李靈之　徐克虎　于璇

摘 要：本文首先對(duì)群智能算法進(jìn)行了詳細(xì)地描述，用通俗的語(yǔ)言重點(diǎn)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(dòng)態(tài)火力分配模型，最后對(duì)群智能算法在火力分配模型求解中的應(yīng)用進(jìn)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(huì)的發(fā)展和科技的不斷進(jìn)步，許多復(fù)雜的優(yōu)化問(wèn)題需要我們進(jìn)一步解決，傳統(tǒng)的數(shù)學(xué)方法已經(jīng)難以滿足人們對(duì)復(fù)雜問(wèn)題求解速度的需求，人們開(kāi)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(wèn)題，隱枚舉法、分支定界法、動(dòng)態(tài)規(guī)劃等方法相繼問(wèn)世，但是這些方法僅僅對(duì)相對(duì)簡(jiǎn)單的問(wèn)題行之有效，對(duì)于復(fù)雜的數(shù)學(xué)模型求解往往力不從心。因此人們開(kāi)始尋求新的解決問(wèn)題的方法，人們把目光從抽象的數(shù)學(xué)問(wèn)題集中到自然界本身上來(lái)，相繼出現(xiàn)了神經(jīng)網(wǎng)絡(luò)算法、遺傳算法等具有跨時(shí)代意義的算法?，F(xiàn)代計(jì)算機(jī)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(yùn)而生。

火力分配的模型建立就是依托計(jì)算機(jī)技術(shù)的發(fā)展，將戰(zhàn)場(chǎng)的態(tài)勢(shì)抽象成數(shù)學(xué)模型，進(jìn)行問(wèn)題解決。火力分配通常是解決多對(duì)多的問(wèn)題，即我方多個(gè)火力平臺(tái)如何合理地分配火力對(duì)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(shuō)是一種算法框架，并不是針對(duì)特定問(wèn)題的具體算法。這些算法的提出多是通過(guò)觀察自然界生物，模擬生物運(yùn)動(dòng)，捕食等現(xiàn)象提出的。例如粒子群算法就是模仿鳥(niǎo)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(gè)群體中的信息共享，使群體的運(yùn)動(dòng)從無(wú)序到有序。通俗點(diǎn)來(lái)講就是假設(shè)一群鳥(niǎo)在森林里尋找食物，最開(kāi)始鳥(niǎo)群是無(wú)序的飛行，假設(shè)鳥(niǎo)兒們互相都可以無(wú)障礙交流且鳥(niǎo)兒們知道自己距離食物的距離，每隔一段時(shí)間大家會(huì)互相交流一下到食物的距離。之后找到離食物最近的鳥(niǎo)的位置和歷史上所有鳥(niǎo)兒經(jīng)過(guò)的離食物最近的點(diǎn)的位置，兩個(gè)位置加權(quán)求出一個(gè)最優(yōu)位置，大家就會(huì)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(guò)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(wèn)題，通俗的來(lái)說(shuō)，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(huì)拿小部分食物往回走，并且在路上留下信息素，信息素的強(qiáng)度和食物的價(jià)值成正比，螞蟻回巢穴的路徑是隨機(jī)的，假設(shè)螞蟻的運(yùn)動(dòng)速度一樣快，那么最短的路徑上就會(huì)因?yàn)槲浵伒耐荡螖?shù)多而擁有更多的信息素，其他螞蟻就會(huì)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(wèn)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(chǎng)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(chǎng)價(jià)值評(píng)估，威脅評(píng)估，我方武器裝備的打擊概率等等?；鹆Ψ峙淠Ｐ陀泻枚喾N，比如主從決策模型就是在上級(jí)在對(duì)下級(jí)布置任務(wù)之后，下級(jí)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(chǎng)環(huán)境、戰(zhàn)場(chǎng)態(tài)勢(shì)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(dòng)態(tài)火力分配模型的出現(xiàn)是因?yàn)殪o態(tài)火力分配模型已經(jīng)不能夠滿足現(xiàn)代戰(zhàn)爭(zhēng)速度快、打擊火力強(qiáng)的特點(diǎn)，動(dòng)態(tài)火力分配模型能夠滿足戰(zhàn)場(chǎng)時(shí)間空間的變化，合理地分配火力，更加貼近實(shí)戰(zhàn)[3]。

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

4 群智能算法在火力分配模型求解中的應(yīng)用

因?yàn)榇蠖鄶?shù)的火力分配模型都是NP問(wèn)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(zhēng)對(duì)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(jiǎn)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(huì)先進(jìn)行十進(jìn)制對(duì)所有分配方案進(jìn)行編碼，之后選擇合適的“適應(yīng)度”準(zhǔn)則函數(shù)，通過(guò)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(duì)群智能算法進(jìn)行不斷地研究與更新，研制出更加符合現(xiàn)代化戰(zhàn)爭(zhēng)的控制決策系統(tǒng)，為打贏信息化戰(zhàn)爭(zhēng)做好充分準(zhǔn)備。

參考文獻(xiàn)：

[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(wèn)題[J].哈爾濱工業(yè)大學(xué)學(xué)報(bào)，2011，43（03）：67-69.

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

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