matlab火力分配算法,MATLAB遗传算法工具箱的火力分配模型

引言防空兵火力分配是防空作战指挥控制系统获得空袭目标情况时,防空作战指挥员定下作战决心的重要环节,是充分发挥武器系统的作战效能和取得防空作战胜利的基础和前提。在限定条件下,寻求符合火力分配原则的最优方案,仅仅凭指挥员经验是不够的,而是要应用科学的计算优化理论,使有限数量的兵器通过最优的分配,充分发挥各个火力单元的整体优势,取得最佳的作战效果。防空火力分配问题是典型的0-1整数规划问题,一般采用匈牙利算法及动态规划算法解决。但当火力规模庞大、复杂度增加时,这些传统的非线性规划寻优方法存在计算复杂、耗时长等不足。[1-4]遗传算法吸取了自然界中“物竞天择、适者生存”的进化原理,能够实现在复杂空间中进行寻优,对搜索空间无特殊要求,能够较好地解决传统算法存在的不足。1防空导弹火力分配模型防空导弹火力分配问题的模型描述为:m个地空导弹火力单元对n批空袭目标进行火力分配,假设在火力分配之前,各批目标的威胁程度与各防空导弹火力单元对各批空袭目标射击有利程度已经经过排序。假设:第一,每次火力打击均为独立的随机事件;第二,目标被毁伤只与一次打击有关(无累积毁伤);第三,防空武器都是单目标通道武器;第四,目标都已经处于防空武器的杀伤区域内,每个目标只有一次打击的机会。第j批空袭目标的威胁程度评估值为wj,其值可以通过模糊综合评判法、层次分析法或其他方法确定。第i个火力单元打击第j个空中目标消耗的火力单元数量为xij,取0或者1。第i类火力单元的数目为mi,表示第i个地空导弹火力单元对第j批目标射击有利程度评估值为pij,则各火力单元对各批目标射击的效益值为:Rij=wjpij其中,Rij表示对j批目标进行拦截的效益值。防空导弹火力分配的原则是在假设条件下追求总体效益最佳值F,即确定:约束条件为:2遗传算法求解火力分配问题遗传算法是基于自然选择和基因遗传学原理的搜索优化算法。它将达尔文的基本进化理论引入算法之中,伴随着算法的运行,适应度好的个体被逐渐保留并加以组合,从而不断产生出更优的新个体。对于遗传算法来说,这一过程也就是不断地接近于最优解的过程。遗传算法(GA)一般由以下几个基本操作步骤实现[5-6]。2.1编码方式本文所用的遗传算法中个体设置为十进制编码,个体的长度是由目标批次编号序列排列的火力分配单元编号构成,每个个体即代表一种火力分配的方案。例如总共有16批目标,9个射击单元,如表1所示即为一条染色体即一种火力分配方案:2.2初始种群初始种群中的个体是随机产生的,并且每个个体都满足约束条件。初始种群数量通常取50~200,每一位的数据是由计算机产生的随机数分配的,本文数量取的100。2.3适应度函数适应度函数是评价种群中个体的优劣性的指标。对于不同的问题,适应度函数的定义方式是不同的。在防空兵火力分配问题中,可用模型中设定的射击总效益函数作为适应度函数,其形式为:Rij=wjpij。2.4遗传算子通常遗传算法使用3种算子;选择算子、交叉算子和变异算子。第1,选择算子。选择算子是为了从当前群体中选出优良的个体,使它们有机会作为父代产生后代个体。判断个体优良与否的准则就是各自的适应度值。假设种群的数目为M个,其中某一个体i的适应度为fi,那么根据概率论的方法,选中i个个体的概率为:并以此作为相应的选择概率,当某一个体选择概率确定后,可以产生[0,1]之间的随机数来确定是否选择某个个体。显然,选择概率越大的个体选目标编号12345678910111213141516射击单元3671237371483985表1十进制编码的个体中的机率也就相应的越大,反之则有可能被淘