基于蟻群優化的BP神經網絡目標威脅估計方法

鄧玉梅

(西安電子科技大學 電子信息攻防對抗與仿真重點實驗室，陜西 西安 710071)

?

基于蟻群優化的BP神經網絡目標威脅估計方法

鄧玉梅

(西安電子科技大學 電子信息攻防對抗與仿真重點實驗室，陜西 西安 710071)

摘要根據空中目標威脅估計的特點，分析了基于BP神經網絡的空中目標威脅估計方法的不足。運用蟻群優化算法(ACO)的全局尋優能力，對BP神經網絡的初始權值進行優化，建立了改進的BP (ACOBP)空中目標威脅估計方法，解決了BP神經網絡初始權值的隨機性和網絡易陷入局部極小值的問題，提高了算法的收斂速度。并采用30組訓練樣本數據及8組測試數據，對算法的性能進行了仿真分析。仿真結果表明，該算法估計結果準確合理，收斂速度和收斂精度均優于BP算法，證明了該方法的有效性。

關鍵詞威脅估計； BP神經網絡； 全局優化

現代防空作戰中，空襲往往采取多批次、多層次、連續飽和式的攻擊手段，作戰信息急劇膨脹。為有效地發揮防空武器系統的整體效能并有秩序地實施防空作戰，必須及時合理對空中目標進行威脅估計，才有助于做出合理的射擊決策[1]。因此，研究空中目標威脅估計方法具有重要意義[2]。

空中目標威脅估計方法有很多，如層次分析法[3]、D-S證據理論[4]、云模型理論[5]、貝葉斯網絡[6]、模糊集[7]和支持向量機[8]等。這些方法各有所長，但其不能隨著作戰情況的變化靈活變化，適用性不高。誤差反向傳播(Back Propagation，BP)神經網絡算法[9]有良好的非線性逼近特性、自適應學習性，較好地對空中目標威脅進行估計，但BP網絡的初始權值選擇不當，會造成網絡陷入局部極小點。……