本发明属于军事训练,尤其涉及基于嵌套的逆向式遗传算法的动态网络车辆路径优化方法。
背景技术:
1、导弹在未来战争中将发挥日益重要的作用,导弹需要通过机动车辆运输到目的地再进行投放。机动车辆的运输路径组成了动态网络。在动态网络中需要实现资源合理分配,并使得整体暴露时间最短。导弹的发射任务分配需要结合作战任务和待攻击目标,确定使用发射单元和作战阵地,将导弹武器发射任务分配给发射分队,在控制自身消耗的情况下使得导弹编队集群作战效能最高,或者在使用最小火力消耗的情况下达到预定的毁伤效果。如何精确合理高效地分配导弹火力打击任务和部署车辆机动路径成为当前亟待解决的问题。任务优化分配问题是一个约束条件众多的组合优化问题。求解难度随着导弹武器总数和任务的复杂程度的增加而变得非常复杂,因此导弹编队打击任务分配是一个np问题。求解在暴露时间最短的多波次打击下导弹车的分配方案和机动方案不可能得到一个最优解,需要建立一个模型在能够可接受的条件下寻求一个解决方案。
技术实现思路
1、在多目标条件下计算所有情况(遍历的方法)是不现实的。在参数都很大的情况下,其计算复杂度不亚于计算围棋棋盘的变化,是目前人工智能领域一个棘手的问题。常用的解决这类方法是一些启发式的算法,如遗传算法,进化算法,模拟退火等。可以使用遗传算法来计算单波暴露时间的最小值,但是在两波以及两波以上时,计算显得很困难。本发明提出了嵌套的逆向求解遗传算法,以提高计算速度。
2、本发明公开的基于嵌套的逆向式遗传算法的动态网络车辆路径优化方法,包括以下步骤:
3、对于单个发射装置,采用dijkstra算法,从起点向外拓展,搜索出到终点的最短路径;
4、对于任意一个待机地域到任意一个发射点位,共计计算三次最短路径:第一次计算得到从初始待机区域至第一次发射点位的最短路径,并将所有发射装置到达的第一次发射点位f1存入数组u中,在下一次发射时不考虑该点;第二次计算得到从第一次发射点位至转载点位的最短路径;第三次计算得到从转载点位至第二次发射点位f2的最短路径,其中第二次发射点位f2不得为数组u中的点位;得到所有发射装置在不受其他发射装置干扰时的最短路径集合;
5、通过嵌套的逆向求解遗传算法对上述最短路径集合的路径进行优化。
6、进一步地,决策变量如下:
7、
8、q为发射装置标号,i,j为某一条边的起点i和终点j;
9、
10、
11、
12、
13、
14、进一步地,约束条件为:
15、
16、表示所有发射装置的每次操作只能且必须是行驶负弹、行驶空载、等待负弹、等待空载、等待装载和等待发射中的一项;
17、如果则必须满足
18、
19、表示如果发射装置q的第m次操作是在从i点行驶到j点,负弹状态,那么它的下一个状态只能是行驶在下一个节段、等待在j这个节点或者等待发射三者之一;
20、如果则必须满足
21、
22、表示如果发射装置q的第m次操作是等待在i点准备向j点行驶,负弹状态,那么它的下一个状态只能是从i点向j点行驶;
23、如果则必须满足
24、
25、表示如果发射装置q的第m次操作是从i点向j点行驶,空载状态,那么它的下一个状态只能是等待在j点、进入装载区域装弹或者空载着向下一阶段行驶三者之一;
26、如果则必须满足
27、
28、表示如果发射装置q的第m次操作是等待在i点准备向j点行驶,空载状态,那么它的下一个状态只能是空载着从i点向j点行驶或者开始装载二者之一;
29、如果则必须满足
30、
31、表示如果发射装置q的第m次操作是在装载地域装载,那么它的下一个状态只能是负弹从i点向j点行驶;
32、如果则必须满足
33、
34、表示在实施多波次发射时,不能连续两个波次使用同一发射点位;
35、定义函数:
36、
37、函数f(q,m)表示发射装置q前m次操作从起始点行驶到i点所需时间,tij为从i点到j点的行驶时间;
38、如果且即i,j不在双行道路j1-j10之中,则必须满足
39、f(q2,m2+1)≤f(q1,m1)
40、或
41、f(q2,m2)≥f(q1,m1+1)
42、q1,q2为两个不同发射装置编号,m1、m2为发射装置q1,q2的操作次数。
43、进一步地,目标函数为:
44、
45、表示总暴露时间最短,总暴露时间为机动时间、会车等待时间、等待发射时间之和;
46、
47、表示单车暴露时间最短。
48、进一步地,通过遗传算法对最短路径进行优化,所述嵌套的逆向求解遗传算法的步骤如下:
49、第一阶段:
50、定义第一阶段的个体的适应度为:
51、
52、f为适应度函数,s是个体即为解空间下的一个解,t2代表当前解得到的暴露时间;
53、第二波攻击的解空间表示如下:
54、s=(s11,...,s1n,...,sm1,...,smn)mn,(m≥2n)
55、满足的条件是:
56、
57、m表示发射点的个数,n表示发射装置的个数,sij表示第j辆发射装置会去第i个发射点;
58、给定个体之后,计算它的攻击目标,通过聚类和fisher判别,得到打击方案,假如导弹的发射轨迹的大地投影线相交,则判定这次打击任务是失败的,只要出现一次也否定这个个体的存在;设定其适应度函数为0来调控它不会被接下来的选择步骤选到;
59、在知道去哪个发射点和那辆发射装置去时,通过floyd算法求解最短路径和距离从而得到最小的暴露时间;
60、第二阶段为嵌套阶段,即在第二波攻击方案下逆推第一阶段的攻击方案,第一阶段的初始条件为:每一辆发射装置上都有导弹,不需要去载弹点,候选的发射点要去除第二波攻击已经选过的点;该条件下的解空间表示为:
61、sl=(sl11,...,sl1n,...,sl(m-n)1,...,sl(m-n)n)(m-n)n,(m≥2n)
62、满足的条件如下:
63、
64、计算适应度,适应度公式为:
65、
66、t1代表在sl这个解下第一波攻击的整体暴露时间;
67、对于整体种群,得到每一个个体的适应度,通过选择操作选出适应度最高的一些个体,让这些个体进行交叉和变异操作,再计算适应度函数,得到当前种群最好的个体,反复这个过程直到求解得到最好的个体或者是到达迭代上限;
68、得到一个第二波进攻个体s下最好的个体sl,再回到第一阶段,计算得到下最好的个体sl的暴露空间,代入适应度函数求解得到:
69、
70、经过多次迭代之后,得到整体适应度最好的个体,即为一个局部最优解。
71、进一步地,交叉算子是在连续的数组空间中进行交换,然后进行排序。
72、本发明的有益效果如下:
73、本发明把一个波次的进攻和波次转换放到一起考虑,用聚类和嵌套的遗传算法结合的算法进行求解,使求解速度得到更大的提升。