CN110597199A - 一种基于射击向量的最优化模型的直升机武器调度方法及系统 - Google Patents
一种基于射击向量的最优化模型的直升机武器调度方法及系统 Download PDFInfo
- Publication number
- CN110597199A CN110597199A CN201910827190.7A CN201910827190A CN110597199A CN 110597199 A CN110597199 A CN 110597199A CN 201910827190 A CN201910827190 A CN 201910827190A CN 110597199 A CN110597199 A CN 110597199A
- Authority
- CN
- China
- Prior art keywords
- shooting
- weapon
- target
- plan
- helicopter
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Pending
Links
- 238000000034 method Methods 0.000 title claims abstract description 32
- 239000013598 vector Substances 0.000 title claims abstract description 26
- 230000009471 action Effects 0.000 claims abstract description 53
- 238000010304 firing Methods 0.000 claims abstract description 13
- 238000013468 resource allocation Methods 0.000 claims description 5
- 230000000694 effects Effects 0.000 claims description 4
- 238000010606 normalization Methods 0.000 claims description 3
- 230000004083 survival effect Effects 0.000 claims description 3
- 238000005457 optimization Methods 0.000 abstract description 16
- 238000004422 calculation algorithm Methods 0.000 description 28
- 230000008569 process Effects 0.000 description 8
- 230000007123 defense Effects 0.000 description 5
- 230000006872 improvement Effects 0.000 description 4
- 238000013507 mapping Methods 0.000 description 4
- 238000004458 analytical method Methods 0.000 description 2
- 238000004364 calculation method Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000010845 search algorithm Methods 0.000 description 2
- 230000010391 action planning Effects 0.000 description 1
- 238000013528 artificial neural network Methods 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012804 iterative process Methods 0.000 description 1
- 238000012067 mathematical method Methods 0.000 description 1
- 238000013178 mathematical model Methods 0.000 description 1
- 238000003672 processing method Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
Classifications
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B19/00—Programme-control systems
- G05B19/02—Programme-control systems electric
- G05B19/418—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM]
- G05B19/41865—Total factory control, i.e. centrally controlling a plurality of machines, e.g. direct or distributed numerical control [DNC], flexible manufacturing systems [FMS], integrated manufacturing systems [IMS], computer integrated manufacturing [CIM] characterised by job scheduling, process planning, material flow
-
- G—PHYSICS
- G05—CONTROLLING; REGULATING
- G05B—CONTROL OR REGULATING SYSTEMS IN GENERAL; FUNCTIONAL ELEMENTS OF SUCH SYSTEMS; MONITORING OR TESTING ARRANGEMENTS FOR SUCH SYSTEMS OR ELEMENTS
- G05B2219/00—Program-control systems
- G05B2219/30—Nc systems
- G05B2219/32—Operator till task planning
- G05B2219/32252—Scheduling production, machining, job shop
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
- Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
- Y02P90/02—Total factory control, e.g. smart factories, flexible manufacturing systems [FMS] or integrated manufacturing systems [IMS]
Abstract
本发明公开了一种基于射击向量的最优化模型的直升机武器调度方法,所述方法包括:步骤1)在[Tk,Tk+1]时间区间内,分别对若干个目标进行威胁评估,找出其中威胁程度最大的目标k的初始值为1;步骤2)从W1,W2,…,Wn中评选出对目标射击最有效的武器直升机步骤3)确定第k次射击计划Sk(ik,jk,tk,λk),tk为射击时间,λk为射击方式;步骤4)从未分配作战资源Rall中预留出完成射击计划Sk(ik,jk,tk,λk)所需的作战资源Rk;步骤5)将射击计划Sk(ik,jk,tk,λk)加入战术行动方案C;步骤6)判断k≤r是否成立,r为射击次数;如果判断结果是肯定的,k加1,转入步骤1),否则,转入步骤7);步骤7)根据战术行动方案C={S1(i1,j1,t1,λ1),…,Sr(ir,jr,tr,λr)},确定并输出直升机武器调度方案P。该方法能够实现武器射击的自动化和最优化。
Description
技术领域
本发明涉及直升机武器调度领域,具体涉及一种基于射击向量的最优化模型的直升机武器调度方法及系统。
背景技术
目前,武装直升机在对目标射击上,主要是根据作战目标,由飞行员使用机上设备瞄准跟踪,确定相应武器射击,还没有相应自动判断技术。因此,飞行员即要操作飞行,又要进行武器射击判断,影响武器的射击效能。
发明内容
本发明的目的在于克服上述技术缺陷,提出了一种基于射击向量的最优化模型的直升机武器调度方法及系统。
一种基于射击向量的最优化模型的直升机武器调度方法,所述方法包括:
步骤1)在[Tk,Tk+1]时间区间内,分别对若干个目标进行威胁评估,找出其中威胁程度最大的目标k的初始值为1;
步骤2)从W1,W2,…,Wn中评选出对目标射击最有效的武器直升机
步骤3)确定第k次射击计划Sk(ik,jk,tk,λk),tk为射击时间,λk为射击方式;
步骤4)从未分配作战资源Rall中预留出完成射击计划Sk(ik,jk,tk,λk)所需的作战资源Rk;
步骤5)将射击计划Sk(ik,jk,tk,λk)加入战术行动方案C;
步骤6)判断k≤r是否成立,r为射击次数;如果判断结果是肯定的,k加1,转入步骤1),否则,转入步骤7);
步骤7)根据战术行动方案C={S1(i1,j1,t1,λ1),…,Sr(ir,jr,tr,λr)},确定并输出直升机武器调度方案P。
作为上述方法的一种改进,所述步骤1)具体为:
根据作战任务,对飞临战区的m个目标T1,T2,…,Tm的威胁程度进行有效排序,根据目标所配装武器的作战效能和生存状态,确定威胁程度,归一化后,以0至1间数据表示,以数据大小判定威胁程度,则数据最大值对应的目标为威胁程度最大的目标1≤jk≤m。
作为上述方法的一种改进,所述步骤2)具体为:
针对选取的威胁程度最大的目标根据武装直升机所能携带的武器,在满足战术原则、技术能力和作战资源三类武约束条件的前提下,分别规划出武器W1,W2,…,Wn对目标进行射击的射效评估,找出其中射击效果最好的武器1≤ik≤n。
作为上述方法的一种改进,所述步骤3)具体包括:
对于首次射击计划S1(i1,j1,t1,λ1),其射击时间t1和射击方式λ1,与其选择的武器直升机和射击目标相关,即射击S1(i1,j1,t1,λ1)由分量i1和j1确定;
对于第k次射击Sk(ik,jk,tk,λk),k=2,…,r,其tk和射击方式λk,与其选择的武器直升机和射击目标相关,还与其前k-1次射击计划相关,即射击计划Sk(ik,jk,tk,λk)由分量ik、jk,以及射击S1(i1,j1,t1,λ1),…,Sk-1(ik-1,jk-1,tk-1,λk-1)的确定。
作为上述方法的一种改进,所述作战资源为使用的弹药。
一种基于射击向量的最优化模型的直升机武器调度系统,所述系统包括:
目标选取模块,用于在[Tk,Tk+1]时间区间内,分别对若干个目标进行威胁评估,找出其中威胁程度最大的目标k的初始值为1;
武器选取模块,用于从W1,W2,…,Wn中评选出对目标射击最有效的武器直升机
射击计划确定模块,用于确定第k次射击计划Sk(ik,jk,tk,λk),tk为射击时间,λk为射击方式;
作战资源配置模块,用于从未分配作战资源Rall中预留出完成射击计划Sk(ik,jk,tk,λk)所需的作战资源Rk;
战术行动方案生成模块,用于将射击计划Sk(ik,jk,tk,λk)加入战术行动方案C;
迭代模块,用于判断k≤r是否成立,r为射击次数;如果判断结果是肯定的,k加1,进入目标选取模块,否则,进入输出模块;
输出模块,用于根据战术行动方案C={S1(i1,j1,t1,λ1),…,Sr(ir,jr,tr,λr)},确定并输出直升机武器调度方案P。
本发明的优势在于:
本发明针对作战任务要求,根据射击向量,构建模型,判定威胁程度高的目标,选取所配装的最佳武器,形成最优射击方案,以实现目标判定及武器射击的自动化和最优化。
附图说明
图1为本发明的实施例1的基于射击向量的最优化模型的直升机武器调度方法流程图。
具体实施方式
下面结合附图和具体实施例对本发明的技术方案进行详细的说明。
作战行动层级可划分为目标层、行动层和动作层等3个不同的战术层次,其中,目标层反映了作战的总体战术目标及其对应的战术任务;行动层反映了为完成各战术任务可能规划的战术行动方案;动作层反映了执行各战术行动方案可能涉及的战术单元及其相应的战斗动作
(1)战术行动方案与武器调度方案间的映射关系
若存在m个空中威胁目标T1,T2,…,Tm,则由作战的总体战术目标可确定出m个独立的战术任务M1,M2,…,Mm(其中,Mj表示防御目标Tj的战术任务,j=1,2,…,m);为完成以上各战术任务,需要制定一个战术行动方案,该方案实际上是由针对各个目标计划实施的多次射击所构成,若按照射击启动时间的先后顺序将各次射击分别记为S1,S2,…,Sr,则战术行动方案C可表示为C={S1,S2,…,Sr}(r为战术行动方案包含的可行射击总数)。
由于任意一次可行射击Sk(ik,jk,tk,λk)(k=1,2,…,r),均可分解为λk+2个关于防空武器的战斗动作因此,战术行动方案C实际上与个战斗动作相对应。若将以上战斗动作按照动作主体分类,并依据时间排序,即可得到相应的武器调度方案P。由此可知,战术行动方案C与武器调度方案P之间存在对应关系,不妨设fC→P为战术行动方案到武器调度方案的映射,则有
P=fC→P(C)
(2)射击向量与战术行动方案间的映射关系
由于战术行动方案C={S1,S2,…,Sr}的具体内容是由防御方计划实施的r次射击共同确定;而其中任意一次射击计划Sk(ik,jk,tk,λk)(k=1,2,…,r),又是由射击主体、射击对象、射击时间和射击方式等四个基本要素所共同确定,它们分别对应于射击Sk(ik,jk,tk,λk)括号里的4个分量。其中:分量ik确定射击主体为防空武器(ik=1,2,…,n,n为防空武器总数);分量jk确定射击对象为来袭目标(jk=1,2,…,m,m为威胁目标总数);分量tk确定射击Sk的开火时刻为tk;分量λk确定射击Sk包含λk个射击保持动作。因此,战术行动方案C={S1,S2,…,Sr}可由i1,i2,…,ir、j1,j2,…,jr、t1,t2,…,tr和λ1,λ2,…,λr等4r个分量共同确定。
实际上,在外部条件和相关约束一定的情况下,战术行动方案C中任意一次可行射击Sk(ik,jk,tk,λk)的4个分量ik,jk,tk,λk并不是完全独立的(k=1,2,…,r)。具体来说,对于首次射击S1,其射击时间和射击方式,与其选择的射击主体和射击对象相关;而对于第k次射击Sk(k=2,…,r),其射击时间和射击方式,除与其选择的射击主体和射击对象相关外,还与其前k-1次射击的规划结果相关。也就是说,在既定约束条件前提下,射击S1由分量i1和j1确定;而射击Sk(k=2,…,r)由分量ik、jk,以及射击S1,S2,…,Sk-1的规划结果确定,即由分量i1,i2,…,ik和j1,j2,…,jk确定。因此,战术行动方案C={S1,S2,…,Sr}实际上是由i1,i2,…,ir和j1,j2,…,jr等2r个分量共同确定(这里将由上述分量构成的2r维向量x=(i1,j1,i2,j2,…,ir,jr)称为射击向量)。由此可知,在给定相关约束条件的前提下,射击向量x与战术行动方案C之间存在对应关系,不妨设fx→C为射击向量到战术行动方案的映射,则有
C=fx→C(x)
(3)武器调度问题的组合最优化模型
综合以上分析可知,战术行动是联接战术目标和战斗动作的关键环节。若给定相关约束条件,则可根据一个具体的射击向量x,确定出相应的战术行动方案C=fx→C(x),进而得到相应的武器调度方案P=fC→P[fx→C(x)]。考虑到2N维射击向量的可行域为有限点集(N为给定常数),因此,可将武器调度问题进一步描述为一个组合最优化问题:设有限点集Ω为2N维射击向量的可行域,fP(P)为武器调度方案P对应的编队防空作战效能,要求寻找一个射击向量x*∈Ω,使得对于有fP{fC→P[fx→C(x*)]}≥fP{fC→P[fx→C(xi)]}
则武器调度方案P*=fC→P[fx→C(x*)]即为所求的最优武器调度方案。
需要说明的是,上述常数N是一个十分重要的参数,N的选取决定了战术行动方案中需要考虑射击的最大次数,是对武器调度方案“长度”的限定。由于武器调度方案对应于一个连续的战术过程,一个包含10次射击与一个包含5次射击的武器调度方案,在防空作战效能上是不具有可比性的,因此必须在“长度”上或在“执行时间跨度”上对武器调度方案进行一个限定,以保证武器调度方案的比较和择优过程是基于一个相同的战术前提。一般来说,常数N的取值范围为m≤N≤N0(其中,m为来袭目标总数;N0为所有来袭目标飞行航路时间内的最大射击次数)。若N的取值小于m,则得到的所有武器调度方案均至少会漏防一个目标,其对应防空作战效能均为零,无法确定出最优武器调度方案;若N的取值大于N0,则得到的最优武器调度方案,与N等于N0时得到的最优方案相同,但需要搜索的射击向量空间相对于N等于N0时更大,求解效率更低。而在上述取值范围内,N的数值越大,表明武器调度方案求解过程着眼的目标越“长远”,更加侧重于方案的统筹性;相反,则求解过程着眼的目标越“短”,更加侧重于方案的应急性。在实际应用中,对于常数N的取值,往往需要结合防御方所具备的计算能力和战场的动态特性等两方面因素来确定。一方面,战场动态性越高,则单位时间内战场态势的变化越大,对未来态势的预测越困难,过于“长远”的方案很可能已经失去实际意义,因此N的取值可适当减小;否则,N的取值可适当增大。另一方面,防御方计算能力越强,则单位时间内可求解的问题规模越大,因此N的取值可适当增大,以追求方案的完备性;否则,N的取值可适当减小。以保证方案的实时性。
(4)武器调度问题优化算法分析
所谓优化算法,其实是一种搜索过程或规则,它是基于某种思想和机制,通过一定的途径或规则来得到满足用户要求问题的解。从大的框架上来讲,组合优化问题的优化算法可以分为两类,一类是最优算法;一类是启发式算法。最优算法是针对具体问题建立具体的数学模型,利用数学方法求得问题的最优解;而启发式算法则是基于直观或者经验构造的算法,能够朝着最优解的方向搜索或靠近的一类算法。精确算法以时间和空间的复杂度为代价,确保了解的质量,但随着问题规模的增长,最优算法的花费(计算时间、占用空间等)可能令人无法忍受,此时只能通过启发式算法求得一个满意解。
就优化机制与行为而分,目前工程中常用的启发式算法主要可分为:构造型算法、改进型算法,以及智能优化算法等。构造型算法的特点是,用构造的方法快速建立问题的解,在未终止的迭代过程中,得到的中间解有可能不是一个可行解,典型的如贪婪算法等;改进型算法的特点是,通过两个可行解的比较而选择好的解,进而作为新的起点进行新的迭代,只到满足一定的要求为止,典型的如邻域搜索算法等;智能优化算法的特点是,通过模拟某一自然现象或过程而建立起来的,通常具有适于高度并行、自组织、自学习与自适应等特征,典型的如遗传算法、禁忌搜索算法、模拟退火算法、蚁群算法和人工神经网络算法等。
本发明提出的基于MVFS策略的武器调度方法即是一种构造型启发式算法。它采用一种分级处理方法,其求解过程是逐步进行的,通过运用MVFS策略,以迭代的方式根据当前状态相继做出局部最优的战斗动作安排及作战资源分配,然后再去求解做出上述调度后产生的相应子问题,每做一次策略调度就将所求问题简化为一个规模更小的子问题,最终由问题的各次局部调度构造出一个整体的武器调度方案,即得到问题的一个满意解。由于MVFS策略调度算法仅着眼于每一步的局部择优,而无需从整体上考虑各种可能的情况,从而省去了穷尽所有整体解而必须耗费的大量计算资源。
构造型启发式算法的关键在于调度策略的选择,如果调度策略选择合适,一般都能保证求得的解具有较高的质量。为此,这里提出一种基于MVFS(Most Valuable FirstSatisfied)策略。所谓MVFS,即最有价值的战术行动最先得到满足的意思。对于直升机的武器调度而言,MVFS的具体含义是,对于最威胁目标来说,最有效的防御行动(即本问题中定义的最有价值的行动),最先获得其所需作战资源的使用权。
如图1所示,本发明的实施例1提供了一种基于射击向量的最优化模型的直升机武器调度方法,将整个武器调度过程分解为若干次武器射击的行动规划,及其作战资源分配的迭代过程。每一次迭代都是在上一次迭代的基础上完成两件事情:一是找出现有作战资源能够保障且最有价值的武器射击行动;二是为找到的最有价值的武器射击行动预留出所需的作战资源。前一件事确定了资源分配的对象,即可以实现的、针对最威胁目标的、最有效的武器射击行动;后一件事则确定了需要分配的具体资源,为下一次迭代设定了相应的资源约束。对于第k次迭代的具体处理流程,主要可分为以下五个步骤:
步骤1)在[Tk,Tk+1]时间区间内,分别对若干个目标进行威胁评估,找出其中威胁程度最大的目标k的初始值为1;
根据作战任务,对飞临战区的m个目标T1,T2,…,Tm的威胁程度进行有效排序,根据目标所配装武器的作战效能和生存状态,确定威胁程度,归一化后,以0至1间数据表示,以数据大小判定威胁程度,则数据最大值对应的目标为威胁程度最大的目标1≤jk≤m。
步骤2)从W1,W2,…,Wn中评选出对目标射击最有效的武器直升机
针对选取的威胁程度最大的目标根据武装直升机所能携带的武器,在满足战术原则、技术能力和作战资源三类武约束条件的前提下,分别规划出武器W1,W2,…,Wn对目标进行射击的射效评估,找出其中射击效果最好的武器1≤ik≤n。
步骤3)确定第k次射击计划Sk(ik,jk,tk,λk),tk为射击时间,λk为射击方式;
对于首次射击计划S1(i1,j1,t1,λ1),其射击时间t1和射击方式λ1,与其选择的武器直升机和射击目标相关,即射击S1(i1,j1,t1,λ1)由分量i1和j1确定;
对于第k次射击Sk(ik,jk,tk,λk),k=2,…,r,其tk和射击方式λk,与其选择的武器直升机和射击目标相关,还与其前k-1次射击计划相关,即射击计划Sk(ik,jk,tk,λk)由分量ik、jk,以及射击S1(i1,j1,t1,λ1),…,Sk-1(ik-1,jk-1,tk-1,λk-1)的确定。
步骤4)从未分配作战资源Rall中预留出完成射击计划Sk(ik,jk,tk,λk)所需的作战资源Rk;所述作战资源为使用的弹药;
步骤5)将射击计划Sk(ik,jk,tk,λk)加入战术行动方案C;
步骤6)判断k≤r是否成立,r为射击次数;如果判断结果是肯定的,k加1,转入步骤1),否则,转入步骤7);
步骤7)根据战术行动方案C={S1(i1,j1,t1,λ1),…,Sr(ir,jr,tr,λr)},确定并输出直升机武器调度方案P。
如果对任何一个目标都不能再规划武器射击(即目标在射击区内的剩余逗留时间不足以完成任何一次武器射击),则迭代完成,根据战术行动方案C={S1,S2,…,Sk},确定并输出武器调度方案P,结束调度流程;否则,转入第k+1次迭代。
实施例2
本发明的实施例2提出了一种基于射击向量的最优化模型的直升机武器调度系统,所述系统包括:
目标选取模块,用于在[Tk,Tk+1]时间区间内,分别对若干个目标进行威胁评估,找出其中威胁程度最大的目标k的初始值为1;
武器选取模块,用于从W1,W2,…,Wn中评选出对目标射击最有效的武器直升机
射击计划确定模块,用于确定第k次射击计划Sk(ik,jk,tk,λk),tk为射击时间,λk为射击方式;
作战资源配置模块,用于从未分配作战资源Rall中预留出完成射击计划Sk(ik,jk,tk,λk)所需的作战资源Rk;
战术行动方案生成模块,用于将射击计划Sk(ik,jk,tk,λk)加入战术行动方案C;
迭代模块,用于判断k≤r是否成立,r为射击次数;如果判断结果是肯定的,k加1,进入目标选取模块,否则,进入输出模块;
输出模块,用于根据战术行动方案C={S1(i1,j1,t1,λ1),…,Sr(ir,jr,tr,λr)},确定并输出直升机武器调度方案P。
最后所应说明的是,以上实施例仅用以说明本发明的技术方案而非限制。尽管参照实施例对本发明进行了详细说明,本领域的普通技术人员应当理解,对本发明的技术方案进行修改或者等同替换,都不脱离本发明技术方案的精神和范围,其均应涵盖在本发明的权利要求范围当中。
Claims (6)
1.一种基于射击向量的最优化模型的直升机武器调度方法,所述方法包括:
步骤1)在[Tk,Tk+1]时间区间内,分别对若干个目标进行威胁评估,找出其中威胁程度最大的目标k的初始值为1;
步骤2)从W1,W2,…,Wn中评选出对目标射击最有效的武器直升机
步骤3)确定第k次射击计划Sk(ik,jk,tk,λk),tk为射击时间,λk为射击方式;
步骤4)从未分配作战资源Rall中预留出完成射击计划Sk(ik,jk,tk,λk)所需的作战资源Rk;
步骤5)将射击计划Sk(ik,jk,tk,λk)加入战术行动方案C;
步骤6)判断k≤r是否成立,r为射击次数;如果判断结果是肯定的,k加1,转入步骤1),否则,转入步骤7);
步骤7)根据战术行动方案C={S1(i1,j1,t1,λ1),…,Sr(ir,jr,tr,λr)},确定并输出直升机武器调度方案P。
2.根据权利要求1所述的基于射击向量的最优化模型的直升机武器调度方法,其特征在于,所述步骤1)具体为:
根据作战任务,对飞临战区的m个目标T1,T2,…,Tm的威胁程度进行有效排序,根据目标所配装武器的作战效能和生存状态,确定威胁程度,归一化后,以0至1间数据表示,以数据大小判定威胁程度,则数据最大值对应的目标为威胁程度最大的目标
3.根据权利要求2所述的基于射击向量的最优化模型的直升机武器调度方法,其特征在于,所述步骤2)具体为:
针对选取的威胁程度最大的目标根据武装直升机所能携带的武器,在满足战术原则、技术能力和作战资源三类武约束条件的前提下,分别规划出武器W1,W2,…,Wn对目标进行射击的射效评估,找出其中射击效果最好的武器
4.根据权利要求1所述的基于射击向量的最优化模型的直升机武器调度方法,其特征在于,所述步骤3)具体包括:
对于首次射击计划S1(i1,j1,t1,λ1),其射击时间t1和射击方式λ1,与其选择的武器直升机和射击目标相关,即射击S1(i1,j1,t1,λ1)由分量i1和j1确定;
对于第k次射击Sk(ik,jk,tk,λk),k=2,…,r,其tk和射击方式λk,与其选择的武器直升机和射击目标相关,还与其前k-1次射击计划相关,即射击计划Sk(ik,jk,tk,λk)由分量ik、jk,以及射击S1(i1,j1,t1,λ1),…,Sk-1(ik-1,jk-1,tk-1,λk-1)的确定。
5.根据权利要求1所述的基于射击向量的最优化模型的直升机武器调度方法,其特征在于,所述作战资源为使用的弹药。
6.一种基于射击向量的最优化模型的直升机武器调度系统,其特征在于,所述系统包括:
目标选取模块,用于在[Tk,Tk+1]时间区间内,分别对若干个目标进行威胁评估,找出其中威胁程度最大的目标k的初始值为1;
武器选取模块,用于从W1,W2,…,Wn中评选出对目标射击最有效的武器直升机
射击计划确定模块,用于确定第k次射击计划Sk(ik,jk,tk,λk),tk为射击时间,λk为射击方式;
作战资源配置模块,用于从未分配作战资源Rall中预留出完成射击计划Sk(ik,jk,tk,λk)所需的作战资源Rk;
战术行动方案生成模块,用于将射击计划Sk(ik,jk,tk,λk)加入战术行动方案C;
迭代模块,用于判断k≤r是否成立,r为射击次数;如果判断结果是肯定的,k加1,进入目标选取模块,否则,进入输出模块;
输出模块,用于根据战术行动方案C={S1(i1,j1,t1,λ1),…,Sr(ir,jr,tr,λr)},确定并输出直升机武器调度方案P。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910827190.7A CN110597199A (zh) | 2019-09-03 | 2019-09-03 | 一种基于射击向量的最优化模型的直升机武器调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201910827190.7A CN110597199A (zh) | 2019-09-03 | 2019-09-03 | 一种基于射击向量的最优化模型的直升机武器调度方法及系统 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN110597199A true CN110597199A (zh) | 2019-12-20 |
Family
ID=68857383
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201910827190.7A Pending CN110597199A (zh) | 2019-09-03 | 2019-09-03 | 一种基于射击向量的最优化模型的直升机武器调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110597199A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274524A (zh) * | 2020-01-19 | 2020-06-12 | 北京电子工程总体研究所 | 一种突发告警事件的作战资源调度方法 |
CN113792985A (zh) * | 2021-08-23 | 2021-12-14 | 北京理工大学 | 一种传感器-武器动态联合任务多目标分配方法 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN103336885A (zh) * | 2013-06-03 | 2013-10-02 | 北京航空航天大学 | 一种基于差分进化算法解决武器-目标分配问题的方法 |
US9111331B2 (en) * | 2011-09-07 | 2015-08-18 | Rapiscan Systems, Inc. | X-ray inspection system that integrates manifest data with imaging/detection processing |
CN105590142A (zh) * | 2015-12-17 | 2016-05-18 | 中国人民解放军装甲兵工程学院 | 一种合成分队协同火力分配方法 |
CN106203870A (zh) * | 2016-07-18 | 2016-12-07 | 南京航空航天大学 | 一种面向联合作战的目标体系分析及武器分配方法 |
CN106779210A (zh) * | 2016-12-13 | 2017-05-31 | 中国人民解放军国防科学技术大学 | 基于蚁群算法的火力分配方法 |
CN107886184A (zh) * | 2017-09-30 | 2018-04-06 | 上海机电工程研究所 | 一种多型防空武器混编火力群目标分配优化方法 |
-
2019
- 2019-09-03 CN CN201910827190.7A patent/CN110597199A/zh active Pending
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US9111331B2 (en) * | 2011-09-07 | 2015-08-18 | Rapiscan Systems, Inc. | X-ray inspection system that integrates manifest data with imaging/detection processing |
CN103336885A (zh) * | 2013-06-03 | 2013-10-02 | 北京航空航天大学 | 一种基于差分进化算法解决武器-目标分配问题的方法 |
CN105590142A (zh) * | 2015-12-17 | 2016-05-18 | 中国人民解放军装甲兵工程学院 | 一种合成分队协同火力分配方法 |
CN106203870A (zh) * | 2016-07-18 | 2016-12-07 | 南京航空航天大学 | 一种面向联合作战的目标体系分析及武器分配方法 |
CN106779210A (zh) * | 2016-12-13 | 2017-05-31 | 中国人民解放军国防科学技术大学 | 基于蚁群算法的火力分配方法 |
CN107886184A (zh) * | 2017-09-30 | 2018-04-06 | 上海机电工程研究所 | 一种多型防空武器混编火力群目标分配优化方法 |
Non-Patent Citations (2)
Title |
---|
余亮 等: "基于MVFS策略的协同防空武器调度方法", 《舰船科学技术》 * |
余亮 等: "多平台协同防空武器调度方案评价指标", 《海军工程大学学报》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN111274524A (zh) * | 2020-01-19 | 2020-06-12 | 北京电子工程总体研究所 | 一种突发告警事件的作战资源调度方法 |
CN111274524B (zh) * | 2020-01-19 | 2023-09-15 | 北京电子工程总体研究所 | 一种突发告警事件的作战资源调度方法 |
CN113792985A (zh) * | 2021-08-23 | 2021-12-14 | 北京理工大学 | 一种传感器-武器动态联合任务多目标分配方法 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107886184B (zh) | 一种多型防空武器混编火力群目标分配优化方法 | |
Xin et al. | An efficient rule-based constructive heuristic to solve dynamic weapon-target assignment problem | |
CN110597199A (zh) | 一种基于射击向量的最优化模型的直升机武器调度方法及系统 | |
CN109408877B (zh) | 一种反坦克导弹分队的智能射击决策方法 | |
Johansson et al. | Real-time Allocation of Firing Units To Hostile Targets. | |
CN108287472B (zh) | 采用滚动时域框架的舰队防空决策与自动化调度系统与方法 | |
CN108255780B (zh) | 一种基于优化目标的舰队防空资源控制参量的求解计算方法 | |
Ha et al. | A stochastic game-based approach for multiple beyond-visual-range air combat | |
Kwon et al. | Targeting and scheduling problem for field artillery | |
Ding et al. | Temporal constraint modeling and conflict resolving based on the combat process of air and missile defense system | |
Silav et al. | Bi‐objective missile rescheduling for a naval task group with dynamic disruptions | |
Zhao et al. | Shuffled frog leaping algorithm with non-dominated sorting for dynamic weapon-target assignment | |
CN110782062A (zh) | 一种用于防空系统的多对多分组拦截目标分配方法及系统 | |
Johansson et al. | An empirical investigation of the static weapon-target allocation problem | |
CN114861417A (zh) | 基于变邻域搜索的多阶段武器目标分配方法 | |
CN109447398B (zh) | 一种炮兵团的智能射击决策方法 | |
Longyue et al. | Optimal index shooting policy for layered missile defense system | |
CN114047761A (zh) | 基于编队跨平台资源调度的弹性杀伤网构建方法及装置 | |
Zou et al. | Solving multi-stage weapon target assignment problems by C-TAEA | |
CN116485039B (zh) | 一种基于强化学习的打击序列智能规划方法 | |
Chen et al. | Research on multiple kill vehicles firepower distribution strategy based on adjust genetic algorithm | |
Zhang et al. | Research on the construction method of ship formation action system | |
Du et al. | Research on Optimal Model of Weapon Firing Firepower Distribution and Its Application | |
CN113112079B (zh) | 基于启发式动态加深优化算法的任务分配方法 | |
Li et al. | Iterative Recurrence Model for Calculating Effectiveness of Defense in the Multiple Shooting Mode |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20191220 |