一种弹药与目标匹配的智能系统的制作方法

1.本发明属于作战目标技术领域，具体涉及一种弹药与目标匹配的智能系统。


背景技术：

2.弹药与目标匹配问题的解决很困难。首先，基本上所有战斗中的弹药与目标匹配均是动态的，随着战场上易变因素的影响，可用弹药及目标的类型与数量不固定，更重要的是弹药对目标的打击效能也时时变化，增加了弹药与目标匹配问题难以估测的不确定性。其次，各类弹药、各类目标间存在着各种各样的联系，构成一个复杂的决策系统，如同作战效能，部分联系是时变的，导致许多联系难以精确地量化，决策出最优方案有很高的难度。再者，作战任务要求是定性的，其量化有困难，特别是作战任务要求不是很明确，或者作战任务过多时，如何在弹药与目标匹配问题的求解过程中满足作战任务的要求是一个难题。而且，弹药与目标匹配问题的核心是求解一个大规模非线性整数规划模型，事实证明这是np难的组合优化问题，如何设计高效率的合理的算法进行求解也有大量的工作要做。
3.长期以来，弹药目标配匹问题一直是研究的热点，尤其在算法上，针对不同的火力分配模型提出了大量的求解方法来提高模型的解算速度和解精度，以满足战争复杂性、准确性和实时性的要求。


技术实现要素：

4.(一)要解决的技术问题
5.本发明要解决的技术问题是：如何设计一种可靠性好、准确性高的弹药与目标智能匹配系统。
6.(二)技术方案
7.为了解决上述技术问题，本发明提供了一种弹药与目标匹配的智能系统，该系统是一种实现弹药与目标智能匹配的系统，包括：
8.目标价值评估模型建立模块，用于建立基于主成分分析法的目标价值评估模型；
9.目标威胁程度评估模型建立模块，用于建立目标威胁程度评估模型；
10.弹药价值评估模型建立模块，用于建立弹药价值评估模型；
11.弹目匹配模型建立模块，用于基于所述目标价值评估模型、目标威胁程度评估模型、弹药价值评估模型构建弹目匹配模型；
12.模型求解模块，用于使用遗传算法求解所述弹目匹配模型，得到弹目匹配结果。
13.优选地，所述目标价值评估模型建立模块具体用于根据描述目标的指标数据，通过主成分分析法评估目标的价值。
14.优选地，所述目标价值评估模型建立模块具体按以下方式建立目标威胁程度评估模型：
15.s11：设有n个目标，每个目标用p项指标描述，构建指标数据矩阵z：
[0016][0017]
s12：使用z-score法对指标进行标准化变换；
[0018]
s13：求指标数据矩阵z的相关矩阵r：
[0019][0020]
其中：
[0021][0022]
s14：求解相关矩阵r的p个特征根λg，g＝1,2,..,p，每个特征根对应一个特征向量(i
g1
,i
g2
,
…
,i
gp
)，将标准化的指标转换成主成分：
[0023]fg
＝i
g1
z1 i
92
z2
…
i
gpzp
[0024]
式中，fg为第g个主成分，z
p
为目标的第p项指标；
[0025]
s15：选取q个主成分，使得累计贡献率达到85％以上：
[0026][0027]
s16：对q个主成分进行加权求和，即得目标的最终评价值:
[0028][0029]
优选地，所述目标威胁程度评估模型建立模块具体用于利用目标的速度和距离描述威胁程度。
[0030]
优选地，所述目标威胁程度评估模型建立模块具体按以下方式建立目标威胁程度评估模型：
[0031]
s21：设目标的速度为v，最大速度为v
max
，则目标的速度威胁度为：
[0032]
wv＝v/v
max
[0033]
s22：设目标与我方武器的距离为d，我方武器的最大攻击距离为dw，目标的最大攻击距离为dd，则目标的距离威胁度为：
[0034][0035]
其中，武器即为弹药；
[0036]
s23：目标的总的威胁程度表示为：
[0037]
w＝(wv md)/2
[0038]
优选地，所述弹药价值评估模型建立模块具体用于通过弹药的数量矩阵和价值矩阵，计算弹药总价值.
[0039]
优选地，所述弹药价值评估模型建立模块按以下方式建立弹药价值评估模型：
[0040]
s31：设有n个目标，m种弹药，每种弹药的数量矩阵表示为c＝[c1,c2,
…
,cm]，价值矩阵表示为v＝[v1,v2,
…
,vm]，则武器-目标分配方案表示为：
[0041][0042]
其中，x
ij
表示第i个目标使用的第j种弹药的数量，i＝1,2,
…
,n，j＝1，2，
…
，m；
[0043]
s32：所有使用的弹药的总价值为：
[0044][0045]
vj为第j种弹药的价值。
[0046]
优选地，所述弹目匹配模型建立模块具体用于以最大毁伤效能和最小弹药价值为目标，构建目标函数。
[0047]
优选地，所述弹目匹配模型建立模块具体用于按以下方式建立弹目匹配模型：
[0048]
s41：第j种弹药对第i个目标的杀伤概率为e
ij
，根据分配方案x
nm
，使用一定数量的第j种弹药攻击第i个目标的杀伤概率为：
[0049][0050]
则所有m种弹药对目标i的毁伤概率pi为：
[0051][0052]
则毁伤效能为：
[0053][0054]
其中，ωi为利用步骤s2计算的第i个目标的总的威胁程度，fi为利用步骤s1计算的第i个目标的最终评价值；
[0055]
s43：建立约束优化问题：
[0056][0057][0058][0059]
优选地，所述模型求解模块具体用于使用naga-ii算法对目标函数进行求解，包括：
[0060]
s51：采用十进制编码，每个染色体由按目标顺序排列的武器编号组成，表示一种可能的分配方案；
[0061]
s52：根据目标数量和弹药种类，对父代种群进行初始化；
[0062]
s53：对父代种群进行快速非支配排序，得到所有个体的pareto等级，同时计算拥挤度；
[0063]
s55：交叉、变异得到子代种群；
[0064]
s56：混合父代种群和子代种群，确定混合种群中个体的pareto等级和拥挤度；
[0065]
s57：采用精英策略，选择混合种群优秀的个体生成新的父代种群；混合种群的优秀程度根据预设指标判定；
[0066]
s58：重复步骤s55～s57，直到达到设定的进化代数，最终得到得到弹目匹配结果。
[0067]
(三)有益效果
[0068]
本发明能够以最大毁伤效能和最小弹药价值为约束条件，分配弹药和目标，是对多个作战目标实施的联合火力打击行动，具有可靠性好、准确性高的特点，满足战争复杂性、准确性和实时性的要求。
附图说明
[0069]
图1为本发明的系统实现原理图。
具体实施方式
[0070]
为使本发明的目的、内容、和优点更加清楚，下面结合附图和实施例，对本发明的具体实施方式作进一步详细描述。
[0071]
如图1所示，本发明提供的一种弹药与目标智能匹配的系统，包括：
[0072]
目标价值评估模型建立模块，用于建立基于主成分分析法的目标价值评估模型；
[0073]
目标威胁程度评估模型建立模块，用于建立目标威胁程度评估模型；
[0074]
弹药价值评估模型建立模块，用于建立弹药价值评估模型；
[0075]
弹目匹配模型建立模块，用于基于所述目标价值评估模型、目标威胁程度评估模型、弹药价值评估模型构建弹目匹配模型；
[0076]
模型求解模块，用于使用改进的遗传算法求解所述弹目匹配模型，得到弹目匹配结果。
[0077]
进一步，所述目标价值评估模型建立模块具体用于根据描述目标的指标数据，通过主成分分析法评估目标的价值，具体包括：
[0078]
s11：设有n个目标，每个目标用p项指标描述，构建指标数据矩阵z，
[0079][0080]
s12：使用z-score法对指标进行标准化变换；
[0081]
s13：求指标数据矩阵z的相关矩阵r：
[0082][0083]
其中：
[0084][0085]
s14：求解相关矩阵r的p个特征根λg(g＝1,2,..,p)，每个特征根对应一个特征向量(i
g1
,i
g2
,
…
,i
gp
)，将标准化的指标转换成主成分：
[0086]fg
＝i
g1
z1 i
92
z2
…
i
gpzp
[0087]
式中，fg为第g个主成分，z
p
为目标的第p项指标；
[0088]
s15：选取q个主成分，使得累计贡献率达到85％以上：
[0089][0090]
s16：对q个主成分进行加权求和，即得目标的最终评价值:
[0091][0092]
进一步，所述目标威胁程度评估模型建立模块具体用于利用目标的速度和距离描述威胁程度，具体包括：
[0093]
s21：设目标的速度为v，最大速度为v
max
，则目标的速度威胁度为：
[0094]
wv＝v/v
max
[0095]
s22：设目标与我方武器(即弹药)的距离为d，我方武器的最大攻击距离为dw，目标的最大攻击距离为dd，则目标的距离威胁度为：
[0096][0097]
s23：目标的总的威胁程度表示为：
[0098]
w＝(wv wd)/2。
[0099]
进一步，所述弹药价值评估模型建立模块具体用于通过弹药的数量矩阵和价值矩阵，计算弹药总价值，具体包括：
[0100]
s31：设有n个目标，m种弹药，每种弹药的数量矩阵表示为c＝[c1,c2,
…
,cm]，价值矩阵表示为v＝[v1,v2,
…
,vm]，则武器-目标分配方案表示为：
[0101][0102]
其中，x
ij
表示第i个目标使用的第j种弹药的数量，i＝1,2,
…
,n，j＝1，2，
…
，m；
[0103]
s32：所有使用的弹药的总价值为：
[0104][0105]
vj为第j种弹药的价值。
[0106]
进一步，所述弹目匹配模型建立模块具体用于以最大毁伤效能和最小弹药价值为目标，构建目标函数，具体包括：
[0107]
s41：第j种弹药对第i个目标的杀伤概率为e
ij
，根据分配方案x
nm
，使用一定数量的第j种弹药攻击第i个目标的杀伤概率为：
[0108][0109]
则所有m种弹药对目标i的毁伤概率pi为：
[0110][0111]
则毁伤效能为：
[0112][0113]
其中，ωi为利用步骤s2计算的第i个目标的总的威胁程度，fi为利用步骤s1计算的第i个目标的最终评价值；
[0114]
s43：建立约束优化问题：
[0115][0116][0117][0118]
进一步，所述模型求解模块具体用于使用naga-ii算法对目标函数进行求解，包括：
[0119]
s51：采用十进制编码，每个染色体由按目标顺序排列的武器编号组成，表示一种可能的分配方案；
[0120]
s52：根据目标数量和弹药种类，对父代种群进行初始化；
[0121]
s53：对父代种群进行快速非支配排序，得到所有个体的pareto等级，同时计算拥挤度；
[0122]
s55：交叉、变异得到子代种群；
[0123]
s56：混合父代种群和子代种群，确定混合种群中个体的pareto等级和拥挤度；
[0124]
s57：采用精英策略，选择混合种群优秀的个体生成新的父代种群；
[0125]
s58：重复步骤s55～s57，直到达到设定的进化代数，最终得到得到弹目匹配结果。
[0126]
以上所述仅是本发明的优选实施方式，应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明技术原理的前提下，还可以做出若干改进和变形，这些改进和变形也应视为本发明的保护范围。