淺談群智能算法在火力分配模型求解中的應(yīng)用

李靈之　徐克虎　于璇

摘 要：本文首先對群智能算法進行了詳細(xì)地描述，用通俗的語言重點介紹了粒子群算法和蟻群算法。之后介紹了主從決策模型、協(xié)同決策模型、自適應(yīng)決策模型和動態(tài)火力分配模型，最后對群智能算法在火力分配模型求解中的應(yīng)用進行了詳細(xì)地介紹。

關(guān)鍵詞：群智能算法；火力分配模型；應(yīng)用

DOI：10.16640/j.cnki.37-1222/t.2018.21.196

1 引言

隨著人類社會的發(fā)展和科技的不斷進步，許多復(fù)雜的優(yōu)化問題需要我們進一步解決，傳統(tǒng)的數(shù)學(xué)方法已經(jīng)難以滿足人們對復(fù)雜問題求解速度的需求，人們開始追求更加科學(xué)有效的數(shù)學(xué)工具去解決這些復(fù)雜問題，隱枚舉法、分支定界法、動態(tài)規(guī)劃等方法相繼問世，但是這些方法僅僅對相對簡單的問題行之有效，對于復(fù)雜的數(shù)學(xué)模型求解往往力不從心。因此人們開始尋求新的解決問題的方法，人們把目光從抽象的數(shù)學(xué)問題集中到自然界本身上來，相繼出現(xiàn)了神經(jīng)網(wǎng)絡(luò)算法、遺傳算法等具有跨時代意義的算法。現(xiàn)代計算機技術(shù)的發(fā)展為人工智能領(lǐng)域的創(chuàng)新發(fā)展提供了技術(shù)支持與保障，群智能算法也應(yīng)運而生。

火力分配的模型建立就是依托計算機技術(shù)的發(fā)展，將戰(zhàn)場的態(tài)勢抽象成數(shù)學(xué)模型，進行問題解決。火力分配通常是解決多對多的問題，即我方多個火力平臺如何合理地分配火力對敵方武器裝備造成最大的毀傷效果。

2 群智能算法

群智能算法，嚴(yán)格意義上說是一種算法框架，并不是針對特定問題的具體算法。這些算法的提出多是通過觀察自然界生物，模擬生物運動，捕食等現(xiàn)象提出的。例如粒子群算法就是模仿鳥群尋找食物行為研究出的算法，粒子群算法的基本核心是在一個群體中的信息共享，使群體的運動從無序到有序。通俗點來講就是假設(shè)一群鳥在森林里尋找食物，最開始鳥群是無序的飛行，假設(shè)鳥兒們互相都可以無障礙交流且鳥兒們知道自己距離食物的距離，每隔一段時間大家會互相交流一下到食物的距離。之后找到離食物最近的鳥的位置和歷史上所有鳥兒經(jīng)過的離食物最近的點的位置，兩個位置加權(quán)求出一個最優(yōu)位置，大家就會向該位置飛行。之后不斷交流，不斷更新位置，直到找到食物即最優(yōu)解[1]。

和粒子群算法相類似的，蟻群算法是通過模擬螞蟻的覓食行為研究出的群智能算法，蟻群算法是為了解決最優(yōu)路線問題，通俗的來說，就是一群螞蟻在巢穴附近尋找食物，螞蟻發(fā)現(xiàn)食物后就會拿小部分食物往回走，并且在路上留下信息素，信息素的強度和食物的價值成正比，螞蟻回巢穴的路徑是隨機的，假設(shè)螞蟻的運動速度一樣快，那么最短的路徑上就會因為螞蟻的往返次數(shù)多而擁有更多的信息素，其他螞蟻就會向該路徑靠攏，不斷迭代最后篩選出最優(yōu)路徑。之后人們又相繼研究出了人工蜂群算法和狼群算法等一系列人工智能算法，為解決復(fù)雜數(shù)學(xué)模型問題提供了良好的工具和思路。群智能算法的流程圖如圖1所示[2]。

3 火力分配模型

火力分配模型就是為了使得有限的戰(zhàn)場資源獲得最佳的打擊效果。在大多數(shù)情況下，火力分配需要一些前提工作，例如武器裝備的戰(zhàn)場價值評估，威脅評估，我方武器裝備的打擊概率等等。火力分配模型有好多種，比如主從決策模型就是在上級在對下級布置任務(wù)之后，下級在所管轄范圍內(nèi)行使一定的自主權(quán)與決策權(quán)；協(xié)同決策模型就是武器裝備為了共同完成作戰(zhàn)任務(wù)互相配合互相協(xié)同；自適應(yīng)決策模型就是武器裝備根據(jù)戰(zhàn)場環(huán)境、戰(zhàn)場態(tài)勢變化、敵方打擊目標(biāo)的位置和速度的變化調(diào)整我方武器裝備火力的分配；動態(tài)火力分配模型的出現(xiàn)是因為靜態(tài)火力分配模型已經(jīng)不能夠滿足現(xiàn)代戰(zhàn)爭速度快、打擊火力強的特點，動態(tài)火力分配模型能夠滿足戰(zhàn)場時間空間的變化，合理地分配火力，更加貼近實戰(zhàn)[3]。

火力分配需要滿足以下幾個特點：（1） 有效性：火力分配模型必須結(jié)合戰(zhàn)場實際需求，有效提高戰(zhàn)場打擊能力。（2）快速性：火力分配方案需要保證實時性，因此對速度的要求很高，保證我方火力分配能夠抓住有利戰(zhàn)機。（3）科學(xué)性：火力分配必須保證我方資源的合理分配，各個方案必須有效實施。

4 群智能算法在火力分配模型求解中的應(yīng)用

因為大多數(shù)的火力分配模型都是NP問題，傳統(tǒng)的迭代算法求最優(yōu)解已經(jīng)不能適應(yīng)現(xiàn)代戰(zhàn)爭對速度的要求，群智能算法能夠科學(xué)有效地減少迭代次數(shù)，編程簡單，是求解火力分配模型的最優(yōu)選擇。通常情況下，用群智能算法求解火力分配模型，我們都會先進行十進制對所有分配方案進行編碼，之后選擇合適的“適應(yīng)度”準(zhǔn)則函數(shù)，通過不斷地迭代更新找到最優(yōu)解。

5 總結(jié)

綜上所述，群智能算法在現(xiàn)代軍事大環(huán)境下，有很大的應(yīng)用潛力，因此，就需要我們對群智能算法進行不斷地研究與更新，研制出更加符合現(xiàn)代化戰(zhàn)爭的控制決策系統(tǒng)，為打贏信息化戰(zhàn)爭做好充分準(zhǔn)備。

參考文獻：

[1]曲在濱，劉彥君，徐曉飛.用離散粒子群優(yōu)化算法求解WTA問題[J].哈爾濱工業(yè)大學(xué)學(xué)報，2011，43（03）：67-69.

[2]劉建新，宋以勝，盧厚清等.改進蟻群算法求解火力分配優(yōu)化[J].數(shù)學(xué)的實踐與認(rèn)識，2009，39（20）：92-99.

[3]黃大山，徐克虎，王天召.坦克分隊火力優(yōu)化配置模型[J].火力與指揮控制，2013，38（11）：95-98.