技术领域本发明涉及一种基于对立思想改进遗传算法的多UCAV在线打击目标分配方法，属于飞行器任务规划领域。
背景技术：
面向日趋复杂的现代战场环境，战场任务逐渐向多重性和复杂性的状况发展，单架无人作战飞机(unmannedcombataerialvehicle,UCAV)几乎无法完成指定的作战任务，多无人作战飞机(UCAV)协同作战已成为UCAV作战使用的必然选择。而多UCAV在线打击目标分配问题是多UCAV协同作战的保障和基础，其目的是为UCAV分配攻击目标，它是伴随现代信息技术而发展起来的高新技术，是多UCAV任务规划技术研究的重要内容之一，是一种典型的武器目标分配(Weapon-TargetAssignment，简称WTA)问题。WTA是如何把具有不同杀伤力和经济价值的武器分配到设计不同的目标，用以构成整体优化的火力打击体系。它是现代UCAV协同作战的一项重要功能，也是现代自动化指挥系统的一项重要的辅助决策。多武器多目标的武器目标分配问题是一种NP完全问题，其研究内容主要是针对多个打击目标，攻击方的指挥控制系统能够有效的分配火力，快速的将目标消灭，同时使攻击方所付出的代价最小且打击目标的毁伤最大。WTA是一种资源的优化组合问题，目的是寻求较优的武器目标分配方案，以提高作战效能。20世纪80年代，麻省理工学院的PatrickAHosein与MichaelAthans(1988)对一般性的WTA问题做了较为系统的研究。美军国防分析研究所(InstituteforDefenseAnalysis,DA)20世纪90年代以来一直致力于WTA问题的研究。Ravindra于1995年将遗传算法(GA)用于解决WTA问题。遗传算法(GeneticAlgorithm,GA)是由美国密歇根大学的Holland教授于1975年提出，是模拟达尔文生物进化论的自然选择和遗传学机理的生物进化过程来搜索最优解的方法。遗传算法的作用对象是种群，种群中的每个个体对应于所要求解问题的一个可行解。个体在微观层次通常又称作染色体，染色体按一定形式(如二进制位串或符号的排列形式)编码来表示一个解。遗传算法通过对所有个体施加交叉、变异和选择等进化操作，使个体和种群的适应值不断改进，而达到趋向最优的目的。然而遗传算法是一种随机搜索算法，产生优良的解往往需要很长的计算时间，一些对实时性要求很高的问题很难满足时间约束。另一方面，遗传算法在收敛速度高的时候容易早熟，算法收敛于局部最优解，导致最后得到的不是全局最优解，使解的质量下降。对立思想在哲学、集合论、政治、社会学和物理学中有着悠久的历史，例如“高”和“低”，“冷”和“热”等。而对立思想在优化算法中一直不曾被应用，到2007年，Rahnamayan博士将对立思想应用到微分进化算法(DifferentialEvolution，DE)中，并验证了基于对立思想改进的微分进化算法在收敛速度和解的质量两个方面都优于DE。基于对立思想改进遗传算法(Opposition-basedGA,OGA)的多UCAV在线打击目标分配方法，将对立思想引入到遗传算法，对遗传算法进行改进，根据多UCAV在线打击目标分配问题的特点，设计满足目标分配约束的个体编码方式。在经过交叉、变异操作之后，依据对立概率决定是否对经过交叉变异之后的种群个体进行对立操作，对立运算之后依据适应度函数值进行选择，选出较优的种群数个个体作为下一代的种群个体进行迭代操作，以提高种群多样性和算法的全局搜索能力。基于对立思想改进的遗传算法在求解多UCAV在线打击目标分配问题时，相比普通遗传算法具有较强全局搜索能力，提升了算法性能。
技术实现要素：
本发明的目的是为了解决现代武器任务规划中多UCAV在线打击目标分配问题，针对求解过程最优解收敛性低、耗时长等问题，提出一种基于对立思想改进的遗传算法求解多UCAV在线打击目标分配问题。该方法集成对立思想处理机制和遗传算法，避免了传统算法求解过程中陷入局部最优解和耗时太长，且形成的方法具有较强全局收敛能力，缓解了现有技术在求解多UCAV在线打击目标分配问题中的效率问题。为了更好的说明本发明的技术方案，下面具体介绍本发明建立的模型和采用的方法：1、多UCAV在线打击目标分配模型假设战场中，我方有m架同构或异构的UCAV，M＝{M1,M2,…,Mm