应用于武器-目标分配问题的量子行为粒子群优化算法(可编辑)

《应用于武器-目标分配问题的量子行为粒子群优化算法(可编辑)》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、应用于武器-目标分配问题的量子行为粒子群优化算法第２９卷第１２期　　　计算机应用与软件Ｖｏｌ２９Ｎｏ．１２２０１２年１２月　　ＣｏｍｐｕｔｅｒＡｐｐｌｉｃａｔｉｏｎｓａｎｄＳｏｆｔｗａｒｅＤｅｃ．２０１２应用于武器目标分配问题的量子行为粒子群优化算法１２李欣然　靳雁霞１中北大学电子与计算机科学技术学院　山西太原０３００５１２中北大学仪器科学与动态测试教育部重点试验室　山西太原０３００５１摘　要　　武器目标分配ＷＴＡ问题是现代战争中一个十分重要的问题以分配武器迎击全部目标的失败概率最小为目标构建武器目标分配问题模型针对已有算法求解这类问题存在的早熟收敛优化效率较低的

2、缺点提出一种惯性权重自适应调整的量子行为粒子群优化算法首先引入聚焦距离变化率的概念将惯性权重因子表示为关于聚焦距离变化率的函数从而使算法具有动态自适应性同时在算法中嵌入一种判断和避免搜索早熟和停滞的有效方法优化实例的结果分析表明该算法能有效地解决武器目标分配问题关键词　　基于量子行为的粒子群优化算法ＱＰＳＯ　惯性权重　聚焦距离变化率　变异　武器目标分配ＷＴＡ中图分类号　ＴＰ３０１．６　　　　文献标识码　ＡＤＯＩ１０．３９６９／ｊ．ｉｓｓｎ．１０００３８６ｘ．２０１２．１２．０８６ＱＵＡＮＴＵＭＢＥＨＡＶＩＯＵＲＰＡＲＴＩＣＬＥＳＷＡＲＭＯＰＴＩＭＩＳＡＴＩＯＮＡＰＰ

3、ＬＩＥＤＴＯＷＥＡＰＯＮＴＡＲＧＥＴＡＳＳＩＧＮＭＥＮＴＰＲＯＢＬＥＭ１２ＬｉＸｉｎｒａｎ　ＪｉｎＹａｎｘｉａ１ＣｏｌｌｅｇｅｏｆＣｏｍｐｕｔｅｒＳｃｉｅｎｃｅａｎｄＴｅｃｈｎｏｌｏｇｙＮｏｒｔｈＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａＴａｉｙｕａｎ０３００５１ＳｈａｎｘｉＣｈｉｎａ２ＭｉｎｉｓｔｒｙｏｆＥｄｕｃａｔｉｏｎＫｅｙＬａｂｏｒａｔｏｒｙｏｆＩｎｓｔｒｕｍｅｎｔａｔｉｏｎＳｃｉｅｎｃｅａｎｄＤｙｎａｍｉｃＭｅａｓｕｒｅｍｅｎｔＮｏｒｔｈＵｎｉｖｅｒｓｉｔｙｏｆＣｈｉｎａＴａｉｙｕａｎ０３００５１ＳｈａｎｘｉＣｈｉｎａＡｂｓｔｒａｃｔ　　ＷＴＡｐｒｏｂｌｅｍｉｓｖｉ

4、ｔａｌｉｎｍｏｄｅｒｎｗａｒｆａｒｅ．ＴｈｅＷＴＡｍｏｄｅｌｉｓｂｕｉｌｔａｉｍｉｎｇａｔｍｉｎｉｍｕｍｆａｉｌｕｒｅｐｒｏｂａｂｉｌｉｔｙｉｎａｌｌｏｃａｔｉｎｇｗｅａｐｏｎｓｆｏｒｓｈｏｏｔｉｎｇａｌｌｔｈｅｔａｒｇｅｔｓ．Ｔｈｉｓｐａｐｅｒｐｕｔｓｆｏｒｗａｒｄａｑｕａｎｔｕｍｂｅｈａｖｉｏｕｒｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎａｌｇｏｒｉｔｈｍｗｉｔｈｉｎｅｒｔｉａｗｅｉｇｈｔａｄａｐｔｉｖｅａｄｊｕｓｔｍｅｎｔｔｏｏｖｅｒｃｏｍｅｔｈｅｄｅｆｉｃｉｅｎｃｉｅｓｏｆｐｒｅｍａｔｕｒｅｃｏｎｖｅｒｇｅｎｃｅａｎｄｌｏｗｏｐｔｉｍｉｓａｔｉｏｎｅｆ

5、ｆｉｃｉｅｎｃｙｔｈｅｅｘｉｓｔｉｎｇａｌｇｏｒｉｔｈｍｈａｓｉｎｓｏｌｖｉｎｇｓｕｃｈｋｉｎｄｏｆｐｒｏｂｌｅｍｓ．Ｆｉｒｓｔｔｈｅｃｏｎｃｅｐｔｏｆｆｏｃｕｓｉｎｇｄｉｓｔａｎｃｅｃｈａｎｇｉｎｇｒａｔｅｉｓｉｎｔｒｏｄｕｃｅｄｔｈｅｉｎｅｒｔｉａｌｗｅｉｇｈｔｆａｃｔｏｒｉｓｆｏｒｍｕｌａｔｅｄａｓｔｈｅｆｕｎｃｔｉｏｎｏｆｆｏｃｕｓｉｎｇｄｉｓｔａｎｃｅｒａｔｅｓｏａｓｔｏｐｒｏｖｉｄｅｔｈｅａｌｇｏｒｉｔｈｍｗｉｔｈｄｙｎａｍｉｃａｄａｐｔａｂｉｌｉｔｙ．Ｍｅａｎｗｈｉｌｅａｎｅｆｆｅｃｔｉｖｅｍｅｔｈｏｄｏｆｊｕｄｇｉｎｇａｎｄｐｒｅｖｅｎｔｉｎｇｐｒｅｍ

6、ａｔｕｒｅａｎｄｓｔａｇｎａｔｉｏｎｉｓｅｍｂｅｄｄｅｄｉｎｔｏｔｈｅａｌｇｏｒｉｔｈｍ．ＴｈｅｏｐｔｉｍｉｓａｔｉｏｎｅｘａｍｐｌｅｓｈｏｗｓｔｈａｔｔｈｉｓａｌｇｏｒｉｔｈｍｃａｎｅｆｆｅｃｔｉｖｅｌｙｓｏｌｖｅｔｈｅＷＴＡｐｒｏｂｌｅｍｓ．Ｋｅｙｗｏｒｄｓ　　ＱｕａｎｔｕｍｂｅｈａｖｅｄｐａｒｔｉｃｌｅｓｗａｒｍｏｐｔｉｍｉｓａｔｉｏｎＱＰＳＯ　Ｉｎｅｒｔｉａｗｅｉｇｈｔ　Ｒａｔｅｏｆｆｏｃｕｓｄｉｓｔａｎｃｅｃｈａｎｇｉｎｇ　Ｍｕｔａｔｉｏｎ　Ｗｅａｐｏｎｔａｒｇｅｔａｓｓｉｇｎｍｅｎｔ的粒子会更快收敛于最优解但是粒子群算法与其他进化算法０　引　言一样不可

7、避免地存在着早熟收敛现象为此本文提出了一种改进的具有量子行为的粒子群算法武器目标分配ＷＴＡ问题是现代战争中一个重要研究方的新算法首先引入聚焦距离变化率的概念将惯性因子表示向其解随着武器数量和目标数量的增加而呈指数级变化是一为关于聚焦距离变化率的函数从而使算法具有动态自适应性种多参数多约束的ＮＰ问题ＷＴＡ问题解决的关键体现在高其次在算法中嵌入有效判断早熟停滞的方法一旦检索到早熟效健壮的算法上目前应用于求解ＷＴＡ问题的算法主要有遗迹象根据构造的变异概率对粒子进行变异使粒子跳出局部最传算法〔１２〕〔３４〕〔５〕优从而减少无效迭代并尝试将权重自适应调整的量子