一种带有优先级的简化粒子群武器目标分配方法

1.本发明属于资源分配领域，涉及一种带有优先级的简化粒子群武器目标分配方法。


背景技术：

2.武器目标分配问题是找到一个合适的武器-目标的分配策略，使得敌方目标的损伤期望最大或我方兵力的损失期望最小。武器目标分配问题从时间因素的角度考虑有两种变形，一种是静态分配问题，指所有武器在同一时间段发射，其武器和目标的状态是已知且固定的，另一种是动态分配问题，指武器在不同时间段发射，其武器和目标的状态是可变化的。
3.在实际的应用模型中，由于一些其他因素如新进来的目标或者当前己方作战单元武器系统遭到破坏，使得原来武器目标分配策略需要实时更新。因此考虑动态武器目标分配问题，根据实时态势判断敌方目标对己方的威胁程度，进而进行武器数量及类型的分配，对于实际作战中提高武器的打击效率具有重要意义。根据目标的方位角、距离和威胁程度进行目标打击的分配，同时考虑武器的不同类型，建立更加逼近空战作战环境的武器目标分配模型，并对此模型设计武器目标分配方法，是一项具有挑战性的研究工作。
4.目前很多研究针对动态武器目标分配，考虑空中目标被摧毁、武器系统被破坏或者新到达的空中目标等因素对于刚开始武器分配策略的影响，通过最大化防守过程中的生存概率即最大化防守过程中武器的稳定性进行策略分配的更新，使得武器目标分配模型更加逼进真实的空战环境，但是进一步分析打击目标的优先级，对提高作战单元的打击效率，具有更加现实的应用意义。


技术实现要素：

5.针对现有技术中存在的问题，本发明提出一种带有优先级的简化粒子群武器目标分配方法，以目标对己方威胁程度最小和打击目标的价值最大为总目标，对打击目标所分配武器的数量硬约束操作，建立更加真实逼近空中作战环境的武器目标分配模型，根据空中打击目标的价值和威胁系数确定空中打击目标的优先级，然后基于优先级进行目标优先划分，对于优先级较大的目标，直接进行武器分配，对于优先级较低的目标，采用简化粒子群方法，从而提高武器分配的效率。
6.为了达到目的，本发明采用以下技术方案：
7.一种带有优先级的简化粒子群武器目标分配方法，包括以下步骤：
8.步骤1：确定打击目标优先级；
9.1.1)首先，计算作战单元i对打击目标k的打击毁伤概率：
[0010][0011]
其中，ω1,ω2∈[0,1]分别为作战单元与目标之间角度和作战单元与目标之间距离的权重因子；为作战单元i中武器r的打击期望概率(已知项)；f(d
ik
)为作战单元i与打
击目标k的距离影响参数；f(θ
ik
)为作战单元i与打击目标k的夹角影响参数。
[0012]
f(d
ik
)的计算如下：假设作战单元i中存在武器r的最大打击距离记为d
max
(已知项)，当作战单元i与打击目标k的距离d
ik
在武器的射程范围内时，武器r对打击目标k的损伤概率随着作战单元i与打击目标k的距离增大而变小，当作战单元i与打击目标k的距离大于最大打击距离时，此时武器r对打击目标k的损伤概率为0，因此作战单元i中武器r与打击目标k的距离影响参数f(d
ik
)为：
[0013][0014]
f(θ
ik
)的计算如下：已知武器与目标的最优打击夹角为400，因此作战单元i中武器r与打击目标k的夹角影响参数f(θ
ik
)满足均值为40，标准差为40的正态曲线：
[0015][0016]
其中，θ表示作战单元i中武器r与打击目标k之间的实际夹角。
[0017]
1.2)然后，计算当前作战单元i与各个打击目标j＝1,2...m的打击优先级，并将打击优先级按大小进行排序，记为pi＝{δ
i1
,δ
i2
,....δ
im
}，pi中作战单元i与打击目标k之间的优先级δ
ik
的计算公式为：
[0018][0019]
其中，α1,α2∈[0,1]为权重因子，vo为打击目标k的价值系数，为打击目标k的威胁系数。
[0020]
的计算如下：
[0021][0022]
其中，ω1ω2...ωs分别为目标朝向己方作战单元的角度、距离我方作战单元的距离、敌我双方高度的相对值、目标速度或其他参数对作战单元威胁程度的影响因子。vo通过对作战仿真环境中对每个作战单元进行分值分配以获得打击目标的价值。
[0023]
步骤2：将优先级pi中的各个值进行分类；
[0024]
给定优先级阈值β，若pi中存在优先级δ
iz
大于β，将此打击目标z加入列表l；若pi中存在优先级δ
ig
小于β，将此打击目标g加入列表l
′
；
[0025]
步骤3：针对l中选出的打击目标，首先给定每个打击目标被分配武器的武器个数阈值η；根据各个作战单元对当前打击目标k的打击毁伤概率依次算出，并按由大到小的概率值排序，然后选出打击毁伤概率值最高的作战单元，随机分配其中一个武器；其次选择打击毁伤概率次之的作战单元，随机分配一个分配武器，依次进行；对当前打击目标的武器个数满足η，则停止武器分配；
[0026]
步骤4：针对l
′
中选出的打击目标，采用简化粒子群算法进行武器分配。
[0027]
步骤4.1：根据个体的信息初始化参数，种群个体的数量n，初始化个体的位置；
[0028]
步骤4.2：计算个体的适应度函数。其中个体适应度函数h为：
[0029][0030]
其中j＝1,...m表示打击目标，为打击目标的威胁系数，i＝1,...l表示作战单元，p
ij
表示计算作战单元i对打击目标j的打击毁伤概率，x
ij
是一个0,1布尔变量，x
ij
＝1表示作战单元i中武器被分配到打击目标j上，x
ij
＝0作战单元i中武器不被分配到打击目标j上。vj表示打击目标j的价值表示为所有目标的总价值的负值。
[0031]
步骤4.3：根据适应度函数h更新个体局部最优和全局最优，然后根据公式(7)更新个体位置：
[0032][0033]
其中,为个体q在k+1时刻的位置；p
best
为个体q当前最优位置，g
best
为整个群体的最优位置；ω为权重因子，表示个体的移动速度的程度，ω较大，表示算法的全局收敛能力较强，ω较小，表示算法的局部收敛能力较强；r1,r2∈(0,1)为个体移动的方向参数，以增加个体移动方向的多样性；c1,c2为个体的学习因子，为个体最优位置和全局最优解的调节步长。
[0034]
步骤4.4：对公式(7)中的位置值进行判断，记当前值的横坐标为u，纵坐标为h，判断值小数点后第一位数的范围，记值的小数点后第一位数为num,若num属于[0,5]，在(0,h)中随机选取一个数τ，令横坐标为u
,
纵坐标为τ的位置值为记原来横坐标为u,纵坐标为h的值为0；记m为打击目标的总数量，若num属于(5,9]，在(h,m)中随机选取一个数χ，令横坐标为u,纵坐标为χ的位置值为记原来横坐标为u,纵坐标为h的值为0。
[0035]
步骤4.5：判断是否达到最大迭代次数，如果达到，执行步骤4.6；如果未达到，返回执行步骤4.3；
[0036]
步骤4.6：返回分配结果。
[0037]
与现有技术相比，本发明具有以下有益效果：
[0038]
(1)本发明通过确定打击目标的优先级，使得威胁较高的打击目标的被优先分配武器，降低了作战单位的受威胁的程度。
[0039]
(2)本发明采用简化粒子群的算法，缩短了算法的收敛时间，这对于协同空战中进行目标高效打击具有重要意义。
附图说明
[0040]
图1为本发明所设计的流程图；
[0041]
图2为m个作战单元和n个目标的武器目标匹配；
[0042]
图3为ps-pso最优解搜索过程。
具体实施方式
[0043]
下面将结合附图和实施例对本发明做进一步说明。
[0044]
本发明实施例实现了一种带有优先级的简化粒子群武器目标分配方法，按图所示的系统结构图进行构建，包括获取作战单元的武器、目标信息，计算打击目标的优先级，然后根据优先级大小选择分配方法，若优先级小于阈值β，采用简化粒子群方法，若优先级大于β，直接按照打击目标的威胁程度依次进行武器分配。流程如图1所示，包括以下步骤：
[0045]
第一步，确定打击目标优先级
[0046]
假设红方兵力编成如下表所示：米格-29战斗机10架，分值30，卡2警戒直升机4架，分值6；蓝方兵力f16型战斗机18架，分值60分，ec130h电子战飞机2架，分值70，e-2k预警机1架160分。实验设定红方为己方，蓝方为敌方。
[0047]
实验通过作战态势中空战出现的一组参数配置进行验证。其中己方有7个作战单元分别记为m＝{m1,m2,...m7}，记敌方6个打击目标集合t＝{t1,t2,...t6}，其中7个作战单元所携带的武器类型有两种，两类武器的性能参数如表2所示，其中不同武器类型的个数分别为：n＝{[2,4],[2,4],[2,4],[2,4],[2,4],[2,4],[2,4]}，武器在分配时默认按类型的先后顺序进行优先分配。
[0048]
本实例的选中的敌方的飞机价值一样，所以全部设为1。粒子编码方式为矩阵编码，其中武器的类型按数量从小到大排序，当前武器类型及性能参数如表1所示：
[0049]
表1武器类型及性能参数
↓
[0050]
tab.1weapontype and performance parameters
[0051][0052]
对于当前打击目标，通过雷达等电子设备获得打击目标朝向、距离、敌我双方高度的相对值等参数信息，计算目标对作战单元的威胁程度如表2所示：
[0053]
表2目标对作战单元的威胁系数
↓
[0054]
tab.2the threat factor of the target to the combat unit
[0055][0056]
同时确定当前作战单元m1，m2，...m7对打击目标的打击毁伤概率如表3所示：
[0057]
表3作战单元对打击目标的打击概率
↓
[0058]
tab.3the probability of hitting the target by the combat unit
[0059][0060]
根据作战单元i的武器r对目标k的打击毁伤概率为p
ij
，进而确定打击目标j的威胁期望，根据公式α1＝0.35，α2＝0.25，其中各个作战单元对打击目标的优先级p如表4所示：
[0061]
表4作战单元对打击目标的优先级
[0062]
tab.4the probability of hitting the target by the combat unit
[0063][0064]
由表4可知，作战单元m1对打击目标的优先级为t1，t2，t3，t4，t5，t6，作战单元m2对打击目标的优先级为t2，t1，t3，t4，t6，t5，作战单元m3对打击目标的优先级为t4，t3，t5，t2，t1，t6，作战单元m4对打击目标的优先级为t5，t1，t6，t3，t2，t4，作战单元m5对打击目标的优先级为t5，t6，t4，t3，t2，t1，作战单元m6对打击目标的优先级为t3，t5，t4，t6，t1，t2，作战单元m7对打击目标的优先级为t4，t5，t6，t3，t2，t1。
[0065]
第二步，将优先级p中的各个值进行分类；
[0066]
设优先级阈值β＝92％，p中不存在大于β的目标，故直接采用简化粒子群算法。
[0067]
第三步，针对选出的打击目标，采用简化粒子群算法进行武器与打击目标的匹配。
[0068]
首先根据个体的适应度函数计算个体适应度h，根据适应度函数更新个体局部最优p
best
和全局最优g
best
；然后根据以下公式更新个体位置：
[0069][0070]
其中实验设置r1＝0.6，r2＝0.3，ω＝0.8，粒子的学习因子设为2，最大迭代次数n＝100，种群的粒子数量为70，设定每个目标被分配的武器个数不超过η＝6，实验重复进行了100次。算法运行的最优解为：
[0071][0072]
算法获得的适应度函数与迭代次数之间的关系如图3所示。
[0073]
以上所述实施例仅表达本发明的实施方式，但并不能因此而理解为对本发明专利的范围的限制，应当指出，对于本领域的技术人员来说，在不脱离本发明构思的前提下，还可以做出若干变形和改进，这些均属于本发明的保护范围。