本發(fā)明涉及自爆式無人機集群協(xié)同作戰(zhàn)決策，尤其涉及一種基于案例推理的無人機協(xié)同攻擊快速目標分配方法。

背景技術：

1、多自爆式無人機協(xié)同攻擊策略是在復雜多變的軍事作戰(zhàn)需求下逐漸發(fā)展起來的一種新型武器作戰(zhàn)樣式，實質上是一種具有多重復雜性和時間敏感性的多維變量非線性的組合優(yōu)化問題。自爆式無人機集群作戰(zhàn)因其具備偵察打擊一體化的獨特優(yōu)勢，可以滿足未來信息化作戰(zhàn)需求，是目前常用的一種作戰(zhàn)手段。自爆式無人機作為一種新型智能化武器彈藥裝備結合了先進的人工智能控制技術與無人機技術，多應用于大規(guī)模集群作戰(zhàn)，同時協(xié)同作戰(zhàn)模式也彌補了單個自爆式無人機毀傷能力的不足，可以對敵方目標造成殺傷力更強的攻擊。在高度信息化的軍事戰(zhàn)爭背景下，多彈協(xié)同打擊策略在軍事戰(zhàn)斗任務中發(fā)揮著關鍵作用。

2、集群作戰(zhàn)對比單體作戰(zhàn)能夠執(zhí)行更加復雜的作戰(zhàn)任務，如單目標會聚攻擊、單目標時序攻擊、多目標協(xié)同攻擊，可以提高任務完成的成功率，具有更強的容錯性和魯棒性，在單體毀傷或失效的情況下仍可完成任務。目前自爆式無人機集群作戰(zhàn)也面臨眾多挑戰(zhàn)，除單體性能約束外，還需考慮自爆式無人機間的協(xié)同約束，如空間協(xié)同約束、時間協(xié)同約束，同時也增加了規(guī)劃問題的難度，大大提高了算法復雜度和計算時間代價。

技術實現思路

1、針對現有技術的不足，本發(fā)明提供一種基于案例推理的無人機協(xié)同攻擊快速目標分配方法，本發(fā)明對于自爆式無人機協(xié)同作戰(zhàn)目標分配算法進行優(yōu)化改進，設計了一種帶有可切換機制的快速目標分配算法模型。該算法可以實現協(xié)同作戰(zhàn)任務的優(yōu)化算法模型解算，在不同作戰(zhàn)任務需求下轉換算法機制，提高了算法的求解效率，保障了解的最優(yōu)性，對大規(guī)模高強度打擊的目標分配任務具有極好的適應性。一定程度上可以克服傳統(tǒng)分配算法解算時間長和解的質量隨作戰(zhàn)雙方武器數量增加而不斷下降的問題。

2、一種基于案例推理的無人機協(xié)同攻擊快速目標分配方法，包括以下步驟：

3、步驟1、根據集群作戰(zhàn)打擊任務需求及戰(zhàn)場環(huán)境，對戰(zhàn)場空間環(huán)境進行統(tǒng)一建模；

4、假設，m枚自爆式無人機組建成無人機集群共同執(zhí)行打擊任務，對n個散落在戰(zhàn)場不同位置的目標進行打擊，并且戰(zhàn)場中分布了t個威脅半徑集合為r＝{r1,r2,r3...rt}，坐標為{(xt1,yt1),(xt2,yt2)...(xtt,ytt)}的威脅源，并保證每枚自爆式無人機最多執(zhí)行一次任務，打擊一個目標；其中，初始化定義自爆式無人機集群m＝{m1,m2,...,mm}，地面目標集合n＝{n1,n2,...,nn}，設定目標初始位置為(xi,yj)，目標nj的價值為qj；為順利實施打擊任務，在執(zhí)行協(xié)同打擊任務過程，自爆式無人機需要躲避戰(zhàn)場中出現的威脅源，最終到達目標任務點實施打擊。并根據目標類型規(guī)定每個目標被打擊次數上限為djmax個，即每個目標被分配的無人機數量應小于等于djmax個；

5、步驟2、利用柵格法，設計二維戰(zhàn)場仿真模型，對戰(zhàn)場空間進行詳細描述；

6、在二維戰(zhàn)場仿真模型中，每個柵格代表一個坐標點，用來表示無人機、目標、障礙物的位置；規(guī)劃空間表示為集合ω，(x,y)表示空間ω內某一位置點的橫縱坐標，xmax和ymax分別表示橫縱坐標規(guī)定的最大距離位置，如下式所示：

7、ω＝{(x,y)|0≤x≤xmax,0≤y≤ymax}

8、步驟3、面對戰(zhàn)場威脅源進行建模，選取雷達威脅、防空火炮威脅和地形威脅作為威脅源參數并計算威脅源威脅度；

9、步驟3.1、計算戰(zhàn)場范圍內雷達威脅程度；

10、雷達回波信號功率用公式表示為：

11、

12、式中，pt為發(fā)射功率，g為發(fā)射天線增益，σ為雷達散射面積，r為目標到雷達的距離，單位為m，λ為電磁波波長；對于確定的無人機，雷達散射面積一定，上式簡化為：

13、

14、式中，k為常數；雷達沒有被干擾時，探測到目標的概率與接收到的信號品質有關，假設雷達可進行全方位的探測，雷達最大探測半徑為rmax，則雷達對無人機的探測概率表示為:

15、

16、步驟3.2、計算防空火炮威脅程度；

17、當敵方雷達探測到無人機后，防空導彈會根據目標信息進行攻擊，防空導彈的殺傷概率為:

18、pm＝t·y·z[1-(1-a·e·w)q]

19、式中，t為地空導彈的雷達探測概率，y為雷達截擊引導概率，z為信息傳輸轉換概率，a為導彈成功發(fā)射概率，e為導彈飛行可靠概率，w為導彈的殺傷概率，q為一次發(fā)射的導彈數量。

20、步驟3.3、計算地形威脅程度；

21、計算得到地形的高度威脅、大?。?/p>

22、

23、式中，th表示地形海拔高度威脅大小，hm表示當前地形的海拔高度，hu表示無人機飛行上限高度，若地形海拔超過無人機低空飛行上限則設定無人機地形威脅為最大值；

24、當無人機實時飛行高度為hreal時，不同海拔障礙物對無人機的威脅表示為：

25、

26、步驟4、建立合理優(yōu)化目標分配模型，根據優(yōu)化模型約束條件，定義目標優(yōu)化函數；

27、步驟4.1、計算航程代價；

28、步驟4.1.1、計算每個航跡段中的航跡距離；

29、lms為表示第m架無人機在第k個航跡段上的航跡長度，s為航跡段數量：

30、

31、式中，代表第m架無人機在第k個航跡段上的起始點坐標。

32、步驟4.1.2、計算每種打擊方案的航程代價；

33、所述打擊方案為：設m架無人機中的第1架無人機，攻擊n個目標中的第1個目標，則為一個打擊方案，若該無人機m架無人機中的第1架無人機攻擊n個目標中的第2個目標，則為另一個打擊方案，若打擊n個目標中的第n個目標，則為第n個打擊方案；每架無人機均有相同數量的打擊方案，在每個打擊方案中，一架無人機只攻擊一個目標。

34、在航跡規(guī)劃過程中將一條航跡劃分為s個航跡段，第m架無人機攻擊第n個目標的航跡距離lmn的公式表示為:

35、

36、步驟4.1.3、將航程代價值進行歸一化處理；

37、統(tǒng)一至同一數量級后的航程代價fl用公式表示為:

38、

39、式中，lmn表示為第m架無人機攻擊第n個目標的航跡距離，lnmax表示所有無人機進行攻擊時的飛行距離的最大值，二者比值即可求得每種打擊方案的航程代價。

40、步驟4.2、計算戰(zhàn)場內威脅代價；

41、威脅代價與威脅源到航跡的距離成反比，將整條航跡分為s個航跡段，計算各航跡段的威脅代價值，則總體威脅代價為s個航跡段的威脅代價之和。

42、步驟4.2.1、計算每個航跡段中產生的的威脅代價值；

43、假設戰(zhàn)場內有第m架無人機攻擊第n個目標，首先將每條航跡劃分為s個航跡段，無人機兩個相鄰航跡點表示為lk和lk+1，威脅源坐標表示為求取每段航跡的威脅代價，將每個航跡段等分成c份，通過求取威脅源到c個航跡點的距離間接計算威脅代價，具體表示為：

44、

45、式中，nth為威脅源個數，c為每段航跡等分的份數，為每個航跡點的坐標，t＝1,2,…,nth，c＝1,2,…,c；

46、步驟4.2.2、計算每條航跡中總體威脅代價；

47、對s個航跡段的威脅代價求和，得航跡中總的威脅代價ft為：

48、

49、步驟4.2.3、將威脅代價進行歸一化處理，到統(tǒng)一尺度下進行計算；

50、將威脅代價歸一到統(tǒng)一尺度下，威脅代價ft用公式表示為：

51、

52、式中，ftmn表示第m架無人機攻擊第n個目標所在航跡的威脅代價，ftmax表示所有航跡中威脅總代價最大的航跡；

53、步驟4.3、計算總體攻擊收益；

54、步驟4.3.1、計算每種打擊方案中的總體攻擊收益；

55、采用目標剩余價值量來評估目標的攻擊收益代價，第m架無人機攻擊第n個目標產生的攻擊收益表示為：

56、fv＝vn·pmn·xij

57、式中，vn為第n個目標的目標價值，pmn為第m架無人機打擊第n個目標的毀傷概率，xij為決策變量；

58、步驟4.3.2、將攻擊收益進行歸一化處理；

59、將攻擊收益fv統(tǒng)一至同一數量級，用公式表示為：

60、

61、式中，表示第m架無人機攻擊第n個目標的攻擊收益，fvmax表示所有打擊方案中可獲得的最大攻擊收益。

62、步驟4.4、計算敵方目標價值；

63、結合每種武器裝置的不同類型及其攻擊范圍，對目標設定0—1不同程度的威脅等級ityp，用于明確評估并區(qū)分每個目標在戰(zhàn)場環(huán)境中的打擊價值程度。

64、步驟4.5、分析目標分配中產生的約束條件；

65、所述約束條件如下：

66、(1)航程約束

67、每架自爆式無人機穿越的距離應小于其航程，表示為:

68、

69、式中，是架自爆式無人機的最大射程,為自爆式無人機的實際穿越距離，

70、nv為飛行最大高度約束。

71、(2)決策變量約束

72、

73、式中，決策變量xij為0-1變量，當無人機i作用于目標j時，xij＝1表示實施打擊，xij＝0表示沒有實施打擊。決策變量表示如xij∈(0,1),i＝1,...,m,j＝1,...,n，表示一項任務至少由一架無人機執(zhí)行一次，至多無人機分配數量不超過djmax架；表示一架無人機最多只能執(zhí)行一次任務；

74、步驟4.6、根據目標分配優(yōu)化指標，構造目標函數，并描述其中各代價函數；

75、目標分配優(yōu)化指標要求使得無人機的攻擊代價最小化，攻擊收益最大化。

76、多無人機協(xié)同目標分配的優(yōu)化目標函數表示為：

77、f＝λ1fl+λ2ft-λ3fv

78、式中，λ＝(λ1,λ2,λ3)為優(yōu)化目標函數中各權重向量，表示各因素對目標分配結果的影響程度的不同，同時滿足λi∈(0,1)；fl為航程代價，ft為威脅代價，fv為攻擊收益，當航程代價及威脅代價最小攻擊收益達到最大時，輸出最終的目標分配最優(yōu)解。

79、步驟5、使用改進的基于自適應罰函數思想的遺傳算法和貪婪算法切換機制來進行目標分配，在不同的作戰(zhàn)環(huán)境中對兩種算法進行算法切換操作，基于罰函數思想的遺傳算法在傳統(tǒng)遺傳算法上進行改進，解決帶有多組約束條件的目標函數優(yōu)化問題；

80、步驟5.1、對戰(zhàn)場環(huán)境進行初始化設置，設定自爆式無人機、打擊目標及威脅源數量；

81、步驟5.2、設定初始種群大小，迭代次數、選擇率、交叉率和變異率的初始大小；

82、步驟5.3、對初始種群設定編碼操作方式；

83、步驟5.3.1、采用二進制編碼方式進行編碼操作，以自爆式無人機與目標的對應關系，即每一種可能的分配方案表示染色體，染色體中的每一位基因代表一個特定的無人機是否被分配給某個目標；

84、步驟5.3.2、將戰(zhàn)場環(huán)境中m個自爆式無人機，n個目標進行二進制編碼，利用1代表自爆式無人機對目標進行打擊，0則為未進行打擊，則每條染色體有m×n個數字，即“基因”；

85、步驟5.3.3、將每n個基因組成一組，每組基因縱向排列則獲得多自爆式無人機目標分配矩陣cm×n；

86、步驟5.3.4、規(guī)定矩陣的第i行表示自爆式無人機，i＝1,2,3......,m，矩陣的第j列表示目標，cij為自爆式無人機對目標的打擊情況，，若cij＝0則說明自爆式無人機mi對目標nj不進行打擊，若cij＝1則說明自爆式無人機mi號對目標nj進行打擊；

87、步驟5.4、進行種群初始化，生成種群數量為n的個體；

88、步驟5.5、根據步驟4.5確定自爆式無人機的約束條件；

89、步驟5.6、構造罰函數，對于違反約束條件的個體，在計算適應度值時減去罰函數，使適應度值減??；

90、步驟5.6.1、將步驟4.5中的兩個約束條件作為罰函數中懲罰項，并選取懲罰因子，即權重系數；構造懲罰函數p(x)＝f(x)+h(x)g(x),其中,f(x)為目標函數值，h(x)為懲罰因子，g(x)為懲罰項。

91、步驟5.6.2、代入約束條件，罰函數表示為p(x)＝f(x)+η(n+m)，并按照累加懲罰原理，規(guī)定對違反總體約束項個數越多的個體懲罰力度越大；其中0＜η≤1，可根據可行解的個數進行自適應調節(jié)；

92、步驟5.7、構造適應度函數，公式如下：fitness(x)＝cmax-p(x)

93、

94、其中，f(x)為目標函數值，cmax為目標函數的最大估計值，通過預估得到。

95、步驟5.8、對種群進行選擇，交叉，變異操作；

96、在進行構造適應度函數及罰函數之后，對種群進行選擇，交叉，變異等遺傳操作，依次迭代。

97、步驟5.8.1、按照適者生存原理，通過個體適應度函數值來衡量其對環(huán)境的適應度好壞，對初始種群個體進行排序；

98、步驟5.8.2、采用輪賭盤法選擇出種群內具有符合適應標準度值的染色體，再用精英選擇保留策略，在排序結果中選擇保留優(yōu)秀的個體；

99、步驟5.8.3、對保留下的優(yōu)秀個體進行交叉和變異操作，產生子代種群，并將兩個種群結合，形成規(guī)模為2n的新子代種群rt。

100、步驟5.9、產生自適應適應度函數值；

101、設每次迭代結束后可行解個數為p1，總數為n，懲罰因子即懲罰項權重隨可行解的增加或減少呈正比變化，可行解過多時，在下一次迭代過程中懲罰因子也跟隨增大，反之則減?。?/p>

102、步驟6、在改進自適應罰函數思想的遺傳算法在無法達到作戰(zhàn)要求的情況下，分配算法使用使用貪婪算法繼續(xù)對算法進行求解。

103、步驟6.1、參數初始化：已知對于求解問題有n個目標作為輸入，置問題的解集合j為空；對貪婪算法最大允許迭代次數、結束標志閡值及目標數量的參數進行初始化設置。

104、步驟6.2、定義目標函數：根據問題需求，隨機生成自爆式無人機與打擊目標的任務配對，并計算目標評價函數。選取一種度量標準，按照這種度量標準對n個輸入排序；

105、步驟6.3、遍歷所有m個自爆式無人機與n個目標的打擊方案，通過代價函數公式計算出相應的代價數值；

106、步驟6.4、根據目標函數絕對值，建立代價矩陣，其中，定義a11,a12,a13...a1m的值為被打擊目標1與m架無人機組成打擊方案的代價值，其余行元素amn均代表第m架無人機打擊第n個目標打擊方案的攻擊代價值，最后組成含有n×m個代價值元素的代價矩陣。

107、

108、步驟6.4.1、利用比較法，查找代價矩陣a中的最大元素，同時記錄它的位置；

109、步驟6.4.2、假設代價矩陣a中的最大元素為a00，則說明我方無人機在綜合目標代價和航跡代價后，敵方n0目標由m0實施打擊收益最大，則實施m0對n0打擊方案；

110、步驟6.4.3、由于n0已經成為m0的目標，將a00所在行列置為∞；

111、步驟6.4.4、將a00所在行列置為∞后，a00不再參與后續(xù)分配任務，之后返回步驟6.3繼續(xù)循環(huán)迭代，尋找下一個最優(yōu)解進行狀態(tài)更新；

112、步驟6.4.5、在完成所有一對一分配后，恢復到原始代價矩陣構成，將所有已經分配的方案都置為∞，避免再次進行搜索，對于矩陣中其他剩余元素，重新搜索多對一分配結果；

113、步驟6.5、輸出求解最優(yōu)解：當所有的n個輸入都被搜索完畢，如果滿足任務條件，則搜索停止，即當前當前解集為全局最優(yōu)解，輸出搜索結果；

114、步驟7、設定目標分配算法主要切換機制；

115、步驟7.1、根據戰(zhàn)場環(huán)境需求，初始化戰(zhàn)場全局變量信息；

116、步驟7.2、按照對戰(zhàn)武器不同數量等級定義不同規(guī)模的作戰(zhàn)場景，并明確每次目標分配任務下達完成時間tc，其中，我方參與作戰(zhàn)自爆無人機數量為m，敵方作戰(zhàn)武器數量為n，并且規(guī)定每種戰(zhàn)場規(guī)模下m＞n，以下為定義的三種作戰(zhàn)規(guī)模，后續(xù)實際戰(zhàn)場也按此定義分類；

117、我方無人機目標m≤20與敵方目標數量n≤20，屬于小規(guī)模沖突；

118、我方無人機目標20＜m≤50與敵方目標數量20＜m≤50，屬于中等規(guī)模作戰(zhàn)；

119、我方無人機目標50＜m≤100與敵方目標數量50＜m≤100，屬于大規(guī)模戰(zhàn)役；

120、其他情況不考慮在內。

121、步驟7.3、根據任務性質、規(guī)劃時間以及優(yōu)化性能的要求，明確切換算法的目標和條件，明確每次目標分配任務下達完成時間tf。

122、步驟7.4、建立任務規(guī)劃模型數據庫。對兩種算法分別進行作戰(zhàn)規(guī)模不同的對比試驗，并且不斷增加實驗規(guī)模，獲得多組不同作戰(zhàn)態(tài)勢下的計算時間和目標函數變化值。將實驗結果進行儲存，形成數據庫，建立歷史目標分配模型；

123、步驟7.5、在系統(tǒng)中輸入實際戰(zhàn)場作戰(zhàn)參數。

124、步驟7.6、對實際戰(zhàn)場態(tài)勢進行特征指標識別，做出相似性判斷；包括雙方武器對戰(zhàn)數量、作戰(zhàn)規(guī)模、指令下達完成時間tf作為主要特征判斷指標；

125、步驟7.7、制定切換策略；

126、步驟7.7.1、比較現有歷史數據庫內包括計算時間和目標函數變化值的案例數據和實際作戰(zhàn)條件，在數據庫中進行搜索，選擇相似度最高的目標分配模型作為匹配對象。

127、步驟7.7.2、以作戰(zhàn)下達任務中規(guī)定目標分配時間tc為基準，通過步驟7.6完成相似性判斷，選擇出與實際戰(zhàn)場同等規(guī)模并且相似性最高案例；

128、步驟7.7.3、提取相似性最高的案例在基準時間范圍內遺傳算法和貪婪算法的優(yōu)化性能比較及算法決策結果，根據比較結果，由于相似性高度一致，將數據庫中戰(zhàn)場環(huán)境與實戰(zhàn)場景匹配，該案例中算法決策作為當前態(tài)勢下決策最優(yōu)結果進行反饋輸出。

129、步驟7.8、監(jiān)控和評估效果；若戰(zhàn)場態(tài)勢出現新的變化，則需要再次對新的態(tài)勢下的特征指標進行識別，返回步驟7.6，做出新的算法規(guī)劃決策結果，保證目標分配的實時性和準確性。

130、采用上述技術方案所產生的有益效果在于：

131、本發(fā)明提供一種基于案例推理的無人機協(xié)同攻擊快速目標分配方法，本發(fā)明提供的優(yōu)化模型算法相對于其他任務規(guī)劃算法，本設計中的優(yōu)化模型主要解決針對對傳統(tǒng)作戰(zhàn)任務場景下目標分配的計算時間過長，結果偏差隨戰(zhàn)場復雜度增大而增大問題；同時，設定大規(guī)模作戰(zhàn)任務想定場景，結合可切換控制的目標分配算法進行仿真，結果表明該優(yōu)化算法模型對大規(guī)模打擊任務目標分配任務具有極好的適應性，同時，解的最優(yōu)性也具有一定保證。