基于改进差分进化算法的作战目标分配

针对传统差分进化算法在求解作战目标分配时存在的参数敏感性高、高维变量求解精度低和易陷入局部最优等缺陷,提出一种改进的多策略协同差分进化算法。以精英种群引导3个等规模种群协同进化,各种群将产生优秀变异体的历史信息作为自学习经验,根据进化程度适应性选择变异策略、缩放因子和交叉概率,从而平衡全局搜索能力和收敛速度。与3种常用算法在8个测试函数上进行实验对比,对最优解的平均值、标准差、Wilcoxon rank-sum检验和胜率进行分析,测试了算法的收敛性和稳定性。以某次联合火力打击为例进行仿真实验,结果表明,算法能够有效解决作战目标分配问题。