文摘
针对的问题点太多信息,复杂的任务和资源匹配,和太多的非劣解的过程中集团目标操作伪装计划、目标模型和约束模型组目标操作伪装计划已经建立了基于改进的遗传算法。通过资源约束调整经营者和离散化编码、任务和资源的匹配和调整任务序列实现,适应度函数是构造得到相对最优的解决方案。以火炮位置组织目标为例,仿真结果表明,该方法的优化能力优于贪婪算法。生成的伪装任务的总时间序列方法的平均减少了2%,贪婪算法。该方法可以帮助指挥官进行伪装方案规划和有效地提高操作效率的工程支持。
1。介绍
在现代信息战争中,战场形势变化迅速,操作节奏越来越快。一个正确的决定取决于战场情况可以及时、准确地处理(1]。的基础上获得大量的伪装情况信息,伪装指挥官必须注意许多点,长长的队伍,广泛的领域,严格要求在决策过程。因此,很容易产生空间盲点,伪装的因素可能会导致不能控制的操作命令增加(2]。伪装方案的精度和效率难以保证依靠指挥官和手动独自工作。伪装的编译和部署部队的核心内容是操作伪装计划和制定伪装计划的主要依据。操作伪装计划的核心内容是伪装的编译和部署部队。这是匹配任务的过程中,资源和时间。也等各种因素的影响和限制的伪装任务属性、资源类型、任务时间限制和操作环境。的扩张的规模和复杂性问题,多个伪装目标的优化和决策问题通常参与规划过程。因此,解决伪装规划问题具有重要意义的集团目标资源约束下实现伪装支持任务。
很少有公共研究伪装规划集团的目标,主要是设计和评价伪装方案和评价选择。例如,聂明华[3)设计并实现了一套军事迷彩伪装方案生成技术和系统适用于可见光波段的需求和现状的基础上,军事伪装方案生成,但系统关注的是伪装技术,主要的设计地形和迷彩伪装模式设备。竞选伪装方案生成和有效性评价体系设计的杨Jumei et al。4)可以帮助用户制定竞选伪装方案通过模拟迷彩伪装部队的行动。系统可以分析和评估不同的迷彩伪装效果的方案。然而,系统伪装方案的生成是基于工程担保的原则,并没有特定的模型算法。刘洋et al。5)设计了一种基于贪婪算法的任务规划方法的约束下可见卫星地面站系统时间和任务的任务规划问题,但最终结果是,几个任务在一段时间没有给具体的开始和结束时间为每个任务。Bui H et al。6]研究了美国海军操作的开发和实现资源分配和调度算法,并介绍了未来的操作单元规划模块和任务调度模块。他们设计了一个文中针对调度算法,但该算法被任务类型的数量有限。从当前研究伪装规划集团目标,更多的研究是关于伪装技术,如自动生成伪装模式,和更少的研究最优匹配伪装资源和任务;更多的研究设计和评估的伪装方案的总体框架,和更少的研究具体操作伪装的任务序列的生成;更多的研究评价的迷彩伪装效果的方案,和更少的研究实际伪装的时效性要求操作;更多的研究在单一目标伪装和更少的研究小组目标伪装。
基于总结前面的方法,本文建立了一个伪装的目标模型和约束模型规划集团的目标。我们设计一个资源约束经营者基于遗传算法实现伪装有限资源的合理配置,这样伪装资源随时间均匀分布基于群体的伪装支持需求的目标。伪装计划甘特图是自动生成的。每个目标的伪装任务时间合理安排,使整个伪装计划得到最短的时间。通过这种方式,在迷彩伪装资源可以充分利用行动,并协助设计和生成伪装迷彩指挥官的计划。
2。问题描述
操作任务规划是规划和设计的过程的过程操作,操作任务的安排,力量和资源的使用,通过科学规划和协调行动的部队为目的的方法和计算机工具实现操作意图等约束条件下操作规则和操作规则(7- - - - - -11]。组织目标的伪装计划是操作的一个子集的任务计划。这是一个计划和设计过程实现伪装工程支持效应,伪装的任务安排,利用智能方法和伪装的资源利用率。如图1战前的集团目标操作伪装计划主要用于协助代伪装计划和指导执行迷彩的伪装单位任务。主要接收目标特征、背景资料,战斗技术需求,和伪装措施相关的战场情况,并通过智能方法制定伪装计划。操作伪装计划在战时主要协助伪装的动态调整或再生计划。操作伪装计划接收操作意图和操作概念从顶部,并计划目标和伪装下属伪装部队行动。集团目标操作伪装计划问题的决策空间很大,而且很难被解决通过遍历搜索解决方案或状态。有必要减少决策空间的维度通过智能方法(12)找到一个战略平衡的解决方案。
实际操作伪装计划是一个伪装任务调度问题在资源约束下,也就是说,一个匹配的优化问题中伪装任务,伪装资源和任务时间下多个约束。最终的匹配结果是由迷彩伪装任务完成资源在一定的时期内。其中,序列之间的约束伪装任务,伪装的冲突资源占领,完成迷彩伪装的能力资源的任务,和伪装任务持续时间构成的主要约束。伪装目标操作规划问题,多个伪装目标的优化和决策规划过程中必须全面考虑。最后一个问题的解决方案是实现所有考虑的整体最优的目标。最终解决方案的实际功能主要包括以下几个方面。(1)明确伪装的任务。伪装需要执行的任务主要是确定基于目标特征数据的综合分析,背景特征数据,伪装设备数据和操作技术指标,形成一个伪装任务列表。(2)生成任务序列。它需要完全理解临界和互连的集团目标,并在这一过程中可能遇到的各种情况的侦察和对抗敌人,设计伪装行动,和伪装的任务流程,以提供一个依据伪装资源分配和伪装力量协调。 (3) Reasonably allocating camouflage resources. The dynamic mapping of camouflage resources and camouflage tasks is achieved, mainly solving the problems of resource conflict and resource utilization maximization. (4) Coordinating camouflage operations. After clarifying the camouflage task and its execution camouflage unit, required camouflage resources, and task time, the camouflage forces executing each target cooperate with each other, cooperate closely, and complement each other’s advantages through coordinating camouflage operations, to form an overall camouflage action for the group targets.
2.1。基本概念
首先,伪装的基本概念规划集团目标操作澄清:(1)伪装的任务。集团的目标是由几种不同类型的单元目标,许多不同类型的目标并不是独一无二的。依靠伪装任务系统应用数据库由先前的项目中,单一目标伪装方案满足伪装效果的要求可以查询根据单元目标的类型,和所需的操作时间和伪装资源满足伪装效果的要求。单位的数量目标的类型 ,这种类型的数量 。伪装的任务小组的目标是由单元目标的伪装子任务组成的。为了提高解决伪装规划问题的准确性的集群目标,集团目标伪装任务的数学模型如下:
代表整个团队目标伪装的任务,代表单位目标子任务,代表伪装子任务所需的时间。代表伪装子任务所需的资源。代表伪装子任务的数量。集团目标伪装任务单元目标伪装子任务,伪装子任务所需的时间和资源集合。每个单元目标组中有不同的军事价值目标的作用,影响伪装水平和资源投资的部门目标。考虑到实际伪装的任务,任务的串行和并行情况下同时存在,确保伪装计划的顺利实施。有一定相关性的各种目标群体的目标,这是不同于单一的简单积累目标伪装。事实上,所有的目标需要集成综合评价。第0个和th虚拟任务,任务的开始和结束标记伪装计划,不占用任何的时间和资源。伪装任务所需的时间是 ,与开始时间和结束时间 。所有的任务是联系在一起的两个约束条件,即优先约束和资源约束。(2)优先约束。这意味着每个任务必须等到它的前身所有任务开始前完成(13]。让是前任任务组的任务 ,然后对任何任务 ,如果还没有结束,不能开始。同时,考虑到伪装任务传输时间约束组织目标和额外的时间避免敌人侦察任务执行过程中,执行下一个任务的开始时间必须大于前一个任务的结束时间的总和,任务传输时间和额外的时间来避免敌人的侦察(3)资源约束。这意味着伪装完成这些任务所需资源的数量是有限的。实现迷彩伪装资源包括技术力量、绘画伪装设备,遮蔽伪装设备、假目标伪装设备,smoke-generating设备和雷达干扰设备。假设整个伪装计划包含各种资源;这种类型的伪装资源的数量 。然后,伪装资源的总金额是:
所使用的资源总数正在执行的任务不能超过现有资源的总量。判断是否有多个伪装任务可以并行资源约束决定了最终生成的任务序列的风格。
2.2。问题模型
尽管每个伪装目标伪装规划集团的目标操作组的目标作为一个整体的一部分,它是一个伪装资源有限的竞争关系。是不可能申请所有伪装的资源以满足只有一个目标,那就是,它是不可能让每一个伪装目标同时优化。每个目标的最大优化只能通过一定的优化方法。在每个目标的时间和所需的伪装资源的数量确定在早期阶段,所有伪装任务的顺序安排的情况下优先约束和资源约束得到满足,和每个伪装任务的开始时间和结束时间。通过这种方式,伪装计划的总时间是最短的。下列关于这个问题建立数学模型。
在上面的公式,公式(3)以伪装计划的总时间为目标函数。作战伪装规划的问题,条件下单一目标伪装计划满足的伪装效果水平优越,伪装计划的优化的总时间有利于更好的应对战场上突发事件,完成伪装更快和更有效地支持任务,促进后续作战任务的部署,更好地提高实战效果的伪装操作计划。因此,满足需求的条件下单一目标的伪装效果,伪装行动规划的总时间应该最小化。公式(4)是一个优先级约束公式(5)是一个资源约束,是 伪装资源子任务分配矩阵, ;1意味着伪装的资源分配给子任务,每个资源只能分配给一个子任务,和公式(6)是一个非负约束。
2.3。解决方案空间
伪装操作规划问题的解决方案应该包括匹配的结果每个伪装目标资源和任务的执行时间。解决方案空间模型表示为:
在哪里代表了子任务数,代表伪装目标所需的资源的数量,和 代表的开始时间和结束时间的目标,分别。最后,整个任务序列组的目标是视觉上以甘特图的形式表示。这个任务占用的资源在时间内 。为了避免多个任务占用的情况相同的资源同时,解决方案空间约束如下: 在哪里代表的任务集与占用资源冲突 。然后,任何情况下伪装的资源被两个目标同时超过给定的数量。在这种情况下的解决方案筛选的最终解决方案符合伪装资源约束。
3所示。算法设计
3.1。算法的步骤
遗传算法搜索(优化)算法是基于自然选择和自然遗传机制的原则。模拟自然界中生命的进化机制,达到特定的目标优化的人工系统。遗传算法的本质是使用群体搜索技术进化一代又一代地根据适者生存的原则,最终获得最优解或最优解14]。由于系统的复杂性和高时效性高集团目标操作伪装计划解决这个问题,使用群体搜索技术的遗传算法可以更好地解决这个问题。首先,每个伪装任务是随机分配一个优先级值,和M任务是随机排序。接下来,遗传算子操作,比如交叉,复制和突变获得2 m执行任务排名。本文设计约束选择运营商在传统遗传算子。调整任务的原始序列的序列满足资源约束,这样串行任务序列转换成串行和并行任务序列的共存。这种情况更符合实际操作伪装。总体流程图如图2。接下来,种群初始化的设计,适应度函数和遗传算子将解释道。
3.2。种群初始化
GA必须转换问题的可行解表示成染色体的表示基因通过编码空间,即编码过程(15]。编码是首要要解决的问题,应用遗传算法时,也是设计遗传算法的关键一步。编码方法影响遗传算子的操作方法,如交叉算子和变异算子和很大程度上决定了基因进化的效率。目前,常用的编码方法是巧合编码,整数编码和二进制编码。本文采用基于优先级的整数编码方法(16]。这种方法不仅可以表达之间的约束关系的任务也表达任务优先级的随机性。活跃节点(AON)一行代码网络图可以用来表示任务之间的约束关系。(1)邻接矩阵。怡安网络图的邻接矩阵可以表示为一个计算机(17),它的行代表所有的优先任务,和它的列代表所有随后的任务。如图3,如果有9在伪装迷彩任务规划问题,和task 2的优先任务是任务3,任务4,和任务6,然后第三行数字,第四行和第六行第二列的邻接矩阵都是1,其余为0行(2)随机优先染色体编码。一个随机生成的矩阵表示任务的优先级。如表所示1,每个任务都有一个独特的优先级,生成一个初始连环任务序列。集团目标操作伪装计划,随机的优先任务是更加实用。生成的初始种群生成尽可能多的随机任务序列,可以提高算法的局部搜索能力,避免陷入局部最优(3)生成的初始种群。初始种群的遗传算法的数据基础,和所有进化计算从初始种群中的个体(18]。为了得到一个好的初始种群,个人应尽可能均匀地分布在解空间。因此,本文采用随机分配任务优先级值生成串行任务调度序列
3.3。适应度函数
健身价值评估的唯一标准的利弊染色体,染色体解码生成调度计划。在选择运营商,也需要使用个人的健身价值演变适者生存(19]。在遗传算法中,健身价值越大,越好,和最小化总时间的伪装计划是本文的目标函数。因此,需要对目标函数转化为健身价值函数根据: 在哪里个人的健身价值吗 ,和是伪装的总时间计划。
3.4。遗传算子的设计
3.4.1。交叉算子
有三种常用的转换方法,一点交叉,多点交叉和一致的交叉20.]。本文采用两点交叉的方法进行计算。首先,交叉概率是给定的,决定了染色体交叉个体的人口的数量。偶数数目是有限的,方便下一个交叉操作。如图4,一个随机数确定生成交叉点,父染色体的交叉位置是由交叉的点吗和 。之间的基因和孩子的染色体1来自父2,剩下的基因来自于父母1。基因之间的和子染色体2来自父1日,其余基因来自父母2。
由于重复任务序列交叉后的孩子个人的基因编号2和1儿童出现两次,和基因编号7和8在儿童2还出现过两次。这些人所代表的任务序列显然不符合伪装的现实任务。有必要合法化后的染色体基因交叉操作。传统上,解决重复的问题孩子染色体基因,基因在染色体比较,和相同的基因调整。高集团目标操作伪装计划的复杂性问题,计算的算法需要太多时间。在此基础上,我们首先判断是否有之间的平等和父母的染色体1和家长2。如果是这样的话,我们直接在相应的位置调整,减少的数量的比较,更好的提高算法的效率。合法化算子设计本文改进的重复部分的更新速度孩子染色体基因和可以生成符合实际操作的染色体伪装计划以更快的方式。
3.4.2。选择运营商
选择操作的过程中选择优秀个体从当前人口来生成一个交配池(21]。这个过程反映了适者生存的思想和生存在自然界中最好的。摘要精英选择策略是用于选择算子(22]。在迭代过程中,部分患者更大的健身价值的人群中被保留,并逐渐接近最优的解决方案。具体过程如下:(我)计算种群中每个个体的健身价值根据适应度值函数(2)随机排序成对所有个人和健身的值进行比较(3)所有染色体与更大的健身值复制到下一代
3.4.3。变异算子
变异操作来模拟某些基因突变的细胞分裂和复制过程中由于偶然因素如环境生物的遗传和自然进化过程。然后,生成新的染色体,通常情况下,这种突变的概率相对较小(23]。这是经营者,保持个体的多样性,从而使算法陷入局部最优的可能性较小。本文使用随机数变异算子,生成的单个基因没有遗传父母的个人关系。具体过程如下:(我)设置一个变异概率,当突变概率大于生成的随机数,突变发生(2)变异时,一个全新的染色体是随机生成的替换相应的染色体实现更新的人口
3.4.4。资源约束调整操作符
上述操作后的运营商,个人与串行任务序列基因编码信息。然而,有平行的情况在实际伪装计划。所以,有必要判断并行任务所需的资源的同时满足资源约束。资源约束调整算子设计本文将取代串行与并行和串行任务序列共存的任务序列根据伪装资源约束。具体过程如下:(我)确定所需的资源由一个任务满足资源约束根据最初生成的连续序列(2)如果条件得到满足,任务将被推到任务序列和改为并行模式,然后判断的和并行任务资源同时满足资源约束(3)如果不满意,发布任务序列,然后添加以下任务,计算总资源的使用情况,判断是否满意,在一个循环中执行它
4所示。仿真实验
为了验证该方法的优越性为解决集团目标操作伪装计划问题,进行了仿真实验,基于多源信息感知的贪婪算法的比较。
4.1。数据
火炮位置的组织目标作为一个例子,该组织的目标有六个类型的单元目标:火炮,炮兵拖拉机,指挥车,弹药住所、汽车路,和支持。目标单位的数量如表所示2。伪装单位需要使用屏幕伪装,植被伪装B, C模式绘画伪装,烟幕伪装D,假目标伪装E, F声伪装,伪装和干扰伪装G七种主要措施进行伪装目标的任务。目前有五种主要伪装资源:伪装,伪装网,吸烟材料、角反射器和伪装漆。伪装的每种资源的数量如表所示3。伪装伪装措施,资源和时间的目标6类型的单元如表所示4。由于保密的要求,数据已经解密。
4.2。实验结果和分析
实验1:资源约束优化算法用于解决上述火炮位置目标和获得最佳的健身价值曲线,伪装任务甘特图和伪装子任务的开始时间和结束时间。
从图5,可以看出最优的健身价值与代数的增加,人口增长和代数是越大,越温柔的每一代的适应度函数值的变化。当它达到一定的一代,最佳的健身价值的人口收敛,这是目标函数的最优值。与此同时,数字6显示了伪装的甘特图任务对应于最佳的健身价值。伪装的甘特图显示了任务序列的子任务可以并行和任务在同一时间点,并获得最佳伪装计划时间资源约束条件下的会议。表5显示每个伪装子任务的开始时间和结束时间和排序的位置在整个伪装任务序列,协助伪装单位制定的指挥官迷彩的伪装方案和制定计划。伪装计划的总时间与集群目标的类型,也就是说,单位目标的类型和数量的集团目标,这决定了伪装的输入资源。因此,伪装计划的总时间不是一个简单的线性关系的任务中包含集群目标,而是一个复杂的功能关系优化的时间目标的伪装效果满足要求侦察威胁对抗。
实验2:贪婪算法是用来解决上述火炮位置组织目标和获得伪装的甘特图任务,伪装的任务序列表。
从图可以看出7这个贪婪算法还可以解决那个伪装目标操作规划问题和生成伪装任务甘特图,满足资源需求。与数据6和7,伪装任务甘特图生成的算法提出了更大程度的排序和歧视的伪装相同类型的子任务单元目标,表明伪装资源有限的条件下,更有利于整个集团目标伪装的任务而不是执行单元目标的伪装相同类型的任务。根据表5和6,比较伪装任务的总时间序列两种算法来解决火炮位置集团的目标,本文提出了伪装任务的总时间序列生成基于资源约束的遗传算法优化2%短比贪婪算法。这表明提出的基于资源约束的遗传算法优化比贪婪算法具有更好的优化能力。
5。结论和前景
通过以上研究工作,解决问题的模型建立了集团目标操作伪装计划,并设计了求解数学模型的方法。该方法应用于伪装任务实例。该方法可以实现组织目标的伪装计划满足资源约束的条件下,生成甘特图,伪装,合理配置有限的资源。这使得伪装资源均衡分布随着时间的推移根据伪装支持组织目标的要求。这样,迷彩伪装操作期间可以充分利用资源,可以帮助设计和生成伪装迷彩指挥官的计划。研究结果具有一定的实际意义伪装支持任务的完成。
后续工作将考虑作战伪装计划更复杂条件下侦察打击对抗和伪装等资源破坏,并探索更有效的方法来解决这个问题的集团目标操作伪装计划提高效率和适应性。
数据可用性
在生成的数据集和/或分析在当前研究可从相应的作者以合理的要求。
的利益冲突
作者宣称没有利益冲突有关的出版。