CN110826877B - 一种针对多个点目标的火力分配方法 - Google Patents
一种针对多个点目标的火力分配方法 Download PDFInfo
- Publication number
- CN110826877B CN110826877B CN201911018952.5A CN201911018952A CN110826877B CN 110826877 B CN110826877 B CN 110826877B CN 201911018952 A CN201911018952 A CN 201911018952A CN 110826877 B CN110826877 B CN 110826877B
- Authority
- CN
- China
- Prior art keywords
- fire
- clustering
- cluster
- sample set
- clusters
- 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.)
- Active
Links
- 238000000034 method Methods 0.000 title claims abstract description 16
- 239000013598 vector Substances 0.000 claims abstract description 32
- 238000003064 k means clustering Methods 0.000 claims abstract description 16
- 238000012545 processing Methods 0.000 description 4
- 238000004321 preservation Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 238000011156 evaluation Methods 0.000 description 1
- 230000002068 genetic effect Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000005457 optimization Methods 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
- 238000002922 simulated annealing Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F18/00—Pattern recognition
- G06F18/20—Analysing
- G06F18/23—Clustering techniques
- G06F18/232—Non-hierarchical techniques
- G06F18/2321—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions
- G06F18/23213—Non-hierarchical techniques using statistics or function optimisation, e.g. modelling of probability density functions with fixed number of clusters, e.g. K-means clustering
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Data Mining & Analysis (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Entrepreneurship & Innovation (AREA)
- Educational Administration (AREA)
- Marketing (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Operations Research (AREA)
- Primary Health Care (AREA)
- Quality & Reliability (AREA)
- Probability & Statistics with Applications (AREA)
- Game Theory and Decision Science (AREA)
- Health & Medical Sciences (AREA)
- Artificial Intelligence (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Computer Vision & Pattern Recognition (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种针对多个点目标的火力分配方法,包括:从武器系统数据采集模块获取源数据,所述源数据中包含火力分配的点目标数量、点目标位置向量、火力资源有效杀伤半径以及是否需要预先密度聚类;以所述点目标位置向量为样本并采用聚类算法得到覆盖所有点目标所需的最少火力资源数量;将覆盖所有点目标所需的最少火力资源数量输出至武器系统火力输出模块。采用K均值聚类算法通过逐步减少簇类数量,簇类数量对应火力资源使用数量,直至火力资源不能覆盖所有点目标为止,以此找到最少所需的火力资源使用数量,提供了一种简单易行的火力分配问题的解决方法。
Description
技术领域
本发明涉及指挥控制辅助决策技术领域,具体的说,是一种针对多个点目标的火力分配方法。
背景技术
火力分配问题,又被称为武器目标分配问题,是指用m个武器打击n个目标的分配与配对方案问题,它有着防空作战目标分配和常规导弹目标分配等诸多应用场景。火力分配问题是一个整数型非线性组合优化问题,属于NP难问题[Naeem H,et al.An optionaldynamic threat evaluation and weapon scheduling technique[J].Knowledge-BasedSystems,2010,23(4):337-342]。传统的解决方法包括整数规划法、动态规划法、启发式搜索算法、禁忌搜索、遗传算法、粒子群算法、蚁群算法和模拟退火算法等。针对复杂度较高的多类型目标-多类型武器的联合火力分配问题,相应的解决方法也变得异常复杂。在火力分配问题中,打击目标是在地面上任意分布的n个等价值的点目标,火力资源为m(m≥n)个单一资源(例如,同一种导弹或者火箭弹等),目的是使用最少的火力资源覆盖所有点目标。在同类型问题中,该问题的复杂度相对较低,但目前还缺乏相关研究以及与之匹配的简单易行的解决方法。
发明内容
本发明的目的在于提供一种针对多个点目标的火力分配方法,解决了采用最少单一火力资源覆盖在地面上任意分布的多个等价值点目标的火力分配问题。
本发明通过下述技术方案解决上述问题:
一种针对多个点目标的火力分配方法,应用武器目标分配,包括:
步骤S100:从武器系统数据采集模块获取源数据,所述源数据中包含火力分配的点目标数量、点目标位置向量、火力资源有效杀伤半径以及是否需要预先密度聚类;
步骤S200:以所述点目标位置向量为样本并采用聚类算法得到覆盖所有点目标所需的最少火力资源数量;
步骤S300:将覆盖所有点目标所需的最少火力资源数量输出至武器系统火力输出模块。
进一步地,所述步骤S200具体包括:将所述点目标位置向量作为样本集,当需要进行预先密度聚类时,进入步骤S210,否则进入步骤S260;
步骤S210:采用密度聚类算法对所述样本集进行聚类并保存聚类结果,所述聚类结果至少包含聚类算法得到的聚类簇和聚类簇数,所述聚类簇表示将样本集划分得到的某一类样本集合,所述聚类簇数表示聚类簇的数量;
进一步地,所述密度聚类算法采用DBSCAN密度聚类算法,所述DBSCAN密度聚类算法的邻域参数ε接近所述火力资源有效杀伤半径。所述样本集中某一样本的邻域表示该样本集中与该样本的欧式距离小于邻域参数ε的样本集合;
步骤S220:设置参数k等于聚类簇数;
步骤S230:利用K均值聚类算法将样本集划分为k个聚类簇,判断样本集中所有样本与其簇均值向量欧式距离的最大值是否超出所述火力资源有效杀伤半径,所述簇均值向量表示所述聚类簇的样本向量之和除以该聚类簇的样本数,如果是,进入步骤S240;否则,保存聚类结果并编号为k,进入步骤S250;
步骤S240:设置k=k+1,利用K均值聚类算法将所述样本集划分为k个聚类簇,判断所有样本与其簇均值向量欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,重复步骤S240,否则,执行步骤S300;
步骤S250:设置k=k-1,利用K均值聚类算法将所述样本集划分为k个聚类簇,判断所有样本与其簇均值向量欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,设置k=k+1并执行步骤S300,否则,保存聚类结果并编号为k,重复执行步骤S250;
步骤S260:设置参数k等于所述点目标数量;
步骤S270:利用K均值聚类算法将所述样本集划分为k个聚类簇,判断所有样本与其簇均值向量欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,设置k=k+1并执行步骤S300,否则,保存聚类结果并编号为k,设置k=k-1并重复执行步骤S270。
S300:输出数据至武器系统火力输出模块以便对目标进行打击,该数据至少包含步骤S2执行结束后得到的编号为k的保存结果,其中k值对应本方法得到的覆盖所有点目标所需的最少火力资源数量,对应的簇均值向量对应于火力资源的落点位置。
本文将的火力分配问题建模为基于距离的聚类问题,K均值聚类基于欧式距离将n个点目标划分为k类,通过最小化点目标与对应的类簇均值向量的距离平方和,使得点目标围绕其类均值向量更加紧密。其中,k对应于火力资源使用数量;k≤m,m为火力资源数量,每类的簇均值向量对应于火力资源的落点位置,簇均值向量表示该类所含的点目标位置向量之和除以所含点目标的数量。通过逐步减少该算法的簇类数量(对应火力资源使用数量)直至火力资源不能覆盖所有点目标为止,以此找到最少所需的火力资源使用数量。
本发明与现有技术相比,具有以下优点及有益效果:
(1)本发明采用K均值聚类算法通过逐步减少簇类数量(对应火力资源使用数量)直至火力资源不能覆盖所有点目标为止,以此找到最少所需的火力资源使用数量,提供了一种简单易行的火力分配问题的解决方法。
(2)本发明利用密度聚类算法结合火力资源的有效杀伤半径等参数预先对点目标进行初步聚类,聚类结果反应出点目标在空间上的分布密集程度,能够初步估计打击所有点目标所需的火力资源数量,便于后续快速的得到最终的火力资源数量。
附图说明
图1为本发明的流程图。
具体实施方式
下面结合实施例对本发明作进一步地详细说明,但本发明的实施方式不限于此。
实施例1:
结合附图1所示,一种针对多个点目标的火力分配方法,包括以下步骤:
1.通过武器系统数据采集模块输入源数据并初始化聚类算法参数
(1.1)通过武器系统数据采集模块输入源数据,源数据至少包含所述火力分配问题的点目标数量、点目标位置向量、火力资源有效杀伤半径以及是否需要密度聚类;
(1.2)令DBSCAN密度聚类算法的邻域参数ε等于所述火力资源有效杀伤半径,邻域内至少含有1个其他样本的样本标记为核心对象;
(1.3)所述源数据中的点目标位置向量作为下述所有聚类算法的样本集;
2.判断是否需要密度聚类,如果是执行步骤(2.1),否则执行步骤(2.2)
(2.1)数据处理(需要密度聚类的数据处理)
(2.1.1)利用DBSCAN密度聚类算法对所述样本集进行聚类并保存聚类簇和聚类簇数;
(2.1.2)设置k值并进行K均值聚类,该算法将所述样本集划分为k个聚类簇,这里将k值设置为步骤(2.1.1)得到的聚类簇数;
(2.1.3)判断所有样本与其簇均值向量之间的欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,则执行步骤(2.1.4),否则,保存聚类结果并编号为k,而后执行步骤(2.1.5);
(2.1.4)包括以下步骤:
(2.1.4.1)令k=k+1后进行K均值聚类,将所述样本集划分为k个聚类簇;
(2.1.4.2)判断所有样本与其簇均值向量之间的欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,说明还需要继续增加聚类簇数k,重复执行本步骤,否则,说明已找到最小的聚类簇数,执行步骤(2.1.4.3);
(2.1.4.3)保存步骤(2.1.4.2)执行后的聚类结果并编号为k,而后执行步骤(3);
(2.1.5)令k=k-1后进行K均值聚类,判断所有样本与其簇均值向量之间的欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,说明不能继续减少聚类簇数k,设置k=k+1而后执行步骤(3),否则,说明还可以继续减少聚类簇数k,保存聚类结果并编号为k,而后重复执行本步骤;
(2.2)数据处理(不需要密度聚类的数据处理)
(2.2.1)设置k值等于点目标数量;
(2.2.2)进行K均值聚类,判断所有样本与其簇均值向量之间的欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,说明不能继续减少聚类簇数k,设置k=k+1,而后执行步骤(3),否则,保存聚类结果并编号为k,而后令k=k-1并重复执行本步骤;
当k等于点目标数或者说样本数时,每一个点目标位置向量或者样本其实就对应一个聚类簇,实际上不需要算法进行聚类。但依照算法流程,这种情形下,K均值聚类算法也能非常直接地得出聚类结果。所以,为了流程的简洁性,本实施例并没有针对上述聚类簇数等于样本数的情形做特殊处理。
在步骤(2.1)和步骤(2.2)中,为了节省存储空间,每当利用K均值聚类得到新的聚类结果并保存时,可将之前保存的聚类结果删除。
(3)输出数据至武器系统火力输出模块以便对目标进行打击,该数据至少包含编号为k的保存结果,其中k值对应本实施例得到的打击所有点目标所需的最少火力资源数量,每个簇类的簇均值向量对应于火力资源的落点位置。
3.输出数据至武器系统火力输出模块以便对目标进行打击。
尽管这里参照本发明的解释性实施例对本发明进行了描述,上述实施例仅为本发明较佳的实施方式,本发明的实施方式并不受上述实施例的限制,应该理解,本领域技术人员可以设计出很多其他的修改和实施方式,这些修改和实施方式将落在本申请公开的原则范围和精神之内。
Claims (1)
1.一种针对多个点目标的火力分配方法,应用于武器目标分配,其特征在于,包括:
步骤S100:从武器系统数据采集模块获取源数据,所述源数据中包含火力分配的点目标数量、点目标位置向量、火力资源有效杀伤半径以及是否需要预先密度聚类;
步骤S200:以所述点目标位置向量为样本并采用聚类算法得到覆盖所有点目标所需的最少火力资源数量,具体包括:将所述点目标位置向量作为样本集,当需要进行预先密度聚类时,进入步骤S210,否则进入步骤S260;
步骤S210:采用密度聚类算法对所述样本集进行聚类并保存聚类结果,所述聚类结果至少包含聚类算法得到的聚类簇和聚类簇数,所述聚类簇表示将样本集划分得到的某一类样本集合,所述聚类簇数表示聚类簇的数量;
步骤S220:设置参数k等于聚类簇数;
步骤S230:利用K均值聚类算法将样本集划分为k个聚类簇,判断样本集中所有样本与其簇均值向量欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,进入步骤S240;否则,保存聚类结果并编号为k,进入步骤S250;
步骤S240:设置k=k+1,利用K均值聚类算法将所述样本集划分为k个聚类簇,判断所有样本与其簇均值向量欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,重复步骤S240,否则,执行步骤S300;
步骤S250:设置k=k-1,利用K均值聚类算法将所述样本集划分为k个聚类簇,判断所有样本与其簇均值向量欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,设置k=k+1并执行步骤S300,否则,保存聚类结果并编号为k,重复执行步骤S250;
步骤S260:设置参数k等于所述点目标数量;
步骤S270:利用K均值聚类算法将所述样本集划分为k个聚类簇,判断所有样本与其簇均值向量欧式距离的最大值是否超出所述火力资源有效杀伤半径,如果是,设置k=k+1并执行步骤S300,否则,保存聚类结果并编号为k,设置k=k-1并重复执行步骤S270;
步骤S300:将覆盖所有点目标所需的最少火力资源数量输出至武器系统火力输出模块。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911018952.5A CN110826877B (zh) | 2019-10-24 | 2019-10-24 | 一种针对多个点目标的火力分配方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201911018952.5A CN110826877B (zh) | 2019-10-24 | 2019-10-24 | 一种针对多个点目标的火力分配方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN110826877A CN110826877A (zh) | 2020-02-21 |
CN110826877B true CN110826877B (zh) | 2023-05-02 |
Family
ID=69550464
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201911018952.5A Active CN110826877B (zh) | 2019-10-24 | 2019-10-24 | 一种针对多个点目标的火力分配方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN110826877B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114155390B (zh) * | 2021-12-02 | 2022-05-06 | 北京中科智易科技有限公司 | 对分类对象的元数据进行分类的聚类设备 |
Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4848208A (en) * | 1987-06-03 | 1989-07-18 | Hughes Aircraft Company | Automated method and system for engaging multiple pursuers with multiple targets |
JPH028696A (ja) * | 1988-06-27 | 1990-01-12 | Nec Corp | 目標配当装置 |
US6196496B1 (en) * | 1998-06-29 | 2001-03-06 | State Of Israel Ministry Of Defense Armament Development Authority Raeael | Method for assigning a target to a missile |
JP2002206899A (ja) * | 2001-01-12 | 2002-07-26 | Mitsubishi Electric Corp | 火砲割り当て装置及び火器割り当て方法 |
JP2006029651A (ja) * | 2004-07-14 | 2006-02-02 | Mitsubishi Electric Corp | 火力配分装置 |
EP2239533A1 (en) * | 2009-03-31 | 2010-10-13 | BAE Systems PLC | Assigning weapons to threats |
CN106508039B (zh) * | 2012-12-14 | 2014-11-05 | 上海机电工程研究所 | 适用于网络化作战的协同信息处理方法及系统 |
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 |
KR101906070B1 (ko) * | 2017-08-23 | 2018-11-30 | 국방과학연구소 | 다표적 다무장 환경의 무장 할당 장치 및 그 방법 |
CN109063270A (zh) * | 2018-07-10 | 2018-12-21 | 北京华如科技股份有限公司 | 一种地面聚合实体直瞄射击毁伤裁决方法及其存储介质 |
CN109633631A (zh) * | 2018-12-10 | 2019-04-16 | 西安电子工程研究所 | 一种多功能侦察雷达作战任务自动规划方法 |
-
2019
- 2019-10-24 CN CN201911018952.5A patent/CN110826877B/zh active Active
Patent Citations (11)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US4848208A (en) * | 1987-06-03 | 1989-07-18 | Hughes Aircraft Company | Automated method and system for engaging multiple pursuers with multiple targets |
JPH028696A (ja) * | 1988-06-27 | 1990-01-12 | Nec Corp | 目標配当装置 |
US6196496B1 (en) * | 1998-06-29 | 2001-03-06 | State Of Israel Ministry Of Defense Armament Development Authority Raeael | Method for assigning a target to a missile |
JP2002206899A (ja) * | 2001-01-12 | 2002-07-26 | Mitsubishi Electric Corp | 火砲割り当て装置及び火器割り当て方法 |
JP2006029651A (ja) * | 2004-07-14 | 2006-02-02 | Mitsubishi Electric Corp | 火力配分装置 |
EP2239533A1 (en) * | 2009-03-31 | 2010-10-13 | BAE Systems PLC | Assigning weapons to threats |
CN106508039B (zh) * | 2012-12-14 | 2014-11-05 | 上海机电工程研究所 | 适用于网络化作战的协同信息处理方法及系统 |
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 |
KR101906070B1 (ko) * | 2017-08-23 | 2018-11-30 | 국방과학연구소 | 다표적 다무장 환경의 무장 할당 장치 및 그 방법 |
CN109063270A (zh) * | 2018-07-10 | 2018-12-21 | 北京华如科技股份有限公司 | 一种地面聚合实体直瞄射击毁伤裁决方法及其存储介质 |
CN109633631A (zh) * | 2018-12-10 | 2019-04-16 | 西安电子工程研究所 | 一种多功能侦察雷达作战任务自动规划方法 |
Non-Patent Citations (2)
Title |
---|
多型反舰导弹组合攻击最小弹药消耗优化模型;李一夫;《兵工自动化》;20180915;页码:8-11+14 * |
相依目标群系统火力分配问题分析与解法;张干宗;《国防科技大学学报》;19890302;页码:73-80 * |
Also Published As
Publication number | Publication date |
---|---|
CN110826877A (zh) | 2020-02-21 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xin et al. | Efficient decision makings for dynamic weapon-target assignment by virtual permutation and tabu search heuristics | |
CN113741508B (zh) | 基于改进狼群算法的无人机任务分配方法 | |
CN107886184B (zh) | 一种多型防空武器混编火力群目标分配优化方法 | |
CN110083971B (zh) | 一种基于作战推演的自爆式无人机集群作战兵力分配方法 | |
CN111797966B (zh) | 一种基于改进羊群算法的多机协同全局目标分配方法 | |
CN110826877B (zh) | 一种针对多个点目标的火力分配方法 | |
CN115047907B (zh) | 一种基于多智能体ppo算法的空中同构编队指挥方法 | |
Zhang et al. | A novel heterogeneous sensor-weapon-target cooperative assignment for ground-to-air defense by efficient evolutionary approaches | |
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 | |
CN117391364A (zh) | 一种多站协同电子干扰资源分配方法 | |
Cheng et al. | Weapon-target assignment of ballistic missiles based on Q-learning and genetic algorithm | |
CN117077428A (zh) | 一种针对战场多维需求的火力规划目标函数的构造方法 | |
CN114897267B (zh) | 面向多对多智能体协同作战场景的火力分配方法及系统 | |
Liu et al. | A Time-Driven Dynamic Weapon Target Assignment Method | |
CN113469359B (zh) | 基于知识图谱的弹目匹配方法、系统、设备及可读存储介质 | |
Ye et al. | Multi-UAV task assignment based on satisficing decision algorithm | |
CN116307426A (zh) | 水面舰艇照射器任务规划方法和系统 | |
CN113110595B (zh) | 面向目标核查印证的异构无人机群协同方法 | |
CN115328189A (zh) | 多无人机协同博弈决策方法和系统 | |
CN112396288B (zh) | 一种装备体系火力打击能力评估方法、装置、设备和介质 | |
CN114971423B (zh) | 多ucav的协同任务分配方法、装置、电子设备及介质 | |
Tianhan et al. | UAV cooperative attack and route planning based on DPSO algorithm | |
CN109472060B (zh) | 一种面向组件的飞行器总体双循环优化方法及系统 | |
Chen et al. | Research on multiple kill vehicles firepower distribution strategy based on adjust genetic algorithm | |
Chen et al. | The evaluation method of air force attack airline |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |