[发明专利]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

说明书

本发明公布了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，主要解决了舰艇编队火力分配的优化求解问题。所述方法首先建立基于毁伤效能、防御效能以及打击代价的舰艇编队火力分配的数学模型；其次，对舰艇编队火力分配方案进行编码，给定算法的初始参数，设置优化问题的适应度函数；然后，计算种群的迁移率与变异率，执行迁移操作和变异操作；最后，根据适应度选出最优火力分配方案。本发明采用基于自适应学习能力迁移算子的BBO算法求解火力分配问题，具有能很好地克服算法成熟前收敛现象，避免算法陷入局部最优，实时性好等优点。

技术领域

本发明属于舰艇编队火力分配技术领域，特别是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。

背景技术

在现代海战中，舰艇编队对空防御火力分配是反导作战任务体系中的重要环节。舰艇编队面临的空中威胁目标通常是多批次、高速飞行的各型反舰导弹，因此如何合理、实时地将我方有限的火力资源分配给各来袭目标，以确保我方编队的安全是指挥员面对的一项迫切任务，分配方案的优劣将直接影响我方舰艇编队的整体作战效能。武器对目标的火力分配是一个多参数多约束组合优化的NP完全问题，其解空间随着来袭目标数量和防空火力单元的增加而呈现指数级别增长。因此，如何求解火力分配方案就成为了协同作战领域研究的关键问题。

当前解决舰艇编队的火力分配问题主要有两大类方法：(1)经典解析数学方法，包括匈牙利算法、微分对策方法等。该类方法一般是建立火力分配的数学模型，然后求解该模型。由于通常的数学模型不能对目标的火力分配实现全覆盖，仅适合空对地打击或来袭目标威胁程度较小的作战环境。(2)智能优化算法，包括粒子群算法、免疫算法、遗传算法等。其中粒子群算法在更新中采用的编码交叉、变异等操作对于其他非整数编码形式的应用缺乏可行性，而免疫算法和遗传算法则收敛速度较慢，易陷入局部最优解。

生物地理学智能优化算法(BBO)是受生物地理学理论启发的基于群智能的优化算法，与遗传算法和粒子算法等优化算法相比，具有设置参数少、计算简单和收敛速度快等特点，更适用于实际工程中的优化问题。

发明内容

本发明的目的在于提供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，该方法可以有效提高舰艇编队防空火力分配优化算法的收敛速度和全局寻优能力。

为实现上述目的，本发明采用以下技术方案：

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，包括：

第一步，通过综合考虑我方舰艇编队的毁伤效能、防御效能和打击代价三个方面，建立舰艇编队防空火力分配模型。

第二步，采用位序列编码方式对每个火力分配方案进行编码，设置算法初始参数，包括种群pop的规模、学习因子α、扰动系数β及邻域控制参数ω_max等。

第三步，利用适应度函数f(x)计算种群中每个解popⁱ的适应度，并利用三角函数迁移模型计算种群的迁入率λ_i及迁出率μ_i。

第四步，对种群的每个解进行迁移操作，具体为，首先，通过第三步计算得到的种群中每个解popⁱ的迁入率λ_i和迁出率μ_i，判断是否对该栖息地进行迁入或迁出操作；其次，执行自适应迁移算子，对种群中每个解popⁱ中的每个分量进行迁移操作生成新的解popⁱ。

第五步，计算种群的变异率η，根据变异率选择变异种群，利用轮赌算法选择种群中需要变异的解，对其进行变异操作，并更新已找到的最优解f_best，若此最优解不在当前种群中，则将其加入到种群中，令邻域控制参数ω＝0；否则ω＝ω+1。若ω＝ω_max，采用邻接矩阵产生方法重新生成邻接矩阵。