基于合作协同进化的多机空战目标分配

doi:10.3969/j.issn.1001-506X.2020.06.12

系统工程与电子技术 ›› 2020, Vol. 42 ›› Issue (6): 1290-1300.doi: 10.3969/j.issn.1001-506X.2020.06.12

基于合作协同进化的多机空战目标分配

余敏建¹(), 嵇慧明^1,²(), 韩其松^1,*(), 毕伟³()

1. 空军工程大学空管领航学院, 陕西西安 710051
2. 中国人民解放军94701部队, 安徽安庆 246000
3. 中国人民解放军94754部队, 浙江嘉兴 314000

收稿日期:2019-08-26 出版日期:2020-06-01 发布日期:2020-06-01
通讯作者: 韩其松 E-mail:jhm320826@163.com;lwzy1008@163.com;1165175974@qq.com;1750553694@qq.com
作者简介:余敏建(1963-),男,教授,硕士,主要研究方向为作战领航筹划、航空兵指挥引导自动化。E-mail:jhm320826@163.com|嵇慧明(1994-),男,硕士研究生,主要研究方向为航空兵指挥引导自动化。E-mail:lwzy1008@163.com|毕伟(1984-),男,工程师,主要研究方向为航空兵空战决策与指挥引导对策生成。E-mail:1750553694@qq.com
基金资助:
国家自然科学基金(61472441);空军工程大学校长基金(XZJY2018030)

Multi-aircraft air combat target allocation based on cooperative co-evolutionary

Minjian YU¹(), Huiming JI^1,²(), Qisong HAN^1,*(), Wei BI³()

1. Air Traffic Control and Navigation College, Air Force Engineering University, Xi'an 710051, China
2. Unit 94701 of the PLA, Anqing 246000, China
3. Unit 94754 of the PLA, Jiaxing 314000, China

Received:2019-08-26 Online:2020-06-01 Published:2020-06-01
Contact: Qisong HAN E-mail:jhm320826@163.com;lwzy1008@163.com;1165175974@qq.com;1750553694@qq.com
Supported by:
国家自然科学基金(61472441);空军工程大学校长基金(XZJY2018030)

摘要/Abstract

摘要：

为寻找一种满足多机空战需求的目标分配优化方法,提升空战效能,提出了一种基于合作协同进化的多机空战目标分配方法。首先，该方法基于单机空战优势,建立多机协同空战优势评价指标体系。然后,对战机间的协同相关性进行分析计算,建立多机协同空战目标分配模型。在变长度染色体遗传算法(genetic algorithm, GA)的基础上,设计了基于交叉、嫁接、分裂和拼接算子的改进合作协同进化算法,提高了模型的进化效率。最后，设计实验分别对优势评价指标体系的有效性、静态算例、动态算例和大规模无人战斗机算例进行仿真验证,并将2种模型以及4种算法的计算结果和所提算法的实验结果进行对比。仿真结果表明，改进合作协同进化算法适用于该模型计算,结果收敛稳定,亲和度值显著提升,能够优化目标分配方案,在空战中具有一定的应用意义。

关键词: 多机空战, 目标分配, 合作协同进化算法, 态势优势, 分配方案

Abstract:

In order to find an optimal target allocation method to meet the requirements of multi-aircraft air combat and improve the air combat efficiency, a multi-aircraft air combat target allocation method based on cooperative co-evolutionary is proposed. Firstly, this method establishes a multi-aircraft cooperative air combat superiority evaluation index system based on single-aircraft air combat superiority. Secondly, the cooperative correlation between aircraft is analyzed and calculated, and a multi-aircraft cooperative air combat target allocation model is established. On the basis of variable length chromosome genetic algorithm(GA), an improved cooperative co-evolutionary algorithm based on crossover, grafting, splitting and splicing operators is designed, which improves the evolution efficiency of the model. Finally, experiments are designed to validate the effectiveness of the superiority evaluation index system, static examples, dynamic examples and large-scale unmanned combat aerial vehicles (UCAV) examples. The results of the two models and four algorithms are compared with the experimental results. The simulation results show that the improved cooperative co-evolutionary algorithm is suitable for the calculation of this model. The convergence is stable and the affinity value is significantly improved. So the target allocation scheme can be optimized and it has certain application significance in air combat.

Key words: multi-aircraft air combat, target allocation, cooperative co-evolutionary algorithm, situation superiority, allocation scheme

中图分类号:

V249.1

余敏建, 嵇慧明, 韩其松, 毕伟. 基于合作协同进化的多机空战目标分配[J]. 系统工程与电子技术, 2020, 42(6): 1290-1300.

Minjian YU, Huiming JI, Qisong HAN, Wei BI. Multi-aircraft air combat target allocation based on cooperative co-evolutionary[J]. Systems Engineering and Electronics, 2020, 42(6): 1290-1300.

图/表 27

图1

图2

表1

图3

图4

图5

图6

图7

图8

图9

图10

表2

表3

图11

表4

表5

图12

图13

表6

图14

图15

图16

图17

图18

表7

图19

表8

参考文献 32

1	LI Z W , CHANG Y Z , KOU Y X , et al. Approach to WTA in air combat using IAFSA-IHS algorithm[J]. Journal of Systems Engineering and Electronics, 2018, 29 (3): 519- 529. doi: 10.21629/JSEE.2018.03.09
2	MA S , ZHANG H , YANG G . Target threat level assessment based on cloud model under fuzzy and uncertain conditions in air combat simulation[J]. Aerospace Science and Technology, 2017, 67, 49- 53. doi: 10.1016/j.ast.2017.03.033
3	MOON S , OH E , SHIM D H . An integral framework of task assignment and path planning for multiple unmanned aerial vehicles in dynamic environments[J]. Journal of Intelligent & Robotic Systems, 2013, 70 (1/4): 303- 313.
4	PENG G, FANG Y W, CHEN S H, et al.A hybrid multiobjective discrete particle swarm optimization algorithm for cooperative air combat DWTA[C]//Proc.of the International Confe-rence on Bio-inspired Computing: Theories and Applications, 2016: 114-119.
5	WANG Y , LI J , HUANG W L , et al. Dynamic weapon target assignment based on intuitionistic fuzzy entropy of discrete particle swarm[J]. China Communications, 2017, 14 (1): 169- 179. doi: 10.1109/CC.2017.7839767
6	ERKAN S, KANDEMIR M, GIGER G.Advanced task assignment for unmanned combat aerial vehicles targeting cost efficiency and survivability[C]//Proc.of the 46th AIAA Aerospace Sciences Meeting and Exhibit, 2008: 7-10.
7	谷稳.基于进化匈牙利算法的目标分配问题研究及应用[D].西安:西安电子科技大学, 2013.
	GU W.A study and application of target allocation based on evolution hungary algorithm[D].Xi'an: Xidian University, 2013.
8	BAYRAK A E , POLAT F . Employment of an evolutionary heuristic to solve the target allocation problem efficiently[J]. Information Sciences, 2013, 222 (3): 675- 695.
9	VOLLE K, ROGERS J D, BRINK K.Scalable cooperative control algorithms for the weapon target assignment problem[C]//Proc.of the AIAA Guidance, Navigation, and Control Confe-rence, 2016.DOI: 10.2514/6.2016-2106.
10	李碧.协同进化算法的研究及其应用[D].广州:华南理工大学, 2010.
	LI B.Research on coevolutionary algorithm and it's application[D].Guangzhou: South China University of Technology, 2010.
11	王华.基于相关性分析的合作型协同进化算法[D].南昌:南昌航空大学, 2017.
	WANG H.Cooperative coevolutionary algorithm based on correlation analysis[D].Nanchang: Nanchang Hangkong University, 2017.
12	STANLEY K O , MIIKKULAINEN R . Competitive coevolution through evolutionary complexification[J]. Journal of Artificial Intelligence Research, 2004, 21 (1): 63- 100.
13	AU C K, LEUNG H F.Guided mutations in cooperative coevolutionary algorithms for unction optimization[C]//Proc.of the 19th IEEE International Conference on Tools with Artificial Intelligence, 2007: 407-414.
14	DINIZ J C M , ROS D F , EDSON P D S , et al. Optimization of DP-M-QAM transmitter using cooperative coevolutionary genetic algorithm[J]. Journal of Lightwave Technology, 2018, 36 (12): 2450- 2462. doi: 10.1109/JLT.2018.2815347
15	HU X B , ZHANG M K , ZHANG Q , et al. Co-evolutionary path optimization by ripple-spreading algorithm[J]. Transportation Research Part B:Methodological, 2017, 106, 411- 432. doi: 10.1016/j.trb.2017.06.007
16	王凌, 沈婧楠, 王圣尧, 等. 协同进化算法研究进展[J]. 控制与决策, 2015, 2, 193- 202.
	WANG L , SHEN J N , WANG S Y , et al. Advances in co-evolutionary algorithms[J]. Control and Decision, 2015, 2, 193- 202.
17	WANG X , CHENG H , HUANG M . QoS multicast routing protocol oriented to cognitive network using competitive coevolutionary algorithm[J]. Expert Systems with Applications, 2014, 41 (10): 4513- 4528. doi: 10.1016/j.eswa.2014.01.020
18	OLIVEIRA F B D , ENAYATIFAR R , SADAEI H J , et al. A cooperative coevolutionary algorithm for the multi-depot vehicle routing problem[J]. Expert Systems with Applications, 2016, 43 (C): 117- 130.
19	崔锋哲, 王秀坤, 滕弘飞. 双系统合作式协同进化算法求解不可分解函数[J]. 系统工程与电子技术, 2016, 38 (11): 2660- 2669. doi: 10.3969/j.issn.1001-506X.2016.11.30
	CUI F Z , WANG X K , TENG H F . Dual-system cooperative co-evolutionary algorithm for non-separable function[J]. Systems Engineering and Electronics, 2016, 38 (11): 2660- 2669. doi: 10.3969/j.issn.1001-506X.2016.11.30
20	QIAN P, ZHOU D, HUANG J, et al.Maneuver decision for cooperative close-range air combat based on state predicted influence diagram[C]//Proc.of the International Conference on Information & Automation, 2017: 726-731.
21	肖冰松, 方洋旺, 胡诗国, 等. 一种新的超视距空战威胁评估方法[J]. 系统工程与电子技术, 2009, 31 (9): 2163- 2166. doi: 10.3321/j.issn:1001-506X.2009.09.030
	XIAO B S , FANG Y W , HU S G , et al. New threat assessment method in beyond-the-horizon range air combat[J]. Systems Engineering and Electronics, 2009, 31 (9): 2163- 2166. doi: 10.3321/j.issn:1001-506X.2009.09.030
22	徐西蒙, 杨任农, 符颖, 等. 基于ELM_AdaBoost强预测器的空战目标威胁评估[J]. 系统工程与电子技术, 2018, 40 (8): 1760- 1768.
	XU X M , YANG R N , FU Y , et al. Target threat assessment in air combat based on ELM_ADABoost strong predictor[J]. Systems Engineering and Electronics, 2018, 40 (8): 1760- 1768.
23	史振庆, 梁晓龙, 张佳强, 等. 基于导弹攻击区的空战态势评估[J]. 火力与指挥控制, 2018, 43 (9): 89- 93, 98. doi: 10.3969/j.issn.1002-0640.2018.09.019
	SHI Z Q , LIANG X L , ZHANG J Q , et al. Situation assessment for air combat based on missile attack zone[J]. Fire Control & Command Control, 2018, 43 (9): 89- 93, 98. doi: 10.3969/j.issn.1002-0640.2018.09.019
24	QIAN Y , LIANG X , WANG Q , et al. Local rough set:a solution to rough data analysis in big data[J]. International Journal of Approximate Reasoning, 2018, 97, 38- 63. doi: 10.1016/j.ijar.2018.01.008
25	UGAJIN T.Mutual information of excited states and relative entropy of two disjoint subsystems in CFT[J].Journal of High Energy Physics, 2017.Article number 184.
26	KRAWIEC K, HEYWOOD M.Solving complex problems with coevolutionary algorithms[C]//Proc.of the Conference on Genetic and Evolutionary Computation Conference Companion, 2016: 687-713.
27	吴鹏, 车阿大, ChuFeng. 基于变长度染色体混沌遗传算法的专用交通道优化[J]. 运筹与管理, 2013, 22 (1): 15- 22. doi: 10.3969/j.issn.1007-3221.2013.01.003
	WU P , CHE A D , CHU F . Chaos genetic algorithm with variable length chromosome for lane reservation problem[J]. Operations Research and Management Science, 2013, 22 (1): 15- 22. doi: 10.3969/j.issn.1007-3221.2013.01.003
28	MCANALLY K , DAVEY C , WHITE D , et al. Inference in the wild:a framework for human situation assessment and a case study of air combat[J]. Cognitive Science, 2018, 42 (7): 2181- 2204. doi: 10.1111/cogs.12636
29	朱宝鎏, 朱荣昌, 熊笑非. 作战飞机效能评估[M]. 北京: 航空工业出版社, 2006.
	ZHU B L , ZHU R C , XIONG X F . Effectiveness evaluation of combat aircraft[M]. Beijing: Aviation Industry Press, 2006.
30	GONG D W , JI X F , SUN J , et al. Interactive evolutionary algorithms with decision-maker's preferences for solving interval multi-objective optimization problems[J]. Neurocomputing, 2014, 137 (5): 241- 251.
31	LOCHTEFELD D F , CIARALLO W F . Multi-objectivization via decomposition:an analysis of helper-objectives and complete decomposition[J]. European Journal of Operational Research, 2015, 243 (2): 395- 404. doi: 10.1016/j.ejor.2014.11.041
32	CAO Y , WEI W Y , BAI Y , et al. Multi-base multi-UAV coope-rative reconnaissance path planning with genetic algorithm[J]. Cluster Computing, 2019, 22, 5175- 5184. doi: 10.1007/s10586-017-1132-9

CEM	多机协同空战目标分配模型
子种群	攻击蓝方战机i的k_i架战机群G_i
种群	红方战机群G
亲和度	分配方案与目标函数的匹配度
协同关系	战机(群)间协同
进化算子	目标分配方案优化过程

红方战机	蓝方战机
红方战机	1	2	3	4	5	6
1	0.263 5	0.552 7	0.174 6	0.102 8	0.331 6	0.230 7
2	0.173 9	0.401 1	0.650 2	0.314 3	0.117 5	0.202 8
3	0.432 1	0.201 1	0.112 4	0.060 9	0.181 9	0.104 2
4	0.318 7	0.295 1	0.208 2	0.120 7	0.264 9	0.213 4
5	0.034 9	0.210 3	0.327 5	0.532 9	0.112 9	0.212 8
6	0.055 3	0.273 9	0.351 6	0.635 7	0.146 6	0.284 1
7	0.214 0	0.379 9	0.334 1	0.189 3	0.202 5	0.264 8
8	0.130 5	0.204 1	0.400 5	0.258 6	0.152 6	0.223 0

红方战机	蓝方战机
红方战机	1	2	3	4	5	6
1	0.269 4	0.474 0	0.123 1	0.078 6	0.294 5	0.235 9
2	0.061 6	0.221 9	0.368 5	0.512 9	0.088 9	0.113 0
3	0.442 8	0.200 6	0.079 1	0.034 7	0.193 8	0.093 3
4	0.210 4	0.324 9	0.259 3	0.099 7	0.208 5	0.213 4
5	0.052 9	0.259 1	0.335 9	0.385 2	0.162 8	0.187 1
6	0.036 5	0.138 4	0.244 6	0.349 2	0.072 1	0.115 3
7	0.300 8	0.312 3	0.255 9	0.124 7	0.165 1	0.195 2
8	0.064 5	0.262 4	0.415 2	0.302 7	0.112 8	0.202 7

蓝方战机	1	2	3	4	5	6
红方战机	3, 4	1, 7	2, 8	5, 6	—	—

蓝方战机	1	2	3	4	5	6
红方战机	1, 3	4	2	6	7	5, 8

基于合作协同进化的多机空战目标分配

Multi-aircraft air combat target allocation based on cooperative co-evolutionary

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 27

参考文献 32

相关文章 15

编辑推荐

Metrics

本文评价

算法	最短时间/s	平均时间/s
本文算法	0.669	0.814
改进PSO算法	0.617	0.791
改进ACO算法	0.853	1.062
改进GA	0.826	0.984

目标分配方案	蓝方战机序号
目标分配方案	1	2	3	4	5	6	7	8	9	10
本文算法	3	16	17	1	2	6	14、15	18、19	20	21
改进PSO算法	2	16	17	1	3	6	15	19	20	21
改进ACO算法	3	16	17	1、4	2	6	14、15	19	20	21
改进GA	3	16	17	1	2	6	14	18、19	20	21

目标分配方案	蓝方战机序号
目标分配方案	11	12	13	14	15	16	17	18	19	20
本文算法	25	8	10	5、11	9	23	13	12	24	36、37
改进PSO算法	18、25	8	10	5	9	24	11、12、13	14	23	37、38
改进ACO算法	18、25	8	10	5、11	9	23	13	12	24	37
改进GA	25	8	10	5、11	9	23	12、13	15	24	36、37

目标分配方案	蓝方战机序号
目标分配方案	21	22	23	24	25	26	27	28	29	30
本文算法	38、39	26	4、7	27	30	22	28	31	32	33
改进PSO算法	39	4、26	7	27	31	22	28	30、40	32、41	33
改进ACO算法	38、39	26	7	27	30、31	22	28	40	32	33
改进GA	38、39	26	4、7	27	30	22	28	31	32	33、41

目标分配方案	蓝方战机序号
目标分配方案	31	32	33	34	35	36	37	38	39	40
本文算法	34	42	44	43	35	29、45	46、40、41	47	48	49、50
改进PSO算法	34	42	43	44	35、36	29、45	46	47	48	49、50
改进ACO算法	34	42	44	43	35、36	29、45	46、41	47	48	49、50
改进GA	34	42	44	43	35	29、45	40、46	47	48、50	49

[1]	董晨, 帅逸仙, 周金鹏, 赖鹏, 程仙垒. 网络化多传感器-多武器协同防空任务规划[J]. 系统工程与电子技术, 2022, 44(12): 3738-3746.
[2]	吴文海, 郭晓峰, 周思羽, 高丽. 改进差分进化算法求解武器目标分配问题[J]. 系统工程与电子技术, 2021, 43(4): 1012-1021.
[3]	刘家义, 王刚, 张杰, 王闯, 宋喜团. 基于改进AGD-分布式多智能体系统的目标优化分配模型[J]. 系统工程与电子技术, 2020, 42(4): 863-870.
[4]	奚之飞, 徐安, 寇英信, 李战武, 杨爱武. 多机协同空战机动决策流程[J]. 系统工程与电子技术, 2020, 42(2): 381-389.
[5]	张阳, 司光亚, 王艳正. 无人机集群网电攻击行动协同目标分配建模[J]. 系统工程与电子技术, 2019, 41(9): 2025-2033.
[6]	吴勇, 林文祥, 焦敬涛, 张建东. 基于归纳法的同构资源目标分配算法[J]. 系统工程与电子技术, 2019, 41(2): 342-348.
[7]	徐洋, 伍友利, 黄晨, 刘同鑫. 基于改进两步裁定法的内埋空空导弹作战效能评估[J]. 系统工程与电子技术, 2019, 41(12): 2763-2771.
[8]	褚骁庚, 马政伟, 陈行军. 面向多目标优化火力目标分配问题的前瞻式边际贪婪算法[J]. 系统工程与电子技术, 2019, 41(10): 2252-2259.
[9]	刘庆国, 刘新学, 夏维, 郭会军. 多个多弹头在轨武器平台的目标分配优化[J]. 系统工程与电子技术, 2018, 40(5): 1050-1056.
[10]	欧阳志宏, 薛磊, 丁锋. 对光电精确制导武器的区域电子防空干扰目标分配方法[J]. 系统工程与电子技术, 2018, 40(12): 2621-2628.
[11]	谢俊洁, 罗鹏程, 穆富岭, 王骏, 丁帅. ABMS中基于Q学习算法的空战目标分配方法[J]. 系统工程与电子技术, 2017, 39(3): 557-561.
[12]	王邑, 孙金标, 肖明清, 罗继勋. 基于类型2区间模糊K近邻分类器的动态武器目标分配方法研究[J]. 系统工程与电子技术, 2016, 38(6): 1314-1319.
[13]	陈军伟, 常天庆, 张雷, 杨国振, 马殿哲. 面向装甲分队战法运用的两阶段WTA模型[J]. 系统工程与电子技术, 2016, 38(6): 1326-1331.
[14]	段修生, 徐公国, 单甘霖. 基于协同Memetic自适应QPSO算法的传感器目标分配问题求解[J]. 系统工程与电子技术, 2016, 38(12): 2769-2776.
[15]	赵雨, 张斌, 徐安, 李洪钶. 双机协同战术对策及近似最优解[J]. 系统工程与电子技术, 2015, 37(3): 589-593.

算法	最短时间/s	平均时间/s
本文算法	1.487	1.606
改进PSO算法	1.419	1.531
改进ACO算法	1.865	2.037
改进GA	1.756	1.914