[发明专利]基于共生搜索生物地理学优化的多平台武器目标分配方法

说明书

提出基于共生搜索生物地理学优化的多平台武器目标分配方法：构建基于模糊期望效果的多平台WTA模型；设置种群规模，随机产生初始解；采用基于整数的矩阵编码策略对种群进行编码；计算每个解对应的目标函数值，按从大到小进行排序，保留前q个较大的目标函数值所对应的解；对初始种群进行优化，减小初始种群的随机性；改进迁移算子，进行迁移优化操作；提出共栖突变算子，进行突变优化操作；重新计算每个解对应的目标函数值，按从大到小进行排序，替换前q个较大目标函数值所对应解；判断是否达到最大迭代次数，若是则输出结果；否则返回第五步。本发明适应不确定环境下作战辅助决策对求解精度和时效性的要求，可为指控系统的研制提供方法支撑。

技术领域

本发明涉及不确定优化和指挥控制领域技术，具体涉及一种不确定环境下基于共生搜索生物地理学优化的多平台武器目标分配方法。

背景技术

信息化作战条件下，作战环境日益复杂，武器目标分配(weapon targetassignment，WTA)作为指挥决策核心问题，已成为国内外研究热点。由于敌干扰打击手段日益多样化，战场不确定因素也不断增多，如何在不确定情况下合理利用多平台武器单元来打击敌来袭目标，以达到最优作战效果，是当前WTA亟待解决的问题。

在多平台WTA问题的模型构建方面，经典WTA模型以最大化武器的预期损伤效应为目标，此外还发展出基于成本的WTA、基于资产的WTA、以及多目标多阶段WTA等变体。目前，不确定环境下的多平台WTA模型研究成果较少，然而，随着战场环境日益复杂，包含主、客观多因素的射击有利度和目标价值具有明显的不确定特征。

在多平台WTA模型求解方面，由于启发式算法表现出良好的适应性，国内外学者提出使用遗传算法、蜂群算法、粒子群算法等启发式算法对多平台WTA问题进行求解。然而，进行大规模武器-目标分配的时候，现有算法都存在一定程度的算法复杂度高、模型求解速度慢、求解精度较低的问题。因而，对于时效性要求较高的多平台WTA求解仍然需要进行深入研究。

生物地理学优化(Biogeography-Based Optimization，BBO)算法由美国学者Simon《Biogeography-based optimization》(IEEE transactions on evolutionarycomputation，2008，12(6)：702-713.)于2008年首次提出。Simon证明，相对于其他优化算法而言，其对候选解具有良好的挖掘能力和全局搜索能力，因而受到了众多国内外学者的关注。但基本BBO算法也存在以下较明显的问题：①迁移过程中对较优解的直接复制，种群的多样性不高；②候选解受适应度值高的个别解吸引，迭代后期出现多个解相近或是超级个体现象；③算法早熟收敛等问题。因而学者专家也不断对BBO算法进行不同程度的改进。

共生生物搜索(Symbiotic Organisms Search，SOS)算法是Min Yuan Cheng《Symbiotic organisms search：a new metaheuristic optimization algorithm》(ComputersStructures，2014，139(1)：98-112.)于2014年提出的一种新型启发式算法。该算法对生物体在生态系统中生存和繁殖所采取的共生互动策略进行模拟，具有较强的鲁棒性和寻优能力。SOS算法与BBO算法都受进化理论的启发而产生，理论上具有同源性，两种算法都不需要特定参数；且BBO算法的优势在于不同栖息地之间的信息共享，SOS算法中生物共享优势协同进化的特点可以较好地促进BBO算法发挥特点。

发明内容

本发明提供基于共生搜索生物地理学优化的多平台武器目标分配方法，具体包括下列步骤：

Step 1构建基于模糊期望效果的多平台WTA模型