联合火力打击中目标分配问题优化模型及算法研究

作     者：向勇 

作者单位：西安电子科技大学 

学位级别：硕士

导师姓名：王泉;赵瑞峰

授予年度：2018年

学科分类：11[军事学] 

主      题：联合火力打击 装备受限 全局约束优化 多目标约束优化 遗传算法 

摘      要：现代战争中具备多维作战空间、多元作战力量参与的联合火力打击形式已成为常态,体系作战中如何合理组织作战力量、安排多种武器、分配不同作战目标,进而取得最大战果最小战损,最终达成战术目的一直是世界各国关注的问题。设计一套科学的策略进行战前筹划,辅助指挥员合理决策具有重要的理论和现实意义。本文就联合火力打击中武器目标分配问题进行了研究,主要解决的问题和创新点如下:（1）针对装备有限时如何合理分配武器目标使得单位打击成本上的收益最大化问题,本文设计了一个以单位打击成本毁伤收益最大化为目标的全局约束优化模型。采用一种双种群协同进化遗传算法求解该模型,算法中设计了基于最速下降法和目标驱动的两种交叉算子,提高了种群多样性;提出了邻域可行随机搜索的变异算子以及单目标轮盘赌和均匀分割最短距离的选择算子,确保了算法的搜索能力;最后对提出算法的收敛性进行了证明。（2）针对装备有限时如何合理分配武器目标使得火力打击的收益最大且打击成本最小问题,本文设计了一个以最大化毁伤效果和最小化打击成本为目标的多目标优化模型。基于混合Memetic算法框架,采用一种基于MOEA/D的双种群混合遗传算法。算法中设计了邻域近似与循环扩散的交叉算子和随机变异算子、具有收敛性较好的Pareto前沿的离散化最速下降局部搜索算子,有效加速算法收敛;改进了多目标轮盘赌和均匀分割最短距离的选择算子,提高了下一代的多样性和均匀性。本文针对所建立的联合火力打击全局优化模型和多目标优化模型以及对应的求解算法,从固定潜在打击目标数、固定武器装备种类数和固定每类武器装备平均数分别设计了三组仿真实验。与DGA和BAN算法相比,提出的全局优化模型和双种群协同进化遗传算法既可以确定待打击目标,又能将有限的武器装备分配给不同目标,以使得单位成本上的毁伤收益最大。提出的多目标优化模型及基于MOEA/D的双种群混合遗传算法,可以为指挥员提供更多的辅助决策选择。实验结果证明了所建模型的合理性和设计算法的高效性,具有更好的收敛性、宽广性和均匀性,可以得到比DGA和BAN算法更优的联合火力打击武器目标分配方案。