度大小平均分成大、中、小3段。④设定种群间个体交换规模，本文取15%。⑤按照优者多选，劣者少选的原则，将2个种群内的每段按15%×(1，0．9，0．1)，15%×(1，0．7，0．3)，15%×(1，0．8，0．6)比例选择。⑥将选出的个体进行种群间交换重新产生2个新种群。以比例(1，0．7，0．3)为例，将上述思想用图形表示。图3种群间个体交换示意图2．5并行人工免疫算法设计传统人工免疫算法多采用单种群进化方式，缺少种群间信息之间的交流，搜索效率低，难以保持种群多样性，容易陷入局部最优。基于此，本文设计了一种并行人工免疫算法，具体操作流程和算法流程图如图4所示。具体操作流程如下。1)分别采用随机和人工2种方式产生初始种群A、B。采用整数编码方式对种群中的个体进行编码，以(10)式作为亲合度函数。2)设置独立运行代数n，种群A、B分别采用不同的选择策略、交叉操作、变异操作进行进化。3)当种群A、B进化到指定代数时，采用新的移民算子进行两种群间个体交换。4)设置独立进化代数m，按照上图独立运行方式继续进行进化操作。5)判断是够满足终止条件。如果满足条件则输出结果，否则返回步骤3)。6)2条子线计算结束后，选择亲合度函数值大的结果作为问题的最优解。图4并行人工免疫算法流程图3仿真分析3．1算例仿真在某次空战中我方战机7架与敌方5架遭遇。其中我方1架战机只能攻击敌方1架战
【参考文献】：
期刊论文
[1]基于改进遗传算法的多机协同多目标分配方法[J]. 王庆贺,万刚,柴峥,李登峰. 计算机应用研究. 2018(09)
[2]基于混合优化算法的多飞行器协同目标分配方法[J]. 黄国强,张兵. 指挥信息系统与技术. 2015(06)
[3]基于改进熵权和集对分析的水库多目标防洪调度决策方法研究[J]. 卢有麟,陈金松,祁进,吉鹏,周建中. 水电能源科学. 2015(01)
[4]基于改进人工免疫算法的火力分配[J]. 刘洪引,李体方,王立安. 火力与指挥控制. 2014(10)
[5]基于多群体改进萤火虫算法的UCAV协同多目标分配[J]. 王永泉,罗建军. 西北工业大学学报. 2014(03)
[6]改进的人工免疫算法求解武器-目标分配问题[J]. 徐克虎,黄大山,王天召. 系统工程与电子技术. 2013(10)
[7]多机协同对地攻击目标分配算法[J]. 王强,丁全心,张安,齐玲辉. 系统工程与电子技术. 2012(07)
[8]基于蚁群优化的多弹协同目标分配算法[J]. 张邦楚,彭琛,余新荣,周晓华,邹丽君. 弹箭与制导学报. 2012(04)
[9]编队防空火力分配建模及其优化方法研究[J]. 阮旻智,李庆民,刘天华. 兵工学报. 2010(11)
[10]基于定向突变的自适应并行免疫算法[J]. 翟仲曦,钱锋,杜文莉. 华东理工大学学报(自然科学版). 2010(01)
本文编号：3463041
【文章来源】：西北工业大学学报. 2019,37(02)北大核心EICSCD
【文章页数】：7 页
【部分图文】：
空战优势评价指标体系
目标分配问题比较AIS多机协同空战目标分配问题抗原目标函数抗体分配方案亲合度分配方案与目标函数的匹配程度由表1和2．1节可知，人工免疫算法的抗原为公式(9)，抗体为满足公式(9)和约束条件1)～4)的解。抗体－抗原亲合度直接采用归一化后的目标函数进行评价f=∑ni=1∑mj=1Sijxijn(10)本文采用传统的整数编码方式，以我方战机数量为编码长度，即基因长度为n。抗体位上记录的编号为敌方战机代号，抗体位序号为我方战机代号。具体编码过程如图2所示。图2抗体编码过程2．3交叉、变异算子为了保持种群的多样性，防止过早收敛，通常要进行交叉、变异操作。通过选择算子保留下来的抗体按照一定的概率进行配对交叉，然后根据变异概率进行变异操作，从而得到新的抗体。本文分别采用2种交叉、变异算子，具体变换如下所示: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变异算子1变异前22315………14变异后43315………14变异算子2变异前25421………63变异后25241………632．4移民算子移民算子的作用是为了实现2个种群间信息的交流，使种群向着更高级别进化，保持种群的多样性。本文在传统移民算子的基础上提出了一种新的移民算子。算法步骤如下所示:①确定2个初始种群，计算2个种群内每个个体亲合度。②将2个种·653·
多机协同空战目标分配方法群内的个体按照亲合度大小进行排序。③将2个种群内排序好的个体按照亲合度大小平均分成大、中、小3段。④设定种群间个体交换规模，本文取15%。⑤按照优者多选，劣者少选的原则，将2个种群内的每段按15%×(1，0．9，0．1)，15%×(1，0．7，0．3)，15%×(1，0．8，0．6)比例选择。⑥将选出的个体进行种群间交换重新产生2个新种群。以比例(1，0．7，0．3)为例，将上述思想用图形表示。图3种群间个体交换示意图2．5并行人工免疫算法设计传统人工免疫算法多采用单种群进化方式，缺少种群间信息之间的交流，搜索效率低，难以保持种群多样性，容易陷入局部最优。基于此，本文设计了一种并行人工免疫算法，具体操作流程和算法流程图如图4所示。具体操作流程如下。1)分别采用随机和人工2种方式产生初始种群A、B。采用整数编码方式对种群中的个体进行编码，以(10)式作为亲合度函数。2)设置独立运行代数n，种群A、B分别采用不同的选择策略、交叉操作、变异操作进行进化。3)当种群A、B进化到指定代数时，采用新的移民算子进行两种群间个体交换。4)设置独立进化代数m，按照上图独立运行方式继续进行进化操作。5)判断是够满足终止条件。如果满足条件则输出结果，否则返回步骤3)。6)2条子线计算结束后，选择亲合度函数值大的结果作为问题的最优解。图4并行人工免疫算法流程图3仿真分析3．1算例仿真在某次空战中我方战机7架与敌方5架遭遇。其中我方1架战机只能攻击敌方1架战
【参考文献】：
期刊论文
[1]基于改进遗传算法的多机协同多目标分配方法[J]. 王庆贺,万刚,柴峥,李登峰. 计算机应用研究. 2018(09)
[2]基于混合优化算法的多飞行器协同目标分配方法[J]. 黄国强,张兵. 指挥信息系统与技术. 2015(06)
[3]基于改进熵权和集对分析的水库多目标防洪调度决策方法研究[J]. 卢有麟,陈金松,祁进,吉鹏,周建中. 水电能源科学. 2015(01)
[4]基于改进人工免疫算法的火力分配[J]. 刘洪引,李体方,王立安. 火力与指挥控制. 2014(10)
[5]基于多群体改进萤火虫算法的UCAV协同多目标分配[J]. 王永泉,罗建军. 西北工业大学学报. 2014(03)
[6]改进的人工免疫算法求解武器-目标分配问题[J]. 徐克虎,黄大山,王天召. 系统工程与电子技术. 2013(10)
[7]多机协同对地攻击目标分配算法[J]. 王强,丁全心,张安,齐玲辉. 系统工程与电子技术. 2012(07)
[8]基于蚁群优化的多弹协同目标分配算法[J]. 张邦楚,彭琛,余新荣,周晓华,邹丽君. 弹箭与制导学报. 2012(04)
[9]编队防空火力分配建模及其优化方法研究[J]. 阮旻智,李庆民,刘天华. 兵工学报. 2010(11)
[10]基于定向突变的自适应并行免疫算法[J]. 翟仲曦,钱锋,杜文莉. 华东理工大学学报(自然科学版). 2010(01)
本文编号：3463041
本文链接：https://www.wllwen.com/kejilunwen/sousuoyinqinglunwen/3463041.html
