基于改進遺傳算法的破片殺傷戰斗部優化設計

毛亮，姜春蘭，王超，路偉靖

(北京理工大學 爆炸科學與技術國家重點實驗室，北京100081)

0 引言

破片殺傷戰斗部是現役裝備中最常見和最主要的戰斗部類型之一，它利用爆炸方法產生的高速破片群來實現對目標的擊穿、引燃和引爆，在對付空中、地面活動的低生存能力目標以及有生力量時具有良好的殺傷效果［1］。戰斗部的設計歷來就受到武器工業人員的重視，隨著現代戰爭模式、戰場環境以及科學技術的發展，傳統“畫加打”的設計模式已遠不能滿足設計需求，必須尋求科學的設計方法。

優化設計方法是最優化理論和計算機技術相結合的產物，它在解決復雜設計問題時，能從眾多的設計方案中快速尋到盡可能完善的或最適宜的設計方案，從而大大提高設計效率和設計質量。20 世紀70 年代國外就已經在武器系統設計中開展了優化設計探索性的研究和應用，并取得了一定的進展，特別是方案論證和工程初步設計階段，對方案的選擇與初始參數確定起到良好的作用［2］。國內自1980 年以來才逐步開展彈藥與戰斗部優化的應用研究工作［3］。由于在破片殺傷戰斗部優化設計過程中，需要綜合考慮的設計因素較多，設計變量與性能參數間的求解關系又較為復雜，而且目標函數與約束條件間又存在相互矛盾，若采用傳統優化算法(如約束法、復合形法等)，往往會遇到病態梯度、初始點敏感和局部收斂等問題。近年來，智能優化算法越趨成熟和完善，特別是遺傳算法，因其具有良好魯棒性、全局搜索性和快速收斂性，在優化設計領域得到了廣泛的應用［4-6］。因此，本文將在構建破片殺傷戰斗部優化設計的數學模型的基礎上，引入改進的遺傳算法，從而使破片殺傷戰斗部的設計效率和設計質量得到一定程度上的改觀。

1 破片殺傷戰斗部優化設計的數學模型

1.1 簡化的數學模型

數學模型是對實際問題的特征和本質的抽象，是反映各主要因素之間內在聯系的一種數學形態。破片殺傷戰斗部是武器彈藥的核心組成部件，其設計時需考慮搭載發射環境、飛行外界環境、引戰配合、威力特性等眾多因素。因此，評價破片殺傷戰斗部性能的指標是多種多樣的，在設計時通常選取某一個性能參數作為設計主體，而其他因素則為設計前提。總的來說，是在滿足多種約束條件下，使設計主體達到最大(或最小)，數學形式可表示為

式中:X 為破片殺傷戰斗部設計變量集合;f(X)為殺傷戰斗部目標函數;gu(X)為不等式約束函數;p為不等式約束總個數;hv(X)為等式約束函數;q 為等式約束總個數。

對于求min f(X)的問題可以轉化為max {-f(X)}或max {1/f(X)}的問題。

1.2 目標函數

破片殺傷戰斗部的設計分為正面設計與反面設計。正面設計是以威力最大化作為優化目標，即威力設計;反面設計則是在威力滿足戰術技術指標要求的情況下要求戰斗部質量盡可能小。

在正面設計中，主要毀傷元(即破片)的威力大小是反映破片殺傷戰斗部威力性能好壞的重要參考之一。因此，威力設計的主要出發點是要求破片在能擊穿一定厚度等效靶板的前提下使飛行距離越遠越好。綜合考慮破片初速、飛行過程中的速度衰減以及破片對一定厚度靶板的碰撞等影響因素，正面設計時的目標函數選為破片威力半徑Rs，即破片穿透一定厚度靶板下的最大殺傷半徑，其計算表達式如下:

式中:αi為破片在速度區間［vi，vi+1］內的衰減系數;v0為破片平均初速;v50為破片穿透一定厚度靶板的極限穿透速度;v1=v0，vn=v50.

反面設計的目標函數選為包括裝藥、內襯、破片、端蓋在內的戰斗部總質量。在本文計算時對質量函數作一轉換，其表達式采用如下形式:

式中:mc為裝藥質量;ms為內襯質量;mp為破片總質量;md為端蓋質量。

1.3 約束條件

破片殺傷戰斗部優化設計中其約束條件除了包含所有戰術技術性能指標之外，所構建的目標函數也是約束條件，這也是破片殺傷戰斗部優化設計中的一大特點。按類別可將其分為結構約束和性能約束。

在破片殺傷戰斗部優化設計過程中，設計方案應首先考慮到破片殺傷戰斗部搭載平臺的適應性，也即破片殺傷戰斗部的質量及結構尺寸限制，其表達式如下:

式中:m'為破片殺傷戰斗部允許的最大質量;L'為破片殺傷戰斗部允許的最大長度;D'為破片殺傷戰斗部允許的最大直徑。

對于飛機、巡航導彈、裝甲車等目標，一枚破片不足以對其造成毀傷，通常需要多枚破片同時打擊，因此，破片殺傷戰斗部的設計一般都要考慮破片殺傷密度對毀傷目標的影響。特別是利用高密度破片群對目標進行“切割式”毀傷的聚焦式戰斗部，它對破片殺傷密度的要求更高。因此，破片殺傷戰斗部爆炸后破片擊中目標的破片殺傷密度也是主要約束條件之一。此外，由于導彈制導精度條件的限制，戰斗部的破片帶寬或飛散角不能一味的減小，需要保持在一定水平內，以保證破片群能在制導精度范圍之內擊毀目標。當然其他威力參數如破片初速v0等，以及其他附屬的特殊要求也同樣需要考慮。總之，破片殺傷戰斗部的設計要求較為嚴格，其約束條件也相對較多，概括起來如下:

1.4 分析模型

破片殺傷戰斗部的性能分析是求解目標函數和分析約束條件的基礎。考慮到分析模型的多樣性、復雜性，根據模塊化的思想，將其劃為4 個計算模塊，即結構參數計算模塊、基本性能計算模塊、威力性能計算模塊和其他性能計算模塊。其中各性能分析模塊以結構參數計算與基本性能計算為數據核心，每個計算模塊的計算結果均與優化設計的性能評估有關，數據流向與輸出關系如圖1 所示，其中:μ 為聚焦帶寬;N 為破片總數;s 為破片飛散距離;β 為裝填比。

2 改進型遺傳算法

2.1 基于多父體雜交的改進遺傳算法

遺傳算法是根據生物學中遺傳與進化的原理，仿效基因、染色體等物質表達方式，遵循達爾文“物競天擇、適者生存”的選擇機理，使隨機生成的初始解通過復制、交叉和變異等遺傳操作不斷得到迭代進化，并逐步逼近最優解的一類隨機搜索優化算法［7］。該算法在運行過程中只需利用目標函數的取值信息，無需梯度等高價信息，因此適用于任意函數類的優化，具有極強的通用性。

圖1 破片殺傷戰斗部優化設計性能分析模型數據耦合關系Fig.1 Data coupling relation of performance analysis model for fragmenting warhead optimization design

改進遺傳算法是在簡單遺傳算法中引入多父體雜交算子。多父體雜交算法的雜交策略是，隨機選取M 個個體，形成子空間V 作為搜索空間，在空間V中將M 個個體進行雜交形成新個體，V 的表達式如(6)式［8-9］所示。由于參與雜交的個體增多，產生全新個體的概率增大，更易擺脫局部最優解，具有更優秀的全局尋優能力。

式中:ai滿足條件

2.2 改進遺傳算法的設計

2.2.1 編碼方式

破片殺傷戰斗部優化設計問題是一個具有多約束性、多維性和高精度要求的函數優化問題。實數編碼由于在占用計算空間較小的情況下，能產生取值范圍較大的解空間，并具有足夠精度，同時也會改善遺傳算法計算的復雜性，便于處理復雜的多約束問題。因此，在破片殺傷戰斗部的優化設計中設計改進遺傳算法時采用實數編碼方式。

2.2.2 遺傳操作

破片殺傷戰斗部優化模型通過構建交配池來完成遺傳操作。采用比例選擇算法為交配池選擇不重復的一對父體，在交配池中按交叉概率Pc對兩個父體進行交叉操作，最后運用變異算子以兩個較低的概率Pm產生新隨機個體分別替換原有的個體。交叉操作采用非均勻算術交叉算子，表達式如下:

式中:α 為算術雜交參數，α =t/tmax，t 為當前進化代數，tmax為最大進化代數。

這種雜交算子在初期最大限度地保證初始種群的多樣性，中期通過增大雜交強度加快種群進化速度，末期減少個體變化概率，可加快收斂速度，從而在一定程度上達到快速搜索最優解的目的。

2.2.3 約束條件的處理

破片殺傷戰斗部設計中最優解通常在可行解空間的邊緣，得出的最優解極易超出可行解空間范圍，而線性罰函數法的罰因子設定又較困難。因此，優化計算中采用極端的罰函數法，當超出約束范圍時，直接將個體適應度降為0，稱為致死基因。設約束條件為g(X)≥0，則適應度函數如(8)式所示。為了防止優化程序運行時出現奇異值，本文將致死基因設為無限接近于0 的小數(為1.0 ×10-7)。

2.3 優化設計過程

破片殺傷戰斗部優化設計方法采用改進型遺傳算法驅動戰斗部設計迭代過程，不同于傳統優化設計迭代過程中設計方案一般只有一個或幾個，改進型遺傳算法是一種群體并行搜索算法，在大量設計方案的基礎上進行尋優，具體過程如圖2 所示。

圖2 破片殺傷戰斗部優化設計過程Fig.2 Optimization design process of fragmenting warhead

基于改進遺傳算法的破片殺傷戰斗部設計優化方法的一大特點在于，該方法采用遺傳算子代替了傳統設計中由設計人員人工調整設計參數生成設計方案的過程，而且同時還執行了設計方案的擇優。設計初始階段根據設計變量的取值范圍，隨機產生大量初始破片殺傷戰斗部設計方案，稱為初始種群，并對初始種群的每個個體進行性能分析，性能分析結果轉化為適應度函數。隨后運用遺傳算子在交配池中按一定概率產生新的設計方案，刷新種群，同時用多父體雜交算子淘汰最差設計方案。在迭代過程中采用精英保留策略最后保存最優的設計方案，使其不被更改直接遺傳到下一代。

在此過程模型中，性能分析模塊基本獨立于設計過程，不影響擇優機制的運作，但是性能分析模型與設計變量決定了種群個體的性質，更改性能分析模塊和設計變量就可以設計新種類戰斗部。由此可見該設計方法的普適性很強，也適用于其他種類戰斗部的優化設計。

3 破片殺傷戰斗部優化設計實例

聚焦式破片殺傷戰斗部(以下簡稱聚焦式戰斗部)是目前研究較為活躍的破片殺傷戰斗部類型之一。相對于普通破片殺傷戰斗部而言，其結構較為復雜，而且戰術技術指標中聚焦戰斗部相對于一般戰斗部而言對破片密度的要求也較高，設計過程中必須對聚焦曲線進行精密的設計，因此優化難度較高。本文就以某典型聚焦式戰斗部［10］為例，運用改進型遺傳算法對其進行優化設計。

3.1 優化設計的模型

聚焦式戰斗部的基本結構如圖3 所示，其戰術技術指標要求如表1 所示。

圖3 聚焦式戰斗部結構示意圖Fig.3 Structural diagram of focusing fragmenting warhead

為了便于闡述方法本身，首先做如下初始限制條件:聚焦曲線為圓弧段，破片采用方形，起爆方式為偏心兩點起爆，破片材料為鎢合金，裝藥為OCTOL，內襯和端蓋材料都為鋁合金。于是首先可總結得出設計變量如下:

表1 某聚焦式戰斗部的戰術技術指標Tab.1 Specifications of focusing fragmenting warhead

式中:d1、d2分別為聚焦式戰斗部裝藥兩端直徑;R 為裝藥母線曲率半徑;l 為聚焦式戰斗部長度;t1為內襯厚度;t2為端蓋厚度;h 為破片厚度;w 為破片寬度;lp為破片長度;λ1=w/h;λ2=lp/h.

設計變量的取值范圍如表2 所示。

表2 結構設計變量取值范圍Tab.2 Value ranges of structure design variables

性能參數要求如表3 所示。

表3 聚焦式戰斗部性能要求Tab.3 Performance requirements of focusing fragmenting warhead

3.2 優化設計結果及分析

分別以破片威力半徑Rs與戰斗部總質量m 為優化目標對聚焦式戰斗部進行設計。遺傳算法的遺傳算子設置為:交叉概率Pc設為0.95，變異概率Pm設為0.15，種群規模為200，最大進化代數為1 000.

圖4 給出了破片威力半徑Rs隨迭代次數k 的變化歷程，破片威力在572 代時收斂，耗時71 s;圖5戰斗部總質量m 隨迭代次數k 的變化歷程，戰斗部總質量m 在194 代時收斂，耗時也是71 s. 以不同對象為優化目標時得到的兩種聚焦式戰斗部方案，其結構參數和性能參數對比如表4 所示。

圖4 Rs的收斂歷程Fig.4 Convergence history of Rs

圖5 m 的收斂歷程Fig.5 Convergence history of m

表4 某聚焦式戰斗部優化前后參數對比Tab.4 Parameters of focusing fragmenting warfare before and after optimizing

由表4 可知，以不同對象為優化目標優化得到的兩種方案的聚焦式戰斗部，其各項參數指標均滿足戰術技術指標要求。在所給定優化目標的對象方面其優化效果尤為明顯，以破片殺傷半徑Rs為優化目標時，相比參考戰斗部，破片殺傷半徑提高近30%;以戰斗部總質量m 為優化目標時，相比參考戰斗部，戰斗部總質量減少近一半。總體說明，基于改進型遺傳優化算法普適性好，約束能力較強，優化性能較好，可用于破片殺傷戰斗部的優化設計中。

4 結論

通過將破片殺傷戰斗部的優化設計轉化為單目標多約束的優化問題，構建了破片殺傷戰斗部優化設計的數學模型;并在簡單遺傳算法中引入多父體雜交算子，搭建了破片殺傷戰斗部優化設計的整個過程。運用該優化設計方法對某聚焦式破片殺傷戰斗部進行優化設計，設計結果滿足各項戰術技術指標要求，且設計對象指標有較大的改觀。該優化設計方法表現出了良好的全局收斂性和收斂速度，由于性能分析模塊獨立于優化設計過程，更改性能分析模塊和設計變量就可以設計新種類戰斗部，因此，該方法還具有很好的普適性，可用于拓展到其他類型戰斗部的設計。

References)

［1］王儒策，趙國志，楊紹卿. 彈藥工程［M］. 北京:北京理工大學出版社，2002.WANG Ru-ce，ZHAO Guo-zhi，YANG Shao-qing. Ammunition engineering［M］. Beijing:Beijing Institute of Technology Press，2002.(in Chinese)

［2］趙捍東，魏志芳，張國偉. 彈藥優化設計［M］. 北京:兵器工業出版社，2005.ZHAO Han-dong，WEI Zhi-fang，ZHANG Guo-wei. Optimization design of ammunition［M］. Beijng:Publishing House of Ordnance Industry，2005.(in Chinese)

［3］董素榮，陳國光. 基于灰關聯和物元分析的戰斗部威力優化設計［J］. 中北大學學報:自然科學版，2012，33(6):655 -658.DONG Su-rong，CHEN Guo-guang. Warhead power optimization design based on gray correlation and matter element analysis［J］.Journal of North University of China:Natural Science Edition，2012，33(6):655 -658.(in Chinese)

［4］常紅偉，馬華，張介秋，等. 基于加權實數編碼遺傳算法的超材料優化設計［J］. 物理學報，2014，63(8):1 -7.CHANG Hong-wei，MA Hua，ZHANG Jie-qiu，et al. Optimization of metamaterial based weighted real-coded genetic algorithm［J］. Acta Physica Sinica，2014，63(8):1 -7.(in Chinese)

［5］王利琴，董永峰，顧軍華. 改進的精英遺傳算法及其在特征選擇中的應用［J］. 計算機工程與設計，2014，35(5):1792 -1796.WANG Li-qin，DONG Yong-feng，GU Jun-hua. Improved elitist genetic algorithm for feature selection［J］. Computer Engineering and Design，2014，35(5):1792 -1796.(in Chinese)

［6］樊超，張為華. 基于遺傳算法的固體火箭發動機參數辨識［J］. 固體火箭技術，2008，31(4):321 -324.FAN Chao，ZHANG Wei-hua. Identification of model parameters of solid rocket motor based on genetic algorithm［J］. Journal of Solid Rocket Technology，2008，31(4):321 -324.(in Chinese)

［7］韓瑞鋒. 遺傳算法原理及應用實例［M］. 北京:兵器工業出版社，2010.HAN Rui-feng. The principle of genetic algorithm and its application example［M］. Beijing:Publishing House of Ordnance Industry，2010.(in Chinese)

［8］張勇，王福林，玄登影，等. 分組實數遺傳算法優化拖拉機轉向梯形問題研究［J］. 農機化研究，2014，12:92 -95.ZHANG Yong，WANG Fu-lin，XUAN Deng-ying，et al. Study on tractor steering optimization based on grouping real coded genetic algorithm［J］. Journal of Agricultural Mechanization Research，2014，12:92 -95.(in Chinese)

［9］郭濤，康立山，李艷. 一種求解不等式約束下函數優化問題的新算法［J］. 武漢大學學報:自然科學版，1999，45(5B):771 -775.GUO Tao，KANG Li-shan，LI Yan. A new algorithm for solving function optimization problems with inequality constraints［J］.Journal of Wuhan University:Natural Science Edition，1999，45(5B):771 -775.(in Chinese)

［10］嚴翰新. 新一代空空導彈引戰配合及定向戰斗部技術研究［D］. 北京:北京理工大學，2010.YAN Han-xin. Study of directional warhead of new generation air to air missile［D］. Beijing:Beijing Institute of Technology，2010.(in Chinese)