基于区间灰数-模拟退火遗传算法的协同空战决策

文摘针对不确定环境下超视距空战中多架先进四代机协同攻击多个空中敌对目标的问题进行了研究。首先,构建空战态势评估指标体系,并用区间层次分析法(IAHP)和模糊优选法确定指标的主客观权重。然后建立相应的不确定环境下的多目标优化攻击效能评估模型,将协同多目标攻击决策问题转化为导弹攻击配对优化问题。进一步提出一种基于区间灰数的模拟退火遗传算法(ISAGA)用于该决策问题的求解,针对性地设计了新的选择操作和相应的模拟退火机制,有效防止算法过早陷入局部最优并能在有限迭代次数内得到满意的解。最后根据寻优所得的解确定合理的攻击方案。仿真结果表明所提出的算法能有效解决不确定环境下协同多目标攻击决策问题。     

改进模拟退火遗传算法在协同空战中的应用

针对不确定环境下的目标分配问题,本文建立了相应的评估及分配模型。构建空战态势评估指标体系,并用区间层次分析法(interval analytic hierarchy process,IAHP)和模糊优选法确定指标的主客观权重。然后建立相应的不确定环境下多目标优化攻击效能评估模型,将协同多目标攻击决策问题转化为导弹攻击配对优化问题。进一步提出一种基于区间灰数的模拟退火遗传算法(interval grey number-simulated annealing genetic algorithm,ISAGA)用于该决策问题的求解,设计了选择操作和相应的模拟退火机制,有效防止算法陷入局部最优。最后根据寻优所得的解确定合理的攻击方案。仿真结果表明:所提出的算法可以胜任不确定环境下目标分配问题的评估和寻优,并且在10步以内能够找到比较好的解,这在一定程度上是对传统的目标分配问题的完善。     

基于神经网络的超视距空战协同攻击决策

为解决超视距（BVR）编队协同攻击问题,建立了一个多目标分配神经网络决策模型.基于态势评估函数划分出超视距空战的优势与劣势区域,提出了4种特定区域空战模式,将其作为GA BP态势评估神经网络的训练样本,得到了多机协同空战态势优势矩阵.根据态势评估矩阵,采用Hopfield神经网络得到有效的攻击排序,引入第二轮攻击的概念,使本方对敌方攻击态势最大化,同时敌方对本方威胁指标最小化.超视距多机协同攻击仿真结果表明,该模型能在综合分析空战各指标后,给出双方的态势评估指标以及有效的攻击排序.     

空战多目标集群攻击算法研究

针对传统多机空战中解算多机攻击策略需要很大计算量,不宜进行攻击任务分配问题,文章提出在我方多机不同编队视角下,采用改进的FCM算法将空战多目标根据目标属性相似性平均进行聚类划分,综合考虑聚类后各个类成员,运用熵理论处理空战客观信息,确定目标各个属性权重,解算不同编队视角下的各个类威胁以及不同聚类结果对我方编队的威胁度,得出最优聚类结果,采用矩阵法将划分的目标类与我方各个编队进行攻击配对,解算最终攻击分配方案.运用该法研究多目标集群聚类攻击问题,建立集群聚类攻击数学模型,并进行仿真研究.仿真结果表明该算法合理和有效.     

基于多群体改进萤火虫算法的UCAV协同多目标分配

对多UCAV协同攻击目标分配问题进行了研究。以收益指标、消耗指标及航程指标为准则建立数学模型,采用改进的萤火虫优化算法对模型进行求解;对基本萤火虫优化算法进行了改进,给出了新的萤火虫更新策略,引入了局部搜索及全局信息交换机制,并将萤火虫优化算法与混合蛙跳算法融合,实现了多智能群体共同进化,提出了一种基于多群体改进萤火虫优化算法的UCAV目标分配算法;针对UCAV协同攻击决策特点,设计了萤火虫离散编码方式,最终得到多UCAV协同攻击最优分配方案。仿真结果表明,多群体萤火虫优化算法能够稳定快速地给出目标分配最优方案。     

导弹攻击状态评估下的UCAV试探机动决策

为提高空战决策及轨迹生成过程的真实性与可靠性,空战决策过程应紧紧围绕可靠的气动耦合模型和制导武器的作战使用性能实现,为此提出了基于导弹攻击状态评估下的UCAV试探机动决策.首先,分析了UCAV试探机动决策系统的构建思路;其次,建立了基于气动耦合模型的UCAV试探机动决策方案,通过精细划分的方式,设计了1 331种UCAV试探机动策略;然后,基于空空导弹的作战使用实际,构建了包含角度、距离和能量决策因子的决策评价函数,设计了基于统计学原理的机动决策方法;最后,提出并构建了基于导弹攻击状态评估的权重因子分级模型,使决策因子权重随导弹攻击状态自适应变化.结果表明,通过分别设置UCAV与目标在两组对抗条件3种不同空战初始态势下的对抗仿真实验,验证了所构建的试探机动决策方案及权重因子分级模型在不同空战态势下的决策能力和有效水平.本研究为紧密结合空空导弹作战应用实际的空战决策类问题提供了一种新的思路,所构建的决策策略有利于空空导弹作战使用性能的充分发挥.     

导弹攻击目标选择的Fuzzy方法

针对空战中导弹攻击目标选择这一重要问题 ,以模糊理论为基础 ,提出了改进的 Fuzzy聚类算法和 Fuzzy模式识别算法 ,实现战略目标相对重要性的模糊评价。理论分析和实例均表明 ,所提出的 Fuzzy算法与传统的目标选择方法相比 ,不仅理论先进 ,而且应用也更为方便、有效。     

改进人工免疫算法的多机协同空战目标分配方法

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。     

协同空战中的通信策略

针对协同空战的特点，对协同空战的指挥控制关系和通信方法进行了分析，运用言语行为理论对协同空战的通信行为进行了描述。根据协同空战的特点，设计了基于联合作战目标的战役级通信策略和基于联合作战意图的战术级通信策略，并以2对2空战为例，进行了仿真。仿真结果表明，基于言语行为的通信行为和策略在空战中能有效地引导飞机进入有效的攻击位置，协调各机的攻击行为，使编队的整体作战效能得以提高。     

一种改进多目标灰狼优化算法的多无人机任务分配

针对多无人机对空中移动目标协同执行多任务问题,本文提出了一种基于并行机制的多目标灰狼优化算法.结合无人机空中态势模型,以最小化执行代价和最小化时间代价为双目标函数,建立了多无人机协同多任务分配模型;将多个无人机视为并行的灰狼子群,对每个子群分别采用分层编码和多目标优化算法保留其最优个体;通过档案室共享策略获得整个群体的...     

深度强化学习的无人作战飞机空战机动决策

无人作战飞机(unmanned combat aerial vehicle,UCAV)在进行空战自主机动决策时,面临大规模计算,易受敌方不确定性操纵的影响。针对这一问题,提出了一种基于深度强化学习算法的无人作战飞机空战自主机动决策模型。利用该算法,无人作战飞机可以在空战中自主地进行机动决策以获得优势地位。首先,基于飞机控制系统,利用MATLAB/Simulink仿真平台搭建了六自由度无人作战飞机模型,选取适当的空战动作作为机动输出。在此基础上,设计了无人作战飞机空战自主机动的决策模型,通过敌我双方的相对运动构建作战评估模型,分析了导弹攻击区的范围,将相应的优势函数作为深度强化学习的评判依据。之后,对无人作战飞机进行了由易到难的分阶段训练,并通过对深度Q网络的研究分析了最优机动控制指令。从而无人作战飞机可以在不同的态势情况下选择相应的机动动作,独立评估战场态势,做出战术决策,以达到提高作战效能的目的。仿真结果表明,该方法能使无人作战飞机在空战中自主的选择战术动作,快速达到优势地位,极大地提高了无人作战飞机的作战效率。     

基于遗传模拟退火算法的钢桁架结构优化设计

将遗传算法(GA)的全局寻优性能好和模拟退火算法(SA)的局部搜索能力强的优点相结合,提出了用于钢桁架结构离散变量优化设计的遗传模拟退火算法(SAGA).以十杆桁架为例对此算法进行了数值实验,并将实验结果与其他优化方法相比较.算例结果表明,遗传模拟退火算法的寻优概率是100%,平均进化代数为35代,其稳定性和求解效率均高于改进的遗传算法.实验结果显示,遗传模拟退火算法在整体搜索同时,采用退火操作进行局部搜索,提高了算法的局部搜索能力,有效克服了遗传算法迭代缓慢的缺点,把遗传模拟退火算法用于钢桁架离散变量的优化设计中是行之有效的.     

基于模糊神经网络的超视距空战战术决策研究

超视距空战是随着飞机武器系统的发展而出现的一种新的空战方式,本在借鉴国外先进系统设计思想的基础上,利用模糊神经网络进行自动战术决策研究,通过对典型情况的分析,表明网络能够针对空战输入的不同确定信息进行正确决策,同时具有一定的联想记忆能力和容错能力。     

基于遗传模拟退火算法的空战编队优化研究

发展了一种用遗传算法优化大规模空战编队战术的方法，并用模拟退火算法对其进行了改进，使得收敛性能大大提高。该方法是借鉴层级编队思想，对多机编队实行层级编码，在一定的空战模型的基础上，用遗传算法优化大规模空战编队战术，最终得到一个对给定编队作战的最优编队，并用两个16机编队作战的算例验证了该方法的有效性。     

一种局部搜索策略的遗传算法

提出了一种局部搜索策略的遗传算法（LSGA）,它是在每一代中通过遗传算法找到最佳个体,然后在最佳个体的附近进行局部搜索.6个基本的多峰测试函数优化结果表明：LSGA比具有精英保留选择机制的实数编码的遗传算法（RGA）的全局搜索能力强.     

改进决策树的无人机空战态势估计

针对无人机空战态势估计中存在的多参数、非线性、实时性问题,提出了一种改进决策树思想的态势估计推理方法.首先,通过结合无人机与敌机的状态参量作为决策树模型的输入,确保态势估计的依据中包含交战双方的信息,为无人机态势估计的结果的合理性提供理论依据;然后,建立4类态势结果作为决策树模型的输出,以满足态势响应快速性的要求,根据影响空空导弹攻击区的状态参量,对比相同状态参量下,无人机与敌机的评价指标值的大小,构建对应的空战态势分类指标.建立了空战态势分类规则,作为决策树的推理规则,在决策树的节点对态势不断细化.最后,针对决策树中未开发分支引入反推理规则,在未知情形下提高学习能力.通过对不同的典型空战场景:一对一、一对二和二对二,进行仿真验证,并将结果与贝叶斯推理法进行全面比较,通过分析,所提方法用时5.39 s,准确度为80%,贝叶斯推理法用时11.63 s,准确度为60%.准确的实验结果表明所提方法比贝叶斯推理方法的评估速度更快,准确度更高.     

A novel genetic algorithm preventing premature convergence by chaos operator

ＧｅｎｅｔｉｃＡｌｇｏｒｉｔｈｍｓ(ＧＡｓ),ａｓａｋｉｎｄｏｆｓｅａｒｃｈｉｎｇａｎｄｏｐｔｉｍｉｚｉｎｇａｌｇｏｒｉｔｈｍ,ｉｓｂａｓｅｄｏｎｔｈｅｐｒｉｎｃｉｐｌｅｓｏｆｎａｔｕｒａｌｅｖｏｌｕｔｉｏｎ[1].Ｉｔｈａｓｂｅｅｎｅｓｔａｂｌｉｓｈｅｄａｓａｖｉａｂｌｅａｎｄｒｏｂｕｓｔｔｅｃｈｎｉｑｕｅｆｏｒｓｅａｒｃｈｉｎｇａｎｄｍａｃｈｉｎｅｌｅａｒｎｉｎｇａｃｒｏｓｓａｄｉｖｅｒｓｅｄｏｍａｉｎｏｆｄｉｓｃｉｐｌｉｎｅｓ.Ｈｏｗｅｖｅｒ,ｗｈｅｎａｐｐｌｙｉｎｇＧＡｔｏｓｏｌｖｅｌａｒｇｅｓｃ…     

改进链式多种群遗传算法的防空火力任务分配

为化解敌方空袭的威胁,提高中等规模防空火力任务分配问题的求解效率,提出一种性能优越的链式多种群遗传算法(CMPGA)。首先建立改进的防空火力任务分配模型,综合考虑目标威胁程度、可拦截性判断等因素。目标威胁程度考虑目标的高度、速度、射程以及相对距离等威胁因素。可拦截性判断考虑时间约束、空间约束和性能约束,并将其融入杀伤概率的计算中,以简化模型的约束条件。其次提出CMPGA算法求解中等规模防空火力的最优任务分配方案。算法中综合运用了种群重复个体的数量限制策略、适应度相近个体的交叉变异策略、陷入局部极值时部分较优解的删除策略、链式环中种群当前最优解的传递策略。算法充分利用多种群并行搜索的优点,加快收敛速度,持续保持种群多样性,避免陷入局部极值。在标准测试函数的仿真以及防空火力任务分配问题的应用中,通过与几种典型优化算法的对比分析,结果表明CMPGA算法的性能优势较大,能以较高的概率快速地搜寻到最优解,从而验证了该算法的有效性和优越性。