本发明涉及一种基于遗传-蒙特卡洛联合算法的导弹火力规划方法,属于导弹火力规划。
背景技术:
1、导弹武器具有射程远、精度高、杀伤范围大等显著优势,同时也存在成本高昂、维护复杂的问题,因此在导弹武器的实战应用中,应当力求每一次打击都能造成最大的毁伤效果。对导弹武器的火力规划主要是针对导弹瞄准点的优化,目前国内外学者大多通过智能优化算法进行研究,提出了大量优化算法,如启发式遗传算法、蚁群遗传算法、粒子群算法等。但在实战条件下,由于弹道散布误存在,导弹难以准确命中瞄准点,从而导致实际毁伤效能低于预期,从而难以得到实际最优的火力规划方案。
技术实现思路
1、本发明为了解决现有技术中存在的问题,提供一种在瞄准点上根据弹道散布误差分布规律,引入随机扰动,从而得到具有更强的毁伤效能的火力规划方案。
2、为了达到上述目的,本发明提出的技术方案为:一种基于遗传-蒙特卡洛联合算法的导弹火力规划方法,包括如下步骤:
3、步骤1、初始化参数;
4、步骤2、在瞄准点的可行域内随机生成指定数量的打击方案,对每个打击方案内所有导弹的瞄准点坐标进行合并,构成一个染色体;
5、步骤3、计算染色体的个体适应度;
6、3.1、对染色体内的瞄准点引入随机扰动,得到扰动后的瞄准点pe:
7、
8、式中,pa为瞄准点,randn(1,2)为1行2列的向量,其中元素是均值为0,标准差为1的正态分布随机数;
9、cep为圆概率偏差cep,cep=0.59×(σx+σy),
10、式中,σx,y表示在坐标轴方向的落点散布标准差,取σx=σy;
11、3.2、计算扰动后的瞄准点构成的打击方案造成的毁伤结果;
12、3.3、对染色体内的瞄准点重复引入随机扰动,直至循环达到蒙卡循环次数;
13、3.4、对所有毁伤结果求均值,作为染色体个体适应度值;
14、步骤4、对所有染色体的个体适应度值进行排序并选择指定数量的优势染色体个体;
15、步骤5、对优势染色体个体进行交叉、变异形成新个体,形成子代染色体;
16、步骤6、重新计算子代染色体的个体适应度值,并重复步骤4和步骤5,直至达到最大遗传代数;
17、步骤7、输出最优的适应度值及对应的染色体个体,该染色体对应的瞄准点为最优导弹火力规划方案。
18、对上述技术方案的进一步设计为:所述步骤1中初始化的参数包括目标群参数、导弹数量、遗传代数和蒙卡循环次数。
19、所述染色体为所有瞄准点坐标合并成一个实数向量。
20、所述毁伤结果计算公式为:
21、
22、式中,m为导弹数量,n为目标群内独立点目标数量;vd,ij为第i发导弹对第j个目标的毁伤效果;
23、
24、式中,vi,j为第j个目标的目标价值,|pe,i-pi,j|为第j个目标与第i发导弹落点的距离,r0为绝对毁伤半径,rmax为最大毁伤半径,αj为第j个目标的目标防护因子,sk,j为累积毁伤递减因子,下标k表示该目标被其余导弹毁伤的次数,γi为威力衰减因子。
25、所述αj取值区间为(0,1]。
26、所述γi取值区间为(1,1.5]。
27、本发明的有益效果在于:
28、本发明在利用遗传算法求解导弹火力规划问题时,将蒙特卡洛方法应用于适应度函数计算中,并将弹道散布误差纳入毁伤效果的计算中,降低了弹道散布误差火力规划问题带来的影响,从而得到更接近实战条件下的最优火力规划方案。
29、本发明方法通过瞄准点优化对弹道误差造成的毁伤效能下降进行了补偿,进而求解出的最佳瞄准点,相较于标准遗传算法求解结果具有更强的毁伤效能。
1.一种基于遗传-蒙特卡洛联合算法的导弹火力规划方法,其特征在于:包括如下步骤,
2.根据权利要求1所述基于遗传-蒙特卡洛联合算法的导弹火力规划方法,其特征在于:所述步骤1中初始化的参数包括目标群参数、导弹数量、遗传代数和蒙卡循环次数。
3.根据权利要求1所述基于遗传-蒙特卡洛联合算法的导弹火力规划方法,其特征在于:所述染色体为所有瞄准点坐标合并成一个实数向量。
4.根据权利要求1所述基于遗传-蒙特卡洛联合算法的导弹火力规划方法,其特征在于:所述毁伤结果计算公式为:
5.根据权利要求4所述基于遗传-蒙特卡洛联合算法的导弹火力规划方法,其特征在于:所述αj取值区间为(0,1]。
6.根据权利要求5所述基于遗传-蒙特卡洛联合算法的导弹火力规划方法,其特征在于:所述γi取值区间为(1,1.5]。