基于蚁群算法的武器—目标分配问题研究

论文摘要

武器-目标分配问题（WTA,Weapon-Target Assignment Problem）是一个典型的优化问题,需要将武器根据目标进行合理分配,使防御方损失最小。随着信息化武器装备的发展和在军事领域的广泛应用,武器-目标分配问题备受军事界的关注。本文在现有研究成果的基础上主要对基于蚁群算法的WTA问题进行了详细的求解。首先,本文分析了现有WTA问题的研究现状以及解决WTA问题的常用智能算法。并从不同的角度,对WTA问题进行详细分类,重点研究了静态WTA问题和动态WTA问题的定义以及模型构建。在此基础上,进一步阐述了武器-目标分配问题中的特例智能雷场中的攻击决策模型的构建过程,综合考虑地雷和坦克之间的距离、角度和速度三个威胁因素,并给出了智能雷场攻击决策优化的目标函数E（s）。在确定了WTA问题的数学模型和优化算法后,本文将粒子群算法和蚁群算法相结合,对传统蚁群算法进行改进。通过仿真实验,验证了改进后的算法具有比较明显的优势。与传统蚁群算法相比,改进的蚁群算法求解精度高,收敛速度快,时间性能优越。本文对改进后蚁群算法的稳定性进行参数选取分析,进而得出蚁群算法的参数选取原则。本文还给出了改进后算法求解WTA问题的实现步骤,结合WTA问题实例进行求解,得出具体的武器-目标优化分配方法。最后对智能雷场中的决策模型进行了实验验证。

论文目录

• 摘要
• ABSTRACT
• 英文缩略语对照表
• 图片目录
• 表格目录
• 第一章 绪论
• 1.1 课题目的和意义
• 1.2 国内外研究现状及发展趋势
• 1.3 本文主要研究内容
• 第二章 武器目标分配问题及其分析
• 2.1 武器目标分配问题的主要分类
• 2.2 WTA 问题的定义及模型构建
• 2.2.1 静态WTA 问题的定义和模型构建
• 2.2.2 动态WTA 问题的研究以及模型构建
• 2.2.3 多级武器-目标动态分配
• 2.2.4 动静态相结合的WTA 问题
• 2.3 智能雷场战术应用分析
• 2.3.1 智能雷场防御形式
• 2.3.2 坦克进攻形式
• 2.3.3 智能雷场攻击策略
• 2.3.4 智能雷场攻击决策模型构建
• 2.4 本章小结
• 第三章 蚁群算法的基本原理分析及其改进
• 3.1 解决WTA 问题的常用群体智能算法
• 3.2 蚁群算法的基本介绍
• 3.2.1 蚁群行为描述及基本蚁群算法原理
• 3.2.2 蚁群算法的特点
• 3.3 基本蚁群算法的改进及性能验证
• 3.3.1 基本粒子群算法的原理
• 3.3.2 蚁群算法的改进原理
• 3.3.3 粒子-蚁群（PS-ACO）算法的性能验证
• 3.4 PS-ACO 算法的稳定性讨论
• 3.4.1 c1 和c2 的取值对算法性能的影响
• 3.4.2 r1 和 r2 对算法性能的影响
• 3.4.3 ρ对算法性能的影响
• 3.5 本章小结
• 第四章 用改进的蚁群算法解决WTA 问题
• 4.1 武器-目标分配的原则
• 4.2 PS-ACO 算法的求解流程
• 4.3 实验仿真结果
• 4.3.1 实验一
• 4.3.2 实验二
• 4.3.3 实验三
• 4.4 具体的智能雷场WTA 实现和实验验证
• 4.4.1 决策算法的实现
• 4.4.2 模拟实验验证
• 4.5 本章小结
• 第五章 总结与展望
• 5.1 主要研究内容和结论
• 5.2 研究展望
• 参考文献
• 攻读硕士学位期间已发表或录用的论文
• 致谢