基于一种改进粒子群算法的水下远程武器航路规划

初 磊, 纪金耀, 罗 笛



基于一种改进粒子群算法的水下远程武器航路规划

初 磊, 纪金耀, 罗 笛

(海军潜艇学院 作战指挥系, 山东 青岛, 266071)

针对水下远程武器航路规划中, 采用基本粒子群算法避障出现的航路倒退问题, 提出了一种借鉴遗传算法采用粒子对换的改进粒子群优化(PSO)算法, 并结合远程武器的航路规划设计模型, 应用于水下武器作战仿真系统。计算结果表明, 该算法可有效提高远程武器航路规划避障的计算效果, 对水下远程武器的作战使用研究具有一定的参考价值。

水下远程武器; 粒子群优化算法; 航路规划; 粒子对换; 作战仿真系统

0 引言

现代大型水面舰艇作战实施过程通常采用编队作战或航渡, 这种暴露于浩淼水上的舰艇编队, 必然要采取多种方式和手段夺取制空、制海和制信息权。就反潜作战而言, 需以反潜飞机、水面舰艇和攻击型潜艇为平台, 形成以声纳为主要探测装备, 反潜导弹、鱼雷为主要攻击武器的空中、水面及水下纵深达数百公里的3D立体综合反潜作战的网络体系[1]。

在大型水面舰艇具有作战区域控制权的情况下, 使用海基发射平台, 在大型水面舰艇作战区域之外发射水下远程武器, 实施中远程精确打击, 将是对大型水面舰艇实施攻击的一种有效方式。由于水下远程武器航渡时间较长, 需对其航路进行合理规划, 避开各种威胁区域, 使其以最短的航路和较快的航速到达指定作战区域, 是水下远程武器实施有效打击的先决条件。

粒子群优化(partical swarm optimization, PSO)算法是一类基于群体智能的随机优化方法, 相对遗传算法而言, 二者都是基于群体的迭代搜索, 但粒子群算法没有变异算子, 是通过个体之间的协作来搜寻最优解, 充分利用了生物群体信息共享的思想, 其概念简单, 易于实现, 同时又有深刻的智能背景。因此, 本文主要运用一种改进的粒子群算法对水下远程武器的航路规划进行优化研究。

1 PSO算法的改进

1.1 基本PSO算法

PSO算法是Kennedy和Eberhart受鸟群觅食行为的启发于1995年共同提出的。基本原理是一个由个粒子组成的群体在维搜索空间以一定的速度飞行, 每个粒子在搜索时, 考虑到了自己搜索到的为最好点和群体内其他粒子的历史最好点, 在此基础上进行位置的变化[2]。

粒子的进化方程为

基本PSO算法及其后提出的惯性因子、基于动态邻域、邻域拓扑法和收缩因子法均是在连续域的求解, 而针对离散函数的较少。

1.2 一种改进的PSO算法

求解离散问题的PSO算法, 目前主要采用模糊离散PSO算法[2], 但该方法在实际的航路避障过程中会出现一定的航路倒退情况, 其主要原因是由于粒子在飞行过程中, 遇到障碍后, 向后搜索空间, 而其航路又可能出现航程等于或小于绕行航路的情况。

针对上述问题, 本文重点探讨一种借鉴遗传算法的思想, 在PSO算法中采用粒子对换的方式, 可在一定程度上解决遇障后航路倒退问题。具体实施过程可描述如下。

Step 1: 初始化粒子群。设定粒子群数目和进化代数; 对航路节点进行编码, 产生随机粒子位置。

Step 4: 如果新适应度优于排序后对应的个体极值的历史最优适应度, 则取代之, 否则保持不变。

Step 5: 新适应度若满足结束条件, 则停止计算, 否则重新计算Step 2。

Step 6: 总适应度函数最小的航路编码作为全局最优解。

显然Step 3与Step 4中采用粒子交换, 使得粒子在一次进化中不但充分利用了自己的历史经验信息, 而且利用了种群中优良个体的经验值, 增加了粒子的多样化, 增强了粒子的质量, 使得粒子能够选取更好的全局最优解。

改进粒子群算法流程图如图1所示。

图1 改进的PSO算法流程图

2 水下远程武器航路函数设计

水下远程武器从海基平台发射, 到达预定海域的航渡过程中, 主要存在以下4个方面的威胁约束条件。

2.1 危险深度水域

2.2 水声探测器材威胁

2.3 对抗武器威胁

2.4 水下远程武器航程

3 仿真计算

从这些仿真图中可以发现, 采用基本粒子群算法（如图2所示）后, 出现了遇障航路倒退的问题, 若水下远程武器采用此种航路规划, 不仅增加了航路的规划点数, 并且将加重远程武器的航行难度; 而采用粒子交换的改进粒子群算法后（如图3所示）, 就有效避免了倒退问题的发生, 不仅减少了远程武器的规划航路点, 提高了远程武器航路规划的效果, 而且增强了远程武器航渡的安全性。

图2 基本粒子群算法的航路图

图3 改进粒子群算法的航路图

图4 相对距离远近对比图

4 结束语

本文针对应用基本粒子群算法在水下远程武器航路避障中出现的航路倒退问题, 采用一种进化的粒子交换方法, 并结合建立的水下远程武器的航路规划模型，应用于远程武器作战仿真系统, 仿真结果表明, 该种算法避免了航路倒退现象的发生, 可有效提高水下远程武器航路规划避障问题的计算效果, 对水下远程武器的作战使用研究具有一定的参考价值。

[1] 李本昌, 梁涛. 远程鱼雷的作战样式及其技术需求[J]. 鱼雷技术, 2008, 16(4): 54-57.Li Ben-chang, Liang Tao. Operational Concept of Long- range Torpedo and Its Technical Requirements[J]. Torpedo Technology, 2008, 16(4): 54-57.

[2] 汪定伟, 王俊伟, 王洪峰, 等. 智能优化方法[M]. 北京: 高等教育出版社, 2007.

[3] 顾险峰, 钱建平, 马远良. 鱼雷武器远程精确打击引导模式和技术架构初步探索[J]. 舰船科学技术, 2003, 25(3): 7-11.Gu Xian-feng, Qian Jian-ping, Ma Yuan-liang. Preliminary Research on Guidance Pattern and Technique Framework of Long-Range Accurate Attack Torpedo Weapon[J]. Ship Science and Technology, 2003, 25(3): 7-11.

[4] 陈春玉, 张静远, 王明洲, 等. 反鱼雷技术[M]. 北京:国防工业出版社, 2006.

Route Planning of Underwater Long-range Weapon Based on an Improved PSO Algorithm

CHU Lei, JI Jin-Yao, LUO Di

(Combat Command Department, Navy Submarine Academy, Qingdao 266071, China )

An improved particle swarm optimization (PSO) algorithm with particle exchanging is proposed to solve the problem of moving back in the route planning of underwater long-range weapon based on basic PSO. Combining the route planning model of the underwater long-range weapon, this improved PSO algorithm is used in a combat simulation system of a certain long-range weapon. Simulation result shows that this algorithm can enhance the effect of the route planning and be helpful to the operational application of the long-range weapon.

underwater long-range weapon; partical swarm optimization(PSO)algorithm; route planning; particle exchange; combat simulation system

TJ630.33; TP301.6

A

1673-1948(2011)03-0201-04

2010-09-07;

2011-01-16.

初 磊(1981-), 男, 硕士, 讲师, 研究方向为潜艇作战指挥.

(责任编辑: 杨力军)