基于自適應(yīng)變異粒子群算法的火力分配方法研究

歐 微,王克勤,朱 岑

(烏魯木齊民族干部學(xué)院,新疆 烏魯木齊 830002)

在信息化條件下,戰(zhàn)場(chǎng)態(tài)勢(shì)瞬息即變,基于智能算法的火力分配方法已經(jīng)成為作戰(zhàn)指揮中不可或缺的決策支持[1-3]。粒子群算法(Particle Swarm Optimization,PSO)是一種基于群體智能的進(jìn)化算法,具有參數(shù)簡(jiǎn)單、收斂快速等優(yōu)點(diǎn),非常適合對(duì)復(fù)雜問(wèn)題進(jìn)行優(yōu)化。但研究表明,基本粒子群算法(Basic PSO,BPSO)具有易陷入局部極值和早熟收斂等缺陷[4-6],因此許多學(xué)者或文獻(xiàn)從不同方面對(duì)其進(jìn)行了改進(jìn)。如李凌等[7]在 Ratnaweera[8]的基礎(chǔ)上,提出了一種慣性權(quán)重和加速因子自適應(yīng)動(dòng)態(tài)調(diào)整的改進(jìn)策略,用于求解函數(shù)優(yōu)化問(wèn)題;文獻(xiàn)[9]將模擬退火(SA)和禁忌搜索(TS)與 PSO 相結(jié)合,求解防空火力的目標(biāo)分配問(wèn)題;文獻(xiàn)[10]通過(guò)對(duì)全部粒子重新初始化來(lái)保持種群的多樣性,用于求解聯(lián)合火力打擊的目標(biāo)分配問(wèn)題。這些研究雖然有效地改進(jìn)了BPSO算法的性能,但對(duì)于復(fù)雜的火力分配問(wèn)題,其可行解空間是非常龐大的,一些近優(yōu)解與最優(yōu)解之間的編碼可能存在巨大的差異,一旦陷入局部極值,則很難從中跳出。因此,需要在進(jìn)化前期增強(qiáng)粒子的局部搜索能力,而在進(jìn)化后期則需增強(qiáng)粒子群的多樣性。因此,本文提出了一種 AMPSO,通過(guò)對(duì)慣性權(quán)重、認(rèn)知因子和社會(huì)因子的動(dòng)態(tài)調(diào)整,來(lái)保證算法在進(jìn)化前期的局部搜索能力和進(jìn)化后期的全局收斂性能,并通過(guò)設(shè)置變異池,控制部分粒子參與變異,保證在不破壞粒子群整體結(jié)構(gòu)的基礎(chǔ)上增強(qiáng)種群的多樣性。

1 火力分配問(wèn)題的數(shù)學(xué)模型

最優(yōu)火力分配問(wèn)題可描述為[10-12]:假定有M個(gè)火力單位處于戰(zhàn)斗準(zhǔn)備狀態(tài),對(duì)N個(gè)威脅目標(biāo)進(jìn)行打擊,現(xiàn)需合理分配火力,使得敵威脅目標(biāo)的整體毀傷價(jià)值最大。……