2024数学建模国赛高教社杯D题：问题3最简单思路代码解析

        在这个问题中，我们的目标是优化反潜作战中的投弹策略，以最大化命中潜艇的概率。通过调整投弹阵列的间隔（a 和 b），以及引爆深度（Z_trigger），我们可以设计出最优的投弹策略。代码主要通过三种投弹策略来计算命中概率，并使用粒子群优化（PSO）算法对这些策略进行优化。以下是详细的解题思路：

1. 基础参数与潜艇定位

• 定位误差：潜艇的水平定位误差服从正态分布，设定为 sigma_x = 50 和 sigma_y = 50。这些参数用于生成潜艇的位置。
• 炸弹阵列：投弹区域是一个 3x3 的矩阵，每个单元格代表一个炸弹的投放位置。

# 创建一个3x3的炸弹位置阵列
def bomb_positions():
    return np.array([[0, 0], [0, 1], [0, 2],
                     [1, 0], [1, 1], [1, 2],
                     [2, 0], [2, 1], [2, 2]])

2. 命中概率计算

• 计算未命中区域的概率：炸弹未命中潜艇时，该区域会被排除在外，从而更新后续炸弹的命中概率。

# 计算未命中区域的概率（在正态分布中排除掉的区域）
def calc_excluded_prob(x, y, sigma_x, sigma_y, radius):
    prob_x = norm.cdf(x + radius, 0, sigma_x) - norm.cdf(x - radius, 0, sigma_x)
    prob_y = norm.cdf(y + radius, 0, sigma_y) - norm.cdf(y - radius, 0, sigma_y)
    return prob_x * prob_y

炸弹命中概率：根据炸弹与潜艇的距离计算命中概率。如果炸弹在潜艇的杀伤半径内，则命中概率较高，否则随着距离增加命中概率下降。

# 计算炸弹的命中概率
def calc_hit_prob(bomb_pos, sub_pos, base_prob, rem_prob):
    dist = np.sqrt((bomb_pos[0] - sub_pos[0]) ** 2 + (bomb_pos[1] - sub_pos[1]) ** 2)
    if dist <= radius:
        return base_prob * rem_prob
    else:
        return base_prob * rem_prob / (dist / radius)

3. 三种投弹策略

• 策略一：斜方向投弹
  • 沿 3x3 矩阵的对角线投放炸弹。逐步排除未命中的区域，从而提高后续投弹的命中概率。

def diagonal_bombing(positions, sub_pos, base_prob):
    results = []
    rem_prob = 1.0
    diagonal_pos = [positions[0], positions[4], positions[8]]

    for pos in diagonal_pos:
        hit_prob = calc_hit_prob(pos, sub_pos, base_prob, rem_prob)
        results.append(hit_prob)
        excl_prob = calc_excluded_prob(pos[0], pos[1], sigma_x, sigma_y, radius)
        rem_prob -= excl_prob
        base_prob *= rem_prob

    while len(results) < 9:
        results.append(0)

    return results

策略二：中心扩展投弹

• 先投放中心炸弹，再投放上下左右的炸弹，最后投放四角的炸弹。这种策略对称性强，适合潜艇更可能位于中心的情况。

def center_out_bombing(positions, sub_pos, base_prob):
    results = []
    rem_prob = 1.0
    center_pos = positions[4]
    neighbors = [positions[1], positions[3], positions[5], positions[7]]
    corners = [positions[0], positions[2], positions[6], positions[8]]

    hit_prob = calc_hit_prob(center_pos, sub_pos, base_prob, rem_prob)
    results.append(hit_prob)
    excl_prob = calc_excluded_prob(center_pos[0], center_pos[1], sigma_x, sigma_y, radius)
    rem_prob -= excl_prob
    base_prob *= rem_prob

    for pos in neighbors + corners:
        hit_prob = calc_hit_prob(pos, sub_pos, base_prob, rem_prob)
        results.append(hit_prob)
        excl_prob = calc_excluded_prob(pos[0], pos[1], sigma_x, sigma_y, radius)
        rem_prob -= excl_prob
        base_prob *= rem_prob

    return results

策略三：顺时针/逆时针投弹

• 按照顺时针或逆时针顺序投放炸弹，从边缘向内逐渐覆盖潜艇的可能位置。

def circular_bombing(positions, sub_pos, base_prob, clockwise=True):
    results = []
    rem_prob = 1.0

    if clockwise:
        order = [positions[0], positions[1], positions[2], positions[5], positions[8],
                 positions[7], positions[6], positions[3], positions[4]]
    else:
        order = [positions[0], positions[3], positions[6], positions[7], positions[8],
                 positions[5], positions[2], positions[1], positions[4]]

    for pos in order:
        hit_prob = calc_hit_prob(pos, sub_pos, base_prob, rem_prob)
        results.append(hit_prob)
        excl_prob = calc_excluded_prob(pos[0], pos[1], sigma_x, sigma_y, radius)
        rem_prob -= excl_prob
        base_prob *= rem_prob

    return results

4. 优化策略

• 使用粒子群优化（PSO）算法来调整投弹间隔（a 和 b）以及引爆深度（Z_trigger），以找到最优参数组合，使总命中概率最大化。

# 优化目标函数，用于计算总命中概率
def optimize_strategy(x):
    a, b, Z_trigger = x
    sub_pos = generate_sub_position()
    positions = bomb_positions()

    base_prob = Z_trigger / 200.0

    diag_probs = diagonal_bombing(positions, sub_pos, base_prob)
    center_probs = center_out_bombing(positions, sub_pos, base_prob)
    circ_probs = circular_bombing(positions, sub_pos, base_prob, clockwise=True)

    total_prob = sum(diag_probs) + sum(center_probs) + sum(circ_probs)
    return -total_prob  # 取负值用于最小化问题

# 使用PSO优化a, b, Z_trigger
lb = [20, 20, 170]
ub = [60, 60, 190]
best_params, best_prob = pso(optimize_strategy, lb, ub, swarmsize=30, maxiter=50)

最后，根据优化结果选择最优策略并进行排序。

strategies = [("斜方向投弹", sum(diag_probs)),
              ("中心扩展投弹", sum(center_probs)),
              ("顺时针投弹", sum(circ_probs))]

sorted_strategies = sorted(strategies, key=lambda x: x[1], reverse=True)

for i, (name, prob) in enumerate(sorted_strategies):
    print(f"第 {i + 1} 名: {name}, 总命中概率: {prob:.4f}")

通过分析潜艇的定位误差，调整投弹阵列的间隔和定深引信的引爆深度，结合三种不同的投弹策略（斜方向、中心扩展、顺时针/逆时针），并使用粒子群优化算法进行参数优化，我们成功设计出了最优的投弹方案，使潜艇被命中的概率最大化。

一问、二问解题思路可看我历史文章

2024数模D题一问思路

2024数模D题二问思路