多無(wú)人艇協(xié)同海戰(zhàn)中的目標(biāo)分配算法研究

周 菁

多無(wú)人艇協(xié)同海戰(zhàn)中的目標(biāo)分配算法研究

周 菁

（中國(guó)電子科技集團(tuán)公司第二十研究所，西安，710068）

目標(biāo)分配問(wèn)題在指控系統(tǒng)中占有重要的地位。為適應(yīng)多變的戰(zhàn)場(chǎng)態(tài)勢(shì)，本文研究了多無(wú)人艇協(xié)同海戰(zhàn)中的目標(biāo)分配算法。多艘無(wú)人艇組成集群對(duì)敵方實(shí)施聯(lián)合攻擊戰(zhàn)術(shù)時(shí)，需要根據(jù)敵我資源的實(shí)際組成來(lái)制定最優(yōu)的作戰(zhàn)方案。本文提出的目標(biāo)分配算法為每個(gè)個(gè)體安排最佳的攻擊目標(biāo)，使集群的協(xié)同攻擊效能最大。仿真結(jié)果表明，該方法可為無(wú)人艇集群提供最優(yōu)的任務(wù)分配，是一種輔助決策手段。

無(wú)人艇集群；協(xié)同攻擊；目標(biāo)分配；匈牙利算法

0 引言

在現(xiàn)代局部戰(zhàn)爭(zhēng)中，隨著無(wú)人化、非接觸和協(xié)同化等作戰(zhàn)概念的引入，大量無(wú)人作戰(zhàn)飛機(jī)（Unmanned Aerial Vehicle，UAV）、無(wú)人地面戰(zhàn)車（Unmanned Ground Vehicle，UGV）和無(wú)人潛航器（Unmanned Underwater Vehicle，UUV）等[1]無(wú)人裝備加入現(xiàn)代戰(zhàn)場(chǎng)中，使得戰(zhàn)爭(zhēng)的作戰(zhàn)主體、作戰(zhàn)對(duì)象和作戰(zhàn)形式方面都有了顛覆性的變化。我國(guó)正步入高速發(fā)展的階段，海洋軍事成為我國(guó)軍事發(fā)展的重要戰(zhàn)略。無(wú)人水面艇（Unmanned Surface Vehicle，USV）作為新式海戰(zhàn)平臺(tái)，引起了世界軍事強(qiáng)國(guó)的普遍關(guān)注，但作為一種新概念裝備，目前其發(fā)展不如UAV和UGV成熟。

USV一旦裝上了先進(jìn)的武器系統(tǒng)，就可以在河流、湖泊和海上執(zhí)行多種水上作戰(zhàn)任務(wù)，比如近岸的防御、海戰(zhàn)場(chǎng)的突擊和非戰(zhàn)時(shí)的偵察與監(jiān)視等任務(wù)[2]。由于作戰(zhàn)任務(wù)的多重性和復(fù)雜性，在使用多艘USV組成集群實(shí)施協(xié)同作戰(zhàn)時(shí)，目標(biāo)分配是多無(wú)人艇協(xié)同執(zhí)行任何任務(wù)的基礎(chǔ)和保障。

目標(biāo)分配（Target Allocating Problem，TAP）是指揮控制系統(tǒng)經(jīng)數(shù)據(jù)融合獲得目標(biāo)精確航跡后形成戰(zhàn)斗意圖的重要環(huán)節(jié)[3]。其目的是在滿足各項(xiàng)戰(zhàn)術(shù)和技術(shù)指標(biāo)的前提下，為了達(dá)到期望的作戰(zhàn)目標(biāo)，為每個(gè)無(wú)人艇分配任務(wù)[4]，即確定哪個(gè)無(wú)人艇執(zhí)行哪項(xiàng)任務(wù)。在完成任務(wù)的同時(shí)，使得無(wú)人艇集群的整體效能達(dá)到最優(yōu)。

本文研究無(wú)人艇集群協(xié)同攻擊多個(gè)目標(biāo)時(shí)的任務(wù)分配問(wèn)題，提出了一種基于匈牙利算法[5]的無(wú)人艇集群協(xié)同攻擊任務(wù)分配算法，為艇群中每一艘無(wú)人艇分配攻擊目標(biāo)，使各艇相互配合，集群協(xié)同作戰(zhàn)效能實(shí)現(xiàn)最大化。

1 目標(biāo)分配問(wèn)題模型

1.1 平衡目標(biāo)分配

平衡目標(biāo)分配指攻擊任務(wù)的承擔(dān)者和目標(biāo)數(shù)量一致的問(wèn)題。在敵我海上對(duì)抗中，有艘我方無(wú)人艇對(duì)敵方個(gè)目標(biāo)實(shí)施攻擊，每艘無(wú)人艇剛好攻擊一個(gè)敵方目標(biāo)，由于目標(biāo)屬性不同，無(wú)人艇占位不同，不同的無(wú)人艇攻擊不同目標(biāo)的效能也有差距，因此需要確定哪個(gè)無(wú)人艇攻擊哪個(gè)任務(wù)目標(biāo)以便使整體攻擊效果最優(yōu)，即為平衡目標(biāo)分配。

1.2 不平衡目標(biāo)分配

平衡目標(biāo)分配是目標(biāo)分配中的一種特殊情況，一般情況下，攻擊任務(wù)承擔(dān)者的數(shù)量和目標(biāo)數(shù)量是不等的。海戰(zhàn)場(chǎng)情況復(fù)雜，一艘我方無(wú)人艇攻擊敵方多艘無(wú)人艇以及多艘我方無(wú)人艇協(xié)同攻擊敵方一艘無(wú)人艇的可能性均存在，即為不平衡目標(biāo)分配。

1.3 模型的建立

不平衡目標(biāo)分配比平衡目標(biāo)分配更為復(fù)雜，若我方可用無(wú)人艇多于敵方目標(biāo)，則添加若干虛擬目標(biāo)，反之則添加虛擬的資源。通過(guò)增加“虛擬變量”將不平衡目標(biāo)分配轉(zhuǎn)化為平衡目標(biāo)分配問(wèn)題來(lái)處理，可以進(jìn)行統(tǒng)一的建模和求解。設(shè)有艘無(wú)人艇來(lái)攻擊個(gè)目標(biāo)，每艘無(wú)人艇只攻擊其中的一個(gè)目標(biāo)，則無(wú)人艇的目標(biāo)分配問(wèn)題的模型可以描述為：

滿足：

2 無(wú)人艇集群協(xié)同攻擊目標(biāo)分配算法

匈牙利算法在進(jìn)行無(wú)人艇集群分配問(wèn)題求解時(shí)有如下性質(zhì)：

無(wú)人艇集群的協(xié)同攻擊任務(wù)分配算法流程如下：

（2）判斷任務(wù)數(shù)和無(wú)人艇個(gè)數(shù)的關(guān)系，若不等則轉(zhuǎn)入（3），若相等則直接轉(zhuǎn)入（4）。

（3）增加“虛擬變量”將不平衡任務(wù)分配轉(zhuǎn)化為平衡任務(wù)分配，進(jìn)入（4）。

（4）執(zhí)行匈牙利指派，輸出最優(yōu)目標(biāo)分配方案。

3 仿真試驗(yàn)

表1 攻擊收益R矩陣

表2 攻擊代價(jià)B矩陣

首先增加虛擬無(wú)人艇1'、2'、3'，分別構(gòu)成U的第2、4、6行，再增加虛擬攻擊任務(wù)6'構(gòu)成U的第6行，增加虛擬變量后的效能矩陣為：

采用本文任務(wù)分配算法求解，任務(wù)分配結(jié)果為：

4 結(jié)束語(yǔ)

現(xiàn)代戰(zhàn)爭(zhēng)需要根據(jù)敵我資源態(tài)勢(shì)來(lái)決定打擊方案，合理有效的任務(wù)分配方案為每個(gè)個(gè)體安排適當(dāng)?shù)男袆?dòng)，以便提高整個(gè)集群的作戰(zhàn)能力。本文提出了一種無(wú)人艇集群協(xié)同攻擊目標(biāo)分配方法，并對(duì)算法進(jìn)行了相應(yīng)的仿真，結(jié)果說(shuō)明其可為無(wú)人艇集群提供最優(yōu)的目標(biāo)分配策略，提高集群的協(xié)同攻擊效能。

[1] 牛軼峰，沈林成，戴斌，等. 無(wú)人作戰(zhàn)系統(tǒng)發(fā)展[J]. 尖端科技，2009，30（5）：1-11.

[2] 熊亞洲，張曉杰，馮海濤，等. 一種面向多任務(wù)應(yīng)用的無(wú)人水面艇[J]. 船舶工程，2012，34（1）：16-19.

[3] 陶英歌，郭乃林，羅紅英. 基于遺傳算法的目標(biāo)分配優(yōu)化模型研究[J]. 系統(tǒng)工程與電子技術(shù)，2003，25（7）：817-819.

[4] 張博，康鳳舉，蘇冰. 多無(wú)人艇聯(lián)合攻擊任務(wù)規(guī)劃模型仿真[J]. 計(jì)算機(jī)仿真，2015，32（4）：349-354.

[5] 欒飛，楊瑋. 基于匈牙利算法的自動(dòng)化立體倉(cāng)庫(kù)出入庫(kù)優(yōu)化調(diào)度[J]. 陜西科技大學(xué)學(xué)報(bào)，2011，29（3）：122-125.

Target Assignment Study for Cooperative Naval Battle of Swarm USVs

ZHOU Jing

Target allocating plays an important role in command and control system. In order to adapt to the multi-scene situation, the target assignment algorithm in the swarm USVs is studied in the paper to carry out the joint attack tactics against the enemy, and it needs to formulate the optimal operation plan according to the actual composition of the enemy and our resources. The target assignment algorithm proposed in the paper arranges the best attack target for each individual, so as to maximize the cooperative attack efficiency of the swarm to achieve the best simulation effect. The real results show that the method can provide the optimal task allocation for the USV swarm, so that it is one of means for auxiliary decision making.

Swarm USVs; Cooperative Naval Battle; Target Allocation; Hungarian Algorithm

U674.77

A

1674-7976-(2021)-03-210-03

2021-03-02。周菁（1983.06-），陜西西安人，博士研究生，工程師，主要研究方向?yàn)橹悄芤?guī)劃決策與控制。