经济增长与再分配目标

保持适度的经济增长和人们生活状况的不断改善是国家经济政策的目标之一.在经济增长和再分配目标的实现过程中,由于经济和体制的因素而形成的居民收入差异,不仅影响到国家经济增长的长远目标和社会政局稳定,而且涉及到人类发展的社会伦理问题.本文借助于我国改革开放以来国民经济发展和收入分配的统计指标的分析,讨论市场经济体系中的再分配机制能否保证经济的长期稳定增长,以及国家除了经济发展的目标外,是否也要承担社会伦理责任的问题.

基于深度强化学习的舰船导弹目标分配方法

针对对抗环境下的海上舰船防空反导导弹目标分配问题,本文提出了一种融合注意力机制的深度强化学习算法.首先,构建了舰船多类型导弹目标分配模型,并结合目标多波次拦截特点将问题建模为马尔可夫决策过程.接着,基于编码器–解码器框架搭建强化学习策略网络,融合多头注意力机制对目标进行编码,并在解码中结合整体目标和单个目标编码信息实现舰船可靠的导弹目标分配.最后,对导弹目标分配收益、分配时效以及策略网络训练过程进行了仿真实验.实验结果表明,本文方法能生成高收益的导弹目标分配方案,相较于对比算法的大规模决策计算速度提高10%~94%,同时其策略网络能够快速稳定收敛.

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。

基于人工蜂群算法的大规模武器目标分配研究

针对大规模武器目标分配问题,本文提出一种改进的多目标武器目标分配模型,该模型将武器平台泛化为武器,并将武器平均飞行时间作为第2个优化目标。为有效解决这类问题,本文还提出了改进的自适应离散多目标人工蜂群算法。该算法基于人工蜂群算法和非支配排序策略,引入了自适应算子操作数、重用蜜源探索信息的变异概率策略,并通过蜜源之间、蜜源与外部解集之间的交互以提高算法的收敛性,通过算子的随机选择保持种群多样性。最后通过不同规模武器目标分配的对比实验,证明了所提自适应算子操作数与重用蜜源探索次数的变异概率策略的有效性,并与MOABC、MOPSO、NSGA-II算法在反向世代距离、超体积、时间3个方面进行比较,本文算法能够在保证时效性的前提下得到质量更好的Pareto解集。

基于改进差分进化算法的跨平台武器目标分配方法

现代战争中,跨平台武器单元的协同利用,是合同编队体系的重要内容,作战方式也正由平台级协同向着能力要素级协同转变,这对武器目标分配问题的解决提出了更大挑战。本文将武器单元的最小划分单位细化到能力要素级,以毁伤概率与成本消耗为优化目标,面向多种来袭目标的编队防空场景,提出了跨平台武器目标分配算法。同时,基于混沌映射提出了混沌种群重构(chaotic population reconstruction,CPR)机制,并结合带存档的自适应差分进化(adaptive differential evolution with optional external archive,JADE)算法提出了CPR-JADE算法,利用CPR机制可以帮助算法在解决高维复杂约束问题时跳出局部最优。再将其运用到武器目标分配模型上,实现了对模型的高效求解。最后,通过在多种数据规模下与其他进化优化算法的仿真对比试验分析,验证了所提方法的正确性与有效性。

近距空中支援中无人机目标分配问题研究

利用无人机实施近距空中支援作战是当前研究的重点,需针对复杂战场环境对实行多目标火力打击的无人机进行路径优化与目标分配。综合考虑无人机飞行高度、不同武器挂载、目标类型及各项指标、威胁区威胁代价、作战时间代价等因素,构建目标毁伤综合指标提高非对称打击效能,设置威胁区安全阈值提高路径有效性分析,采取自适应权重粒子群协同优化算法求解单无人机单目标航迹总代价,采取0-1规划法求解多无人机对多目标的不平衡任务分配方案,为近距空中支援任务中多无人机对多目标的分配提供决策支撑。

基于多目标进化算法的防空导弹武器目标分配

有效的武器目标分配(weapon-target assignment,WTA)方法对减少作战损失,提高防御效果具有重要意义。针对防空资源分配问题建立合理的数学模型,以最大化目标毁伤效能和最小化雷达资源消耗为优化目标,同时考虑雷达通道数上限等多个约束,在基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition,MOEA/D)基础上进行改进,种群进化过程中自适应调整交叉与变异的概率以提高个体的质量,最终得到一组可供决策者使用的最优解集。实验结果表明:与其他多目标进化算法相比,该算法能得到适应度更高且分布性良好的结果,能够为防空导弹武器目标分配问题提供可行方案。

面向大规模目标跟踪的相控阵雷达资源分配方法

相比于传统雷达,相控阵雷达能够同时生成多个波束并灵活改变波束指向,被广泛应用于多目标跟踪领域。在大规模集群目标协同探测场景中,为支持后续节点对敌方目标进行火力拦截与打击的任务需求,相控阵雷达需要在规定时间内将空域内优先级更高的目标更快地跟踪至火控精度,然而若空域内目标数量过多,雷达探测资源有限,难以完成指定跟踪任务。为了解决这一问题,本文提出了一种面向大规模目标跟踪的相控阵雷达目标分配与功率联合优化算法。首先,推导出包含目标分配和功率优化的预测条件克拉美罗下界,并将其作为目标跟踪性能的衡量指标;随后,本文同时考虑跟踪容量和跟踪精度,以最大化满足跟踪精度的目标数量和最小化多目标优先级加权平均跟踪误差为优化目标,结合相控阵雷达系统资源,建立了大规模目标跟踪下的目标分配和功率联合优化模型,对目标分配变量和发射功率变量进行自适应联合优化配置。针对上述优化问题,本文采用两步分解法,将其分解为目标分配子问题和功率优化子问题,并结合激活函数对非平滑非凸的目标函数进行平滑近似。然后,利用谱投影梯度法进行求解。仿真实验验证了所提算法相较于传统算法在多个场景下均能在指定时间内更快速地将更多目标跟踪至指定精度。

考虑执行能力约束的多机协同目标分配AEPSO算法

针对复杂环境中的多无人机协同攻击目标分配算法存在约束条件不充分、解空间的多样性与收敛性难以平衡等问题,提出了一种考虑执行能力约束的多机协同目标分配自适应精英粒子群(AEPSO)算法。首先,在以攻击效益最大化、时间及损毁代价最小化为目标的基础上,将多无人机续航能力、跟踪攻击性能等差异性导致的执行能力受限作为约束条件,构建了多无人机协同目标分配模型。然后,提出了一种基于混沌初始化和多尺度协同变异的自适应精英粒子群策略:通过构建一种改进型Logistic映射,实现粒子混沌初始化,提高了初始粒子群的多样性及搜索遍历性;设计了带有不同方差的自适应高斯变异机制作为精英选择策略,增强了粒子群的全局和局部搜索能力,跳出局部最优;最后,将粒子收敛贡献值作为反馈信息自适应地调整粒子群参数,加快算法收敛速度。仿真结果表明,在不同的无人机与目标的分配关系下,所提算法以更快的收敛速度、更小的适应度值求解出最佳的分配方案。

多模式融合的武器目标分配系统模型设计

目标分配是指挥控制流程中的核心环节,分配模式的优化对于提升防空反导作战能力具有重要意义。为提高防空反导目标分配的鲁棒性、适用性以及博弈对抗性等作战性能,以应对当前复杂多变的战场环境,本文提出建立多模式融合的目标分配体系结构,对商用订单式的服务模式进行适应性改进,将“派单”“抢单”“抢派单融合”三种模型改进定义为军事模型;通过使用美国国防部体系结构框架(Department of Defense Architecture Framework,DoDAF)建立“他分配”“自分配”“他分配与自分配结合”的新型目标分配体系结构;引入Perti网模型,构建并分析Petri网模型的可达图,通过仿真实验平台,构建复杂作战场景,验证了分配策略机制的可行性。结果表明三种策略各具优势,本文设计的多策略结合在匹配时间、成功率以及效用值方面相较传统的单一策略具有较大优势。

基于深度确定性梯度学习的集群多目标分配方法

针对多弹协同作战进行目标分配时,存在敌方平台和反舰导弹数量不确定性和类型多样化,导致目标分配算法难以建模的问题,为提升高动态协同攻击条件下的攻击效能,建立动态战场环境模型和多目标分配的单回合马尔可夫决策模型,提出一种改进深度确定性策略梯度的分配算法.通过与模拟器的交互自动求解最佳分配策略,利用mask方法对动作空间进行掩码操作,实现算法对平台数量和类型的适应能力.实验结果表明,在各种不同舰船的防御配置和红蓝双方数量配置下,算法求解得到的攻击策略相对于随机策略的性能提升约为87.5%,模型推理时间约为0.04ms.研究结果将加速基于深度确定性梯度学习的方法在高动态环境下智能决策中的应用,对集群自主决策方法的研究具有推动作用.

面向多无人车的目标点分配和协同路径规划算法

针对多智能体路径搜索算法在非指定式多车协同路径规划问题中路径冗长,计算效率低等缺陷,提出协同目标点分配路径规划算法Nutcracker-CBS。首先构建紧耦合目标点分配MAPF框架,实现目标点分配和路径构建的联合寻优;针对目标点分配模块,提出改进的星鸦优化算法,增量式求解分配问题,缩短模块用时;针对路径构建模块,提出改进的MAPF算法,通过回退式约束构建机制,引入避碰路径估计的绕道机制和数据共享底层路径规划机制,提升效率和路径质量。数据集实验中,Nutcracker-CBS时耗相比SOTA算法减少90.37%;目标点分配模块求解耗时减少86.76%;MAPF模块6 s内构建100辆无人车路径,平均路径长度缩短6.058%。实际实验中路径总和与系统运行时长分别减少55.26%和61.29%,提升了多机器人系统的效率,降低了路径长度。

雷达组网联合目标分配与指向规划方法

现代雷达大多会被安装在可旋转的平台上,其阵面指向可动态调节。但当前主流的目标分配算法通常假定雷达的阵面指向固定不变,忽略了其灵活调整的能力,从而在一定程度上限制了雷达组网在复杂战场环境中的整体作战效能。针对上述问题,一种联合目标分配与指向规划算法被提出。该算法首先通过扩展分配矩阵的维度,将原目标-传感器分配问题细化至阵面指向层面;其次,通过引入新约束条件,确保每部雷达在每个时刻仅选择一种阵面指向;最后,结合模型特性设计遗传算法,实现对该分配问题的高效求解。仿真实验证明:相较于传统假设阵面固定的目标分配方法,这一种联合目标分配与指向规划的新方法可得到更高的目标覆盖率与覆盖重数。

基于改进能量谷优化的多无人机空战目标分配

针对多无人机空战目标分配问题,提出一种基于改进能量谷优化的多无人机空战目标分配方法。首先,建立无人机空战态势评估模型,对多无人机空战目标分配问题进行数学建模。然后,在能量谷优化算法的基础上,对算法中粒子衰变过程进行改进,使能量谷优化算法适用于离散型优化问题,并提出混沌映射初始化和二进制改进两种改进措施。最后,分别开展消融实验与有效性实验对所提方法的有效性进行验证。仿真结果表明,所提改进措施对于在无人机目标分配任务中能量谷优化算法的算法效果具有一定的提升,且改进能量谷优化算法能够适用于多无人机空战目标分配问题,在多无人机空战中具有一定的应用意义。

一种面向动态场景的要地武器目标分配方法

针对动态场景条件下要地武器目标分配中目标数量、武器数量可变特点,提出了一种基于深度强化学习的建模方法。通过在状态建模中引入最大目标数量与目标存活状态两个新变量,在模型训练中引入可变武器数量样本,较好实现了模型收敛。实验表明,相较于粒子群算法和遗传算法,所提方法计算的要地完好率分别提高了14%和10%,平均计算用时分别为基于粒子群算法和基于遗传算法的10‰和7‰,具有一定的优势。所提方法对于解决动态场景条件下的要地武器目标分配问题具有一定的参考与实用价值。

基于改进NSGA-III算法的多无人机协同目标分配

武器-目标分配问题是战场环境下无人机对敌方执行打击任务的关键,其目的是基于目标的威胁、价值和我方武器的毁伤概率,寻找合理的武器目标分配方案,以提高作战效率。针对当前多目标优化算法解决静态武器-目标分配问题时收敛速度慢、收敛稳定性差,难以适应当前战场高度实时性的问题,提出一种改进的基于参考点的非支配排序遗传算法。通过二进制编码打击方案并优化初始种群,引入自适应变异与交叉策略以及种群寻优更新策略,基于对战场态势进行评估得到的威胁矩阵和优势矩阵,种群多次迭代后生成目标打击方案。最后计算满足约束条件的Pareto解集,并将Pareto前沿中的相对最优解作为多无人机的打击方案。多次实验证明,在较好情况下改进算法相比于原始算法的收敛时间减少46.74%,目标威胁值降低50.5%,总飞行航程减少26.46%,杀伤目标数增加11.76%,证明该算法在解决多无人机空对地打击任务目标分配问题时具有合理性和高效性。

改进萤火虫算法的武器目标分配问题研究

武器目标分配(WTA)是指挥控制和任务规划领域的关键问题之一,萤火虫算法求解武器目标分配问题具有参数设置简单、执行效率高等优点。针对传统萤火虫算法易陷入局部极值,收敛速度和精度不高的弊端,从以下三个方面进行改进:初始化萤火虫序列编码时融入PWLCM混沌优化以提高全局搜索能力;设置受迭代次数控制的服从半高斯分布的非均匀步长因子以兼顾算法的搜索能力和收敛性;设计基于排序的萤火虫更新策略同时融入交叉变异操作以提高算法的效率和准确性。为验证改进算法的先进性,先利用其求解4种典型测试函数的最优解,再求解WTA问题,并与传统萤火虫算法进行对比,仿真实验结果表明,改进后算法的评价函数值提高了2.1%,迭代次数减少了52.9%,改善了传统算法易陷入局部极值的缺点,提高了收敛速度和精度,提升了武器目标分配的效果。

基于贪心策略的改进动态搜索方法在武器目标分配中的应用

数学中最优化理论是解决分配管理问题的一种常用手段。在战略中对武器目标的分配为了得到最好的效益,通常会将其建立分配优化模型。当构建诸多模型时,往往代价成本都比较大,因此经常划分若干过程进行求解。传统算法设计上,较为突出的就是动态规划,它是一个多阶段决策问题。论文分析武器目标分配的数学背景以及最优化理论的应用策略,分析了动态规划等策略的实际求解过程在武器装备分配问题上的应用。并提出了一种基于贪心策略的改进动态搜索方法,这种方法在处理规模已定的情况下,查找精确值的效率相比动态规划方法具有明显的提升。在作战软件的算法设计上有良好的借鉴价值。

基于决策偏好的联合火力打击目标分配研究

目标分配是联合火力打击作战任务规划需要解决的关键问题之一。在联合火力打击战役进程的不同阶段,指挥员的作战企图和作战目的不尽相同。依据联合火力打击不同作战阶段的特点,建立了基于决策偏好的联合火力打击多目标分配优化模型,采用定性与定量相结合的方法,将多目标优化问题转化为全局目标优化问题,并采用离散粒子群算法进行求解,得到了较为合理的目标分配方案。