基于多目標(biāo)決策的對(duì)岸火力支援火力分配模型

藍(lán)啟城，王 磊，李向陽(yáng)，潘長(zhǎng)鵬

（1.海軍裝備部航空準(zhǔn)備局，北京100841；2.海軍航空工程學(xué)院指揮系，山東煙臺(tái)264001）

基于多目標(biāo)決策的對(duì)岸火力支援火力分配模型

藍(lán)啟城1，王 磊2，李向陽(yáng)2，潘長(zhǎng)鵬2

（1.海軍裝備部航空準(zhǔn)備局，北京100841；2.海軍航空工程學(xué)院指揮系，山東煙臺(tái)264001）

在建立對(duì)岸火力支援作戰(zhàn)中火力分配思維機(jī)制的基礎(chǔ)上，根據(jù)最優(yōu)火力分配的基本要素，構(gòu)建了基于多目標(biāo)決策分析的火力分配模型。通過(guò)改進(jìn)后遺傳算法對(duì)模型進(jìn)行仿真求解，結(jié)果驗(yàn)證了多目標(biāo)決策分析方法在對(duì)岸火力分配問(wèn)題中的適用性，運(yùn)用改進(jìn)后的遺傳算法對(duì)火力分配模型求解具有明顯的優(yōu)勢(shì)。

多目標(biāo)決策；對(duì)岸火力支援；火力分配

1 對(duì)岸火力支援作戰(zhàn)火力分配的思維機(jī)制

軍語(yǔ)將火力支援定義為“以火力對(duì)所屬部隊(duì)或友鄰作戰(zhàn)行動(dòng)實(shí)施的援助”。[1]對(duì)岸火力支援作戰(zhàn)中火力分配的最終目標(biāo)是發(fā)揮各種火力支援平臺(tái)的整體協(xié)調(diào)優(yōu)勢(shì)，尋求對(duì)敵抗登陸防御體系打擊目標(biāo)的最大毀傷效果并使己方兵力的損耗最小[2-3]。

首先，明確火力支援戰(zhàn)場(chǎng)敵我雙方的基本情況是進(jìn)行火力分配優(yōu)化的基礎(chǔ)。其次，需要依次考慮敵方目標(biāo)自身情況及其防衛(wèi)情況，我方火力支援平臺(tái)的情況及彈藥剩余量，敵我雙方區(qū)域的氣象環(huán)境也會(huì)影響到火力支援作戰(zhàn)行動(dòng)；而這些因素，通常都是隨時(shí)變化的，因此，需要不斷更新戰(zhàn)場(chǎng)態(tài)勢(shì)。

在此基礎(chǔ)上，通過(guò)定性分析，避免“火力支援平臺(tái)-彈藥-目標(biāo)”的不匹配，得到各目標(biāo)可用火力打擊平臺(tái)及彈藥。再結(jié)合具體的作戰(zhàn)約束條件，基于毀傷效果最大化構(gòu)建火力分配模型，解算得到火力分配方案。通過(guò)上述分析，可以歸納出對(duì)岸火力支援中解決火力分配問(wèn)題的思維機(jī)制如圖1所示。

2 基于多目標(biāo)決策的對(duì)岸支援火力分配模型

2.1 最優(yōu)火力分配問(wèn)題的假設(shè)條件

為了便于對(duì)岸火力支援作戰(zhàn)中最優(yōu)火力分配的問(wèn)題研究，有必要提出以下假設(shè)條件[4-5]：

1）同一時(shí)刻，每個(gè)火力支援平臺(tái)只能發(fā)射一種彈藥對(duì)一個(gè)目標(biāo)進(jìn)行火力打擊，但一個(gè)目標(biāo)可以有多個(gè)火力支援平臺(tái)對(duì)其進(jìn)行火力打擊；

2）為了盡可能多地摧毀敵方目標(biāo)，為登陸兵力提供最大限度地火力支援，要求當(dāng)對(duì)敵目標(biāo)達(dá)到最大毀傷程度時(shí)，我方所有的火力支援平臺(tái)都分配到火力打擊任務(wù)；

3）設(shè)我方火力支援兵力中作戰(zhàn)平臺(tái)數(shù)量為m，敵抗登陸防御體系中有n個(gè)目標(biāo)作為火力打擊對(duì)象；

4）i表示某一火力支援平臺(tái)(i=1,2,…,m)，j表示該火力支援平臺(tái)打擊任務(wù)內(nèi)的敵方某一目標(biāo)(j=1,2,…,n)，用xij表示火力支援平臺(tái)對(duì)目標(biāo)的分配方案，即有

2.2 確定最優(yōu)火力分配目標(biāo)函數(shù)

基于上述假設(shè)，按“對(duì)敵目標(biāo)毀傷程度最大、火力支援平臺(tái)-打擊目標(biāo)匹配最好、我方支援兵力損失最小”的最優(yōu)原則建立模型，是一個(gè)多目標(biāo)決策問(wèn)題。

設(shè)我方有m個(gè)火力支援作戰(zhàn)平臺(tái)對(duì)敵抗登陸防御體系n個(gè)分散型目標(biāo)進(jìn)行火力打擊，各目標(biāo)價(jià)值為vj，各火力支援平臺(tái)對(duì)各目標(biāo)的毀傷概率為pij，對(duì)目標(biāo)的打擊匹配度可用火力適配系數(shù)cij描述，打擊風(fēng)險(xiǎn)度為eij（這里，eij僅用來(lái)描述敵方目標(biāo)對(duì)火力支援平臺(tái)的反擊強(qiáng)度），其中i=1,2,…,m，j=1,2,…,n。從而可得決策矩陣：

模型可描述為尋找問(wèn)題的一組解X，滿足以下目標(biāo)函數(shù)和約束條件。

目標(biāo)函數(shù)為：

約束條件為：

1）xij=0或xij=1。

采用加權(quán)方法，可將多目標(biāo)決策問(wèn)題轉(zhuǎn)化為單目標(biāo)最優(yōu)化問(wèn)題。[6-8]

權(quán)重系數(shù)可由專(zhuān)家調(diào)查法確定，限于篇幅，這里不再贅述。

設(shè)多目標(biāo)決策函數(shù)的權(quán)重為：

則多目標(biāo)決策模型中的目標(biāo)函數(shù)可轉(zhuǎn)化為：

3 基于改進(jìn)GA算法的對(duì)岸支援火力分配模型求解

遺傳算法是一種基于生物自然選擇與遺傳機(jī)理的隨機(jī)搜索算法，遵循自然界“適者生存”的法則，按照基于種群和個(gè)體的設(shè)計(jì)方案，加入自然選擇、交叉和變異操作，進(jìn)行問(wèn)題的優(yōu)化求解。由于遺傳算法不受問(wèn)題求解空間的限制，不必對(duì)求解問(wèn)題做出連續(xù)性、導(dǎo)數(shù)存在和單峰等假設(shè)，以及算法本身具有并行性，因而在優(yōu)化求解方面具有較強(qiáng)的優(yōu)越性，在火力分配問(wèn)題求解中得到了廣泛的應(yīng)用[9-13]。

3.1 改進(jìn)GA算法流程

本節(jié)設(shè)計(jì)了一種基于動(dòng)物捕食搜索策略的改進(jìn)遺傳算法（Predatory Search Genetic Algorithms，PSGA），來(lái)提高算法的綜合搜索能力，研究了基于改進(jìn)遺傳算法的對(duì)岸支援火力分配問(wèn)題[14-20]。

改進(jìn)的PSGA算法算法的流程如圖2所示。

3.2 仿真算例

現(xiàn)以一個(gè)實(shí)例來(lái)具體說(shuō)明PSGA算法在對(duì)岸支援火力分配中的應(yīng)用。

假設(shè)為了給我方登陸兵力提供實(shí)時(shí)有效的火力支援，我方火力支援兵力共有10個(gè)火力支援平臺(tái)對(duì)敵岸上5個(gè)目標(biāo)實(shí)施打擊，通過(guò)對(duì)目標(biāo)屬性的分析可得到目標(biāo)的價(jià)值為vj=(0.12 0.23 0.16 0.30 0.19)。

各火力支援平臺(tái)對(duì)各目標(biāo)的毀傷概率、火力適配系數(shù)及風(fēng)險(xiǎn)度指數(shù)如表1所示。

仿真算例中，初始種群規(guī)模80，迭代次數(shù)為200次，交叉概率為0.8，變異概率為0.02，運(yùn)用Matlab語(yǔ)言編寫(xiě)仿真程序，得到改進(jìn)前后的仿真結(jié)果如圖3和表2所示。

表1 各火力支援平臺(tái)對(duì)目標(biāo)的毀傷概率、火力適配系數(shù)和打擊風(fēng)險(xiǎn)度Tab.1 Data of kill probability，fire appropriation coefficient and attacking risk

表2 PSGA算法改進(jìn)前后仿真結(jié)果表Tab.2 Simulation result of comparison between PSGAand GA

3.3 結(jié)果分析

通過(guò)對(duì)PSGA算法改進(jìn)前后仿真結(jié)果的比較，結(jié)果證明：經(jīng)精英保留和自適應(yīng)交叉變異概率調(diào)整等措施改進(jìn)后的PSGA算法具有更好的搜索性能和尋優(yōu)概率，收斂速度顯著提高，尋優(yōu)過(guò)程穩(wěn)定，由該算法求得的對(duì)岸火力支援火力分配方案具有高度的可行性和全局最優(yōu)性，能夠在一定程度上可以滿足火力支援平臺(tái)與打擊目標(biāo)之間實(shí)時(shí)分配的要求，有效地發(fā)揮火力支援平臺(tái)整體作戰(zhàn)性能，隨著火力支援平臺(tái)和打擊目標(biāo)數(shù)量的增加，改進(jìn)后的算法求解火力分配模型的優(yōu)勢(shì)將更加明顯。

4 結(jié)論

本文依據(jù)對(duì)岸火力支援作戰(zhàn)中最優(yōu)火力分配的基本要素和假設(shè)條件，構(gòu)建了基于多目標(biāo)決策的對(duì)岸支援火力分配模型，并將多目標(biāo)決策問(wèn)題簡(jiǎn)化為單目標(biāo)決策問(wèn)題；為了進(jìn)一步提高對(duì)所構(gòu)建的火力分配模型求解的精確性、高效性和實(shí)時(shí)性，將動(dòng)物捕食搜索策略用于改進(jìn)遺傳算法，并結(jié)合具體事例進(jìn)行了仿真驗(yàn)證。結(jié)果表明了文中所建立火力分配模型在優(yōu)化求解方面的有效性，也驗(yàn)證了改進(jìn)后的PSGA算法的高效性，在一定程度上縮短了火力籌劃中火力分配的決策時(shí)間，為對(duì)岸火力支援作戰(zhàn)中的指揮決策提供了理論依據(jù)。

[1]中國(guó)人民解放軍軍事科學(xué)院.中國(guó)人民解放軍軍語(yǔ)[M].北京：軍事科學(xué)出版社，1997：154. MILITARY SCIENCE ACADEMY OF PLA.Military terms of PLA[M].Beijing：Military Science Press，1997：154.（in Chinese）

[2]歐陽(yáng)才超，李為民，陽(yáng)曙光.聯(lián)合火力打擊目標(biāo)分配[J].空軍工程大學(xué)學(xué)報(bào)：自然科學(xué)版，2009，10（3）：50-54. OUYANGCAICHAO，LI WEIMIN，YANGSHUGUANG.Optimal analysis of target assignment problem in joint fire attack[J].Journal of Air Force Engineering University：Natural Science Edition，2009，10（3）：50-54.（in Chinese）

[3]張羽.論聯(lián)合戰(zhàn)斗[M].北京：國(guó)防大學(xué)出版社，2003：138-139. ZHANG YU.Discussion of joint operation[M].Beijing：National Defense University Press，2003：138-139.（in Chinese）

[4]張最良，李長(zhǎng)生，趙文志.軍事運(yùn)籌學(xué)[M].北京：軍事出版社，1993：67-76. ZHANG ZUILIANG，LI CHANGSHENG，ZHAO WENZHI.Military operations research[M].Beijing：Military Press，1993：67-76.（in Chinese）

[5]李廣運(yùn)，薛姬榮，任海龍.基于超視距精確打擊彈藥的實(shí)時(shí)火力分配方案研究[J].兵工學(xué)報(bào)，2010，31（2）：9-12. LI GUANGYUN，XUE JIRONG，REN HAILONG.Research on real-time firepower allocation based on BVR and precise attack ammunition[J].Acta Armamentarii，2010，31（2）：9-12.（in Chinese）

[6]明亮.遺傳算法的模式理論及收斂理論[J].西北工業(yè)大學(xué)學(xué)報(bào)，2006，24（4）：468-471. MING LIANG.Schema theory and convergence theory for genetic algorithms[J].Journal of Northwestern Polytechnical University，2006，24（4）：468-471.（in Chinese）

[7]陳梵，薛敏，葛蓬，等.基于云理論和多傳感器加權(quán)平均的關(guān)鍵性能指標(biāo)狀態(tài)描述[J].微電子學(xué)與計(jì)算機(jī)，2012，29（1）：159-163. CHEN FAN，XUE MIN，GE PENG，et al.Description approach of performance index based on cloud theory and weighted mean method for multi-sensor[J].Micro-electronics and Computer，2012，29（1）：159-163.（in Chinese）

[8]李大建，王鳳山.多重防御下巡航導(dǎo)彈打擊火力分配優(yōu)化[J].彈箭與制導(dǎo)學(xué)報(bào)，2005，25（2）：643-645. LI DAJIAN，WANG FENGSHAN.Optimizing research on firepower assigning of cruise missile’s attack under multi-ply air defence[J].Journal of Projectiles，Rockets，Missiles and Guidance，2005，25（2）：643-645.（in Chinese）

[9]楊懿，武昌，劉涵.改進(jìn)粒子群算法在導(dǎo)彈火力分配中的應(yīng)用[J].火力與指揮控制，2007，32（1）：60-73. YANG YI，WU CHANG，LIU HAN.Enhanced particle swarm optimization algorithm and its application to missile fire allocation[J].Fire Control&Command Control，2007，32（1）：60-73.（in Chinese）

[10]ZNEJUNG LEE，CHOUYUAN LEE，SHUNFENG SU. An immunity-based ant colony optimization algorithm for solving weapon-target assignment problem[J].Applied Soft Comptuting，2002，2（1）：39-47.

[11]BO LIU，ZHENG QIN，RUI WANG，et al.A hybrid heuristic ant colony system for coordinated multi-target assignment[J].Information Technology Journal，2009，8（2）：156-164.

[12]徐海剛，陳慧雄，張蓉.未來(lái)海上兩棲機(jī)動(dòng)作戰(zhàn)編隊(duì)的兵力編成分析[J].海軍大連艦艇學(xué)院學(xué)報(bào)，2012（4）：14-16. XU HAIGANG，CHEN HUIXIONG，ZHANG RONG. Analysis on force composition of maritime amphibious maneuverable formation[J].Journal of Dalian NavalAcademy，2012（4）：14-16.（in Chinese）

[13]宋劍，成靜，趙偉.艦艇編隊(duì)綜合作戰(zhàn)能力評(píng)估的模糊聚類(lèi)分析[J].火力與指揮控制，2012，37（3）：83-86. SONG JIAN，CHENG JING，ZHAO WEI.Fuzzy fluster analysis on the synthesis operation capacity evaluations of naval vessel[J].Fire Control&Command Control，2012，37（3）：83-86.（in Chinese）

[14]ZNEJUNG LEE，CHOUYUAN LEE，SHUNFENG SU. An immunity-based ant colony optimization algorithm for solving weapon-target assignment problem[J].Applied Soft Comptuting，2002，2（1）：39-47.

[15]RAVINDRA K AHUJA，ARVIND KUMAR，KRISHNA C JHA，et al.Exact and heuristic algorithms for the weapon-warget assignment problem[J].Operations Research，2007，55（6）：1136-1146.

[16]付東，方程，王震雷.作戰(zhàn)能力與作戰(zhàn)效能評(píng)估方法研究[J].軍事運(yùn)籌與系統(tǒng)工程，2006，30（12）：57-58. FU DONG，F(xiàn)ANG CHENG，WANG ZHENLEI.Research on met hods of combat capability and combat effectiveness[J].Military Operation Research and Systems Engineering，2006，30（12）：57-58.（in Chinese）

[17]JIANG CHANGSHENG，CHEN MOU.Adaptive H control of nonlinear systems with neural networks[J].Chinese Journal ofAeronautics，2003，16（1）：36-41.

[18]MEYER D W，CRISPINO N，LYONS C B.IFFC fire control system mechanization fire-fly III[C]//Proceedings of the IEEE NAECON’80.1980：1002-1011.

[19]LEE S，PARK J.Neural computation for collision free path planning[J].Journal of Intelligent Manufacturing，1991，2（1）：315-326.

[20]OUINLAN S，KHATIB O.Elastic bands connecting path planning and robot control[C]//Proceedings IEEE International Conference on Robotics and Automation.Atlanta GA：IEEE，1993：802-807.

Anti-Shore Fire Support Fire Distribution Model Based on Multi-Objective Decision-Making

LAN Qicheng1,WANG Lei2,LI Xiangyang2,PAN Changpeng2
（1.Aviation Preparation Bureau of NED,Beijing 100841,China; 2.Department of Command,NAAU,Yantai Shandong 264001,China）

Based on building the process chart of fire distribution based on fire supporting to shore,according to the basic factors and hypothesis of optimal fire power distribution in anti-shore support operations,an anti-shore support fire power distribution model based on multi-objective decision-making was built.Considering the powerful searching ability of GA, an improved genetic algorithm—predatory search genetic algorithm I.e.PSGA was devized.The result satisfied the optimal solution of fire support.

multi-objective decision-making;anti-shore fire support;fire distribution

E83

：A

1673-1522（2017）01-0176-05

10.7682/j.issn.1673-1522.2017.01.014

2016-11-10；

：2016-12-14

藍(lán)啟城（1981-），男，碩士。