藍啟城，王 磊，李向陽，潘長鵬

（1.海軍裝備部航空準備局，北京100841；2.海軍航空工程學院指揮系，山東煙臺264001）

基于多目標決策的對岸火力支援火力分配模型

藍啟城1，王 磊2，李向陽2，潘長鵬2

（1.海軍裝備部航空準備局，北京100841；2.海軍航空工程學院指揮系，山東煙臺264001）

在建立對岸火力支援作戰(zhàn)中火力分配思維機制的基礎上，根據最優(yōu)火力分配的基本要素，構建了基于多目標決策分析的火力分配模型。通過改進后遺傳算法對模型進行仿真求解，結果驗證了多目標決策分析方法在對岸火力分配問題中的適用性，運用改進后的遺傳算法對火力分配模型求解具有明顯的優(yōu)勢。

多目標決策；對岸火力支援；火力分配

1 對岸火力支援作戰(zhàn)火力分配的思維機制

軍語將火力支援定義為“以火力對所屬部隊或友鄰作戰(zhàn)行動實施的援助”。[1]對岸火力支援作戰(zhàn)中火力分配的最終目標是發(fā)揮各種火力支援平臺的整體協(xié)調優(yōu)勢，尋求對敵抗登陸防御體系打擊目標的最大毀傷效果并使己方兵力的損耗最小[2-3]。

首先，明確火力支援戰(zhàn)場敵我雙方的基本情況是進行火力分配優(yōu)化的基礎。其次，需要依次考慮敵方目標自身情況及其防衛(wèi)情況，我方火力支援平臺的情況及彈藥剩余量，敵我雙方區(qū)域的氣象環(huán)境也會影響到火力支援作戰(zhàn)行動；而這些因素，通常都是隨時變化的，因此，需要不斷更新戰(zhàn)場態(tài)勢。

在此基礎上，通過定性分析，避免“火力支援平臺-彈藥-目標”的不匹配，得到各目標可用火力打擊平臺及彈藥。再結合具體的作戰(zhàn)約束條件，基于毀傷效果最大化構建火力分配模型，解算得到火力分配方案。通過上述分析，可以歸納出對岸火力支援中解決火力分配問題的思維機制如圖1所示。

2 基于多目標決策的對岸支援火力分配模型

2.1 最優(yōu)火力分配問題的假設條件

為了便于對岸火力支援作戰(zhàn)中最優(yōu)火力分配的問題研究，有必要提出以下假設條件[4-5]：

1）同一時刻，每個火力支援平臺只能發(fā)射一種彈藥對一個目標進行火力打擊，但一個目標可以有多個火力支援平臺對其進行火力打擊；

2）為了盡可能多地摧毀敵方目標，為登陸兵力提供最大限度地火力支援，要求當對敵目標達到最大毀傷程度時，我方所有的火力支援平臺都分配到火力打擊任務；

3）設我方火力支援兵力中作戰(zhàn)平臺數量為m，敵抗登陸防御體系中有n個目標作為火力打擊對象；

4）i表示某一火力支援平臺(i=1,2,…,m)，j表示該火力支援平臺打擊任務內的敵方某一目標(j=1,2,…,n)，用xij表示火力支援平臺對目標的分配方案，即有

2.2 確定最優(yōu)火力分配目標函數

基于上述假設，按“對敵目標毀傷程度最大、火力支援平臺-打擊目標匹配最好、我方支援兵力損失最小”的最優(yōu)原則建立模型，是一個多目標決策問題。

設我方有m個火力支援作戰(zhàn)平臺對敵抗登陸防御體系n個分散型目標進行火力打擊，各目標價值為vj，各火力支援平臺對各目標的毀傷概率為pij，對目標的打擊匹配度可用火力適配系數cij描述，打擊風險度為eij（這里，eij僅用來描述敵方目標對火力支援平臺的反擊強度），其中i=1,2,…,m，j=1,2,…,n。從而可得決策矩陣：

模型可描述為尋找問題的一組解X，滿足以下目標函數和約束條件。

目標函數為：

約束條件為：

1）xij=0或xij=1。

采用加權方法，可將多目標決策問題轉化為單目標最優(yōu)化問題。[6-8]

權重系數可由專家調查法確定，限于篇幅，這里不再贅述。

設多目標決策函數的權重為：

則多目標決策模型中的目標函數可轉化為：

3 基于改進GA算法的對岸支援火力分配模型求解

遺傳算法是一種基于生物自然選擇與遺傳機理的隨機搜索算法，遵循自然界“適者生存”的法則，按照基于種群和個體的設計方案，加入自然選擇、交叉和變異操作，進行問題的優(yōu)化求解。由于遺傳算法不受問題求解空間的限制，不必對求解問題做出連續(xù)性、導數存在和單峰等假設，以及算法本身具有并行性，因而在優(yōu)化求解方面具有較強的優(yōu)越性，在火力分配問題求解中得到了廣泛的應用[9-13]。

3.1 改進GA算法流程

本節(jié)設計了一種基于動物捕食搜索策略的改進遺傳算法（Predatory Search Genetic Algorithms，PSGA），來提高算法的綜合搜索能力，研究了基于改進遺傳算法的對岸支援火力分配問題[14-20]。

改進的PSGA算法算法的流程如圖2所示。

3.2 仿真算例

現(xiàn)以一個實例來具體說明PSGA算法在對岸支援火力分配中的應用。

假設為了給我方登陸兵力提供實時有效的火力支援，我方火力支援兵力共有10個火力支援平臺對敵岸上5個目標實施打擊，通過對目標屬性的分析可得到目標的價值為vj=(0.12 0.23 0.16 0.30 0.19)。

各火力支援平臺對各目標的毀傷概率、火力適配系數及風險度指數如表1所示。

仿真算例中，初始種群規(guī)模80，迭代次數為200次，交叉概率為0.8，變異概率為0.02，運用Matlab語言編寫仿真程序，得到改進前后的仿真結果如圖3和表2所示。

表1 各火力支援平臺對目標的毀傷概率、火力適配系數和打擊風險度Tab.1 Data of kill probability，fire appropriation coefficient and attacking risk

表2 PSGA算法改進前后仿真結果表Tab.2 Simulation result of comparison between PSGAand GA

3.3 結果分析

通過對PSGA算法改進前后仿真結果的比較，結果證明：經精英保留和自適應交叉變異概率調整等措施改進后的PSGA算法具有更好的搜索性能和尋優(yōu)概率，收斂速度顯著提高，尋優(yōu)過程穩(wěn)定，由該算法求得的對岸火力支援火力分配方案具有高度的可行性和全局最優(yōu)性，能夠在一定程度上可以滿足火力支援平臺與打擊目標之間實時分配的要求，有效地發(fā)揮火力支援平臺整體作戰(zhàn)性能，隨著火力支援平臺和打擊目標數量的增加，改進后的算法求解火力分配模型的優(yōu)勢將更加明顯。

4 結論

本文依據對岸火力支援作戰(zhàn)中最優(yōu)火力分配的基本要素和假設條件，構建了基于多目標決策的對岸支援火力分配模型，并將多目標決策問題簡化為單目標決策問題；為了進一步提高對所構建的火力分配模型求解的精確性、高效性和實時性，將動物捕食搜索策略用于改進遺傳算法，并結合具體事例進行了仿真驗證。結果表明了文中所建立火力分配模型在優(yōu)化求解方面的有效性，也驗證了改進后的PSGA算法的高效性，在一定程度上縮短了火力籌劃中火力分配的決策時間，為對岸火力支援作戰(zhàn)中的指揮決策提供了理論依據。

[1]中國人民解放軍軍事科學院.中國人民解放軍軍語[M].北京：軍事科學出版社，1997：154. MILITARY SCIENCE ACADEMY OF PLA.Military terms of PLA[M].Beijing：Military Science Press，1997：154.（in Chinese）

[2]歐陽才超，李為民，陽曙光.聯(lián)合火力打擊目標分配[J].空軍工程大學學報：自然科學版，2009，10（3）：50-54. OUYANGCAICHAO，LI WEIMIN，YANGSHUGUANG.Optimal analysis of target assignment problem in joint fire attack[J].Journal of Air Force Engineering University：Natural Science Edition，2009，10（3）：50-54.（in Chinese）

[3]張羽.論聯(lián)合戰(zhàn)斗[M].北京：國防大學出版社，2003：138-139. ZHANG YU.Discussion of joint operation[M].Beijing：National Defense University Press，2003：138-139.（in Chinese）

[4]張最良，李長生，趙文志.軍事運籌學[M].北京：軍事出版社，1993：67-76. ZHANG ZUILIANG，LI CHANGSHENG，ZHAO WENZHI.Military operations research[M].Beijing：Military Press，1993：67-76.（in Chinese）

[5]李廣運，薛姬榮，任海龍.基于超視距精確打擊彈藥的實時火力分配方案研究[J].兵工學報，2010，31（2）：9-12. LI GUANGYUN，XUE JIRONG，REN HAILONG.Research on real-time firepower allocation based on BVR and precise attack ammunition[J].Acta Armamentarii，2010，31（2）：9-12.（in Chinese）

[6]明亮.遺傳算法的模式理論及收斂理論[J].西北工業(yè)大學學報，2006，24（4）：468-471. MING LIANG.Schema theory and convergence theory for genetic algorithms[J].Journal of Northwestern Polytechnical University，2006，24（4）：468-471.（in Chinese）

[7]陳梵，薛敏，葛蓬，等.基于云理論和多傳感器加權平均的關鍵性能指標狀態(tài)描述[J].微電子學與計算機，2012，29（1）：159-163. CHEN FAN，XUE MIN，GE PENG，et al.Description approach of performance index based on cloud theory and weighted mean method for multi-sensor[J].Micro-electronics and Computer，2012，29（1）：159-163.（in Chinese）

[8]李大建，王鳳山.多重防御下巡航導彈打擊火力分配優(yōu)化[J].彈箭與制導學報，2005，25（2）：643-645. LI DAJIAN，WANG FENGSHAN.Optimizing research on firepower assigning of cruise missile’s attack under multi-ply air defence[J].Journal of Projectiles，Rockets，Missiles and Guidance，2005，25（2）：643-645.（in Chinese）

[9]楊懿，武昌，劉涵.改進粒子群算法在導彈火力分配中的應用[J].火力與指揮控制，2007，32（1）：60-73. YANG YI，WU CHANG，LIU HAN.Enhanced particle swarm optimization algorithm and its application to missile fire allocation[J].Fire Control&Command Control，2007，32（1）：60-73.（in Chinese）

[10]ZNEJUNG LEE，CHOUYUAN LEE，SHUNFENG SU. An immunity-based ant colony optimization algorithm for solving weapon-target assignment problem[J].Applied Soft Comptuting，2002，2（1）：39-47.

[11]BO LIU，ZHENG QIN，RUI WANG，et al.A hybrid heuristic ant colony system for coordinated multi-target assignment[J].Information Technology Journal，2009，8（2）：156-164.

[12]徐海剛，陳慧雄，張蓉.未來海上兩棲機動作戰(zhàn)編隊的兵力編成分析[J].海軍大連艦艇學院學報，2012（4）：14-16. XU HAIGANG，CHEN HUIXIONG，ZHANG RONG. Analysis on force composition of maritime amphibious maneuverable formation[J].Journal of Dalian NavalAcademy，2012（4）：14-16.（in Chinese）

[13]宋劍，成靜，趙偉.艦艇編隊綜合作戰(zhàn)能力評估的模糊聚類分析[J].火力與指揮控制，2012，37（3）：83-86. SONG JIAN，CHENG JING，ZHAO WEI.Fuzzy fluster analysis on the synthesis operation capacity evaluations of naval vessel[J].Fire Control&Command Control，2012，37（3）：83-86.（in Chinese）

[14]ZNEJUNG LEE，CHOUYUAN LEE，SHUNFENG SU. An immunity-based ant colony optimization algorithm for solving weapon-target assignment problem[J].Applied Soft Comptuting，2002，2（1）：39-47.

[15]RAVINDRA K AHUJA，ARVIND KUMAR，KRISHNA C JHA，et al.Exact and heuristic algorithms for the weapon-warget assignment problem[J].Operations Research，2007，55（6）：1136-1146.

[16]付東，方程，王震雷.作戰(zhàn)能力與作戰(zhàn)效能評估方法研究[J].軍事運籌與系統(tǒng)工程，2006，30（12）：57-58. FU DONG，F(xiàn)ANG CHENG，WANG ZHENLEI.Research on met hods of combat capability and combat effectiveness[J].Military Operation Research and Systems Engineering，2006，30（12）：57-58.（in Chinese）

[17]JIANG CHANGSHENG，CHEN MOU.Adaptive H control of nonlinear systems with neural networks[J].Chinese Journal ofAeronautics，2003，16（1）：36-41.

[18]MEYER D W，CRISPINO N，LYONS C B.IFFC fire control system mechanization fire-fly III[C]//Proceedings of the IEEE NAECON’80.1980：1002-1011.

[19]LEE S，PARK J.Neural computation for collision free path planning[J].Journal of Intelligent Manufacturing，1991，2（1）：315-326.

[20]OUINLAN S，KHATIB O.Elastic bands connecting path planning and robot control[C]//Proceedings IEEE International Conference on Robotics and Automation.Atlanta GA：IEEE，1993：802-807.

Anti-Shore Fire Support Fire Distribution Model Based on Multi-Objective Decision-Making

LAN Qicheng1,WANG Lei2,LI Xiangyang2,PAN Changpeng2
（1.Aviation Preparation Bureau of NED,Beijing 100841,China; 2.Department of Command,NAAU,Yantai Shandong 264001,China）

Based on building the process chart of fire distribution based on fire supporting to shore,according to the basic factors and hypothesis of optimal fire power distribution in anti-shore support operations,an anti-shore support fire power distribution model based on multi-objective decision-making was built.Considering the powerful searching ability of GA, an improved genetic algorithm—predatory search genetic algorithm I.e.PSGA was devized.The result satisfied the optimal solution of fire support.

multi-objective decision-making;anti-shore fire support;fire distribution

E83

：A

1673-1522（2017）01-0176-05

10.7682/j.issn.1673-1522.2017.01.014

2016-11-10；

：2016-12-14

藍啟城（1981-），男，碩士。