基于神經網絡的防空武器目標智能分配方法

龍 騰，劉震宇，史人赫，王生印

（1.北京理工大學宇航學院，北京 100081；2.北京理工大學飛行器動力學與控制教育部重點實驗室，北京 100081）

0 引 言

隨著隱身戰斗機、無人作戰飛機、彈道導彈、巡航導彈等先進武器的不斷發展，空中打擊已成為現代戰爭中非常普遍的作戰手段，提升防空武器系統的毀傷效能對國家國土防御具有重要的現實意義。考慮到戰爭成本問題，合理籌劃武器攔截目標方案以發揮其最大作戰效能，成為戰爭中防御方面臨的巨大挑戰。

武器目標分配（weapon target assignment，WTA）問題的基本任務是通過將防御方的武器合理地分配到不同目標，實現武器毀傷效能最大化。武器目標分配方法根據系統架構的不同，可分為集中式武器目標分配和分布式武器目標分配。其中，基于集中式架構的WTA 問題類似于組合優化問題，其求解方法包括經典的整數規劃和現代啟發式優化算法。整數規劃方法主要包括窮舉法、隱枚舉法、分支定界法和割平面法等，主要用于求解簡單的WTA 問題。對于涉及較多約束條件的WTA 問題，主要采用啟發式優化算法求解。Johnson 和Falkman采用粒子群優化（particle swarm optimization，PSO）方法求解中小規模的WTA 問題，并與窮舉法進行對比，結果顯示PSO 算法能夠有效獲取可行分配方案。張春梅等針對WTA 問題的離散特性，提出了一種新的離散差分進化（discrete differential evolutionary，DDE）算法，實現了WTA 問題的高效求解。然而，傳統基于規劃/優化的武器目標分配方法往往需要較長時間來獲得優化后的可行分配方案，難以滿足防空武器目標分配實時性需求。……