优解的适应度小于实 际种群的全局最优解的适应度值，将影子种群的全局最优解赋值给实际种群的全局最优 解，同时任选一个粒子，将影子种群的全局最优解赋值给该粒子的个体最优解，然后执行步 骤4;
[0042] 步骤4,判断粒子群的最大迭代次数是否达到设定次数，若达到则迭代结束，且迭 代结束后获得实际种群的最终全局最优解，并将该最终全局最优解转换为分配方案；否则 返回执行步骤3。
[0043] 有益效果：
[0044] 相比于原算法，优化后算法通过引入种群爆炸算子，防止种群陷入局部最优解，因 此加强了算法的全局寻优能力；通过引入影子种群，加强了在当前全局极值附近的寻优能 力。因此，通过本优化算法，可大大增加找到最优解的概率。由于增强了全局寻优能力，获 得劣解（适应度明显较差的解）的可能性也大大降低。
[0045] 实现简单，优化操作的时间代价（即在原算法时间基础上增加的时间）较低。本 方法中仅仅引入几个参数，计算量少，执行种群爆炸算子的时间复杂度与基本粒子群算法 执行一代寻优操作的时间复杂度相同；影子种群的每一代更新也与执行一代寻优操作的时 间复杂度相同。由于对种群爆炸算子的限制效果，不会频繁的执行种群爆炸算子，可满足高 实时性的要求。
【附图说明】
[0046] 图Ia为本发明的6X 5规模结果图；
[0047] 图Ib为本发明的IOX 10规模结果图；
[0048] 图Ic为本发明的15X20规模结果图。
【具体实施方式】
[0049] 本发明的基于种群爆炸粒子群算法的目标分配优化方法，其包括：
[0050] 步骤1，将己方和对方均采用实数编码，对方记为1，2,…q-Ν，己方记为1，2,… k…M，则寻优过程中的可行解空间为（X^X2…X1…xM)，表示分配方案，并随机产生初始分配 方案，其中，X 1的取值范围为1~N之间的整数，X 1I q表示第q个对方分配给第i个己方， N为对方总数，M为己方总数；
[0051] 步骤11，随机产生第一个初始粒子Xi= (η1，<···, ，·.·<)，粒子位置各 维的分量值属于区间（〇, 1);
[0052] 步骤12,以第一个初始粒子X1为基础，按照
生成 其他初始粒子X2~X D;其中，D为种群规模，g表示第η个粒子位置的第i维分量；
[0053] 步骤13,将已生成的所有初始粒子Xj$r〇und(XnX (N-l)+l)取整，获得初始分配 方案，其中η = 1，2，一D ;
[0054] 步骤2,利用公式?a
十算初始种群Xi~X D 中各个粒子的适应度值，并设定各个粒子的适应度值为各个粒子当前的个体最优解pbest ; 从各个粒子的个体最优解pbest中选择最小作为初始种群的全局最优解gbest ;
[0055] 其中，tq为第q个对方的威胁度值，p kq为己方k对对方q的命中率，y kq的值为0 或1，若为1则己方k攻击对方q，否则己方k不攻击对方q ;
[0056] 步骤3,采用迭代过程进行寻优搜索：
[0057] 步骤31，若当前粒子种群同时满足以下三个条件，则执行步骤32 ;否则，直接执行 35 ；
[0058] 1)从第m次迭代到当前迭代之间保持全局最优解gbest持续不变的迭代次数 (t-m)大于第一设定阈值；
[0059] 2)设t为当前迭代次数，t小于第二设定阈值；
[0060] 3)种群爆炸算子未被屏蔽，初始种群爆炸算子默认为未被屏蔽；
[0061] 步骤32,判断粒子的收敛程度：
[0062] 根据当前的迭代次数 t 通过 c_boundary = ((MaxDT-t)/MaxDT+0. 〇5) X dis_BANG 计算一个收敛边界c_boundary，并计算各粒子到全局最优解gbest的欧式距离DIS，若DIS〈 收敛边界c_boundary，则粒子收敛于全局最优解gbest ;
[0063] 判断完所有粒子的收敛程度后，若收敛边界c_boundary内的粒子达到设定量时 执行步骤33,否则直接执行步骤35 ;
[0064] 其中，淑_ WaxDT为最大迭代次数，dis_BANG为常数，代表 最大收敛边界；
[0065] 步骤33,执行种群爆炸算子后执行步骤34,执行种群爆炸算子包括：
[0066] 步骤 33I，利用 BANG =( (MaxDT-t) /MaxDT+0. 〇2) X (N/3) +1 计算爆炸威力 BANG， 其中，MaxDT为最大迭代次数，t为当前迭代次数；，
[0067] 步骤332,根据
十算第i个粒子的爆炸方向矩阵仁， 则计算结果表示为
^ rand表示取0~1之间 均匀分布的一个随机数，// =1表示第i个粒子的第j维将受到"引力"，.//=-1表示第i 个粒子的第j维将受到"斥力"，所述"斥力"即使粒子远离全局最优解方向的力；"引力"即 使粒子接近全局最优解方向的力；
[0068] 步骤333,用Vffi XBANG更新粒子速度Vi,用Xfvi更新粒子位置X i;
[0069] 步骤 34,用（w+w_l) X Vjc1 XrandX (Pbest-Xi) + (c2+c_2) XrandX (gbest-Xj 更 新粒子速度V1，然后执行步骤36,其中w_l和c_2为引入的调整参数，并且在每一次迭代结 束后进行更新，w_l用w_l+(-〇. 3/40)实时更新，c_2用c_2+(l/40)实时更新；
[0070] 其中，w为速度更新公式中原速度的权重值，Cl、C2分别为速度更新公式中局部最 优解和全局最优解的权重值；
[0071] 步骤35,若不满足条件3):
[0072] 则依据（w+w_l) Xvfc1XrandX (Pbest-Xi)+ (c2+c_2) XrandX (gbest-Xj 更新粒 子速度V1，然后执行步骤36;
[0073] 若满足条件3):
[0074] 则依据 WXvJc1XrandX (Pbest-XiHc2XrandX (gbest-?Q 更新粒子速度 Vi，然 后执彳丁步骤36 ;
[0075] 步骤36,检测粒子速度是否越界：粒子速度V1任意一维的取值在[_N/4，N/4]之 外，则越界，否则未越界；若越界，该维的速度值取边界值，未越界速度不变；执行步骤37 ;
[0076] 步骤37,依据Xfvi更新粒子位置X ;，执行步骤38 ;
[0077] 步骤38,检测粒子位置是否越界：粒子任意一维的取值在为[1，N]之外，则越界， 否则，未越界；若越界，该维的值取边界值附近一定范围内的随机值，未越界位置不变；
[0078] 步骤39,更新全局最优解与个体最优解
[0079] 如果t次迭代产生的粒子新位置的适应度小于该粒子的个体最优解pbest的适应 度，则更新该粒子的个体最优解为粒子新位置，否则不变；若粒子新位置的个体最优解的适 应度小于全局最优解的适应度，则用该粒子的个体最优解取代全局最优解，否则不变；同时 执行步骤40和步骤41 ;
[0080] 步骤40,若当前迭代过程中执行过种群爆炸算子，则要生成影子种群：影子种群 的初始位置为t-ι次迭代执行完毕的粒子位置或者各个粒子的个体最优位置；若当前迭代 过程中未执行过种群爆炸算子，则直接执行步骤4 ;
[0081] 在种群爆炸算子的影响代数t+Ι到t+U中依次进行交叉操作，直到第t+U次迭代 结束，获得影子种群的全局最优解；
[0082] U为种群爆炸屏蔽量，即t+Ι到t+U默认种群爆炸算子为被屏蔽，且受到种群爆炸 算子影响，执行步骤42;
[0083] 步骤41，t+l到t+U次迭代中，实际种群直接执行步骤34、36、37、38和39,直到第 t+U次迭代结束，获得实际种群的全局最优解，执行步骤42 ;
[0084] 步骤42,将影子种群与实际种群融合：若影子种群的全局最优解的适应度小于实 际种群的全局最优解的适应度值，将影子种群的全局最优解赋值给实际种群的全局最优 解，同时任选一个粒子，将影子种群的全局最优解赋值给该粒子的个体最优解，然后执行步 骤4;
[0085] 步骤4,判断粒子群的最大迭代次数是否达到设定次数，若达到则迭代结束，且迭 代结束后获得实际种群的最终全局最优解，并将该最终全局最优解转换为分配方案；否则 返回执行步骤3。
[0086] 为进一步说明上述算法，对本发明使用的改进粒子