基于混合智能搜索的武器资源多阶段优化分配方法

1.基于混合智能搜索的武器资源多阶段优化分配方法，其特征在于，包括以下步骤：步骤1，建立多阶段武器目标分配模型；步骤2，采用混合智能搜索算法对所述的多阶段武器目标分配模型进行求解，所述的混合智能搜索算法为基于匈牙利和模拟退火算法的双层搜索算法，包括以下步骤：步骤201：参数初始化；步骤202：基于预定的规则构造多阶段目标攻击初始序列 步骤203：在初始序列 的基础上，标记各目标松弛系数r j ；所述的松弛系数是调整目标打击次数的重要数值标记，也是目标重要性的价值判断，目标j的松弛系数为记r j ，紧迫性强、优先级高的目标松弛系数的值为r j ＝0，反之为1；所述的松弛系数调整准则是：目标的阶段调整只能发生在相邻的阶段，选定两个阶段的目标集合，后续阶段的目标可以无条件向前一阶段迁移，迁移完成后目标松弛值更新为1；但是对于前阶段目标，只有目标松弛值为1时才可以向邻近的后续阶段迁移，同时目标松弛值更新为0，意味着尽管该目标在原先阶段优先级并不大，可以向后调整，但是仍然有很重要的地位，不能继续向后续阶段继续调整；步骤204：调用匈牙利算法求解多阶段武器目标分配的局部最优解 步骤205：计算目标函数值；步骤206：在局部最优解 的基础上，根据松弛系数调整准则改变目标打击阶段，构造新序列 所述的改变目标打击阶段的过程中采用点式阶段调整算子或段式阶段调整算子，所述的点式阶段调整算子是从第t个阶段的可松弛目标集合中随机选取交换的对象，同时从第t+1阶段任意选择目标，两两交换完成阶段的调整，所述的段式阶段调整算子，首先在第t个阶段的目标序列中选取一个固定长度的目标片段，同时在第t+1个阶段中选取任意一个等长目标序列，交换打击的阶段，最后根据松弛系数调整准则检查不合法的目标对，不改变原先的打击次序；所述的多阶段目标攻击初始序列的构造，采用匈牙利算法作为初始解的生成策略，当所有阶段的待打击目标集合生成后，从武器库中选择一定数量的武器，计算统一效率矩阵，调用匈牙利算法计算当前打击次序下的局部最优解，然后作为初始解传入模拟退火算法；步骤207：依据预设的概率准则更新松弛系数的数值；步骤208：重复步骤204和步骤205；步骤209：调用模拟退火算法转达步骤206-步骤208；步骤210：直至到达算法终止准则，解算出全局最优解；步骤3，根据求解获得的最优解进行武器目标分配；所述的多阶段武器目标分配模型，目标函数为：目标函数表示最小化所有目标的总体期望威胁值，约束条件包括：其中，W＝{1,2,...,m}，表示所有武器标号集合，任意武器i∈W，N＝{1,2,...,n},表示所有目标标号集合，任意目标j∈N，V j 表示第j个目标的初始威胁值，x tij 为0-1决策变量，表示第t阶段是否把武器i分配给目标j，若分配取值为1，否则取值为0，p ij 表示第i个武器对第j个目标的毁伤能力，S＝{1,2,...,s},表示阶段标号集合，任意阶段t∈S，N t 表示在t阶段准备打击的目标集合， W t 表示在t阶段可以使用的武器集合， m表示武器总数量，n表示目标总数量，s表示阶段总数量；公式(2)约束了在每一个攻击阶段，目标j只能被一个武器打击；公式(3)约束了一个武器最多追踪并袭击一个目标；公式(4)是0-1决策变量约束。