基于MDLS与GA的作战任务资源分配算法研究

论文摘要

由于联合作战战役任务计划的高度不确定性、复杂性以及时间紧迫性等特点,使联合作战任务计划成为作战指挥不可缺少的过程。联合作战任务计划的核心是任务和行动,其目的就是如何有效的将作战资源分配到各个任务中去,考虑到分配过程中的各种约束,对这一问题的求解即是解决一个组合优化问题。目前常用来解决这一问题的算法包括MDLS算法与基于分群的嵌套式遗传算法。本文对这两种算法进行了详细的描述和研究,在分析了两种方法各自的优点与不足的基础上提出了一种改进的任务计划算法。改进的算法成功地将分群思想与动态多维列表规划算法结合起来,吸取了两种算法的优点,回避了各自的不足。通过案例的实验,以更小的计算代价获得了较优的结果,证明了算法的效率和研究该问题的意义。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 一体化联合作战任务计划概述
• 1.1.1 一体化联合作战的概念
• 1.1.2 一体化联合作战任务计划的特点
• 1.2 国内外研究现状及发展趋势
• 1.3 任务计划资源分配算法研究的必要性
• 1.4 本文的研究内容和组织
• 第二章 传统的作战任务资源分配算法
• 2.1 基于MDLS的资源分配算法
• 2.1.1 问题的数学描述
• 2.1.2 MDLS算法简介
• 2.1.3 MDLS算法流程
• 2.1.4 基于平台聚类的协作设计
• 2.1.5 小结
• 2.2 基于分群技术与嵌套式遗传算法的资源分配算法
• 2.2.1 分群技术
• 2.2.2 数学描述
• 2.2.3 嵌套式遗传算法的实现
• 2.2.4 小结
• 第三章 改进的作战任务资源分配算法
• 3.1 改进算法的框架与理论依据
• 3.1.1 传统算法的缺陷
• 3.1.2 改进算法的框架
• 3.1.3 改进算法的理论依据
• 3.2 外层遗传算法的实现
• 3.2.1 遗传算法的工作原理
• 3.2.2 外层遗传算法的具体实现
• 3.3 内层MDLS算法的实现
• 3.3.1 确定任务优先权
• 3.3.2 平台组选择
• 3.3.3 MDLS算法的实现
• 3.4 小结
• 第四章 实例计算与分析
• 4.1 案例描述
• 4.2 算法的实现流程
• 4.3 计算实验结果
• 4.4 实验结果分析
• 第五章 总结与展望
• 5.1 总结
• 5.2 展望
• 致谢
• 参考文献
• 附录A 作者攻读硕士学位期间发表的学术论文