基于分布式约束优化的武器目标分配问题研究

格式：pdf
大小：236.27 KB
文档页数：3

下载文档原格式

动态武器目标分配问题中策略优化的改进算法

An Improved Algorithm of Policies Optimization of Dynamic Weapon Target Assignment Problem 作者：陈英武[1];蔡怀平[1,2];邢立宁[1]
作者机构： [1]国防科技大学信息系统与管理学院,长沙410073;[2]中国人民解放军95851部队,南京210046
出版物刊名：系统工程理论与实践
页码： 160-165页
主题词：运筹学;动态武器目标分配;算法;策略优化;马尔可夫决策过程
摘要：动态武器目标分配（Weapon Target Assignment，WTA）中的目标选择策略问题可以通过建立马尔可夫决策过程（Markov decision pmcesses，MDP）模型进行研究，但目前尚无有效求解此类较大规模的MDP问题中最优策略的算法．通过分析动态WTA问题的MDP模型特点，给出了求解该问题最优策略的改进算法．该算法主要在初始策略选取规则、策略改进规则以及最优策略的判断准则等方面进行了改进．该算法具有计算量小，节省内存，并可得到最优解等优点．最后，通过算例将该算法与传统算法进行了比较．改进算法可以用于解决较大规模的动态WTA中的策略优化问题。

多约束集群目标下武器-目标分配问题

Journal of Computer Applications 计算机应用, 2020, 40( 3) : 902 - 911
ISSN 1001⁃9081 CODEN JYIIDU
2020⁃ 03⁃ 10 http：/ / www. joca. cn
文章编号：1001-9081（2020）03-0902-10
关键词：武器-目标分配；决策支持；目标分群；多目标优化；约束处理中图分类号：TP391. 7 文献标志码：A
Constrained multi-objective weapon-target assignment problem
ZHANG Kai*，ZHOU Deyun，YANG Zhen，PAN Qian
DOI：10. 11772/j. issn. 1001-9081. 2019071274
多约束集群目标下武器-目标分配问题
张凯*，周德云，杨振，潘潜
（西北工业大学电子信息学院，西安 710072）（ ∗ 通信作者电子邮箱 zhangkainwpu@mail. nwpu. edu. cn）
最佳策略，可通过选择合适的武器类型和作用点实现火力覆盖，达到武器数量小于目标数量的最大杀伤效果。综合考虑安全目标、毁伤门限、偏好指派等作战需求，首先，建立了多约束多目标武器-目标分配（CMWTA）数学模型；其次，设计了约束违反值的计算方法，并采用个体编码、检测修复和约束支配相结合的方式处理多约束；最后，设计了针对多目标武器-目标分配模型的收敛性度量指标，并基于多目标进化算法（MOEA）框架进行了仿真分析。其中在进化算法框架对比中，SPEA2 下的 Pareto 集合容量主要分布于［21，25］区间内，NSGA-Ⅱ下的 Pareto 集合容量主要分布于［16，20］，而 MOEA/D 下的 Pareto 集合容量均小于 16；在修复算法验证中，修复算法将三种进化算法框架的 Convergence 指标提升了 20% 以上，且可将 Pareto 解集中不可行解的比例保持在 0%。实验结果表明，在求解 CMWTA 模型中，SPEA2 算法框架在分布性和收敛性上优于 NSGA-Ⅱ和 MOEA/D 算法框架，且所提修复算法有效地提高了进化算法对非支配可行解的求解效率。

基于规则评价的武器目标分配方法

基于规则评价的武器目标分配方法I. 引言A. 研究背景B. 研究重点C. 研究目的II. 文献综述A. 传统武器目标分配方法B. 基于规则评价的武器目标分配方法C. 两种方法的优缺点比较III. 基于规则评价的武器目标分配方法原理A. 规则评价的基本工作原理B. 武器目标分配的相关规则C. 规则的构建和调整IV. 实验分析A. 实验目的B. 实验设定C. 实验结果分析D. 实验结论V. 结论和展望A. 结论B. 展望C. 研究意义和推广前景参考文献I. 引言A. 研究背景:随着科技的不断发展和军事装备的不断更新，武器的种类和数量越来越多，如何快速而有效地分配武器目标成为了一个重要的问题。

传统的武器目标分配方法主要是基于优化算法，如整数规划、遗传算法等，这些方法可以得到比较精确的结果。

然而，这些方法需要大量的计算时间和计算资源，不能满足实时性要求，且可能存在无法消除的随机性，同样也不适用于复杂多变的战场情况。

B. 研究重点:本文将探讨基于规则评价的武器目标分配方法，并对其进行分析和比较。

该方法是一种简单、高效的武器目标分配方法，可以在复杂多变的战场环境下进行实时的目标分配，适用范围广泛。

本文将通过对相关文献的综述，以及实验分析，考察基于规则评价的武器目标分配方法的实际效果。

C. 研究目的:1. 探究基于规则评价的武器目标分配方法的原理和构建。

2. 分析基于规则评价的武器目标分配方法和传统的优化算法方法的优缺点。

3. 通过实验验证基于规则评价的武器目标分配方法的实际效果，以及分析其适用性。

4. 探讨基于规则评价的武器目标分配方法在实际应用中的推广前景和意义。

本文的研究目的是为了探讨一种高效而实用的武器目标分配方法，为军事作战提供参考和帮助。

该研究具有一定的理论和实践意义，旨在丰富武器目标分配研究领域，提高武器目标分配的实时性和准确性。

II. 文献综述A. 传统武器目标分配方法:传统武器目标分配方法主要基于优化算法，如整数规划、遗传算法等。

基于MAS的多平台协同作战分布式武器目标分配研究

构，然后采用多个平台分布式计算的思想建立了整个作战过程的武器目标分配模式，采用了一种基并于合同网协议的武器目标分配策略，后通过图例最
展示与分析对算法的性能进行了研究。
提高海军作战的反应速度、精度和有效性。网络中
ＡｂｓｒｃＣｏｓｄｒｇｗｅｐｎｔｒｅｉｔｉｕｅｓｉｎｎｎｃｏｅａｉｅｃｍｂｔａｎｕｔｐａｆｒ，ａｍｅｈｄｔａｔｎｉｅｉａｏａｇｔｄｓｒｂｔｄａｓｇｍｅｔｉｏｐｒｔｏａｍｏｇｍｌｉｌｔｏｍｎｖｔｏｂｓｄｏＡＳｉｐｔｆｒｒ．ＦｉｓｌａｅｎＭｓｕｏｗａｄｒｔｙ，ｔｅｓｒｃｕｅａｄｉｓａｅｔｆｔｅｓｓｅａｅｅｔｂｉｈｄ；ｓｃｎｌ，ｄｓｒｕｅｓｈｔｕｔｒｎｔｇｎｓｏｈｙｔｍｒｓａｌｅｓｅｏｄｙｉｔｉｔｄａ — ｂ
术提出了巨大的挑战。பைடு நூலகம் 网络中心战环境的海上
，，是，，Ｋ，所示战争，战场态势复杂，信息瞬息万变，武器种类繁１２ …，。其中，一１２ …，建立如图１的网络结构。各平台间通过传感器网络达到了数多，如何完成陆、、海空等多个平台上的多种武器有效地协同作战是一个极其复杂的问题［。１］据共享，台上的各武器是在平台之上并且受对应平

武器-目标分配问题的分布估计算法及参数设计

武器-目标分配问题的分布估计算法及参数设计高尚【期刊名称】《东南大学学报（自然科学版）》【年(卷),期】2012(042)0z1【摘要】An optimization model of the weapon-target assignment problem (WTA) is given. The similarities and differences of the distribution algorithm and the genetic algorithm are analyzed. The estimation distribution algorithm (EDA) is applied to solve the weapon-target assignment problem. In the EDA, through the statistics of the information of selected individuals in the current group, the probability of the individual distribution in next generation is given and the next generation of group is formed by random sampling. The influence of several parameter design strategies such as population and selection proportion is analyzed. It is concluded that the algorithm with a moderate population and a moderate selection proportion can efficiently find the converged solution among those algorithms. Simulation results show that the EDA is reliable and effective for solving the weapon-target assignment problem. This method has good scalability, and it can be modified to solve general combinatorial optimization problems.%建立了武器-目标分配问题的优化模型,分析了分布估计算法与遗传算法的异同.将分布估计算法应用于武器-目标分配问题,该算法通过统计当前群体中优选出的个体信息,给出下一代个体的概率估计,用随机取样的方法生成下一代群体.分析了个体种群数量、选择比例等参数对算法的影响,得出个体种群数量和选择比例取适中时效果最好的结论.仿真结果表明了分布估计算法求解武器-目标分配问题是可靠有效的.此方法具有较好的可扩展性,修改此算法可解决一般组合优化问题.【总页数】4页(P178-181)【作者】高尚【作者单位】江苏科技大学计算机科学与工程学院,镇江212003【正文语种】中文【中图分类】TP301.6【相关文献】1.多约束集群目标下武器--目标分配问题 [J], 张凯; 周德云; 杨振; 潘潜2.基于随机时间影响网络的联合火力打击动态武器目标分配问题研究 [J], 田伟;王志梅;段威3.改进差分进化算法求解武器目标分配问题 [J], 吴文海;郭晓峰;周思羽;高丽4.基于可适应匈牙利算法的武器-目标分配问题 [J], 张进;郭浩;陈统5.基于改进多目标HQPSOGA求解武器目标分配问题 [J], 邱少明;冯江惠;杜秀丽;王建伟因版权原因，仅展示原文概要，查看原文内容请购买。

分布式计算中的任务分配算法研究与优化

分布式计算中的任务分配算法研究与优化概述分布式计算是利用多台计算机协同工作来完成复杂计算任务的一种计算模式。

在分布式计算中，任务分配算法起着至关重要的作用。

任务分配算法的设计合理性直接影响到系统的性能、资源利用率和任务完成时间等指标。

本文将重点研究和优化分布式计算中的任务分配算法。

1. 任务分配算法介绍任务分配算法是分布式计算系统中用于将待执行的任务分配给不同的计算节点的一种算法。

其目标是使得任务被高效地分配到合适的计算节点上，以提高整个系统的性能。

任务分配算法的核心问题是如何选择最优的计算节点来执行任务。

1.1 随机分配算法随机分配算法是最简单的任务分配算法。

它的原理是对于每个任务，随机选择一个计算节点作为执行节点。

这种算法的优点是简单易实现，但缺点是效率低下，容易导致负载不均衡。

1.2 最短任务优先算法最短任务优先算法是根据任务的执行时间来选择最优的计算节点。

即将任务分配给执行时间最短的计算节点。

这种算法的优点是能够减少任务的等待时间，但缺点是容易导致负载不均衡。

1.3 负载均衡算法负载均衡算法是一种动态调整任务分配的算法。

它的原理是监控计算节点的负载情况，根据负载情况来选择合适的计算节点执行任务。

常用的负载均衡算法有轮询、加权轮询、最少连接和最少任务等。

2. 任务分配算法的优化为了提高任务分配算法的性能，我们可以从以下几个方面进行优化。

2.1 负载预测负载预测是一种通过历史数据和实时数据来预测计算节点负载情况的技术。

通过对计算节点的负载进行预测，可以更准确地选择最优的计算节点来执行任务，从而提高任务分配算法的性能。

2.2 任务划分任务划分是将复杂的任务分解成多个子任务的过程。

通过任务划分，可以将大型任务分配给多个计算节点并行执行，从而提高整个系统的性能。

合理的任务划分可以避免负载不均衡的问题，提高任务分配算法的效率。

2.3 动态调整算法参数动态调整算法参数是根据系统的实际情况来动态调整任务分配算法的参数。

武器一目标分配问题的分布估计算法及参数设计

计算法求解武器一目标分配问题是可靠有效的．方法具有较好的可扩展性，改此算法可解决此修
一
般组合优化问标问题；化优
中图分类号：Ｐ０．Ｔ３１６文献标志码：Ａ文章编号：０１００（０２Ｓ－１８０１０ — ５５２１）１０７－４
ＳｐＩｕ（１
Ｓｐ．２２ｅｔ０１
ｄｉ１．９９ｉｎ１０ — ５５２１．１０６ｏ：０３６￣．ｓ．０１００．０２Ｓ．３ｓ
武器一目标分配问题的分布估计算法及参数设计
高尚
（江苏科技大学计算机科学与工程学院，镇江２２０）１０３
ＩｈｎｔｅＥＤＡ，ｔｒｕｈｔｅｓａｉｔｓｏｅｉｆｒａｉｎｏｅｅｔｄｉｄｖｄａｓｉｅｃｒｅｒｕｈｏｇｔｔｓｃｆｔｎｏｍｔｏｆｓｌｃｅｎｉｉｕｌｎｔｕｒｎｔｇｏｐ，ｔｅｈｉｈｈｈ
ｔｏｎｅｅｔｏｒｐｏｔｏｓａａｙｅｉｎａｄｓｌｃｉｎｐｏｒｉｎｉｎｌｚｄ．Ｉｓｃｎｌｄｄｔａｈｅａｇｒｔｍｔｏｅａｅｐｐｕａｔｉｏｃｕｅｔｔｌｏｈｗｉｈａｍｄｒｔｏｌ— ｈｉｔｎｏｅａｅｓｌｃｉｎｐｏｒｉｎｃｎｅｃｅｔｎｄｔｅｃｎｅｇｄｓｌｉｎａｏｇｔｏｅａ— ｉａｄａｍｄｒｔｅｅｔｏｒｐｏｔｏａｆｉｎｌｆｏｖｒｅｏｕｔｍｎｈｓｌｏｎｉｙｉｈｏｇｒｔｍｓＳｉｕａｏｅｕｔｈｗａｅＥＤＡｓｒｌｂｅａｄｅｆｃｉｅｆｒｓｌｉｇｔｅｗｅｐｎ—ａ — ｏｉｈ．ｍｌｔｎｒｓｌｓｓｏｔｔｔｉｈｈｉｅｉｌａｎｆｅｔｖｏｏｖｎａｏｔｈｒ

多阶段传感器–武器–目标分配问题的建模与优化求解

关键词: 联合分配; 传感器–武器–目标分配; 启发式算法; 协同作战引用格式: 王艺鹏, 辛斌, 陈杰. 多阶段传感器–武器–目标分配问题的建模与优化求解. 控制理论与应用, 2019, 36(11): 1886 – 1895 DOI: 10.7641/CTA.2019.90507
Modeling and optimization of
multi-stage senYi-peng1, XIN Bin1,2,3†, CHEN Jie1,2,3
(1. School of Automation, Beijing Institute of Technology, Beijing 100081, China 2. Key Laboratory of Intelligent Control and Decision of Complex Systems, Beijing Institute of Technology, Beijing 100081, China 3. Beijing Advanced Innovation Center for Intelligent Robots and Systems, Beijing Institute of Technology, Beijing 100081, China) Abstract: Based on the static variant of the sensor-weapon-target assignment (S–WTA) problem, we built a mathematical model for the multi-stage S–WTA problem, with the objective of minimizing the expected remaining threat value of the incoming targets, by dividing the operational process into several interception stages. In order to solve this problem, the multi-stage S–WTA problem was decomposed into two combat resource assignment subproblems. Firstly, a knowledge-based incremental constructive heuristic was proposed to solve the multi-stage weapon-target assignment subproblem. With the obtained weapon-target assignment scheme, a marginal-loss-based constructive heuristic was proposed to solve the multi-stage sensor-target assignment subproblem. Thus, we can obtain valid solutions of the multi-stage S– WTA problem by incorporating the proposed two fast constructive heuristic algorithms with low complexity. A random sampling method based on random permutations (RP) was employed as the competitor, and some simulation experiments were carried out to validate the effectiveness of the proposed heuristic. The computational result indicates that the proposed heuristic outperforms its competitor for most of the test instances, in terms of both solution quality and time cost. Key words: Co-allocation; sensor-weapon-target assignment; heuristic algorithms; cooperative engagement Citation: WANG Yipeng, XIN Bin, CHEN Jie. Modeling and optimization of multi-stage sensor-weapon-target assignment. Control Theory & Applications, 2019, 36(11): 1886 – 1895

一种武器-目标分配模型及求解算法

ｆｉ）ｍｎ，（
个重要课题。
武器一目标的分配模型按武器和目标的对应关系可以分为：种武器对单个目标的分配模型、单单种武器对多个目标的分配模型、种武器对单个目标多的分配模型、多种武器对多个目标的分配模型。于对
中图分类号；Ｊ６．，２１６Ｔ７２１０２．文献标识码：Ａ
ＡＷｅｐｎ— ｒｅｓｇＮｅＷａｏＴａｇｔＡｓｉｎｍｅｏｌａｔｇｒｔｎｔＭｄｅｎｄｉｓＡｌｏｉｈｍ
ＤＯＮＧＳｕｊｎＺｈ — ，ＨＡＮＧＬｏｚｅｇＺＯＪ，ＨＡＮＧＯｉｇｊｕｕ —ｈｎ，ＨＡｉＺｎｎ —ｅｉ
文章编号：０２０４（０６００１０１０ —６０２０）５０４— ４
一
种武器一目标分配模型及求解算法
董树军，罗政，张赵瑾，张庆捷
（肥炮兵学院，合安徽合肥２０３）３０１
摘
要：器一武目标分配是拟制作战计划的～项重要内容，合理运用现有武器系统，分发挥其作战效能的关键。据火是充依
（ｆｉｒｉｅｙＡａｅｙＨｅｅ２０３，ｈｎ）ＨｅＡｔｌｒｃｄｍ，ｆｉ３０１Ｃｉａｌ
ＡｂｔａｔＡｓｏｅｏｈｍｐｉａｔｃｎｅｔｆｆｈｌｎｍａｉｇ，ａｏ —ａｇｔｄｓｒｂｔｎｉｔｅｋｙｓｒｃ：ｎｆｔｅｉｏ＇ｎｏｔｎｓｏｉｔｐａｋｎｗｅｐｎｔｒｅｉｔｉｕｉｓｈｅｔｇｏｔｐｌｏｗｎｄｗｅｐｎｓｓｅｒｔｎｌｙａｄｍａｅｆｌｕｅｏｔｉｈｆｉｉｎｙＷｉｈｉｔｏａｐｙｎｗｏｅａｏｙｔｍａｉａｌｎｋｕｌｓｆｉｆｇｔｅｆｃｅｃ．ｔｔｅａｍｏｏｓｈａａｙｉｔｅｐｏｌｍｆｍｕｔ— ａｏｓｔｕｔ—ａｇｔｉｔｉｕｉｎ，ｈｓｐｐｒｂｉｓｕａｏａｇｔｎｌｓｓｈｒｂｅｏｌｉｗｅｐｎｏｍｌｉｒｅｓｄｓｒｂｔｔｏｔｉａｅｕｌｐａｗｅｐｎｔｒｅｄ

基于先锋遗传算法的武器系统目标分配问题优化研究

现代战争中，和攻击是空袭作战的主要模式，饱即综合应用多种飞机和导弹实施多方向、多层次、批多
次的连续饱和轰炸。如何既要有效地打击敌人，保护我方重要的军事、政治、经济等防御中心，又要降低我方弹药消耗，实现持久作战，是一个急需解决的课题。而实现对现有装备的优化配置、合理分配则是关键环。本文根据自适应先锋遗传算法优化效率高、收敛速度快等特点，快速高效地解决了目标分配问题，
决定火力单元是否可以进行拦截的另一个重要约束条件是本单元的弹药数量和补充情况。设每个火力单元配备的弹药数为Ｎ进行一次射击后补充弹药所需要的时间为Ｇ从战斗开始至射击时刻Ｔ（，Ｄ，，Ｆｉ）所消耗的弹药ＮＳ补充的弹药总量为ＮＳ射击第ｉ目Ｕ，Ａ，批标所需要的弹药量为 Ⅳ 则只有在满足 Ⅳ ，Ｆ ≤Ｎ＋ＡＤＮＳ—ＮＳ时，Ｕ火力单元才能拦截第ｉ目标。批同时，火力单元现有的弹药总数还与以前所进行的射击和弹药补充情况有关，也就是说，火力单元前
（１）：一Ｈ（一１Ｋ）
１
（）１
其中，是一个布尔值，来判断目标ｉ不是分配给了武器如果目标分配给了武器Ｊ则Ｘ用是，．，：１，
否则Ｘ：０由此可知，Ａ问题就是使得下面的对应函数值最小化。。ＷＴ
移时间以及弹药储备和弹药补充时间的制约，所以对于此目函数还需要附加各种约束条件。标
１１杀伤区空间约束条件．
考虑防御武器单元的盲区，保卫目标的边界和来袭目的有效攻击半径等，标确定每一个火力单位杀伤区的远界及近界以及目标进入、离开火力杀伤区的情况。对于火力单元Ａ第一批目标到达远界的时间为，（，）到达近界的时间为（，）＋Ｔ１１，Ｍ（，）１１，１１Ｍ（，）Ｔ１１为第一批目标在火力单元Ａ的发射区内停留的时间。火力单位Ａ对第一批目标的发射时刻为（，）只有满足约束条件（）火力单元Ａ１１，３时，才能有效拦截第一批目。标

1、下载文档前请自行甄别文档内容的完整性，平台不提供额外的编辑、内容补充、找答案等附加服务。
2、"仅部分预览"的文档,不可在线预览部分如存在完整性等问题,可反馈申请退款(可完整预览的文档不适用该条件!)。
3、如文档侵犯您的权益，请联系客服反馈,我们会尽快为您处理(人工客服工作时间：9:00-18:30)。

为了解决分布式ＷＴＡ，本文提出了将ＷＴＡ建模为分布式约束优化问题（ｓｉｕｅｏｓａｎｐｉｚｔｎＰｏｌｍ，ＤｉｒｔｄＣｎｔｉＯｔａｏｒｂｅｔｂｒｔｍｉｉＤＣＰ的方法，进而利用分布式优化算法对所建问题模型进Ｏ）
作者简介：雷兴明（９７，，１８一）男硕士研究生，研方向：主人工智能，
布式约束优化问题的２个典型算法ＡＯＴ和ＤＯ。通过Ｆｏｏ软件平台对舰艇拦截多批反舰导弹过程进行仿真，比较２ＤＰＰＰｒｄ个算法在仿真时间、通信量等方面的性能，结果证明了该方法求解ＷＴ问题的可行性。Ａ
关词：器目分题；布约优问；ＤＰ算ＤＯ算假树；ｒｏ件健武标配问分式束化题ＡＯＴ法；ＰＰ法；设Ｆｄ软ｏＲｅｅｒｈｎＷｅｐｏｒｅｓｇｓａｃ０ａｎＴａｇｔＡｓｉｎｍｅｔＰｒｂｌｍｎｏｅＢａｅｎＤｉｔｉｔｄＣｏｔａｎｔＯｐｔｍｉａｉｎｓｄ０ｓｒｂｕｅｎｓｒｉｉｚｔｏ
｜ｙｗｏｄ］ＷｅｐｎＴｒｅｓｎｎ（Ａ）ｐｏｌＫｅｒｓａｏａｇｔＡｓｉｍｅｔｇＷＴｒｂｅｍ；ＤｉｒｕｅｏｓａｎｔｚｔｎＰｏｌｍ（ＯＰ；ＡｓｎｈｏｏｓＤｉｔｂｔｓｉｔｄＣｎｔｉｔＯｐｉａｉｒｂｅＤＣ）ｙｃｒｎｕｓｉｕｅｔｂｒｍｉｏｒｄ
（１，可拦截反舰导弹的集合，Ｊ＝，３２）
＝
１９２
＝｛ｔ、＝｛ｔ、ｔ：ｌ｝ｔ３１｝
ＤＯＰ常用来作为多智能体协作问题的重要而有用的抽Ｃ
象，对实际中广泛出现的分布式规划、调度、资源分配等问题建模，并能以分布的方式有效地解决。典型的如图着色、会议调度、传感器网络配置，以及分布式条件下的资源调度
关系ＲＤ．× 。 ×．・
约束成本函数：ｘ／ … Ｄ Ⅳ ，Ⅳ是自然数集。Ｄ２ｘｉ ×
ＤＯ的求解目标是找到一组使得总成本最小（的所有变ＣＰ大）
量的赋值。目标函数Ｆ定义为一组可能赋值对应的成本函数
其动态性、实时性、鲁棒性较差。随着网络中心战概念的提出和美海军ＣＣ系统的发展，Ｅ】分布式目标分配开始受到重视，分布式目标分配具有鲁棒性好、可扩展性强、反应节奏
击范围的反舰导弹。
１表示第个武器平台的一个武器对第ｉ个反舰导弹进
行打击，否则＝０。ｗＴＡ求解目标是确定武器分配方案，Байду номын сангаас 使拦截之后反舰导弹总的期望剩余威胁值最少。Ａ问题的ＷＴ
系统工程；邢昌风，教授、博士；吴玲，讲师、博士
收稿日期：２１－ —５０１７１０
Ｅｍａ：Ｌｉｇｉ１８＠１３ｏ－ｉｅｉｍｎ９７６．ｍｌｘｎｇｃ
第３卷８
第７期
雷兴明，邢昌风，吴
玲：基于分布式约束优化的武器目标分配问题研究
第３８卷第７期
Ｖｏ＿８ｌ３
・
计
算
机
工
程
２１０２年４月
Ａｐｒｌ０１ｉ２２
Ｎｏ．７
ＣｏｕｅｍｐｔｒＥｎｇｎｅｉｇｉｅｒｎ
人工智能及识别技术・
文编１０－２２２７＿２＿文标码；章号：０ — ４（１０＿ｌ — ３０３８０）＿８００献识Ａ
ＤＯＩ１．６／ｉｎ１０．４８２１．７４：０３９ｊｓ．００３２．０２０．２９．ｓ０
１概述
武器目标分配（ａｏａｇｔＡｓｉｎｎ，Ａ）ＷｅｐｎＴｒｅｓｍｅｔＷＴ问题是ｇ
行求解。
２分布式约束优化问题
分布式约束优化问题ＤＣＰ是分布式人工智能研究中的Ｏ
［ｓｒｃ］Ａｉｎｔｈａｏａｇｔｓｎｎ（Ａｐｏｌｉｔｅｆｒｔｎａｒｅｅｓ，ｔｏａｅＷＴｐｏｌｍｄｌｄａＡｂｔａｔｍｉｇａｔｅＷｅｐｎＴｒｅｉｍｅｔＡｓｇＷＴ）ｒｂｅｎｈｍａｉｉｄｆｎｅａｈｄｔｔｈＡｒｂｅｉｍｏｅｓｍｏｏｍｅｈｔｓｅａＤｉｉｕｅｏｓａｎｐｉｚｔｎＰｏｌＤＣ）ｉｐｏｏｅ，ａｄｔｉｐｐｒｉｔｄｃｓｔｐｃｌａｏｉｍｓＡｓｎｈｏｏｓＤｉｒｕｅｓｂｔｄＣｎｔｉｔＯｔａｉｒｂｅｒｔｒｍｉｏｍ（ＯＰｓｒｐｓｄｎｓａｅｎｒｕｅｗｏｔｉｌｒｈｏｙａｇｔｙｃｒｎｕｓｉｔｄｈｔｂＯｐｉｚｔｎＡＤＯＴａｄＤｙａｃＰｏｒｍｍｉｇＯｔｚｔｎＰｏｏｏ（Ｐ）ｏｓｌｅＤＣａｅｎＦｏｏｓｆｒｌｆｒ，ｔｉｌｅｔａｉ（ｍｉ０Ｐ）ｎｎｍｉｒｇａｎｐｉａｏｒｔｃｌＯＰｔｏｖＯＥＢｓｄｏｒｄｏｔｅｐａｏｉｓａｓｍｉｉＤｗａｔｍｍｕｔ
数最优。
数）规划、动态规划、启发式搜索算法、对策论和图论的方法。由于ＷＴ问题被证明是ＮＰ完全问题，２Ａ从Ｏ世纪７０年代中后期开始，各种广义启发式搜索算法被应用于ＷＴ问题的Ａ求解之中，如模拟退火算法、神经网络法、遗传算法、禁忌搜索算法，以及２Ｏ世纪９Ｏ年代出现的蚁群算法、粒子群算法等，以及智能算法与传统算法的混合算法。目标分配算法无论是数学规划算法还是启发式搜索算
示。假定每个武器平台拥有一枚武器，问题的目标是确定武
３ｗＴＡ问题的分布式约束优化建模
３１ＷＴ．Ａ的描述以舰艇编队协同防空问题中的ＷＴＡ为例，ＷＴＡ可以进
行如下描述：个武器平台受到ｈ个来袭反舰导弹的攻击，
器分配方案，使拦截之后反舰导弹总的期望剩余威胁值最少。将图１ａ所示的编队防空问题进行ＤＯ（）ＣＰ建模，以约束图的
ＯｔｚｔｎＡＤＯＰ）ｌｏｉｍ；ｙａｃＰｏｒｍｍｉｇＯｔｚｔｎＰｏｏｏ（Ｏ）ｌｏｉｍ；ｓｕｏｔｅＦｏｏｓｆｒｐｉａｉ（ｍｉｏＴａｇｒｈＤｎｍｉｒｇａｎｐｉａｉｒｔｃｌｔｍｉｏＤＰＰａｇｒｈｐｅｄ・ｅ；ｒｄｏｔｅｔｒｗａ
一
军事运筹学研究中的重要理论问题，也是作战指挥决策中迫切需要解决的现实问题。Ａ问题研究的主要目的就是针对ＷＴ
多个威胁目标，防御方的指挥控制系统能够及时有效地分配
个基础问题和热点问题，它一般由一系列变量、变量相应组满足所有约束关系的赋值，且使问题求解的目标成本函ＤＣＰＯ可进行如下描述：Ａ＝｛Ａ，｝Ａｇｎ集合；４， …，为ｅｔＤ＝｛，Ｅ｝ＤＩ，Ｄ …，是所有变量可能取值的有限集；Ｖ＝｛。，
中分类Ｔ１图号：Ｐ８
基于分布式约束优化的武器目标分配问题研究
雷兴明，邢昌风，吴玲
（海军工程大学电子工程学院，武汉４０３）３０３
摘
要ｉ为解决舰艇编队协同防空中的武器目标分配（ｌ问题，提出一种将ＷＴ问题建模为分布式约束优化问题的方法。介绍求解分ｗ１）ＡＡ
ＬＥＩＸｉｇｍｉｇＸＩｎ－ｎ，ＮＧａｇｆｎ，ＵｎＣｈｎ－ｅｇＷＬｉｇ
（ｌｇｆｌｔｎｃｎｉｅｒｇＮａａＵｎｖｒｉｆｎｉｅｒｇＷｕａ３０３ＣｉａＣｏｌｅｅｒｉＥｇｎｅｉ，ｖｌｉｅｓｙｏｇｎｅｉ，ｈｎ４０３，ｈ）ｅｏＥｃｏｎｔＥｎｎ
ｔｒｃｓｆｈｒｈｐａａｓｎｉｓｐｍｉｓｌ．ｏａｉｇｔｅｔｌｏｉｍｓｏｈｉｕａｉｎｔｅｍｏｎｆｉｆｒａｉｎｓｎｎｔｅｈｅｐｏｅｓｏｅｗａｓｉｇｉｔａｔ－ｈｉｓｉＢｙｃｍｐｒｎｗｏａｇｒｔｔｎｅｈｈｎｔｅｓｍｌｔｏｉ，ａｕｔｏｏｍｎｍｔｏｅｔａｄｏｒｈａｐｃｓｏｅｆｒａｃ，ｈｓｍｅｏｓｐｏｄｔｏｖｅｔｅＷＴｐｏｌｍｅｓｂｌｔ．ｓｅｔｆｐｒｏｍｎｅｔｉｔｄｉｒｖｅｓｌＡｒｂｅｆａｉｉｉｈｏｈｙ
快等优点，已成为目标分配研究领域的热点。
之和：ＦＡ＝ＸＸ …Ｘ）其，（ ∑ （ｉ，，中）ｉ２ｉｔ，ｊ
（的赋值 ’ ＤＯ大）是ＣＰ的最优解。
Ｄ，最ｉ使Ｆ小ｋ
基金项日：湖北省自然科学基金资助项目（０ＣＢ９）２９Ｄ０８０
问题等。
｛，｝表示能够攻击到反舰导弹的武器平台集合，ｔｔ；２３＝｛ｗ｝，３、＝｛２ｗ｝；Ｗ，］设表示第．座武，