CN112284188A - 一种基于自适应步长离散狼群算法的无人机攻防决策方法 - Google Patents

Abstract

本发明公开了一种基于自适应步长离散狼群算法的无人机攻防决策方法，包括：S1、获取空战态势、战机性能、目标意图，建立综合威胁函数；S2、根据我方无人机所拥有导弹数目m和敌方无人机数目n确定人工狼编码长度L，根据约束条件，建立无人机攻防分配模型；S3、设计自适应步长离散狼群算法，以综合威胁函数作为自适应步长离散狼群算法的适应度指计算公式执行自适应步长离散狼群算法，求出相应的最优解；S4、根据相应的最优解进行无人机攻防决策；本发明通过定义交叉算子和运动算子，描述离散狼群算法的智能行为，并采用自适应奔袭步长方式加快离散狼群算法的收敛速度，解决了当问题规模过大，无人机攻防决策速度难以满足实时空战要求的问题。

Description

一种基于自适应步长离散狼群算法的无人机攻防决策方法

技术领域

本发明涉及无人机智能决策技术领域，特别是涉及一种基于自适应步长离散狼群算法的无人机攻防决策方法。

背景技术

攻防决策是指战机在空战过程中，将我方无人机导弹分配给敌方无人机，进而对敌方无人机进行毁伤，从而保证我方空战态势优势，甚至取得空战胜利的过程。近年来，无人机技术的快速发展，空中战场无人机化逐渐成为现实。

随着各种高新技术的发展，不同无人机、导弹武器被投放到空中战场中，空战规模逐渐增大。同时无人机相较于有人机，缺乏飞行员的实时指导，在攻防决策过程中要求有更高的自主性、快速性和合理性，能够在复杂的空战环境中，对敌方不同目标进行快速打击。消除敌方无人机对我方无人机的威胁，从而在毁伤敌方无人机的同时保证我方无人机的安全。近年来，研究无人机攻防决策问题的研究人员越来越多，但无人机空战攻防决策仍存在很多需要解决的实际问题。如复杂空战环境下无人机威胁建模问题、空战规模增大影响攻防决策快速性和准确性问题，因此，进一步研究在复杂空战环境下，大规模无人机空战攻防决策问题具有重要的理论意义和研究价值。

狼群算法作为新兴的元启发式算法，通过游走行为、召唤行为、围攻行为对搜索空间进行全面的全局搜索和细致的局部搜索，同时具有良好最优跳出机制。目前，在故障诊断、图像处理、路径优化等多个方向取得较好的效果。另外在解决背包问题、旅行商等离散问题上相较于其他算法也有一定的优越性，具有较好的广度开拓和深度开采能力，能够较好的解决离散组合优化问题，但目前狼群算法尚未应用到无人机攻防决策问题上，针对无人机攻防决策问题，设计相应的狼群编码方式与智能行为有待进一步研究。

综上所述，为了无人机攻防决策的快速性和准确性，应继续研究复杂空战环境中，空战规模不断增大的情况下，无人机攻防决策问题。

发明内容

有鉴于此，本发明的目的在于提供一种基于自适应步长离散狼群算法的无人机攻防决策方法，主要解决的问题是：由于攻防决策问题规模增大而导致的决策结果容易陷入局部最优，求解速度慢的无人机攻防决策问题.

为实现上述的目的，本发明提供如下的技术方案：

一种基于自适应步长离散狼群算法的无人机攻防决策方法，包括：

S1、获取空战态势、战机性能、目标意图，建立综合威胁函数；

S2、根据我方无人机所拥有导弹数目m和敌方无人机数目n确定人工狼编码长度L，将人工狼长度设置为我方导弹数量，即L＝m，根据约束条件，建立无人机攻防分配模型；

S3、设计自适应步长离散狼群算法，以综合威胁函数作为自适应步长离散狼群算法的适应度指计算公式执行自适应步长离散狼群算法，求出相应的最优解；

S4、根据相应的最优解进行无人机攻防决策。

优选的，所述综合威胁函数的表达式如下：

T＝α₁T_d+α₂T_a+α₃T_v+α₄T_u+α₅T_e (1)

在公式(1)中，T_d表示距离威胁子函数，T_a表示角度威胁子函数，T_v表示速度威胁子函数，T_u表示战机性能威胁子函数，T_e表示为目标意图威胁参数；α₁、α₂、α₃、α₄、α₅分别是T_d、T_a、T_v、T_u、T_e的加权系数。

优选的，所述距离威胁子函数的表达式如下：

在公式(2)中，T_d表示距离威胁子函数，d表示我机与敌机的距离，R_min表示敌机武器的最小打击距离，R_max表示敌机武器的最大打击距离，R₀＝(R_min+R_max)/2；

所述角度威胁子函数的表达式如下：

在公式(3)中，T_a表示角度威胁子函数，

表示目标方位角，ρ表示目标进入角；

所述速度威胁子函数的表达式如下：

在公式(4)中，T_v表示速度威胁子函数，v_o表示我方无人机速度，v_t表示敌方无人机速度；

所述战机性能威胁子函数的表达式如下：

在公式(5)中，T_u表示战机性能威胁子函数，w_t表示敌方无人机战机性能，w_o表示我方无人机战机性能；无人机战机性能通过参数法求取；

所述目标意图威胁参数的取值根据敌方无人机的战术意图来进行确定，具体为：

敌方无人机的战术意图为攻击时，目标意图威胁参数为0.9；

敌方无人机的战术意图为侦察时，目标意图威胁参数为0.5；

敌方无人机的战术意图为监视时，目标意图威胁参数为0.6；

敌方无人机的战术意图为佯攻时，目标意图威胁参数为0.7；

敌方无人机的战术意图为突防时，目标意图威胁参数为0.3；

敌方无人机的战术意图为防御时，目标意图威胁参数为0.1；

敌方无人机的战术意图为电子干扰时，目标意图威胁参数为0.6；

敌方无人机的战术意图为不明，目标意图威胁参数为0.5。

优选的，在所述S2步骤中，所述约束条件为：每架敌方无人机应当分配一枚导弹，其次每一枚导弹仅可打击一架无人机，最后我方导弹数量需大于敌方无人机数量，即m＞n；

所述无人机攻防分配模型的表达式如下：

在公式(6)中，n代表是敌方无人机的数量、m为我方导弹的数量；xi_j表示我方第i机受到敌方第j号导弹的威胁程度，T_ij表示当我方第i架无人机受敌方第j枚导弹的综合威胁。

优选的，在所述S3步骤中，所述自适应步长离散狼群算法包括如下步骤：

S301、参数初始化，具体包括如下：

设定狼群初始规模N，人工狼初始位置X_i，步长step_a、step_b、step_c，算法最大迭代次数k_max，探狼最大游走次数T_max，距离判定因子ω，探狼比例因子α，更新比例因子β；

S302、探狼游走，具体包括如下：

选择适应度适应度值最大的人工狼为头狼，选择除头狼外适应度值最佳的S_num匹人工狼视为探狼，探狼数量S_num的取值范围为S_num＝[N/(α+1),N/α]，α为探狼比例因子，N为人工狼数目；

记录每个探狼i在当前位置X_i的适应度值为Y_i，头狼适应度值为Y_lead，判断Y_i是否大于Y_lead，若Y_i≥Y_lead，则该探狼i取代头狼位置成为新头狼；若Y_i＜Y_lead，则探狼i试探性地向h个方向前进一步进行侦查，即随机执行h次运动算子Θ(X_i,stap_a)，其中stap_a为游走步长，然后记录每次所感知到的猎物气味浓度；所述运动算子Θ(X_i,stap_a)表示随机生成stap_a个交换算子并按交换算子顺序将对应位数编码的数值进行交换；

然后令向第p个方向前进后所感知到的猎物气味浓度为Y_ip，p∈{1,2,…,h}，另外Y_ip′＝max{Y_ip,p∈H}，若Y_ip′＞Y_i，则选择方向p′方向前进一步，即Y_i＝Y_ip′，重复以上过程直至Y_i＞Y_lead或者游走次数T超过限值T_max，然后进行步骤S303；

S303、猛狼奔袭，具体包括如下：

头狼发起召唤行为，指挥猛狼i向头狼s所处位置X_s迅速靠近，其中猛狼是除头狼外所有人工狼；猛狼以步长step_b向头狼位置迅速奔袭，step_b为奔袭步长，具体操作为：在头狼中随机取出长度为step_b的子序列，替换猛狼序列中相同位置的编码值，并对其他编码进行调整；

猛狼在奔袭过程中，若感知到猎物气味浓度Y_i＞Y_lead，则该猛狼取代头狼成为新头狼，即Y_lead＝Y_i；若Y_i＜Y_lead，则猛狼i继续响应头狼的召唤，继续执行奔袭行为直到d_is＜d_near时转入步骤S304，其中，d_is表示猛狼i与头狼s的距离；d_near表示判定距离，其中

ω为距离判定因子，

为向上取整；

S304、猛狼围攻，具体包括如下：

除头狼外，所有人工狼参与围攻行为，具体操作为随机生成交换算子Θ(X_i,stap_c)，参与围攻的人工狼执行交换算子操作，step_c为猛狼采取围攻行为时的行走步长；所述交换算子Θ(X_i,stap_c)表示随机生成step_c个交换算子并按交换算子顺序将对应位数编码的数值进行交换；

S305、狼群更新，具体包括如下：

按照头狼的产生规则更新头狼的位置，所述头狼的产生规则为适应度值最高的人工狼为头狼；按照狼群更新机制，对整个群体进行更新，所述狼群更新机制为：去除适应度值最低的M匹人工狼，并重新随机生成相应数量的人工狼，其中

N为人工狼数目，β为更新比例因子，

为向下取整，

为向上取整；

S306、判断是否达到终止条件，若达到终止条件，则输出本次迭代过程头狼的位置X_s与感知到的猎物气味浓度Y_lead，即最优攻防决策方案与所获得的综合威胁值，若没有达到，转到步骤S302，进行新一次的迭代，直到达到算法最大迭代次数k_max，然后输出该次迭代过程中头狼的位置X_s与感知到的猎物气味浓度Y_lead；

所述终止条件为当迭代次数达到k_max或者算法连续迭代多代头狼位置均未改变，具体需要连续迭代几代，根据具体的战斗场景来进行设定，优选的，迭代10代。

优选的，在所述S302步骤中，所述游走步长

式中，L为编码长度，λ∈(0,1]，

为向上取整；

在所述S303步骤中，奔袭步长

式中，d_is为猛狼i与头狼s的距离，d_near为围攻判定距离，

为向下取整，

为向上取整。

本发明的有益效果是：

本发明通过定义交叉算子和运动算子，描述离散狼群算法的智能行为，并采用自适应奔袭步长方式加快离散狼群算法的收敛速度，解决了当问题规模过大时，无人机攻防决策速度难以满足实时空战要求的问题。

附图说明

图1为无人机攻防决策特征因素图。

图2为人工狼编码示意图。

图3为基于自适应步长离散狼群算法攻防决策流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

也为了更清楚表述本发明的技术方案，先定义交换算子、人工狼距离和运动算子；具体如下：

交换算子：设人工狼i的位置为X_i＝{x_i1,x_i2,…,x_iL}，取其中任意两个互不相同的元素x_ij和x_ik，组成一个二维数组(x_ij,x_ik)，其中j,k＝1,2,…,L且j≠k，该二维数组即为交换算子。

人工狼距离：人工狼p与q之间的距离定义为两个人工狼编码X_p与X_q的序列距离，若X_p最少需要r次交换操作才能转换成X_q，则人工狼的距离为r。

运动算子：设人工狼i的位置为X_i＝{x_i1,x_i2,…,x_iL}；r表示进行交换算子的次数，可理解为人工狼的行走步长，运动算子Θ(X_i,r)表示随机生成r个交换算子并按交换算子顺序将对应位数编码的数值进行交换。例如X_i＝{5,3,1,4,2}，r＝1，随机生成交换算子为{3,4}，则Θ(X_i,r)＝{5,4,1,3,2}。

参见图1、图2和图3，本发明公开了一种基于自适应步长离散狼群算法的无人机攻防决策方法，包括如下步骤：

S1、获取空战态势、战机性能、目标意图，建立综合威胁函数；

综合威胁包括三大威胁特征：空战态势威胁、战机性能威胁、目标意图威胁；空战态势威胁、战机性能威胁和目标意图威胁又包括各项子威胁；具体包括哪些子威胁，请见图1。

综合威胁函数的表达式如下：

T＝α₁T_d+α₂T_a+α₃T_v+α₄T_u+α₅T_e (1)

在公式(1)中，T_d表示距离威胁子函数，T_a表示角度威胁子函数，T_v表示速度威胁子函数，T_u表示战机性能威胁子函数，T_e表示为目标意图威胁参数；α₁、α2、α₃、α₄、α₅分别是T_d、T_a、T_v、T_u、T_e的加权系数。

距离威胁子函数的表达式如下：

在公式(2)中，T_d表示距离威胁子函数，d表示我机与敌机的距离，R_min表示敌机武器的最小打击距离，R_max表示敌机武器的最大打击距离，R₀＝(R_min+R_max)/2。

角度威胁子函数的表达式如下：

在公式(3)中，T_a表示角度威胁子函数，

表示目标方位角，ρ表示目标进入角。

速度威胁子函数的表达式如下：

在公式(4)中，T_v表示速度威胁子函数，v_o表示我方无人机速度，v_t表示敌方无人机速度。

战机性能威胁子函数的表达式如下：

在公式(5)中，T_u表示战机性能威胁子函数，w_t表示敌方无人机战机性能，w_o表示我方无人机战机性能；无人机战机性能通过参数法求取。

目标意图威胁参数的取值根据敌方无人机的战术意图来进行确定，具体为：

敌方无人机的战术意图为攻击时，目标意图威胁参数为0.9；

敌方无人机的战术意图为侦察时，目标意图威胁参数为0.5；

敌方无人机的战术意图为监视时，目标意图威胁参数为0.6；

敌方无人机的战术意图为佯攻时，目标意图威胁参数为0.7；

敌方无人机的战术意图为突防时，目标意图威胁参数为0.3；

敌方无人机的战术意图为防御时，目标意图威胁参数为0.1；

敌方无人机的战术意图为电子干扰时，目标意图威胁参数为0.6；

敌方无人机的战术意图为不明时，目标意图威胁参数为0.5。

敌方无人机战术意图代表着敌方无人机未来时刻可能进行的战术动作，而考虑敌方未来时刻战术意图威胁可以提前对敌方无人机未来时刻战术动作进行警备，从而提高无人机攻防决策的综合效益。

S2、根据我方无人机所拥有导弹数目m和敌方无人机数目n确定人工狼编码长度L，根据约束条件，建立无人机攻防分配模型；将人工狼长度设置为我方导弹数量，即L＝m；约束条件为：每架敌方无人机应当分配一枚导弹，其次每一枚导弹仅可打击一架无人机，最后我方导弹数量需大于敌方无人机数量，即m＞n；为了描述方便，假设我方8个导弹，敌方5个目标，增加3个虚目标，对我方威胁设为0，人工狼编码示意图如图2所示。

无人机攻防分配模型的表达式如下：

在公式(6)中，n代表是敌方无人机的数量、m为我方导弹的数量；xi_j表示我方第i机受到敌方第j号导弹的威胁程度，T_ij表示当我方第i架无人机受敌方第j枚导弹的综合威胁。

S3、设计自适应步长离散狼群算法，以综合威胁函数作为自适应步长离散狼群算法的适应度指计算公式执行自适应步长离散狼群算法，求出相应的最优解；

自适应步长离散狼群算法包括如下步骤：

S301、参数初始化，具体包括如下：

设定狼群初始规模N，人工狼初始位置X_i，步长step_a、step_b、step_c，算法最大迭代次数k_max，探狼最大游走次数T_max，距离判定因子ω，探狼比例因子α，更新比例因子β。

S302、探狼游走，具体包括如下：

选择适应度值最大的人工狼为头狼，选择除头狼外适应度值最佳的S_num匹人工狼视为探狼，探狼数量S_num的取值范围为S_num＝[N/(α+1),N/α]，α为探狼比例因子，N为人工狼数目；记录每个探狼i在当前位置X_i的适应度值为Y_i，头狼适应度值为Y_lead，判断Y_i是否大于Y_lead，若Y_i≥Y_lead，则该探狼i取代头狼位置成为新头狼；若Y_i＜Y_lead，则探狼i试探性地向h个方向前进一步进行侦查，即随机执行h次运动算子Θ(X_i,stap_a)，其中stap_a为游走步长，然后记录每次所感知到的猎物气味浓度；所述游走步长

式中，L为编码长度，λ∈(0,1]，

为向上取整；所述运动算子Θ(X_i,stap_a)表示随机生成stap_a个交换算子并按交换算子顺序将对应位数编码的数值进行交换；然后令向第p个方向前进后所感知到的猎物气味浓度为Y_ip，p∈{1,2,…,h}，另外Y_ip′＝max{Y_ip,p∈H}，若Y_ip′＞Y_i，则选择方向p′方向前进一步，即Y_i＝Y_ip′，重复以上过程直至Y_i＞Y_lead或者游走次数T超过限值T_max，然后进行步骤S303；由于探狼存在个体差异，其搜于猎物的能力也不尽相同，h的取值也存在着差异，具体可取[h_min,h_max]，h越大，搜索精度越高，但是搜索时间代价越高。

S303、猛狼奔袭，具体包括如下：

头狼发起召唤行为，指挥猛狼i向头狼s所处位置X_s迅速靠近，其中猛狼是除头狼外所有人工狼；猛狼以步长step_b向头狼位置迅速奔袭，step_b为奔袭步长，奔袭步长

式中，d_is为猛狼i与头狼s的距离，d_near为围攻判定距离，

为向下取整，

为向上取整。具体操作为：在头狼中随机取出长度为step_b的子序列，替换猛狼序列中相同位置的编码值，并对其他编码进行调整；猛狼在奔袭过程中，若感知到猎物气味浓度Y_i＞Y_lead，则该猛狼取代头狼成为新头狼，即Y_lead＝Y_i；若Y_i＜Y_lead，则猛狼i继续响应头狼的召唤，继续执行奔袭行为直到d_is＜d_near时转入步骤S304，其中，d_is表示猛狼i与头狼s的距离；d_near表示判定距离，其中

ω为距离判定因子，

为向上取整。

S304、猛狼围攻，具体包括如下：

除头狼外，所有人工狼参与围攻行为，具体操作为随机生成交换算子Θ(X_i,stap_c)，参与围攻的人工狼执行交换算子操作，step_c为猛狼采取围攻行为时的行走步长；所述交换算子Θ(X_i,stap_c)表示随机生成step_c个交换算子并按交换算子顺序将对应位数编码的数值进行交换；围攻行为可以理解为狼群在优秀猎物周围进行小范围的群体运动，对优秀解域进行精细搜索，同时增加种群多样性，避免算法早熟。

S305、狼群更新，具体包括如下：

按照头狼的产生规则更新头狼的位置，所述头狼的产生规则为适应度值最高的人工狼为头狼；按照狼群更新机制，对整个群体进行更新，所述狼群更新机制为：去除适应度值最低的M匹人工狼，并重新随机生成相应数量的人工狼，其中

N为人工狼数目，β为更新比例因子，

为向下取整，

为向上取整。

S306、判断是否达到终止条件，若达到终止条件，则输出本次迭代过程头狼的位置X_s与感知到的猎物气味浓度Y_lead，即最优攻防决策方案与所获得的综合威胁值，若没有达到，转到步骤S302，进行新一次的迭代，直到达到算法最大迭代次数k_max，然后输出该次迭代过程中头狼的位置X_s与感知到的猎物气味浓度Y_lead；

上述终止条件为，当迭代次数达到k_max或者算法连续迭代多代头狼位置均未改变，具体需要连续迭代几代，根据具体的战斗场景来进行设定，在本实施例中迭代10代。

S4、根据相应的最优解进行无人机攻防决策。具体的说，头狼位置X_s，表示我方无人机与敌方无人机的分配方案，也即攻防决策结果，按照该方案进行无人机分配，能获得最优的战斗效能；

本发明未详述之处，均为本领域技术人员的公知技术。

以上详细描述了本发明的较佳具体实施例。应当理解，本领域的普通技术人员无需创造性劳动就可以根据本发明的构思作出诸多修改和变化。因此，凡本技术领域中技术人员依本发明的构思在现有技术的基础上通过逻辑分析、推理或者有限的实验可以得到的技术方案，皆应在由权利要求书所确定的保护范围内。

Claims (6)

1.一种基于自适应步长离散狼群算法的无人机攻防决策方法，其特征在于，包括如下步骤：

S1、获取空战态势、战机性能、目标意图，建立综合威胁函数；

S2、根据我方无人机所拥有导弹数目m和敌方无人机数目n确定人工狼编码长度L，将人工狼长度设置为我方导弹数量，即L＝m，根据约束条件，建立无人机攻防分配模型；

S3、设计自适应步长离散狼群算法，以综合威胁函数作为自适应步长离散狼群算法的适应度指计算公式执行自适应步长离散狼群算法，求出相应的最优解；

S4、根据相应的最优解进行无人机攻防决策。

2.根据权利要求1所述一种基于自适应步长离散狼群算法的无人机攻防决策方法，其特征在于，所述步骤S1中，所述综合威胁函数的表达式如下：

T＝α₁T_d+α₂T_a+α₃T_v+α₄T_u+α₅T_e (1)

在公式(1)中，T_d表示距离威胁子函数，T_a表示角度威胁子函数，T_v表示速度威胁子函数，T_u表示战机性能威胁子函数，T_e表示为目标意图威胁参数；α₁、α₂、α₃、α₄、α₅分别是T_d、T_a、T_v、T_u、T_e的加权系数。

3.根据权利要求2所述一种基于自适应步长离散狼群算法的无人机攻防决策方法，其特征在于，所述距离威胁子函数的表达式如下：

在公式(2)中，T_d表示距离威胁子函数，d表示我机与敌机的距离，R_min表示敌机武器的最小打击距离，R_max表示敌机武器的最大打击距离，R₀＝(R_min+R_max)/2；

所述角度威胁子函数的表达式如下：

在公式(3)中，T_a表示角度威胁子函数，

表示目标方位角，ρ表示目标进入角；

所述速度威胁子函数的表达式如下：

在公式(4)中，T_v表示速度威胁子函数，v_o表示我方无人机速度，v_t表示敌方无人机速度；所述战机性能威胁子函数的表达式如下：

在公式(5)中，T_u表示战机性能威胁子函数，w_t表示敌方无人机战机性能，w_o表示我方无人机战机性能；无人机战机性能通过参数法求取；

所述目标意图威胁参数的取值根据敌方无人机的战术意图来进行确定，具体为：

敌方无人机的战术意图为攻击时，目标意图威胁参数为0.9；

敌方无人机的战术意图为侦察时，目标意图威胁参数为0.5；

敌方无人机的战术意图为监视时，目标意图威胁参数为0.6；

敌方无人机的战术意图为佯攻时，目标意图威胁参数为0.7；

敌方无人机的战术意图为突防时，目标意图威胁参数为0.3；

敌方无人机的战术意图为防御时，目标意图威胁参数为0.1；

敌方无人机的战术意图为电子干扰时，目标意图威胁参数为0.6；

敌方无人机的战术意图为不明，目标意图威胁参数为0.5。

4.根据权利要求1所述一种基于自适应步长离散狼群算法的无人机攻防决策方法，其特征在于，在所述S2步骤中，所述约束条件为：每架敌方无人机应当分配一枚导弹，每一枚导弹仅可打击一架无人机，我方导弹数量需大于敌方无人机数量，即m＞n；

所述无人机攻防分配模型的表达式如下：

在公式(6)中，n代表是敌方无人机的数量、m为我方导弹的数量；xi_j表示我方第i机受到敌方第j号导弹的威胁程度，T_ij表示当我方第i架无人机受敌方第j枚导弹的综合威胁。

5.根据权利要求1所述一种基于自适应步长离散狼群算法的无人机攻防决策方法，其特征在于，在所述S3步骤中，所述自适应步长离散狼群算法包括如下步骤：

S301、参数初始化，具体包括如下：

设定狼群初始规模N，人工狼初始位置X_i，步长step_a、step_b、step_c，算法最大迭代次数k_max，探狼最大游走次数T_max，距离判定因子ω，探狼比例因子α，更新比例因子β；

S302、探狼游走，具体包括如下：

选择适应度适应度值最大的人工狼为头狼，选择除头狼外适应度值最佳的S_num匹人工狼视为探狼，探狼数量S_num的取值范围为S_num＝[N/(α+1),N/α]，α为探狼比例因子，N为人工狼数目；

记录每个探狼i在当前位置X_i的适应度值为Y_i，头狼适应度值为Y_lead，判断Y_i是否大于Y_lead，若Y_i≥Y_lead，则该探狼i取代头狼位置成为新头狼；若Y_i＜Y_lead，则探狼i试探性地向h个方向前进一步进行侦查，即随机执行h次运动算子Θ(X_i,stap_a)，其中stap_a为游走步长，然后记录每次所感知到的猎物气味浓度；所述运动算子Θ(X_i,stap_a)表示随机生成stap_a个交换算子并按交换算子顺序将对应位数编码的数值进行交换；

然后令向第p个方向前进后所感知到的猎物气味浓度为Y_ip，p∈{1,2,…,h}，另外Y_ip′＝max{Y_ip,p∈H}，若Y_ip′＞Y_i，则选择方向p′方向前进一步，即Y_i＝Y_ip′，重复以上过程直至Y_i＞Y_lead或者游走次数T超过限值T_max，然后进行步骤S303；

S303、猛狼奔袭，具体包括如下：

头狼发起召唤行为，指挥猛狼i向头狼s所处位置X_s迅速靠近，其中猛狼是除头狼外所有人工狼；猛狼以步长step_b向头狼位置迅速奔袭，step_b为奔袭步长，具体操作为：在头狼中随机取出长度为step_b的子序列，替换猛狼序列中相同位置的编码值，并对其他编码进行调整；

猛狼在奔袭过程中，若感知到猎物气味浓度Y_i＞Y_lead，则该猛狼取代头狼成为新头狼，即Y_lead＝Y_i；若Y_i＜Y_lead，则猛狼i继续响应头狼的召唤，继续执行奔袭行为直到d_is＜d_near时转入步骤S304，其中，d_is表示猛狼i与头狼s的距离；d_near表示判定距离，其中

ω为距离判定因子，

为向上取整；

S304、猛狼围攻，具体包括如下：

除头狼外，所有人工狼参与围攻行为，具体操作为随机生成交换算子Θ(X_i,stap_c)，参与围攻的人工狼执行交换算子操作，step_c为猛狼采取围攻行为时的行走步长；所述交换算子Θ(X_i,stap_c)表示随机生成step_c个交换算子并按交换算子顺序将对应位数编码的数值进行交换；

S305、狼群更新，具体包括如下：

按照头狼的产生规则更新头狼的位置，所述头狼的产生规则为适应度值最高的人工狼为头狼；按照狼群更新机制，对整个群体进行更新，所述狼群更新机制为：去除适应度值最低的M匹人工狼，并重新随机生成相应数量的人工狼，其中

N为人工狼数目，β为更新比例因子，

为向下取整，

为向上取整；

S306、判断是否达到终止条件，若达到终止条件，则输出本次迭代过程头狼的位置X_s与感知到的猎物气味浓度Y_lead，即最优攻防决策方案与所获得的综合威胁值，若没有达到，转到步骤S302，进行新一次的迭代，直到达到算法最大迭代次数k_max，然后输出该次迭代过程中头狼的位置X_s与感知到的猎物气味浓度Y_lead；所述终止条件为当迭代次数达到k_max或者算法连续迭代多代头狼位置均未改变。

6.根据权利要求5所述一种基于自适应步长离散狼群算法的无人机攻防决策方法，其特征在于，在所述S302步骤中，所述游走步长

式中，L为编码长度，λ∈(0,1]，

为向上取整；

在所述S303步骤中，奔袭步长

式中，d_is为猛狼i与头狼s的距离，d_near为围攻判定距离，

为向下取整，

为向上取整。

Images