《计算机应用研究》|Application Research of Computers

基于直觉模糊遗传的武器—目标分配问题优化

Optimization of weapon-target assignment problem by intuitionistic fuzzy genetic algorithm

免费全文下载 (已被下载 次)  
获取PDF全文
作者 杨进帅,李进,王毅,文童,刘占强
机构 1.空军工程大学 防空反导学院,西安 710051;2.西北大学 信息科学与技术学院,西安 710127
统计 摘要被查看 次,已被下载
文章编号 1001-3695(2018)01-0031-04
DOI 10.3969/j.issn.1001-3695.2018.01.005
摘要 针对求解武器—目标分配(weapon-target assignment,WTA)问题的传统算法容易早熟和收敛较慢的缺点,提出一种直觉模糊遗传算法,采用模拟退火的Meta-Lamarckian学习策略和自适应变异,提高了求解WTA问题的效益和速度。首先考虑了WTA问题的各种约束条件,以剩余目标威胁最小和攻击伤害值最大为目标,建立了数学模型,定义了目标函数和约束函数的隶属度和非隶属度函数,通过“最小—最大”算子构建了直觉模糊WTA问题模型,并设计了模拟退火的Meta-Lamarckian学习策略和自适应变异,增强算法的局部寻优能力和后期收敛速度。通过算例仿真并与GA、PSO等算法比较分析,验证了该方法的有效性。
关键词 武器—目标分配;直觉模糊集;模拟退火Meta-Lamarckian学习;自适应变异;遗传算法
基金项目 国家自然科学基金资助项目(61402517)
中国博士后基金资助项目(2013M542331)
陕西省自然科学基金资助项目(2013JQ8035)
本文URL http://www.arocmag.com/article/01-2018-01-005.html
英文标题 Optimization of weapon-target assignment problem by intuitionistic fuzzy genetic algorithm
作者英文名 Yang Jinshuai, Li Jin, Wang Yi, Wen Tong, Liu Zhanqiang
机构英文名 1.CollegeofAir&MissileDefense,AirForceEngineeringUniversity,Xi'an710051,China;2.SchoolofInformation&Technology,NorthwestUniversity,Xi'an710127,China
英文摘要 Aimed at the shortcoming of precocity and slow convergence in the application of traditional algorithms to solve the weapon-target assignment (WTA) problem, this paper proposed an intuitionistic fuzzy genetic algorithm that combined with simulated annealing Meta-Lamarckian learning strategy and adaptive mutation to improve the efficiency and speed of solving WTA problem. Firstly, it considered the various constraint functions of WTA problem, in which made the threat of remaining targets minimum and the damage from attacks maximum, established the mathematical model. Next, it defined the membership and nonmembership functions of object and constraint function, and built the intuitionistic fuzzy WTA model on the basis of the “min-max” operator. Then, it designed a strategy of Meta-Lamarckian learning for simulated annealing and adaptive mutation to enhance the capability of local search and the speed of upper convergence for the algorithm. Finally, this method is effective via the simulation and the analysis of comparison with GA, PSO.
英文关键词 weapon-target assignment(WTA); intuitionistic fuzzy set; simulated annealing Meta-Lamarckian learning; adaptive mutation; genetic algorithm(GA)
参考文献 查看稿件参考文献
  [1] 于连飞, 刘进, 张维明, 等. 武器—目标分配问题算法研究综述[J] . 数学的实践与认识, 2016, 46(2):26-32.
[2] 武从猛, 王公宝. 遗传—蚁群算法在目标分配问题中的应用研究[J] . 兵工自动化, 2014, 33(4):8-11.
[3] 张春美, 陈杰, 辛斌. 武器目标分配问题的离散差分进化算法[J] . 北京理工大学学报, 2014, 34(3):289-293.
[4] 李欣然, 樊永生. 求解武器目标分配问题的改进粒子群算法[J] . 火力与指挥控制, 2014, 39(12):58-61.
[5] 王玮, 程树昌, 张玉芝. 基于遗传算法的一类武器目标分配方法研究[J] . 系统工程与电子技术, 2008, 30(9):1708-1711.
[6] 杨山亮, 黄健, 刘洋, 等. 基于遗传算法的联合火力WTA问题研究[J] . 计算机仿真, 2012, 29(3):61-63.
[7] 吴坤鸿, 詹世贤. 分布式遗传模拟退火算法的火力打击目标分配优化[J] . 火力与指挥控制, 2016, 41(3):89-92.
[8] Atanassov K. Intuitionistic fuzzy sets[J] . Fuzzy Sets and Systems, 1986, 20(1):87-96.
[9] Angelov P P. Optimization in an intuitionistic fuzzy environment[J] . Fuzzy Sets and Systems, 1997, 86(3):299-306.
[10] 徐小来, 雷英杰, 戴文义. 基于遗传算法的直觉模糊多目标规划[J] . 电光与控制, 2009, 16(1):38-31.
[11] 厉康平, 汪鹏君, 张会红. 基于模拟退火遗传算法的三值FPRM电路功耗优化[J] . 浙江大学学报:理学版, 2016, 43(2):190-194.
[12] 林令娟, 刘希玉. 结合SA算法的快速微粒群优化算法[J] . 计算机工程与应用, 2011, 47(8):27-29.
[13] Liu Bo, Wang Ling, Jin Yihui. An effective hybrid PSO-based algorithm for flow shop scheduling with limited buffers[J] . Computers & Operations Research, 2008, 35(9):2791-2806.
[14] 张献, 任耀峰, 王润芃. 基于自适应遗传算法的连续时空最优搜索路径规划研究[J] . 兵工学报, 2015, 36(12):2386-2395.
收稿日期 2016/9/8
修回日期 2016/11/8
页码 31-34
中图分类号 TP391
文献标志码 A