CN116542400B - 一种武器目标分配方法、系统、设备及介质 - Google Patents
一种武器目标分配方法、系统、设备及介质 Download PDFInfo
- Publication number
- CN116542400B CN116542400B CN202310812917.0A CN202310812917A CN116542400B CN 116542400 B CN116542400 B CN 116542400B CN 202310812917 A CN202310812917 A CN 202310812917A CN 116542400 B CN116542400 B CN 116542400B
- Authority
- CN
- China
- Prior art keywords
- target
- weapon
- current iteration
- under
- objective function
- 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 39
- 230000006870 function Effects 0.000 claims abstract description 81
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 77
- 230000006378 damage Effects 0.000 claims abstract description 45
- 239000011159 matrix material Substances 0.000 claims abstract description 45
- 230000007246 mechanism Effects 0.000 claims abstract description 22
- 230000004083 survival effect Effects 0.000 claims description 16
- 230000008901 benefit Effects 0.000 claims description 14
- 238000004590 computer program Methods 0.000 claims description 9
- 230000008859 change Effects 0.000 claims description 8
- 238000010276 construction Methods 0.000 claims description 8
- 238000005457 optimization Methods 0.000 description 5
- 230000008569 process Effects 0.000 description 5
- 238000004088 simulation Methods 0.000 description 5
- 238000004364 calculation method Methods 0.000 description 4
- 230000002068 genetic effect Effects 0.000 description 3
- 238000010586 diagram Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 230000006872 improvement Effects 0.000 description 2
- 230000009191 jumping Effects 0.000 description 2
- 208000027418 Wounds and injury Diseases 0.000 description 1
- 239000003795 chemical substances by application Substances 0.000 description 1
- 230000001066 destructive effect Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 208000014674 injury Diseases 0.000 description 1
- 239000002245 particle Substances 0.000 description 1
- 230000000750 progressive effect Effects 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- 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
-
- 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
- G06Q10/067—Enterprise or organisation modelling
-
- 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
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Game Theory and Decision Science (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开一种武器目标分配方法、系统、设备及介质,涉及多武器目标的目标分配领域;该方法包括:获取武器目标的运行数据;根据运行数据构建武器目标制导模型;武器目标制导模型包括:目标函数和约束条件;目标函数是根据飞行数据,以毁伤概率最大为目标构建的;约束条件包括:火力生命值约束;采用拍卖算法基于补偿惩罚机制,根据约束条件对目标函数进行求解,得到武器目标的最优分配结果;最优分配结果包括:毁伤概率最大时对应的武器目标分配矩阵;武器目标分配矩阵表征武器与目标之间的分配关系;本发明能够快速高效的实现武器目标的分配。
Description
技术领域
本发明涉及多武器目标的目标分配领域,特别是涉及一种武器目标分配方法、系统、设备及介质。
背景技术
多武器目标分配是目前武器目标分配领域的热点,并且在科研与工程领域得到了广泛的应用。武器目标分配问题关注的是武器火力分布对敌方目标的攻击,以达到最佳打击效果,优化火力打击系统。在复杂的现代战争环境中,武器目标分配问题已成为指挥控制中的一个关键问题。武器目标分配问题本质上是一个NP完全问题。为了获得相对最优解,武器目标分配的优化主要集中在详细的模型建立和算法改进上。目前,武器目标分配问题中常用的算法有遗传算法、粒子群算法、拍卖算法等。在未来的武器目标分配技术中,在目标越来越多的情况下,在线实时分配规划需要更高的效率和更充分的利用。
拍卖算法作为一种经典的目标分配算法,拍卖算法在动态复杂的武器目标分配问题上表现优异,近年来受到越来越多的关注。拍卖算法是一种多智能体协调算法,具有计算速度快、结果效率高的特点。拍卖算法本质上是一种搜索树算法,可以有效地得到相对合理的武器目标分配方案。因此,研究拍卖算法在多武器目标分配中的应用问题不仅具有理论意义,更加具有工程实际意义。
现有的传统拍卖算法在多武器目标分配中的应用容易陷入局部最优值,并且使用的战场场景较为简单,算法耗时长、分配效率较低并且实时性较差。
发明内容
本发明的目的是提供一种武器目标分配方法、系统、设备及介质,能够快速高效的实现武器目标的分配。
为实现上述目的,本发明提供了如下方案:
一种武器目标分配方法,所述方法包括:
获取武器目标的运行数据;所述运行数据包括:武器位置、目标位置和飞行数据;所述飞行数据包括:视线角变化速率、剩余飞行时间、脱靶距离和航向角误差;
根据所述运行数据构建武器目标制导模型;所述武器目标制导模型包括:目标函数和约束条件;所述目标函数是根据所述飞行数据,以毁伤概率最大为目标构建的;所述约束条件包括:火力生命值约束;
采用拍卖算法基于补偿惩罚机制,根据所述约束条件对所述目标函数进行求解,得到武器目标的最优分配结果;所述最优分配结果包括:毁伤概率最大时对应的武器目标分配矩阵;所述武器目标分配矩阵表征武器与目标之间的分配关系。
可选地,所述目标函数为:
;
其中,为目标函数;/>为目标的数量;/>为武器的数量;/>为武器的序号;/>为目标的序号;/>为武器目标分配矩阵;/>为第/>个目标的价值;/>为目标的生存状态;为目标的杀伤概率阈值;/>为毁伤概率;/>为连乘符号。
可选地,所述约束条件为:
;
其中,为目标的数量;/>为目标的序号;/>为武器目标分配矩阵;/>为武器的数量;/>为武器的序号;/>为目标的生命值。
可选地,采用拍卖算法基于补偿惩罚机制,根据所述约束条件对所述目标函数进行求解,得到武器目标的最优分配结果,具体包括:
采用拍卖算法基于补偿惩罚机制对所述目标函数进行线性化约束迭代处理,得到处理后的目标函数;
根据所述约束条件对处理后的目标函数进行求解,得到武器目标的最优分配结果。
可选地,采用拍卖算法基于补偿惩罚机制对所述目标函数进行线性化约束迭代处理,得到处理后的目标函数,具体包括:
确定当前迭代次数下的运行数据和当前迭代次数下的参数;所述参数包括:补偿价值和惩罚价值;
根据当前迭代次数下的运行数据确定当前迭代次数下的毁伤概率矩阵,并将当前迭代次数下的毁伤概率矩阵确定为当前迭代次数下的毁伤收益价值矩阵;
根据当前迭代次数下的参数和当前迭代次数下的毁伤收益价值矩阵,确定处理后的目标函数。
可选地,根据所述约束条件对处理后的目标函数进行求解,得到武器目标的最优分配结果,具体包括:
根据所述约束条件对处理后的目标函数进行求解,得到当前迭代次数下的武器目标分配结果;
根据当前迭代次数下的武器目标分配结果进行目标生命值检索,得到当前迭代次数下的检索结果;
若当前迭代次数下的检索结果为不存在生存目标或者不存在过度杀伤目标,则将当前迭代次数下的武器目标分配结果确定为武器目标的最优分配结果;
若当前迭代次数下的检索结果为存在生存目标或者存在过度杀伤目标,则对当前迭代次数下的参数进行调整,得到调整后的参数,并将调整后的参数作为下一迭代次数下的参数。
一种武器目标分配系统,所述系统包括:
数据获取模块,用于获取武器目标的运行数据;所述运行数据包括:武器位置、目标位置和飞行数据;所述飞行数据包括:视线角变化速率、剩余飞行时间、脱靶距离和航向角误差;
模型构建模块,用于根据所述运行数据构建武器目标制导模型;所述武器目标制导模型包括:目标函数和约束条件;所述目标函数是根据所述飞行数据,以毁伤概率最大为目标构建的;所述约束条件包括:火力生命值约束;
求解模块,用于采用拍卖算法基于补偿惩罚机制,根据所述约束条件对所述目标函数进行求解,得到武器目标的最优分配结果;所述最优分配结果包括:毁伤概率最大时对应的武器目标分配矩阵;所述武器目标分配矩阵表征武器与目标之间的分配关系。
一种电子设备,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行上述所述的武器目标分配方法。
一种计算机可读存储介质,其存储有计算机程序,所述计算机程序被处理器执行时实现上述所述的武器目标分配方法。
根据本发明提供的具体实施例,本发明公开了以下技术效果:
本发明提供了一种武器目标分配方法、系统、设备及介质,通过根据运行数据构建武器目标制导模型;该武器目标制导模型包括:目标函数和约束条件;采用拍卖算法基于补偿惩罚机制,根据约束条件对目标函数进行求解,得到武器目标的最优分配结果;由于本发明采用了拍卖算法,并且加入了补偿惩罚机制,使得武器目标的分配速度得以提高,并且可以有效地得到合理的武器目标分配方案,因此,本发明能够快速高效的实现武器目标的分配。
附图说明
为了更清楚地说明本发明实施例或现有技术中的技术方案,下面将对实施例中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的一些实施例,对于本领域普通技术人员来讲,在不付出创造性劳动性的前提下,还可以根据这些附图获得其他的附图。
图1为本发明实施例提供的武器目标分配方法的流程图;
图2为本发明实施例提供的武器目标制导模型的示意图;
图3为本发明实施例提供的采用优化拍卖算法的流程图;
图4为本发明实施例提供的武器目标分配的仿真结果示意图;
图5为本发明实施例提供的在分配过程中,算法的迭代轮数和目标函数的对比曲线图;
图6为本发明实施例提供的四种算法的运算时间比较图;
图7为本发明实施例提供的优化拍卖算法与补偿拍卖算法在相同条件下的目标函数对比图
图8为本发明实施例提供的优化拍卖算法与补偿拍卖算法在相同条件下的迭代轮数对比图;
图9为本发明实施例提供的武器目标分配系统的结构图。
符号说明:
数据获取模块-1、模型构建模块-2、求解模块-3。
具体实施方式
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,所描述的实施例仅仅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。
本发明的目的是提供一种武器目标分配方法、系统、设备及介质,能够快速高效的实现武器目标的分配。
为使本发明的上述目的、特征和优点能够更加明显易懂,下面结合附图和具体实施方式对本发明作进一步详细的说明。
实施例1
如图1所示,本发明实施例提供了一种武器目标分配方法,该方法包括:
步骤100:获取武器目标的运行数据;运行数据包括:武器位置、目标位置和飞行数据;飞行数据包括:视线角变化速率、剩余飞行时间、脱靶距离和航向角误差。
步骤200:根据运行数据构建武器目标制导模型;武器目标制导模型包括:目标函数和约束条件;目标函数是根据飞行数据,以毁伤概率最大为目标构建的;约束条件包括:火力生命值约束。
步骤300:采用拍卖算法基于补偿惩罚机制,根据约束条件对目标函数进行求解,得到武器目标的最优分配结果;最优分配结果包括:毁伤概率最大时对应的武器目标分配矩阵;武器目标分配矩阵表征武器与目标之间的分配关系。
具体地,采用拍卖算法基于补偿惩罚机制,根据约束条件对目标函数进行求解,得到武器目标的最优分配结果,具体包括:
采用拍卖算法基于补偿惩罚机制对目标函数进行线性化约束迭代处理,得到处理后的目标函数。
根据约束条件对处理后的目标函数进行求解,得到武器目标的最优分配结果。
其中,采用拍卖算法基于补偿惩罚机制对目标函数进行线性化约束迭代处理,得到处理后的目标函数,具体包括:
确定当前迭代次数下的运行数据和当前迭代次数下的参数;参数包括:补偿价值和惩罚价值。
根据当前迭代次数下的运行数据确定当前迭代次数下的毁伤概率矩阵,并将当前迭代次数下的毁伤概率矩阵确定为当前迭代次数下的毁伤收益价值矩阵。
根据当前迭代次数下的参数和当前迭代次数下的毁伤收益价值矩阵,确定处理后的目标函数。
此外,根据约束条件对处理后的目标函数进行求解,得到武器目标的最优分配结果,具体包括:
根据约束条件对处理后的目标函数进行求解,得到当前迭代次数下的武器目标分配结果。
根据当前迭代次数下的武器目标分配结果进行目标生命值检索,得到当前迭代次数下的检索结果。
若当前迭代次数下的检索结果为不存在生存目标或者不存在过度杀伤目标,则将当前迭代次数下的武器目标分配结果确定为武器目标的最优分配结果。
若当前迭代次数下的检索结果为存在生存目标或者存在过度杀伤目标,则对当前迭代次数下的参数进行调整,得到调整后的参数,并将调整后的参数作为下一迭代次数下的参数。
如图2所示,本发明提供了武器目标制导模型。图2中的为武器位置,/>为目标位置,/>表示预期武器击中目标的碰撞点。/>和/>为坐标轴。其余的字母指代的变量,所代表的含义,见表1。
表1 变量的含义
武器攻击目标的概率函数可由视线角变化速率、剩余飞行时间/>、脱靶距离以及航向角误差/>计算得到。
剩余飞行时间可以近似为:
;
脱靶距离可以由下式计算:
;
其中是时间常数。
由此,可以得到武器协同攻击目标的毁伤概率:
其中,为视线角变化速率/>的概率函数;/>为剩余飞行时间/>的概率函数;/>为航向角误差/>的概率函数;i为武器的序号;j为目标的序号;为脱靶距离/>的概率函数。
为/>的指定系数;/>为/>的指定系数;/>为/>的指定系数;/>为/>的指定系数。
此外,毁伤概率还可以简写为/>。
具体地,
;
;
;
;
其中,其中,表示武器的数量,/>表示目标的数量,/>,/>,/>,/>均是默认值;/>为武器的序号;/>为目标的序号;/>为第/>个武器与第/>个目标间的视线角变化速率;/>为第/>个武器与第/>个目标间的剩余飞行时间;/>为第个武器与第/>个目标间的航向角误差;/>为第/>个武器与第/>个目标间的脱靶距离。
此外,设共有个武器/>。假设武器在战场区域进行攻击,/>个目标/>将被攻击。目标分配矩阵/>可以被写为/>。其中,/>代表了第/>个武器被分配给第/>个目标,否则第/>个武器没有被分配给第/>个目标。
攻击收益是指武器攻击相应目标获得的目标价值,通过攻击收益可以引导火力分配的优化和决策,使分配效能最大化。通常方法会将毁伤概率作为估算毁伤效益的主要因素,以便有效地将火力分配给目标。同时,减少武器的额外消耗也可以促进火力分配的有效性。为了使分配武器的过量杀伤数量最小化,本发明额外计算了过量杀伤目标的总价值作为惩罚项。
为了使目标的状态更加清晰,初始化了武器的火力,每种武器都有自己的火力。同时,初始化目标的生命值和杀伤概率阈值,每个目标的生命值为,它们的杀伤概率阈值为/>。
在分配结束后,武器会降低被攻击目标的生命值,每一种武器都会对目标造成与其火力相等的伤害。如果目标的生命值等于0,则认为该目标已被摧毁。如果目标的生命值低于0,则认为目标被过度杀伤。
同时,使用目标生存向量标志目标的生存状态。如果第/>个目标在分配后被摧毁,则/>,否则/>。因此,目标生存向量集合/>可以被解释如下:
。
为了更有效地分配武器,将武器攻击的杀伤概率作为伤害收益因子,因此可以确定目标分配的目标函数。
具体地,目标函数为:
;
其中,为目标函数;/>为目标的数量;/>为武器的数量;/>为武器的序号;/>为目标的序号;/>为武器目标分配矩阵;/>为第/>个目标的价值;/>为目标的生存状态;为目标的杀伤概率阈值;/>为毁伤概率;/>为连乘符号。
同时,每种武器最多只能攻击一个目标,并且每个目标的生命值必须降至0。
由此,约束条件为:
;
其中,为目标的数量;/>为目标的序号;/>为武器目标分配矩阵;/>为武器的数量;/>为武器的序号;/>为目标的生命值。
图3为本发明采用的优化拍卖算法的流程图。关于拍卖算法的优化,其主要思想是:将伤害收益即毁伤概率看作第/>个目标对于第/>个武器的价值,由武器目标制导模型计算。然后利用/>进行目标分配,确保每个目标都分配给能够提供最大利润的武器。
将每轮分配视为一轮分配,对某一轮的分配,在分配过程中采用补偿价值和惩罚价值/>来补偿分配结束后生存的目标和惩罚过度杀伤的目标。在完成一轮分配后,考虑补偿价值/>和惩罚价值/>。一旦所有的约束条件都得到满足,拍卖过程就会结束,显示最后的分配结果。每轮补偿价值和惩罚价值的迭代函数如下:
其中,表示补偿和惩罚过程中价值增长的程度。/>为(1,/>)中的某一个数字,为分配给/>武器的/>号目标。/>和/>都是目标的序号。
为第/>轮迭代中目标/>的补偿价值;/>为第/>轮迭代中目标/>的惩罚价值;/>为第/>轮迭代中目标/>的补偿价值;为第/>轮迭代中目标/>的惩罚价值;/>为第/>轮迭代中目标/>的补偿价值。/>为第/>个目标对于第/>个武器的价值。
为迭代轮次,从1开始直到达成约束结束;/>为武器目标分配矩阵的值,当=1时代表第/>个目标被分配给第/>个武器。
关于优化拍卖算法的具体操作步骤,还可以如下:
步骤1:输入武器和目标的坐标及运行数据的信息。
步骤2:基于步骤1生成毁伤概率矩阵作为毁伤收益价值矩阵。
步骤3:初始化补偿价值和惩罚价值/>。
步骤4:基于步骤2的毁伤收益矩阵和步骤3的补偿价值和惩罚价值,进行武器和目标的分配。
步骤5:如果满足全部的火力生命值约束,则跳到步骤8,否则继续步骤6。
步骤6:对分配后的生存目标和过度杀伤目标进行检索,并通过补偿和惩罚函数对目标的价值进行补偿和惩罚。
步骤7:放弃当前的分配结果,打乱武器和目标的顺序,然后跳到步骤4。
步骤8:得到最后的武器目标分配结果,并通过毁伤收益矩阵计算得到最终的目标价值函数,即毁伤概率。
同时,为了使迭代轮数较低又不陷入次优解,应当谨慎的选择。
实施例2
如图9所示,本发明实施例提供了一种武器目标分配系统,该系统包括:数据获取模块1、模型构建模块2和求解模块3。
数据获取模块1,用于获取武器目标的运行数据;运行数据包括:武器位置、目标位置和飞行数据;飞行数据包括:视线角变化速率、剩余飞行时间、脱靶距离和航向角误差。
模型构建模块2,用于根据运行数据构建武器目标制导模型;武器目标制导模型包括:目标函数和约束条件;目标函数是根据飞行数据,以毁伤概率最大为目标构建的;约束条件包括:火力生命值约束。
求解模块3,用于采用拍卖算法基于补偿惩罚机制,根据约束条件对目标函数进行求解,得到武器目标的最优分配结果;最优分配结果包括:毁伤概率最大时对应的武器目标分配矩阵;武器目标分配矩阵表征武器与目标之间的分配关系。
实施例3
本发明实施例提供了一种电子设备,包括存储器及处理器,存储器用于存储计算机程序,处理器运行计算机程序以使电子设备执行实施例1中的武器目标分配方法。
在一种实施例中,本发明还提供了一种计算机可读存储介质,其存储有计算机程序,计算机程序被处理器执行时实现实施例1中的武器目标分配方法。
本发明实施例还根据武器目标分配方法进行了仿真处理。
首先,为了验证优化后算法的有效性,考虑一个多武器目标分配任务,其中包括20枚导弹和10个目标。导弹和目标的信息如表2和表3所示。
表2 导弹的相关信息表
导弹 | X(km) | Y(km) | Z(km) | 速度(m/s) | 火力 |
W1 | 0 | 5 | 10 | 680 | 2 |
W2 | 0 | 10 | 10 | 680 | 2 |
W3 | 0 | 15 | 10 | 680 | 2 |
W4 | 0 | 20 | 10 | 680 | 2 |
W5 | 0 | 25 | 10 | 850 | 2 |
W6 | 0 | 30 | 10 | 850 | 2 |
W7 | 0 | 35 | 10 | 850 | 2 |
W8 | 0 | 40 | 10 | 850 | 2 |
W9 | 0 | 45 | 10 | 850 | 2 |
W10 | 0 | 50 | 10 | 850 | 2 |
W11 | 0 | 55 | 15 | 850 | 1 |
W12 | 0 | 60 | 15 | 850 | 1 |
W13 | 0 | 65 | 15 | 850 | 1 |
W14 | 0 | 70 | 15 | 1000 | 1 |
W15 | 0 | 75 | 15 | 1000 | 1 |
W16 | 0 | 80 | 15 | 1000 | 1 |
W17 | 0 | 85 | 15 | 1000 | 1 |
W18 | 0 | 90 | 15 | 1000 | 1 |
W19 | 0 | 95 | 15 | 1000 | 1 |
W20 | 0 | 0 | 15 | 1000 | 1 |
表3 目标的相关信息表
目标 | X(km) | Y(km) | Z(km) | 速度(m/s) | 相对价值 | 生命值 |
T1 | 77 | 1 | 5 | 340 | 1.10 | 3 |
T2 | 83 | 14 | 5 | 340 | 1.09 | 4 |
T3 | 78 | 26 | 5 | 340 | 1.08 | 4 |
T4 | 75 | 32 | 5 | 340 | 1.07 | 3 |
T5 | 87 | 40 | 5 | 340 | 1.06 | 3 |
T6 | 81 | 53 | 5 | 340 | 1.20 | 1 |
T7 | 72 | 66 | 5 | 340 | 1.18 | 3 |
T8 | 79 | 75 | 5 | 340 | 1.16 | 2 |
T9 | 83 | 81 | 5 | 340 | 1.14 | 2 |
T10 | 70 | 95 | 5 | 340 | 1.12 | 2 |
仿真结果如图4和图5所示。图4为武器目标分配的结果,三角形的目标表示生命值刚好清零的目标,正方形的目标表示生命值过度杀伤的目标,可以看出大部分目标的生命值都刚好清零,只有少部分目标被过度杀伤,表明在这个条件下,如此分配的收益最大。图5为分配过程中,算法的迭代轮数和目标函数的对比曲线。图5中的A指的是改进拍卖算法,B指的是补偿拍卖算法,C1指的是拍卖算法。可以看出,优化后的拍卖算法对比其他算法只需要更少的迭代次数就可以获得较高的收益。
仿真运行时间如表4所示,表明优化的拍卖算法的计算速度比其他常见的武器目标分配算法更快,可以有效地处理动态战场环境。
表4 不同算法的仿真运行时间表
算法 | 基因算法 | 拍卖算法 | 补偿拍卖算法 | 优化拍卖算法 |
时间(s) | 1.3598 | 0.0583 | 0.004091 | 0.003815 |
为了验证算法的改进,首先按照一定的规则随机生成20组武器目标分配数据的初始条件。然后根据数据的大小将初始数据分成不同的组,其中A1-A4从低到高表示数据的复杂度。最后,对比了武器目标分配的平均结果。
上述四种算法的运算时间比较如图6所示,可以看出不同数据复杂度的条件下,优化拍卖算法的计算速度都是最快的。图6中的A指的是改进拍卖算法,B指的是补偿拍卖算法,C1指的是拍卖算法,D指的是基因算法。
另外,优化拍卖算法与补偿拍卖算法在相同条件下的目标函数及迭代轮数对比图7和图8所示。对比表明优化拍卖算法具有更高的目标函数和更少的迭代论述,证明了优化拍卖算法具有高效、高实时性的优势。图7和图8中的A指的是改进拍卖算法,B指的是补偿拍卖算法。
本发明提供了一种改进的拍卖算法,以提高动态复杂环境下的分配效率,并明显加快了计算时间。与已有的研究成果相比,本算法在动态约束的基础上,考虑武器的火力和目标的生命值,其次,并在补偿拍卖算法中加入惩罚机制,加快了算法的运行时间,提高了武器目标分配结果的有效性。
本说明书中各个实施例采用递进的方式描述,每个实施例重点说明的都是与其他实施例的不同之处,各个实施例之间相同相似部分互相参见即可。对于实施例公开的系统而言,由于其与实施例公开的方法相对应,所以描述的比较简单,相关之处参见方法部分说明即可。
本文中应用了具体个例对本发明的原理及实施方式进行了阐述,以上实施例的说明只是用于帮助理解本发明的方法及其核心思想;同时,对于本领域的一般技术人员,依据本发明的思想,在具体实施方式及应用范围上均会有改变之处。综上所述,本说明书内容不应理解为对本发明的限制。
Claims (6)
1.一种武器目标分配方法,其特征在于,所述方法包括:
获取武器目标的运行数据;所述运行数据包括:武器位置、目标位置和飞行数据;所述飞行数据包括:视线角变化速率、剩余飞行时间、脱靶距离和航向角误差;
根据所述运行数据构建武器目标制导模型;所述武器目标制导模型包括:目标函数和约束条件;所述目标函数是根据所述飞行数据,以毁伤概率最大为目标构建的;所述约束条件包括:火力生命值约束;
采用拍卖算法基于补偿惩罚机制,根据所述约束条件对所述目标函数进行求解,得到武器目标的最优分配结果;所述最优分配结果包括:毁伤概率最大时对应的武器目标分配矩阵;所述武器目标分配矩阵表征武器与目标之间的分配关系;
采用拍卖算法基于补偿惩罚机制,根据所述约束条件对所述目标函数进行求解,得到武器目标的最优分配结果,具体包括:
采用拍卖算法基于补偿惩罚机制对所述目标函数进行线性化约束迭代处理,得到处理后的目标函数;
根据所述约束条件对处理后的目标函数进行求解,得到武器目标的最优分配结果;
采用拍卖算法基于补偿惩罚机制对所述目标函数进行线性化约束迭代处理,得到处理后的目标函数,具体包括:
确定当前迭代次数下的运行数据和当前迭代次数下的参数;所述参数包括:补偿价值和惩罚价值;
根据当前迭代次数下的运行数据确定当前迭代次数下的毁伤概率矩阵,并将当前迭代次数下的毁伤概率矩阵确定为当前迭代次数下的毁伤收益价值矩阵;
根据当前迭代次数下的参数和当前迭代次数下的毁伤收益价值矩阵,确定处理后的目标函数;
根据所述约束条件对处理后的目标函数进行求解,得到武器目标的最优分配结果,具体包括:
根据所述约束条件对处理后的目标函数进行求解,得到当前迭代次数下的武器目标分配结果;
根据当前迭代次数下的武器目标分配结果进行目标生命值检索,得到当前迭代次数下的检索结果;
若当前迭代次数下的检索结果为不存在生存目标或者不存在过度杀伤目标,则将当前迭代次数下的武器目标分配结果确定为武器目标的最优分配结果;
若当前迭代次数下的检索结果为存在生存目标或者存在过度杀伤目标,则对当前迭代次数下的参数进行调整,得到调整后的参数,并将调整后的参数作为下一迭代次数下的参数;
其中,每轮补偿价值和惩罚价值的迭代函数如下:
其中,ε表示补偿和惩罚过程中价值增长的程度;k为(1,n)中的某一个数字,ik为分配给i武器的k号目标;k和j都是目标的序号;
cj(g+1)为第(g+1)轮迭代中目标j的补偿价值;
pej(g+1)为第(g+1)轮迭代中目标j的惩罚价值;cj(g)为第g轮迭代中目标j的补偿价值;pej(g)为第g轮迭代中目标j的惩罚价值;ck(g)为第g轮迭代中目标k的补偿价值;Pik为第k个目标对于第i个武器的价值;
g为迭代轮次,从1开始直到达成约束结束;xik为武器目标分配矩阵的值,当xik=1时代表第k个目标被分配给第i个武器;n为目标的数量;m为武器的数量;xij为武器目标分配矩阵;Pij为毁伤概率。
2.根据权利要求1所述的武器目标分配方法,其特征在于,所述目标函数为:
其中,F为目标函数;n为目标的数量;m为武器的数量;i为武器的序号;j为目标的序号;xij为武器目标分配矩阵;vj为第j个目标的价值;sj为目标的生存状态;kj为目标的杀伤概率阈值;Pij为毁伤概率;Π为连乘符号。
3.根据权利要求1所述的武器目标分配方法,其特征在于,所述约束条件为:
其中,n为目标的数量;j为目标的序号;xij为武器目标分配矩阵;m为武器的数量;i为武器的序号;hj为目标的生命值。
4.一种武器目标分配系统,其特征在于,所述系统包括:
数据获取模块,用于获取武器目标的运行数据;所述运行数据包括:武器位置、目标位置和飞行数据;所述飞行数据包括:视线角变化速率、剩余飞行时间、脱靶距离和航向角误差;
模型构建模块,用于根据所述运行数据构建武器目标制导模型;所述武器目标制导模型包括:目标函数和约束条件;所述目标函数是根据所述飞行数据,以毁伤概率最大为目标构建的;所述约束条件包括:火力生命值约束;
求解模块,用于采用拍卖算法基于补偿惩罚机制,根据所述约束条件对所述目标函数进行求解,得到武器目标的最优分配结果;所述最优分配结果包括:毁伤概率最大时对应的武器目标分配矩阵;所述武器目标分配矩阵表征武器与目标之间的分配关系;
所述求解模块中,采用拍卖算法基于补偿惩罚机制,根据所述约束条件对所述目标函数进行求解,得到武器目标的最优分配结果,具体包括:
采用拍卖算法基于补偿惩罚机制对所述目标函数进行线性化约束迭代处理,得到处理后的目标函数;
根据所述约束条件对处理后的目标函数进行求解,得到武器目标的最优分配结果;
采用拍卖算法基于补偿惩罚机制对所述目标函数进行线性化约束迭代处理,得到处理后的目标函数,具体包括:
确定当前迭代次数下的运行数据和当前迭代次数下的参数;所述参数包括:补偿价值和惩罚价值;
根据当前迭代次数下的运行数据确定当前迭代次数下的毁伤概率矩阵,并将当前迭代次数下的毁伤概率矩阵确定为当前迭代次数下的毁伤收益价值矩阵;
根据当前迭代次数下的参数和当前迭代次数下的毁伤收益价值矩阵,确定处理后的目标函数;
根据所述约束条件对处理后的目标函数进行求解,得到武器目标的最优分配结果,具体包括:
根据所述约束条件对处理后的目标函数进行求解,得到当前迭代次数下的武器目标分配结果;
根据当前迭代次数下的武器目标分配结果进行目标生命值检索,得到当前迭代次数下的检索结果;
若当前迭代次数下的检索结果为不存在生存目标或者不存在过度杀伤目标,则将当前迭代次数下的武器目标分配结果确定为武器目标的最优分配结果;
若当前迭代次数下的检索结果为存在生存目标或者存在过度杀伤目标,则对当前迭代次数下的参数进行调整,得到调整后的参数,并将调整后的参数作为下一迭代次数下的参数;
其中,每轮补偿价值和惩罚价值的迭代函数如下:
其中,ε表示补偿和惩罚过程中价值增长的程度;k为(1,n)中的某一个数字,ik为分配给i武器的k号目标;k和j都是目标的序号;
cj(g+1)为第(g+1)轮迭代中目标j的补偿价值;
pej(g+1)为第(g+1)轮迭代中目标j的惩罚价值;cj(g)为第g轮迭代中目标j的补偿价值;pej(g)为第g轮迭代中目标j的惩罚价值;ck(g)为第g轮迭代中目标k的补偿价值;Pik为第k个目标对于第i个武器的价值;
g为迭代轮次,从1开始直到达成约束结束;xik为武器目标分配矩阵的值,当xik=1时代表第k个目标被分配给第i个武器;n为目标的数量;m为武器的数量;xij为武器目标分配矩阵;Pij为毁伤概率。
5.一种电子设备,其特征在于,包括存储器及处理器,所述存储器用于存储计算机程序,所述处理器运行所述计算机程序以使所述电子设备执行如权利要求1至3中任意一项所述的武器目标分配方法。
6.一种计算机可读存储介质,其特征在于,其存储有计算机程序,所述计算机程序被处理器执行时实现如权利要求1至3中任意一项所述的武器目标分配方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310812917.0A CN116542400B (zh) | 2023-07-05 | 2023-07-05 | 一种武器目标分配方法、系统、设备及介质 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310812917.0A CN116542400B (zh) | 2023-07-05 | 2023-07-05 | 一种武器目标分配方法、系统、设备及介质 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116542400A CN116542400A (zh) | 2023-08-04 |
CN116542400B true CN116542400B (zh) | 2023-09-19 |
Family
ID=87454453
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310812917.0A Active CN116542400B (zh) | 2023-07-05 | 2023-07-05 | 一种武器目标分配方法、系统、设备及介质 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116542400B (zh) |
Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002041860A (ja) * | 2000-07-21 | 2002-02-08 | E Clutch:Kk | オークションシステムにおける補償システム |
CN102291722A (zh) * | 2011-04-22 | 2011-12-21 | 南京邮电大学 | 基于拍卖理论和补偿激励的频谱共享方法 |
CN112149959A (zh) * | 2020-08-26 | 2020-12-29 | 北京理工大学 | 一种分布式传感器-武器-目标联合分配方法 |
CN113821973A (zh) * | 2021-09-06 | 2021-12-21 | 中国人民解放军国防科技大学 | 一种多阶段武器目标分配的自适应优化方法 |
CN113848904A (zh) * | 2021-09-24 | 2021-12-28 | 安徽工程大学 | 一种基于惩罚能耗优化多移动机器人任务分配的方法 |
-
2023
- 2023-07-05 CN CN202310812917.0A patent/CN116542400B/zh active Active
Patent Citations (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2002041860A (ja) * | 2000-07-21 | 2002-02-08 | E Clutch:Kk | オークションシステムにおける補償システム |
CN102291722A (zh) * | 2011-04-22 | 2011-12-21 | 南京邮电大学 | 基于拍卖理论和补偿激励的频谱共享方法 |
CN112149959A (zh) * | 2020-08-26 | 2020-12-29 | 北京理工大学 | 一种分布式传感器-武器-目标联合分配方法 |
CN113821973A (zh) * | 2021-09-06 | 2021-12-21 | 中国人民解放军国防科技大学 | 一种多阶段武器目标分配的自适应优化方法 |
CN113848904A (zh) * | 2021-09-24 | 2021-12-28 | 安徽工程大学 | 一种基于惩罚能耗优化多移动机器人任务分配的方法 |
Non-Patent Citations (1)
Title |
---|
改进遗传算法的超视距协同多目标攻击决策;张涛 等;火力与指挥控制;第38卷(第05期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN116542400A (zh) | 2023-08-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107515618B (zh) | 一种考虑时间窗口的异构无人机协同任务分配方法 | |
CN114594794B (zh) | 一种考虑子系统执行能力的多机协同任务规划方法 | |
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 | |
CN111553063B (zh) | 一种入侵杂草算法求解资源受限项目调度方法 | |
CN108416421A (zh) | 基于dde改进蝙蝠算法的动态火力分配方法 | |
CN115494864B (zh) | 基于蚁群算法的异构多无人机任务分配方法 | |
CN115047907B (zh) | 一种基于多智能体ppo算法的空中同构编队指挥方法 | |
Chen et al. | Particle swarm optimization based on genetic operators for sensor-weapon-target assignment | |
CN113190041A (zh) | 一种基于约束松弛技术的无人机集群在线目标分配方法 | |
CN113792985B (zh) | 一种传感器-武器动态联合任务多目标分配方法 | |
CN116542400B (zh) | 一种武器目标分配方法、系统、设备及介质 | |
CN111382896B (zh) | 一种自适应混沌并行克隆选择算法的wta目标优化方法 | |
CN117391364A (zh) | 一种多站协同电子干扰资源分配方法 | |
CN116090356B (zh) | 基于任务可靠性约束的异构弹群多目标任务规划方法 | |
CN116088586A (zh) | 一种无人机作战过程中的临机任务规划的方法 | |
Ruining et al. | Improved genetic algorithm for weapon target assignment problem | |
CN115564374A (zh) | 协同多任务重分配方法、装置、设备及可读存储介质 | |
CN115409351A (zh) | 一种带有优先级的简化粒子群武器目标分配方法 | |
Fu et al. | Study on the weapon target assignment problem using hybrid genetic algorithm | |
CN113128698A (zh) | 多无人机协同对抗决策的强化学习方法 | |
CN111709547B (zh) | 一种基于多目标粒子群算法的武器-目标分配解决方法 | |
Tianhan et al. | UAV cooperative attack and route planning based on DPSO algorithm | |
Zhang et al. | An Improved Cuckoo Search Algorithm for Target Assignment | |
CN114880857B (zh) | 基于混合智能搜索的武器资源多阶段优化分配方法 | |
CN116954256B (zh) | 一种考虑可达域约束的无人机分布式任务分配方法 |
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 |