一种多阶段武器目标分配的自适应优化方法

技术领域

本发明属于武器目标分配技术领域，具体涉及一种多阶段武器目标分配的自适应优化方法。

背景技术

武器目标分配问题是指挥控制领域研究的难点问题之一，决策者需要解决如何将多种武器，分配给多个敌方目标，以达到最大限度的保护己方资产或摧毁敌方目标，进而实现整体作战效果，也是指挥控制自动化、智能化需要解决的关键问题。当前武器目标分配方法大多只考虑一个阶段的武器目标分配，而实际作战中，由于武器发射平台数量有限，往往需要分多个阶段对敌方目标实施打击。因此，当前单一阶段武器目标分配技术难以够满足多波次、分阶段的对敌方目标进行打击的作战需求。

多阶段武器目标分配方法将整个作战过程分为多个决策阶段。随着作战进程推进，战场环境在不同阶段演化为不同状态，对武器目标分配的影响体现在两方面，一方面是武器对目标的毁伤概率变化，另一方面是不同的阶段能够使用的火力单元数量和类型不同。同时，规定每个阶段的打击目标，必须分配足够的武器，以达到目标的毁伤阈值来满足摧毁敌方目标的作战意图。

发明内容

鉴于此，本发明的目的在于提供一种多阶段武器目标分配的自适应优化方法。所述方法针对多阶段目标打击筹划中武器平台资源约束以及目标毁伤要求，在完成作战任务的前提下，以最小武器消耗为优化目标，并设计了一种自适应大邻域搜索优化算法，应用多样化的邻域算子和自适应学习策略，提高了多阶段武器目标分配问题的求解效率。

本发明的目的是这样实现的，一种多阶段武器目标分配的自适应优化方法，包括以下步骤：

步骤1，建立多阶段武器目标分配问题的非线性混合整数规划模型；

步骤2，采用自适应大邻域搜索方法对所述的非线性混合整数规划模型进行求解；

步骤3，根据求解获得的最优解进行武器目标分配；

具体的，所述的非线性混合整数规划模型，目标函数为：

目标函数表示最小化整个作战过程的武器消耗总成本，

约束条件包括

x

其中，W表示武器平台类型数目，S表示武器目标分配总阶段数，N表示目标总数量，N

约束(2)确保分配给每个目标的武器对其造成的总体毁伤概率不小于任务规定的毁伤要求，约束(3)确保每个阶段武器分配的数量不超过该类武器在该阶段的最大可用数量，约束(4)限定整个作战过程中武器的分配数量不超过其总体存量，约束(5)表示不能给某个阶段不需要打击的目标分配武器，约束(6)为非负整数变量约束。

具体地，所述的自适应大邻域搜索方法包括以下步骤：

步骤201，编码，并进行各参数初始化；

步骤202，构造初始可行解，通过解码算法得到武器目标方案，计算目标函数值；

步骤203，根据算子权重采用轮盘赌方法选择算子，进行邻域搜索找到新的可行解；

步骤204，计算新解的目标函数，判断是否更新全局最优解

步骤205，根据算子自适应学习策略更新各算子权重；

步骤206，若算法达到中止条件输出全局最优解，否则重复步骤203至步骤205。

优选地，所述的编码为基于优先级的实数编码方案，为所有阶段需要打击的目标统一进行赋权，目标的权重越大，表示优先级越高，再为所有阶段可用的武器进行统一赋权；

所述的解码算法为基于优先级的武器目标分配解码算法，包括以下步骤：

步骤20201，参数初始化、输入目标集合、武器集合以及武器目标的对应权重，所有决策变量的取值设置为0；

步骤20202，以目标集合是否为空作为终止条件，进行迭代；

步骤20203，从还未分配武器的目标集合中选择优先级最高的目标，记为目标k，同时获取目标k对应的打击阶段s，在可用武器集合中选择对该目标毁伤概率最高的武器，记为武器l；

步骤20204，步骤计算毁伤目标需要武器l的数量，记为

步骤20205，判断可用数量m′是否满足步骤20204计算的需要数量，若满足，则将

步骤20206，判断武器l在阶段s是否已用完，若用完，则将其移出阶段s的可用武器集合；

步骤20207，判断武器l在总周期是否已用完，若用完，则将其移出所有阶段的可用武器集合；

步骤20208，从可用武器集合中选择权重最大的武器，在打击目标集合中选择该武器毁伤概率最高的目标，并获取其打击阶段；

步骤20209，重复步骤20204-步骤20207，为目标分配武器。

更进一步地，所述的算子包括基础算子和复合算子，其中基础算子包括目标2-交换算子，目标3-交换算子，目标翻转算子，武器2-交换算子，武器3-交换算子和武器翻转算子，目标2-交换算子是从目标集合中随机选择两个目标，交换其优先级权重，生成新的目标优先级编码，目标3-交换算子是随机从目标集合中选取三个目标，按顺序交换三个目标的优先级权重，生成新的目标优先级编码，目标翻转算子是从目标集合中，随机选择两个目标，将两者之间的所有目标的优先级权重反向排列，即对一个子序列编码进行翻转，得到新的目标优先级编码；武器2-交换算子是从武器集合中随机选择两个武器，交换其优先级权重，生成新的武器优先级编码，武器3-交换算子是随机从武器集合中选取三个武器，按顺序交换三个武器的优先级权重，生成新的武器优先级编码，武器翻转算子是从武器集合中，随机选择两个武器，将两者之间的所有武器的优先级权重反向排列，即对一个子序列编码进行翻转，得到新的武器优先级编码；复合算子为一个目标邻域的基础算子和任何一个武器邻域的基础算子组合成一个复合算子，得到同时改变武器和目标权重的复合算子。

所述的采用轮盘赌方法选择算子由轮盘赌概率进行选择，在搜索开始之初，所有算子都具有相同的权重w

其中，

附图说明

图1为本发明实施例的整体流程示意图；

图2为本发明实施例武器和目标的编码方式示意图；

图3为本发明实施例2-交换算子示例图；

图4为本发明实施例3-交换算子示例图；

图5为本发明实施例翻转算子示例图。

具体实施方式

下面结合附图对本发明作进一步的说明，但不以任何方式对本发明加以限制，基于本发明教导所作的任何变换或替换，均属于本发明的保护范围。

多阶段武器目标分配方法将整个作战过程分为多个决策阶段。随着作战进程推进，战场环境在不同阶段演化为不同状态，对武器目标分配的影响体现在两方面，一方面是武器对目标的毁伤概率变化，另一方面是不同的阶段能够使用的火力单元数量和类型不同。同时，规定每个阶段的打击目标，必须分配足够的武器，以达到目标的毁伤阈值来满足摧毁敌方目标的作战意图。

在模型中涉及和使用到的数学符号如下表所示：

表1：模型符号定义

多阶段武器目标分配问题的非线性混合整数规划模型，如下所示:

s.t.

x

公式(1)是目标函数，表示最小化整个作战过程的武器消耗总成本。公式(2)—(6)是约束条件，约束(2)确保分配给每个目标的武器对其造成的总体毁伤概率不小于任务规定的毁伤要求。约束(3)确保每个阶段武器分配的数量不超过该类武器在该阶段的最大可用数量。约束(4)限定整个作战过程中武器的分配数量不超过其总体存量。约束(5)表示不能给某个阶段不需要打击的目标分配武器，从数学优化的角度看，该约束属于冗余约束，但有利于问题的求解。约束(6)为非负整数变量约束。

自适应大邻域搜索算法是通过设计邻域结构的自适应学习策略，来提高大邻域搜索算法的效率。一般采用多个邻域搜索算子，以便向多方向探索解空间，同时为每个算子分配一个权重，根据迭代过程中，根据每个邻域搜索算子的综合性能，自适应动态调整算子的权重从而控制算子在搜索过程中调用的频率。

在求解多阶段武器目标分配问题时，自适应大邻域搜索的算法流程如下所示：

表2：算法总体框架

(1)编码

为了求解多阶段武器目标分配优化问题，本专利采用了一种基于优先级的实数编码方案，如图2所示。首先为所有阶段需要打击的目标统一进行赋权，目标的权重越大，表示优先级越高。再为所有阶段可用的武器进行统一赋权，如图2中的示例，共有5种类型的武器资源，并且都可以用于每个阶段的目标打击，同样的，武器的权重越大，表示其优先级越高。为武器和目标设计相似的输入结构有利于提高算子的通用性，方便两种不同搜索结构的使用，减少了代码的复杂程度。

(2)解码

本专利设计了一种基于优先级的武器目标分配解码算法，该算法基于指挥员进行武器目标分配的两项基本原则：第一，为优先级高的目标分配对其毁伤效果最好的武器；第二，为优先级高的武器选择该武器毁伤效果最好的目标。在算法解码过程中，通过轮流执行目标选择武器和武器选择目标两个决策原则，完成所有阶段的武器目标分配，具体算法流程如表3所示。步骤1-4为算法输入，包括参数初始化、目标集合、武器集合以及武器目标的对应权重。解码算法输出为武器目标分配方案。步骤6首先初始化所有决策变量的取值，设置为0.然后以目标集合是否为空作为终止条件，进行迭代。首先从还未分配武器的目标集合中选择优先级最高的目标(步骤8)，记为目标k，同时获取目标k对应的打击阶段s；然后在可用武器集合中选择对该目标毁伤概率最高的武器(步骤9)，记为武器l，计算毁伤目标需要武器l的数量(步骤10)，记为

表3：解码流程

本专利设计了3种基础算子，在此基础上转化、组合，衍生出15中邻域搜索算子，提供给自适应大邻域搜索算法(表2)的步骤3调用。基础算子如下所示。

(1)2-交换算子

从目标集合中随机选择两个目标，交换其优先级权重，生成新的目标优先级编码，具体操作如图3所示。

(2)3-交换算子

随机从目标集合中选取三个目标，按顺序交换三个目标的优先级权重，生成新的目标优先级编码，具体操作如图4所示。

(3)翻转算子

从目标集合中，随机选择两个目标，将两者之间的所有目标的优先级权重反向排列，即对一个子序列编码进行翻转，得到新的目标优先级编码，具体操作如图5所示。这种邻域算子可以通过调整翻转子序列的长度生成不同的目标优先级编码。

上述三种目标邻域搜索基础算子，也可以对武器集合的优先级权重进行操作，得到三种武器邻域搜索算子。此外，任何一个目标邻域搜索算子可以和任何一个武器邻域搜索算子组合成一个复合算子，得到同时改变武器和目标权重的9中复合算子。因此，本专利提出的自适应大邻域搜索算法中一种包含了3+3+9共15中邻域算子的运用，提高了解空间搜索的多样性，有利于得到更好的解。

在大邻域搜索算法中，所有邻域算子的选择由轮盘赌概率进行选择。在搜索开始之初，所有算子都具有相同的权重w

在本专利中，共包含15中邻域算子，因此其初始概率设为1/15，使得它们在最开始的迭代过程中具有相同的可能概率被选中。在搜索过程中，每个算子将根据在之前N

其中，

由发明内容和实施例可知，当前武器目标分配方法大多只考虑一个阶段的武器目标分配，而实际作战中，由于武器发射平台数量有限，往往需要分多个阶段对敌方目标实施打击。因此，当前单一阶段武器目标分配技术难以够满足多波次、分阶段的对敌方目标进行打击的作战需求。本专利针对多阶段武器目标分配问题，考虑每个阶段武器发射平台的数量约束和整个作战周期内武器总量的限制，建立了多阶段武器目标分配的数学优化模型，设计了一种自适应大邻域搜索算法，辅助决策者优化多阶段武器目标分配方案。