基于混合自适应遗传算法的协同多目标攻击空战决策（英文）

doi:10.7523/j.issn.2095-6134.2006.3.016

中国科学院大学学报 ›› 2006, Vol. 23 ›› Issue (3): 382-389.DOI: 10.7523/j.issn.2095-6134.2006.3.016

基于混合自适应遗传算法的协同多目标攻击空战决策（英文）

罗德林; 沈春林; 王彪 ; 吴文海

1南京航空航天大学自动化学院，南京210016；

2海军航空工程学院青岛分院，青岛266041

收稿日期:1900-01-01 修回日期:1900-01-01 发布日期:2006-03-15

Air Combat Decision-Making For Cooperative Multiple Target Attack Based on Hybrid Adaptive Genetic Algorithm

LUO De-Lin, SHEN Chun-Lin, WANG Biao, WU Wen-Hai

1 College of Automation Engineering, Nanjing University of Aeronautics &Astronautics, Nanjing 210016, China;
2 Qingdao Branch, Navy Aeronautical Engineering Institute, Qingdao 266041，China

Received:1900-01-01 Revised:1900-01-01 Published:2006-03-15

摘要/Abstract

摘要： 研究了多机协同多目标攻击空战决策问题。它是依据空战形势，寻求M架友机对N架敌机的一个适当的攻击分配方案，以实现最优的期望攻击效果。为此，本文首先建立了决策问题的数学模型，接着应用混合自适应遗传算法对其进行求解。在混合自适应遗传算法中，将一种局部搜索方法引入自适应遗传算法以提高其搜索能力。同时，设计了用于满足决策问题的非常规交叉算子。仿真实验结果表明所设计的混合自适应遗传算法比自适应遗传算法能更有效的解决协同多目标攻击空战决策问题。

关键词: 多目标攻击, 协同空战, 空战决策, 混合, 自适应, 遗传算法

Abstract: The Decision-Making (DM) problem is investigated for Cooperative Multiple Target Attack in air combat. It is to find a proper assignment of M friendly fighters to N hostile fighters in order to achieve the optimal expected attack effect according to the air combat situation. In this paper, the DM problem is formulated mathematically and then a Hybrid Adaptive Genetic Algorithm (HAGA) is presented for solving it. In the HAGA, a local search approach is embedded into the Adaptive Genetic Algorithm (AGA) to improve its search performance. In addition, an unconventional crossover operator is given to meet the constraints of the DM problem. Simulation experiment results show that the HAGA is more effective to solve the DM problem than the AGA.

Key words: multiple target attack, cooperative air-combat, air-combat decision-making, hybrid, adaptive, genetic algorithm

中图分类号:

V247
E837

罗德林; 沈春林; 王彪 ; 吴文海. 基于混合自适应遗传算法的协同多目标攻击空战决策（英文）[J]. 中国科学院大学学报, 2006, 23(3): 382-389.

LUO De-Lin, SHEN Chun-Lin, WANG Biao, WU Wen-Hai. Air Combat Decision-Making For Cooperative Multiple Target Attack Based on Hybrid Adaptive Genetic Algorithm[J]. , 2006, 23(3): 382-389.

[1]	于文欣, 李凯, 周明拓, 李剑, 杨旸. 面向三维信道幅值预测的自适应神经网络[J]. 中国科学院大学学报, 2021, 38(5): 678-686.
[2]	宋志华, 陈锟山, 曾江源, 许镇. 一种基于FMCW雷达的慢速目标检测自适应滤波器[J]. 中国科学院大学学报, 2021, 38(3): 382-391.
[3]	郝晓冉, 陈岚, 倪茂, 潘磊. 一种计算机系统内存扩展方案[J]. 中国科学院大学学报, 2021, 38(3): 423-432.
[4]	殷锋, 邱玲, 梁晓雯. 多用户毫米波大规模MIMO系统中收发端联合的混合波束成形设计[J]. 中国科学院大学学报, 2021, 38(2): 252-259.
[5]	明卫鹏, 马广彬, 章文毅. 基于基因表达式编程的多星成像任务规划算法[J]. 中国科学院大学学报, 2020, 37(4): 532-538.
[6]	邢晓凯, 吕朝旭, 刘珈铨. 超高含水原油混合流动及初始沉积特性[J]. 中国科学院大学学报, 2020, 37(2): 228-233.
[7]	张胜男, 许燕斌, 董峰. 自适应阈值收缩算子的稀疏正则化图像重建算法[J]. 中国科学院大学学报, 2020, 37(2): 242-247.
[8]	孙霁含, 邱玲. 毫米波MIMO系统中基于射频链路选择的高能效混合预编码设计[J]. 中国科学院大学学报, 2018, 35(5): 696-703.
[9]	吕双飞, 贾凤东, 李晓康, 刘晋允, 许翔源, 薛平, 钟志萍. 离子-原子混合阱中冷Rb原子对Rb⁺离子的协同冷却[J]. 中国科学院大学学报, 2018, 35(2): 154-159.
[10]	葛明慧, 于冉冉, 赵军, 刘联胜. 含CO₂的蒸汽凝结换热特性[J]. 中国科学院大学学报, 2018, 35(2): 275-279.
[11]	蔡少阳, 陈力, 王卫东. 一种用于可见光通信的自适应OFDM系统设计与实验[J]. 中国科学院大学学报, 2018, 35(1): 137-143.
[12]	杨建斌, 张卫强, 刘加. 深度神经网络自适应中基于身份认证向量的归一化方法[J]. 中国科学院大学学报, 2017, 34(5): 633-639.
[13]	崔晓娜, 燕敦验. 双Hilbert变换与分数阶双Hilbert变换在混合范数空间上的有界性[J]. 中国科学院大学学报, 2017, 34(3): 273-276.
[14]	赵翰卿, 徐祖伟, 赵海波. 双组分颗粒团聚过程中组分混合程度的预测[J]. 中国科学院大学学报, 2017, 34(2): 204-209.
[15]	张紫薇, 葛良, 桂南, 李振林, 杨阳. 转速对三维滚筒内颗粒混合特性的影响[J]. 中国科学院大学学报, 2017, 34(2): 218-225.

基于混合自适应遗传算法的协同多目标攻击空战决策（英文）

Air Combat Decision-Making For Cooperative Multiple Target Attack Based on Hybrid Adaptive Genetic Algorithm

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

访问统计

联系我们