CN114048628B - 基于动态遗传算法解决多波攻击下舰船恢复策略优化方法 - Google Patents
基于动态遗传算法解决多波攻击下舰船恢复策略优化方法Info
- Publication number
- CN114048628B CN114048628B CN202111415832.6A CN202111415832A CN114048628B CN 114048628 B CN114048628 B CN 114048628B CN 202111415832 A CN202111415832 A CN 202111415832A CN 114048628 B CN114048628 B CN 114048628B
- Authority
- CN
- China
- Prior art keywords
- attack
- node
- matrix
- wave
- ship
- 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
- 238000011084 recovery Methods 0.000 title claims abstract description 49
- 238000000034 method Methods 0.000 title claims abstract description 31
- 230000002068 genetic effect Effects 0.000 title claims abstract description 26
- 238000005457 optimization Methods 0.000 title claims abstract description 13
- 239000011159 matrix material Substances 0.000 claims abstract description 70
- 230000006378 damage Effects 0.000 claims abstract description 64
- 238000012423 maintenance Methods 0.000 claims abstract description 54
- 230000007123 defense Effects 0.000 claims abstract description 26
- 238000001514 detection method Methods 0.000 claims abstract description 13
- 230000035939 shock Effects 0.000 claims abstract description 13
- 238000004880 explosion Methods 0.000 claims abstract description 10
- 230000008901 benefit Effects 0.000 claims abstract description 7
- 230000008439 repair process Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 14
- 108090000623 proteins and genes Proteins 0.000 claims description 11
- 230000010485 coping Effects 0.000 claims description 5
- 238000011156 evaluation Methods 0.000 claims description 5
- 208000027418 Wounds and injury Diseases 0.000 claims description 4
- 208000014674 injury Diseases 0.000 claims description 4
- 238000010276 construction Methods 0.000 claims description 3
- 238000004088 simulation Methods 0.000 description 5
- 241000251729 Elasmobranchii Species 0.000 description 4
- 238000005516 engineering process Methods 0.000 description 3
- 238000011161 development Methods 0.000 description 2
- 238000010586 diagram Methods 0.000 description 2
- 238000013178 mathematical model Methods 0.000 description 2
- 230000008447 perception Effects 0.000 description 2
- 230000006978 adaptation Effects 0.000 description 1
- 230000008485 antagonism Effects 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 230000015572 biosynthetic process Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000002349 favourable effect Effects 0.000 description 1
- 230000006870 function Effects 0.000 description 1
- 230000007246 mechanism Effects 0.000 description 1
- 230000009525 mild injury Effects 0.000 description 1
- 230000009526 moderate injury Effects 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000009528 severe injury Effects 0.000 description 1
Abstract
本发明公开了一种基于动态遗传算法解决多波攻击下舰船恢复策略优化方法。属于在多约束下提高系统弹性领域,步骤:建立多波次的包含不同爆炸当量及打击落点的敌方攻击矩阵;构建动态的效能等级矩阵;构建灵活的有针对性的舰船攻击防御系统;构建毁伤矩阵;生成节点恢复矩阵;循环敌方攻击链;利用控制变量法对比分析攻击防御恢复策略的优势与劣势。本发明实现敌方的多波次、多种类攻击,舰船系统的几点功能分布与作战能力;通过冲击波超压公式以及装备节点的探测/拦截概率去构建敌我双方打击对抗及毁伤模型;满足了多波次攻击情形下变化的维修节点序列且分析了维修策略的优劣势;确定了在复杂作战环境下舰船系统恢复策略的真实和客观。
Description
技术领域
本发明属于在多约束下提高系统弹性领域,涉及系统可靠性问题,特别是涉及一种基于动态遗传算法解决多波攻击下舰船恢复策略优化方法。
背景技术
随着无人化智能化技术的发展,现代战争具有以下几个特点:
第一,态势全面感知,传感技术与网络传输技术的发展得以实现对海、陆、空、天的全面感知;
第二,装备无人自主,装备的无人化占比日益提高,改变了作战力量的组成结构;
第三,指挥智能决策,指挥决策方式由以往的经验决策逐渐向基于态势感知数据的人工智能分析和决策转变;
第四,装备集群异构,装备形成自主化的作战集群与编队,不同装备间协同作战,形成复杂的异构自适应对抗体系。
未来战争形态可想而知的复杂,在这种形势下,为更好的发挥装备体系的作战效能,应建立与之相匹配的保障体系。针对复杂舰艇防御系统,本文将系统弹性作为一个新的指标对防御系统效能进行评估。所谓“弹性”是指系统为应对各种扰动、变化而呈现的一种能力或品质特性,及系统对来自自然或人为事件的干扰进行预测、抵抗、吸收、反应、适应并恢复的能力。弹性强调通过自适应调整机制来应对系统故障、威胁和变化,保障任务的完成。舰艇在战时的恢复能力是舰艇防御系统弹性的重要指标,因此,一个优良的弹性恢复策略是至关重要的。具备弹性的防御系统能够更好地适应快速多变、不确定、对抗激烈的战场环境,满足作战需求。
发明内容
发明目的:为了克服现有技术中存在的不足,本发明目的是面对多波次、复杂攻击的海上作战环境,提供一种基于遗传算法的攻击防御恢复策略,以提高舰船作战系统在多波次作战下的整体弹性。
技术方案:本发明所述的一种基于动态遗传算法解决多波攻击下舰船恢复策略优化方法,具体操作步骤如下:
(1)、根据不同的攻击类型,建立多波次的、包含不同爆炸当量及打击落点的敌方攻击矩阵;
(2)、根据不同的作战场景建立舰船防御系统,为舰船系统各装备节点建立相应的战时重要度矩阵,并为节点构建动态的效能等级矩阵;
(3)、选取部分节点作为作战类型节点,以防御不同类型的敌方攻击,并生成相应波次攻击下的拦截对抗任务,构建灵活的有针对性的舰船攻击防御系统;
(4)、利用冲击波超压公式,根据敌方攻击的毁伤当量以及落点确定防御系统各节点的毁伤程度,构建毁伤矩阵;
(5)、根据节点受伤情况以及下波次的攻击动态的调整遗传算法维修恢复策略,生成在维修备件约束、时间约束等多种条件约束下的维修序列,生成节点恢复矩阵;
(6)、循环敌方攻击链,重复步骤(2)-(5);
(7)、使用商弹性模型评估防御系统在多波次攻击后的系统弹性,并利用控制变量法对比分析攻击防御恢复策略的优势与劣势。
进一步的,在步骤(1)中,所述建立敌方攻击矩阵的过程如下:
设敌方共有5波次攻击,每波次共有5发炮弹,可同种类也可不同种类,每发炮弹携带自身序号、TNT当量以及三维落点信息,则敌方攻击矩阵记为Attracts={f1,f2,f3,f4,f5},f代表每波次攻击,如f1={a1,a2,a3,a4,a5},a代表每发炮弹,如a1={1,100,73.4,23.8,20.5},其中后三位分别为x、y、z三维坐标下的落点。
进一步的,在步骤(2)中,所述建立舰船防御系统的过程如下:
(2.1)、舰船装备节点为一个三维坐标矩阵xyz={X1,X2……X49,X50}共计50个节点,为应对不同类型的作战环境分别为每个节点设置不同3维的战时重要度;
(2.2)、为形容作战进行时节点的状态,每个装备节点引入效能等级矩阵level_E及受到攻击后的毁伤矩阵shock_matrix,每个节点的level_E均为5,表示初始节点完好,在遭遇攻击后减去相应的shock_matrix作为装备节点新的效能等级,即:
level_En=level_En-1-shock_matrixn
其中,1≤n≤5表示攻击波次。
进一步的,在步骤(3)中,所述拦截任务的具体是:
作战型节点对于敌方攻击的拦截任务是指舰船的探测型、拦截形装备节点对敌方攻击进行拦截打击的事件;系统若成功拦截敌方攻击,则免受伤害,效能等级矩阵不变;若拦截失败,系统则遭受到毁伤,效能等级下降,等待后续维修。
进一步的,在步骤(4)中,所述建立毁伤模型的过程如下:
所述毁伤模型的建立是用来描述系统在遭受到毁伤后各节点的状态,根据拦截失败的攻击所携带的TNT当量及起落点信息,结合地面空气冲击波超压公式,计算每个节点所受到的毁伤程度,得到动态的毁伤矩阵,从而得到各节点当前的效能等级矩阵。
进一步的,在步骤(5)中,所述构建维修恢复策略的过程如下:
(5.1)、在经过步骤(4)的毁伤模型计算后,根据各节点当前的效能等级矩阵去动态的构建基于传统遗传算法的基因序列长度;
如当前有n个节点不完好,则当前波次的遗传算法基因序列长度为n,并根据各节点当前的战时重要度,生成在多种条件约束下可使得当前战时重要度最高的基因序列;
(5.2)、根据生成的多种条件约束,包括每波次攻击间隔30分中的时间约束、有限备件约束、多组并行维修约束、每组最低维修节点数约束;
其中每组最低维修节点数也根据所需维修节点数而动态调整。
进一步的,在步骤(6)中,所述循环敌方攻击链是指:并生成每波次攻击中各自所需的矩阵,记录每波次攻击中系统受到的毁伤及系统恢复的节点效能等级数。
进一步的,在步骤(7)中,所述商弹性模型为研究系统总体弹性,取系统在多波次攻击下的总恢复与总损伤的比值作为系统弹性的评估指标。
本发明主要是对舰艇战时情况进行建模仿真,模拟舰船系统在遭遇多波次、复杂攻击类型的情况下的拦截对抗情形,利用传统遗传算法动态求解MTSP问题,提高了系统自适应能力。为装备节点赋予应对不同攻击场景下的战时重要度,使系统在利用遗传算法维修时倾向更有利于抵抗攻击的种群适应度值,以此来增强舰艇的抗击打能力,从而提高舰船作战系统在多波次作战下的整体弹性
有益效果:本发明与现有技术相比,本发明的特点:1、本发明在已有研究的舰船系统恢复策略的思路上,分析到单次、固定的恢复策略无法应对复杂多变的海上作战环境,提出了装备节点战时重要度矩阵,将战时舰船系统所受伤害最小为导向,优先修复可参与作战,拦截敌方攻击的装备节点,使得系统在多波次攻击下所受伤害降低,系统弹性增加;2、由于系统节点在多波次下拥有不同的效能等级状态,使得每波次维修的节点数并不是固定的,本发明建立一系列动态的指标去满足模型,包括动态的遗传算法基因序列长度、维修时动态的多组维修数以及动态的每组最小维修节点数;3、由于本发明拟定了三种攻击类型——高空导弹、低空无人机、水下鱼雷分别具有“拦截易毁伤高”、“拦截易毁伤低”以及“拦截难毁伤高”的特点,结果证明在“拦截难毁伤高”的作战环境下更能体先本发明恢复策略的优势。
附图说明
图1是本发明的制备流程图;
图2是本发明实施例中全鱼雷攻击下系统各阶段状态图;
图3是本发明实施例中全无人机攻击下系统各阶段状态图。
具体实施方式
以下结合附图和具体实施例,对本发明做出进一步说明。
如图所述,本发明所述的基于动态遗传算法解决多波攻击下舰船恢复策略优化方法,包括以下步骤:
(1)、根据不同的攻击类型,建立多波次的、包含不同爆炸当量及打击落点的敌方攻击矩阵;
所述建立敌方攻击矩阵的过程如下:
假设敌方共有5波次攻击,每波次共有5发炮弹,可同种类也可不同种类,每发炮弹携带自身序号、TNT当量以及三维落点信息,则敌方攻击矩阵记为Attracts={f1,f2,f3,f4,f5},f代表每波次攻击,如f1={a1,a2,a3,a4,a5},a代表每发炮弹,如a1={1,100,73.4,23.8,20.5},其中后三位分别为x、y、z三维坐标下的落点;
具体的,海上攻击模式众多,本发明选择高空中的飞机/导弹、低空中的小型无人机以及水下的鱼雷三种方式作为模拟对象,进行敌方攻击的建模仿真;列出部分攻击信息,每种攻击的TNT当量(kg)与攻击落点如表1所示;攻击模型分5波次对舰艇实施攻击,攻击间隔拟定为30分钟,攻击方式可选择单一方式的进攻也可选择多种混合方式的进攻;具体的敌方攻击矩阵为形状(5,5,3)的矩阵,最外层代表5波次攻击,第二层表示每波次攻击中有5发炮弹,最内层为单枚导弹信息,包括攻击序号、攻击当量以及攻击落点信息;攻击的序号决定了攻击类型,后续恢复策略则从敌方的攻击类型出发选取相应的节点战时重要度,1-10为高空飞机、导弹,11-20为低空无人机,21-30为水下鱼雷。
表1攻击方信息
(2)、根据不同的作战场景建立舰船防御系统,为舰船系统各装备节点建立相应的战时重要度矩阵,并为节点构建动态的效能等级矩阵;
所述建立舰船防御系统的过程如下:
(2.1)、本发明舰船装备节点为一个三维坐标矩阵xyz={X1,X2……X49,X50}共计50个节点,为应对不同类型的作战环境(高空导弹、低空无人机、水下鱼雷),分别为每个节点设置不同3维的战时重要度;如防御高空威胁的导弹a的重要度为(6,3,1),表示该节点在防御导弹时拥有更高的重要度;
(2.2)、为更好的形容作战进行时节点的状态,本发明为每个装备节点引入效能等级矩阵level_E及受到攻击后的毁伤矩阵shock_matrix,每个节点的level_E均为5,表示初始节点完好,在遭遇攻击后减去相应的shock_matrix作为装备节点新的效能等级,即:
level_En=level_En-1-shock_matrixn
其中,1≤n≤5表示攻击波次;
防御系统包括系统作战型节点在不同作战环境下的任务分配以及作战能力(如不同拦截设备的面对多类攻击有不同的拦截概率);为节点设定“效能等级”来描述节点的状态,在受到攻击后,系统也是通过恢复节点“效能等级”来描述系统的维修能力;
具体的,对舰上所有节点进行分类,分为必修节点和选修节点,必修节点是指舰艇的动力舱、指挥系统、战情中心等必不可少的节点;选修节点则是指不同作战情况拥有不同重要度的节点,其中选修节点A指侦察类相关节点,选修节点B是拦截类火炮、导弹,节点C指其他的辅助设备;各节点的维修重要度为(1,6)的整数,必修节点的重要度高且稳定,选修节点的重要度根据作战情况而定;节点坐标根据舰船的设备位置确定拥有x、y、z轴的三维坐标。节点x轴的范围为(0,304),y轴的范围为(0,75),z轴的范围为(0,120),下表列举部分节点信息。
表2装备节点信息
为更好的对战时情况进行仿真,每个装备节点还会引入装备的效能等级,舰船遭受攻击后,装备的效能等级根据毁伤程度等级进行相应的减少,并经过一定的维修后使节点的效能等级恢复一定的值甚至完全恢复至最高。装备节点分别具有6级效能等级,5级为最高级,表示节点完好,有100%的作战能力来抵御攻击;0级为最低,表示节点已损坏,效能为0%,即已经完全没有能力去完成拦截任务;4、3、2、1级分别表示节点基本无损伤、轻度损伤、中等损伤以及严重损伤,也使得节点效能为完好状态的80%,60%,40%,20%;效能等级矩阵表示50个节点的当前效能等级,初始均为5,若遭受到毁伤后,新的效能等级矩阵等于原效能等级矩阵减去毁伤矩阵。
装备效能等级对应的装备效能百分比如表3所示;本发明制定舰船中侦察类装备(选修A)的探测率以及拦截类火(选修B)对9种攻击拦截成功率,拦截成功率将影响着该节点的任务重要度;部分作战节点的探测率与拦截率如表4、5所示。
表3效能等级E与效能百分比对照表
表4选修装备A的探测率
表5选修装备B中来袭目标的拦截概率P
作战型节点指可以对敌方攻击进行探测、拦截的装备节点;其探测概率(或拦截概率)单独给出,循环判断该波次的所有攻击是否拦截成功;
判断的具体过程为:首先判断来袭目标的类型,确定使用哪类防御节点进行对抗,对抗分为探测和拦截两个部分,当5个雷达(或者声呐)均探测失败时,拦截失败,系统遭受到伤害;当5个雷达(或者声呐)有任意一个节点探测成功,则进行拦截准备,同理,当拦截装置全部拦截失败则系统遭受到伤害,若有任一节点拦截成功则表示对抗任务成功;装备节点在进行拦截对抗时,除了考虑自身的探测(或拦截)概率外,还要考虑节点自身的效能等级,效能等级越高装备能力越强,等级越弱装备能力则相应减少。
(3)、选取部分节点作为作战类型节点,以防御不同类型的敌方攻击,并生成相应波次攻击下的拦截对抗任务,构建灵活的有针对性的舰船攻击防御系统;
所述拦截任务的具体是:
作战型节点对于敌方攻击的拦截任务是指舰船的探测型、拦截形装备节点对敌方攻击进行拦截打击的事件;系统若成功拦截敌方攻击,则免受伤害,效能等级矩阵不变;若拦截失败,系统则遭受到毁伤,效能等级下降,等待后续维修;
舰船在受到伤害后,对需要维修的设备进行毁伤评估,这将关系到之后的装备维修时间;装备的毁伤程度不仅与爆炸源的当量和中心位置有关,还与当前设备的防护恢复程度有关;故装备遭受的毁伤程度是关于毁伤半径、当前毁伤恢复程度的多元函数。
本发明利用爆炸时冲击波的超压准则建立爆炸冲击模型,超压准则认为:当冲击波的超压达到一定值时,便会对目标造成一定的伤害和毁伤;参考M.A萨尔多夫斯基经验公式给出地面空气冲击波超压ΔP,其公式如下:
式中,ΔP是空气冲击波超压值(105Pa),R’是等效距离(m),R是节点到爆炸中心的距离(m),WTNT是攻击武器的TNT当量(kg);根据爆炸统计资料得出爆炸冲击波造成的伤害半径r(m)和TNT当量WTNT的关系如下,其中K是毁伤系数;其具体公式:
r=KWTNT 1/3[1+(3175/WTNT)2]1/6 (3)
结合空气冲击波超压值ΔP(105Pa)、爆炸毁伤半径以及装备节点毁伤程度(ELoss)的对照表,如表6所示,
表6毁伤评估
为描述多波次攻击对效能等级的影响,当前效能等级的数学模型如下:
En+1=En-EDestroy (3)
(4)、利用冲击波超压公式,根据敌方攻击的毁伤当量以及落点确定防御系统各节点的毁伤程度,构建毁伤矩阵;
所述建立毁伤模型的过程如下:
所述毁伤模型的建立是用来描述系统在遭受到毁伤后各节点的状态,根据拦截失败的攻击所携带的TNT当量及起落点信息,结合地面空气冲击波超压公式,计算每个节点所受到的毁伤程度,得到动态的毁伤矩阵,从而得到各节点当前的效能等级矩阵;
本发明讨论的是舰船在战时紧急情况下,面对多波次攻击的最优维修策略问题;约束可以分为时间约束、维修备件的约束、维修人员数约束,维修策略的数学模型可以描述为:已知系统在遭受攻击后,共有N个节点拥有不同任务重要度的节点需要维修,每个节点设备的维修需要A,B,C三种零件若干,有S组维修人员携带若干A,B,C三种零件从不同节点出发,在有限时间内分别去受损节点进行维修恢复,并且经过的节点不重复,目标是在约束时间内维修完成的节点总任务重要度最高;也就是寻找一种在有限时间和有限备件内可以让S组维修人员维修完成的节点重要度最高的维修路径,如公式(4)和公式(5)所示。
其中,degreei表示第i组维修小组维修完成的节点任务重要度,m表示对应维修小组维修开始节点的索引,n表示对应维修小组维修最后一个节点的索引,z[p(k)]表示当前作战状态下第k个节点的节点重要度,s为单波次的攻击数量(此时取5),zkj表示战时重要度表中节点k在作战状态j下的重要度取值
其中,totaldegree表示所有维修小组维修完成节点的总重要度。S表示维修小组数量;为更好的描述节点的维修代价,引入每个节点的维修时间矩阵,维修时间由所需备件的数量加权后决定,如以下公式所示;
tj=5·DjA+10·DjB+15·DjC (7)
tTotal=ELoss·tj (8)
其中,tj表示第j个节点恢复一个效能等级的维修时间,DjA表示第j个节点维修所需的A零件数量,DjB表示第j个节点维修所需的B零件数量,DjC表示第j个节点维修所需的C零件数量。tTotal表示第j个节点总共需要的恢复时间,ELoss代表节点遭受的毁伤等级;表7给出部分节点所需的零部件数量。
表7节点所需零部件
(5)、根据节点受伤情况以及下波次的攻击动态的调整遗传算法维修恢复策略,生成在维修备件约束、时间约束等多种条件约束下的维修序列,生成节点恢复矩阵;
所述构建维修恢复策略的过程如下:
(5.1)、在经过步骤(4)的毁伤模型计算后,根据各节点当前的效能等级矩阵去动态的构建基于传统遗传算法的基因序列长度,如当前有n个节点不完好(效能等级不等于5),则当前波次的遗传算法基因序列长度为n,并根据各节点当前的战时重要度,去生成在多种条件约束下可使得当前战时重要度最高的基因序列。
(5.2)在得到的多种条件约束,包括每波次攻击间隔30分中的时间约束、有限备件约束、多组并行维修约束、每组最低维修节点数约束;其中每组最低维修节点数也根据所需维修节点数而动态调整;
为与原来的系统仿真做对比,加入了装备节点基础重要度矩阵,在每次进行遗传算法优化后,输出了维修完成的所有装备节点的基础重要度的和,共5轮,每轮中用商弹性模型来评估系统弹性。
R=Recovery/Loss (9)
式中,1≤n≤5为敌方攻击波次,Recoveryi与Lossi为每波次中系统各节点的恢复矩阵与毁伤矩阵的和,m为每波次攻击中的个体基因序列长度,z为各自恢复策略中使用的节点重要度矩阵,recover_E为系统每轮的恢复矩阵,shock_matrix为系统每轮受到的毁伤矩阵。
(6)、循环敌方攻击链,重复步骤(2)-(5);所述循环敌方攻击链,并生成每波次攻击中各自所需的矩阵,记录每波次攻击中系统受到的毁伤及系统恢复的节点效能等级数;
(7)、使用商弹性模型评估防御系统在多波次攻击后的系统弹性,并利用控制变量法对比分析攻击防御恢复策略的优势与劣势;所述商弹性模型原本是指在系统在遭受到毁伤并维修恢复后,恢复的值与损伤的值的比。在本发明中,为研究系统总体弹性,取系统在多波次攻击下的总恢复与总损伤的比值作为系统弹性的评估指标。
为方便对照实验,固定装备节点的探测/拦截概率,以及敌方攻击的打击概率,只变更敌方攻击的种类,来对比观察基于攻击防御策略与传统根据基础节点重要度维修策略。
1)、5波攻击均为水下鱼雷攻击时,结果如图2所述:攻击防御维修策略下的系统整体弹性为Resilience2=0.8853,相比较传统的按照基础重要度的维修策略Resilience1=0.7228有较多提升,同比上升22.48%,主要表现在攻击防御恢复策略在攻击途中成功修复了可抵御鱼雷攻击的装备节点,导致后续遭受毁伤降低,从而系统弹性提升;
当5波攻击均为低空的无人机群攻击时,结果如图3所述:攻击防御维修策略下的系统整体弹性为Resilience2=0.9783,相比较传统的按照基础重要度的维修策略Resilience1=0.9068有少量提升,同比上升7.89%,主要表现在第二波攻击时系统所受损伤较少。
总结:在全是鱼雷的攻击下,探测与拦截难度大,毁伤程度高,导致对抗任务变得困难,当拦截失败造成毁伤后,前期系统大概率全失效,维修任务艰巨,所以在有限的时间内当维修策略侧重维修作战类型节点时,在下一波次攻击来临时,则有可能拦截下部分攻击,减少系统损伤,因此,攻击防御策略的优势较明显。
但是当无人机或者飞机导弹时,系统基础拦截概率高且毁伤较低,在规定时间内系统能维修完几乎所有损坏的节点,有时候即使没有全部修好也不影响对下波次攻击的拦截(比如拦截设备节点拥有80%的能力依然的可以成功拦截敌方攻击),所以攻击防御的恢复策略的效果并不明显。
以上仅是本发明的优选实施方式,本发明的保护范围并不仅局限于上述实施例,凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出,对于本技术领域的普通技术人员来说,在不脱离本发明原理前提下的若干改进和润饰,应视为本发明的保护范围。
Claims (6)
1.基于动态遗传算法解决多波攻击下舰船恢复策略优化方法,其特征在于,具体操作步骤如下:
(1)、根据不同的攻击类型,建立多波次的、包含不同爆炸当量及打击落点的敌方攻击矩阵;
(2)、根据不同的作战场景建立舰船防御系统,为舰船系统各装备节点建立相应的战时重要度矩阵,并为节点构建动态的效能等级矩阵;
(3)、选取部分节点作为作战类型节点,以防御不同类型的敌方攻击,并生成相应波次攻击下的拦截对抗任务,构建灵活的有针对性的舰船攻击防御系统;
(4)、利用冲击波超压公式,根据敌方攻击的毁伤当量以及落点确定防御系统各节点的毁伤程度,构建毁伤矩阵;其过程如下:
毁伤模型的建立是用来描述系统在遭受到毁伤后各节点的状态,根据拦截失败的攻击所携带的TNT当量及起落点信息,结合地面空气冲击波超压公式,计算每个节点所受到的毁伤程度,得到动态的毁伤矩阵,从而得到各节点当前的效能等级矩阵;
(5)、根据节点受伤情况以及下波次的攻击动态的调整遗传算法维修恢复策略,生成在维修备件约束、时间约束等多种条件约束下的维修序列,生成节点恢复矩阵;其过程如下:
(5.1)、在经过步骤(4)的毁伤模型计算后,根据各节点当前的效能等级矩阵去动态的构建基于传统遗传算法的基因序列长度;
如当前有n个节点不完好,则当前波次的遗传算法基因序列长度为n,并根据各节点当前的战时重要度,生成在多种条件约束下可使得当前战时重要度最高的基因序列;
(5.2)、根据生成的多种条件约束,包括每波次攻击间隔30分中的时间约束、有限备件约束、多组并行维修约束、每组最低维修节点数约束;
其中每组最低维修节点数也根据所需维修节点数而动态调整;
(6)、循环敌方攻击链,重复步骤(2)-(5);
(7)、使用商弹性模型评估防御系统在多波次攻击后的系统弹性,并利用控制变量法对比分析攻击防御恢复策略的优势与劣势。
2.根据权利要求1所述的基于动态遗传算法解决多波攻击下舰船恢复策略优化方法,其特征在于,
在步骤(1)中,建立敌方攻击矩阵的过程如下:
设敌方共有5波次攻击,每波次共有5发炮弹,可同种类也可不同种类,每发炮弹携带自身序号、TNT当量以及三维落点信息,则敌方攻击矩阵记为Attracts={f1,f2,f3,f4,f5},f代表每波次攻击,如f1={a1,a2,a3,a4,a5},a代表每发炮弹,如a1={1,100,73.4,23.8,20.5},其中后三位分别为x、y、z三维坐标下的落点。
3.根据权利要求1所述的基于动态遗传算法解决多波攻击下舰船恢复策略优化方法,其特征在于,
在步骤(2)中,建立舰船防御系统的过程如下:
(2.1)、舰船装备节点为一个三维坐标矩阵xyz={X1,X2……X49,X50}共计50个节点,为应对不同类型的作战环境分别为每个节点设置不同3维的战时重要度;
(2.2)、为形容作战进行时节点的状态,每个装备节点引入效能等级矩阵level_E及受到攻击后的毁伤矩阵shock_matrix,每个节点的level_E均为5,表示初始节点完好,在遭遇攻击后减去相应的shock_matrix作为装备节点新的效能等级,即:
level_En=level_En-1-shock_matrixn
其中,1≤n≤5表示攻击波次。
4.根据权利要求1所述的基于动态遗传算法解决多波攻击下舰船恢复策略优化方法,其特征在于,
在步骤(3)中,拦截任务的具体是:
作战型节点对于敌方攻击的拦截任务是指舰船的探测型、拦截形装备节点对敌方攻击进行拦截打击的事件;系统若成功拦截敌方攻击,则免受伤害,效能等级矩阵不变;若拦截失败,系统则遭受到毁伤,效能等级下降,等待后续维修。
5.根据权利要求1所述的基于动态遗传算法解决多波攻击下舰船恢复策略优化方法,其特征在于,
在步骤(6)中,循环敌方攻击链是指:并生成每波次攻击中各自所需的矩阵,记录每波次攻击中系统受到的毁伤及系统恢复的节点效能等级数。
6.根据权利要求1所述的基于动态遗传算法解决多波攻击下舰船恢复策略优化方法,其特征在于,
在步骤(7)中,商弹性模型为研究系统总体弹性,取系统在多波次攻击下的总恢复与总损伤的比值作为系统弹性的评估指标。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111415832.6A CN114048628B (zh) | 2021-11-25 | 基于动态遗传算法解决多波攻击下舰船恢复策略优化方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202111415832.6A CN114048628B (zh) | 2021-11-25 | 基于动态遗传算法解决多波攻击下舰船恢复策略优化方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN114048628A CN114048628A (zh) | 2022-02-15 |
CN114048628B true CN114048628B (zh) | 2024-07-09 |
Family
ID=
Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800679A (zh) * | 2021-02-01 | 2021-05-14 | 中国科学院长春光学精密机械与物理研究所 | 一种光电装备防御规划方法、装置、设备及存储介质 |
Patent Citations (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN112800679A (zh) * | 2021-02-01 | 2021-05-14 | 中国科学院长春光学精密机械与物理研究所 | 一种光电装备防御规划方法、装置、设备及存储介质 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109902933B (zh) | 一种反舰战斗部打击水面舰船毁伤等级的评价方法 | |
CN107832885B (zh) | 一种基于自适应迁移策略bbo算法的舰艇编队火力分配方法 | |
CN112668175B (zh) | 基于动态情况驱动的军事仿真方法及系统 | |
CN106203870A (zh) | 一种面向联合作战的目标体系分析及武器分配方法 | |
CN110210115A (zh) | 基于决策点和分支仿真的作战仿真方案设计及运行方法 | |
CN113553777B (zh) | 反无人机蜂群的防空部署方法、装置、设备和介质 | |
CN114048628B (zh) | 基于动态遗传算法解决多波攻击下舰船恢复策略优化方法 | |
CN112766775B (zh) | 微波武器在舰艇防空反导体系贡献率评估方法 | |
Liang et al. | Using simulation and evolutionary algorithms to evaluate the design of mix strategies of decoy and jammers in anti-torpedo tactics | |
CN117217069A (zh) | 一种基于海鸥优化算法的雷达装备体系部署点位优化方法 | |
CN110986680B (zh) | 一种城市环境中低慢小目标的复合拦截方法 | |
CN108734334B (zh) | 一种基于d数和威胁性优先的弹炮结合火力分配方法 | |
CN114548674B (zh) | 面向多智能体对抗场景的威胁态势评估方法、装置及设备 | |
CN114048628A (zh) | 基于动态遗传算法解决多波攻击下舰船恢复策略优化方法 | |
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 | |
CN116205102A (zh) | 一种基于改进蚁群算法的系统弹性恢复方法及系统 | |
Liu et al. | Solving cooperative anti-missile weapon-target assignment problems using hybrid algorithms based on particle swarm and tabu search | |
Xiaoheng et al. | The surface ship Torpedo defense simulation system | |
CN114880857B (zh) | 基于混合智能搜索的武器资源多阶段优化分配方法 | |
Ma et al. | Multi-ship cooperative air defense model based on queuing theory | |
CN116796521B (zh) | 水面战斗群对抗战模拟方法、装置、电子设备及存储介质 | |
Ouyang et al. | Operational effectiveness evaluation of maritime C4ISR system based on system dynamics | |
Burt | Arms Control and Soviet Strategic Forces: The risks of asking SALT to do too much | |
CN116205332A (zh) | 一种区域防守拦截决策的粒子群优化方法 | |
Jia et al. | Heterogeneous Interception Equipment Deployment Method Based on Heuristic Optimization Algorithm |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant |