面向聯合火力打擊任務規(guī)劃的雙層聯動仿真優(yōu)化方法研究.pdf

1、聯合火力打擊是指為達成某種作戰(zhàn)目標，綜合運用各類中遠程火力資源，對敵重要目標實施的火力突擊行動，其作為聯合作戰(zhàn)的一種重要作戰(zhàn)樣式，越來越受到國際社會的重視。聯合火力打擊，由于作戰(zhàn)行動涉及的武器繁多、信息量大、時效性強，其作戰(zhàn)方案優(yōu)化是一項復雜的系統(tǒng)工程。
　　聯合火力打擊任務規(guī)劃問題由于對抗過程的復雜性，傳統(tǒng)的基于案例改造、基于解析模型以及基于建模仿真的方法等在求解該類問題時存在諸多困難。鑒于此，本文將規(guī)劃問題劃分為二個層次，建立

2、了它們之間的關聯關系，并針對不同層次分別提出了不同的解決思路，以充分利用優(yōu)化過程中產生的信息，高效可信地產生聯合火力打擊方案。針對國內外相關技術在本文研究背景下的不足，論文主要研究內容和成果如下：
　?。?）聯合火力打擊任務規(guī)劃問題建模以及求解框架。首先，對聯合火力打擊任務規(guī)劃問題進行了建模，將其分解為任務層方案優(yōu)化、行動層方案優(yōu)化二類優(yōu)化問題，任務層方案優(yōu)化為對目標選擇和資源分配進行優(yōu)化，行動層方案優(yōu)化為對火力資源的協同作戰(zhàn)樣式

3、進行優(yōu)化。其次，構建了揉合二類優(yōu)化問題的雙層聯動仿真優(yōu)化框架，即任務層和行動層通過不斷地為對方提供輸入，以驅動對方工作的展開，最終通過雙方的聯合行動，獲取滿意的聯合火力打擊方案。
　?。?）面向任務層方案優(yōu)化的改進認知演化計算方法。為了充分利用優(yōu)化過程中產生的信息，以提高優(yōu)化效率，論文將認知演化計算方法引入問題求解中并進行改進。首先，基于能夠充分表達領域知識、便于知識的實現和理解、便于知識的維護和管理、便于知識的組裝和推理四個方面

4、，將貝葉斯網絡引入知識表示中。其次，為提高結構學習的準確度，將信念圖和模糊集引入到先驗信息采集中，實現對專家不確定知識、優(yōu)化過程中產生的效能知識進行采集和融合；對MDL測度進行改進以充分融合非確定性先驗信息；并將K2算法引入到結構學習中。第三，從信息加工的角度，對記憶進行了研究，設計了信息編碼、信息存儲和信息提取的方法。第四，設計了思維模塊，發(fā)散思維借鑒廣度優(yōu)化搜索和深度優(yōu)化搜索算法，以盡可能達到解的多樣性和深層次知識的利用率二者的平衡

5、；收斂思維，在二次資源分配的基礎上，采用聚焦思維和創(chuàng)新思維以產生一個資源分配方案。
　?。?）面向行動層方案優(yōu)化的自適應性仿真優(yōu)化方法。為了高效可信地產生面向各個作戰(zhàn)任務的協同作戰(zhàn)樣式，將主動知識挖掘和優(yōu)化算法引入到問題求解中。首先，提出了基于任務之間的關聯關系，對仿真實驗空間進行分割，同時也是對問題的分割。第二，提出了基于改進增強隨機優(yōu)化算法的最優(yōu)化實驗設計方法，其中優(yōu)化目標為準則和p準則相結合的p準則，以期在給定的實驗方案數量

6、下獲取最大的信息量。第三，提出了基于擴展置信區(qū)間的仿真實驗次數控制方法，以將仿真數據中蘊含的隨機因素控制在可知的范圍之內。第四，提出了基于魯棒支持向量機的元模型擬合方法，其中在參數的優(yōu)化過程依據問題特性采用了梯度法，以盡可能消除仿真數據中所蘊含的隨機因素。第五，提出了基于改進分布估計算法的方案優(yōu)化方法，其中種群選擇策略采用精英策略、擁擠機制和截斷選擇相結合的方式，以充分考慮解集的退化性和多樣性，方案優(yōu)化流程采用嵌套控制，以縮減問題求解的