改进链式多种群遗传算法的防空火力任务分配

为化解敌方空袭的威胁,提高中等规模防空火力任务分配问题的求解效率,提出一种性能优越的链式多种群遗传算法(CMPGA)。首先建立改进的防空火力任务分配模型,综合考虑目标威胁程度、可拦截性判断等因素。目标威胁程度考虑目标的高度、速度、射程以及相对距离等威胁因素。可拦截性判断考虑时间约束、空间约束和性能约束,并将其融入杀伤概率的计算中,以简化模型的约束条件。其次提出CMPGA算法求解中等规模防空火力的最优任务分配方案。算法中综合运用了种群重复个体的数量限制策略、适应度相近个体的交叉变异策略、陷入局部极值时部分较优解的删除策略、链式环中种群当前最优解的传递策略。算法充分利用多种群并行搜索的优点,加快收敛速度,持续保持种群多样性,避免陷入局部极值。在标准测试函数的仿真以及防空火力任务分配问题的应用中,通过与几种典型优化算法的对比分析,结果表明CMPGA算法的性能优势较大,能以较高的概率快速地搜寻到最优解,从而验证了该算法的有效性和优越性。