反舰导弹智能协同航路规划研究进展

刘钢 老松杨 汤俊 周智超 李武

1．湖南理工学院信息科学与工程学院湖南岳阳414000 2. 国防科技大学系统工程学院湖南长沙410073 3. 解放军91976 部队广东广州510430

现代海战已不是单一海上力量的对决,而是海、陆、空多军兵种的联合作战.仅以对海上敌目标突击为例,往往是空中战机(空基)、水面舰艇(海基)、岸导战车(陆基)、海下潜艇(潜基)等不同空间作战平台联合对海上敌目标(群)发起导弹突击[1].

从导弹作战使用角度讲, 必须对每一枚反舰导弹进行航路规划,也就是说空、海、岸、潜等不同空间导弹发射平台,都必须基于自身的位置态势,对同一敌目标(群)规划所发导弹航路,以达到高强度、多方向、多波次饱和攻击效果, 同时还要避免弹道交叉、航程浪费等问题,这就是协同航路规划[1]. 协同航路规划还要处理与目标选择、火力分配等决策环节的耦合求解,这实际就是异构平台组合、决策环节耦合的强约束多目标复杂优化问题. 并且随着各发射平台和导弹数量的增加, 问题的复杂性和计算量呈几何级数增长[2].

基于不同空间作战平台的反舰导弹协同航路规划原理和方法、模型和算法等鲜有研究,这是一个海上作战需求很大且难度很高的关键问题, 已成为打通海上联合作战指挥所到不同空间武器平台“最后一公里”的现实瓶颈,迫切需要从基础理论和关键技术上得到解决途径和办法、实现突破.

1 研究需求和背景

1.1 改革强军要求

美国大力推行“重返亚洲/亚太再平衡”战略,相继制定“多域战”、“重返制海”、“马赛克战”、“决策中心战” 等概念[3], 旨在保证“反介入/区域拒止” 能力区域网络下的军事优势. 为构建联合、高效、精干、灵活的军事体系, 我军确立了战区作战指挥机构. 战区作为主战机构,核心在指挥、关键在联合,而“协同”则主要表现为各种作战力量按照统一的协同计划在行动上的协调配合. 由于体制限制和军种壁垒等原因, 以往的作战协同主要围绕部队实体来设计筹划,武器协同则交由任务部队具体实施,战术目的达成难以保证战役目标的实现. 新体制面向联合作战, 武器协同由战区指挥机构针对战役目标直接筹划,以打通指挥控制到武器平台的“最后一公里”,从而充分释放联合作战指挥效能.因此,研究战区指挥机构直接可用的武器协同战法是此轮改革的“应有之义”和“迫切之举”.

1.2 协同理论诉求

国务院《新一代人工智能发展规划》强调加强人工智能领域军民融合, 强化新一代人工智能技术对指挥决策、军事推演、国防装备等领域的有力支撑. 当前,人工智能正逐渐成为战争形态质变的第一推动力, 反舰导弹等精确制导武器的智能化改进及运用得到极大的重视和发展, 尤其是随着防空技术日益先进、防空体系日益完善,多平台反舰导弹“智能化协同”作为一种全新作战形态,成为了生成体系作战能力的有效途径. 但目前武器运用协同度不高、智能化不强的矛盾十分突出,如何对海基、空基、岸基等多平台反舰导弹协同作战进行形式化描述和标准化建模？又如何将智能技术嵌入多平台反舰导弹协同作战过程？已成为亟待解决的新问题,需要一整套新理论来统揽和解决.

1.3 全局最优探求

反舰导弹航路规划涉及飞行力学、自动控制、导航等多学科多领域, 通常被抽象为一个多约束多目标非线性优化问题,主要采用智能技术优化求解. 对单弹航路规划研究比较系统, 作者在国内较早开展反舰导弹航路规划方面的研究, 针对反舰导弹航路特征,采用基于几何模型优化的方法,有效解决了单弹航路规划问题[3]. 但在多平台反舰导弹协同航路规划层面,由于体制壁垒,研究仅限于单兵种的多平台, 基于多军种的多平台反舰导弹协同航路规划的相关理论方法仍鲜有报道; 多平台反舰导弹协同航路规划属于异构平台多阶段集群智能, 是复杂而特殊的强约束多目标优化问题, 已有方法存在纵向决策环节耦合解耦处理棘手、求解算法设计难以确保全局最优等现实瓶颈, 现有的耦合处理和解耦优化或是通过“分区-协同”,或是通过“预估-调整”, 本质上都是分解建模和代数优化, 得到的也只可能是局部最优解.

2 航路规划领域研究进展

信息化技术推动战争形态发生革命性变革, 航路规划技术应运而生, 其发生的背景决定了其发展的程度必须依靠与日俱新的技术来支撑;同时,航路规划也是一个综合交叉的难题, 需要多学科融通来共同解决. 从20 世纪50年代开始,领域专家们针对不同的任务需求,结合各自的运用背景,围绕航路规划问题和方法开展了广泛研究,并取得了丰富成果.随着应用领域的拓展和智能时代的到来, 对航路规划的研究也有着与众不同、与时俱进的发展,通过对该领域相关文献学习梳理,可以按照自上而下、由表及里的逻辑线索,将其研究现状及发展动态概括为4个发展方向.

2.1 航路规划研究“分类发展、归向主体”

对航路规划概念的理解基本上已经取得共识,即: 在特定的约束条件下或给定的规划空间内,寻找任务主体从初始位置到目标位置、且使某项性能指标达到最优的运动轨迹. “任务主体”就是指航路规划的应用领域. 概念理解明确了航路规划问题的数学本质,无论是对哪种任务主体,航路规划问题本身都可以分为问题建模(航路表达、规划空间、约束条件、性能指标等)和求解方法两个方面.

问题建模方面, 通常选取多目标优化理论角度,基于数理特征建立航路规划泛函极值模型, 并且要求同时满足航路优化指标和航路约束条件. 航路往往表达为连续平滑动力学曲线航路[4]和表征空间形态的几何航路[5]两种形式, 在具体任务需求允许的精度前提下, 将前者模型进行离散化处理就能够得到后者模型; 规划空间的构造大都普遍性地将全局最优转化为针对性的航路搜索, 前者往往适合位形空间,而后者更加迎合拓扑空间,主要分为单元分解法、路标图法和人工势场法3 大类[6−7];约束条件一般根据飞行性能、任务环境以及两者之间的交互而归结为一些等式约束或不等式约束的组合约束; 目标函数则通常以“标量”形式的评估或者代价函数来表示, 这种数学处理可以将复杂难解的多目标寻优模型转化成单目标搜索模型, 而多目标依然引导优化方向, 通过任务先验知识给每一个目标设定合理的优先权重系数, 再把这些系数和目标进行组合加权求和, 就将问题转换成了基于某一组优先权设置在规定解空间集合中寻找唯一最优或可行航路[8].

求解方法方面, 从一开始的人工计算模式发展至后来的自动计算模式, 直至目前的“人在回路中”交互计算模式. 不同的任务需要不同的模型描述,不同的模型又需要不同的算法求解. 因此, 任务、模型、算法是一整套相互联系而制约的技术方法,目前已发展出多种航路规划技术方法, 为在整体上把握这些方法的机理特点, 可以从以上不同角度对其进行梳理分类. 比如, 从航路模型的特点出发, 可以分为基于动力学的航路控制[9]、基于几何学的空间搜索[10]以及基于离散化的序列寻优[11]3 个类别;从规划算法的特点出发, 可以分为传统线性或非线性规划和智能启发式规划[12];从空间模型的特点出发,可以分为基于网格的航路搜索[13]和基于图论的集合寻优[14]; 还可以从执行任务的特点出发进行分层或者分区规划[15],既可以分为战役级航路规划[16]和战术级航路规划[17]两大类,又可以分为离线参考整体静态规划和在线实时局部动态优化两个层次[18−19].

随着领域分工日渐精细、行业需求日趋精准、技术运用日益精深,对航路规划的研究逐渐朝着“主体归类”方向发展,而反舰导弹就是其中一个重要的主体类别,吸引了许多学者开展针对性研究.

2.2 反舰导弹航路规划研究“充分发展、转向协同”

作为航路规划领域中的一类新问题, 由于反舰导弹的特殊战技性能和实际应用需求, 反舰导弹航路规划的概念既符合共性规律,又独具个性特点.

问题模型方面, 一般认为反舰导弹航路规划是指在满足技术性能要求和海区环境约束的基础上,寻找从导弹发射位置到自控飞行终点位置之间, 使某些战术指标达到最优或次优的若干航路点集合,并将其处理成一类基于几何航路表达的空间搜索问题.和其他任务主体的航路规划一样,结合反舰导弹的航路特点和任务需求, 从不同的理论角度出发就可以得到不同的反舰导弹航路规划问题模型. 刘娟等从控制论角度出发建立了巡航导弹航路规划运动学模型,其约束条件主要考虑导弹的自身性能,代价函数主要考虑导弹飞行位置到目标的距离、导弹飞经航路的威胁度累积值以及导弹实时需用过载, 决策变量主要考虑导弹在飞行时的侧滑角、滚转角和攻角等运动姿态角[20]. 沈建锋和刘钢等都是从多目标优化角度出发, 建立了基于满意度函数的反舰导弹航路规划模糊数学模型, 但对满意度函数的考虑各有侧重[21−22]; 沈建锋等设计的目标函数是对航程长度、被拦截概率平均值、被探测概率平均值三者的满意度[21],而刘钢等加入飞行航路过程约束,其设计的目标函数则是对总航路距离、航路转向点个数和各航路点转向角度绝对值的均方差的满意度[22].

求解方法方面, 反舰导弹研究领域的学者们更加倾向于采用契合反舰导弹航路特征的几何学原理和适合解决空间搜索问题的智能优化算法, 来求解反舰导弹航路规划模型, 并且将两者结合起来使用效果更好. 运用几何学原理的方法大多是基于节点开辟进行航路搜索,基于最短切线进行威胁规避. 张友安按照修正后的航路走切线的思想, 提出了一种参考航路规划递推算法和基于最短切线法的威胁规避算法[23]; 陈玉文基于上述威胁规避算法, 将局部最优航路拓展改进为较优航路树, 提出一种动态节点规划方法,为实现全局最优提供了新的视角[24];Helgason 则将威胁规避算法改进为边界弹跳法, 基于启发式搜索算法提出一种巡航导弹航路自动生成算法[25]; 刘钢等从几何学角度研究了反舰导弹航路规划的数学本质, 将航路规划看作一种技术功能,用数学本质定义功能区域, 推演得到了其几何学渐变规律[22]. 运用智能优化算法的方法大多是借鉴无人飞行器的编码方式对反舰导弹的航路进行编码[26−27],然后对不同的标准进化算法进行设计改进,航路编码主要包括距离转角编码、扩展航路点编码、分段变步长编码、极坐标编码等等, 进化算法主要包括遗传算法、蚁群算法和粒子群算法[28−30]等等.为了表达进化过程, Xin 等提出了一种协同粒子群算法,既考虑了航路整体的质量,又兼顾了每个航路点的协同最优[31]; 纪震将航路点的位置矢量划分成若干数量的航路点矢量, 提出了一种智能单粒子优化算法, 通过各矢量分别更新提高了算法的收敛速度[32]. 上述两个算法都考虑了粒子间的协同,但Xin是基于种群的,而纪震是基于单个粒子的,虽然协同方向不同,得到的协同效果都可以接受.为了在分别更新基础上进一步挖掘运用粒子分量之间的关联关系, 刘钢等运用几何学渐变规律设计出各个航路节点之间的约束关联关系, 提炼出使各个航路点按实际顺序逐步进行更新的分步递归进化策略, 使得算法搜索空间与现实规划过程同步精准减小[33−34].

可以说, 目前对反舰导弹航路规划的研究少而精,但能够借鉴无人飞行器的相关内容比较充分. 随着信息化条件下的现代战争日趋多样化、广域化,传统单枚导弹作战模式已经无法适应复杂战场环境下的任务需求,在体系作战思想指导下,多弹协同成为各军事大国发展导弹武器系统的新方向和竞争点,协同航路规划也相应地成为了领域研究的热点.

2.3 协同航路规划研究“超越发展、跨向智能”

作为一种新型的体系作战方法, 多导弹协同作战为现代高技术局部战争提供了一种高效快速的导弹打击模式[35], 可以大幅提高导弹武器系统整体作战效能,而航路规划技术又是其中“应有之义”“点睛之笔”,使得近年来对协同航路规划的研究呈现出跨越式发展的态势.

文献[36]对无人机编队协同航路规划问题研究已经非常丰富. 高晓光等把时间和方向作为多无人机协同攻击的两个关键因素, 设立协同管理中心专门计算协同时间和协同方向[37]. Sec¸kin 等基于信号处理中非因果滤波器类比, 提出一种多无人机协同航路规划方法, 通过牺牲先前航路性能获得更高的后续航路精度, 在无人机主体横向协同基础上考虑了航路纵向时序关系[38]. Gatij 等兼顾目标选择协调性和时间效率有效性, 提出一种基于多元宇宙优化算法(multi-verse optimizer,MVO)的多无人机协同航路规划算法, 通过动态方式找到最佳的成本效益目标, 实现了在大多数情况下以最小的平均执行时间成本找到优化的协同航路[39]. Liu 等则兼顾避免碰撞和时间变量, 设计了一种空间精细投票机制(spatial refine voting mechanism,SRVM),通过为每个无人机生成指定的候选航路来开发时间协同方法, 实现以相同的时间消耗到达相同的目的地[40]. Ali 等通过比较和考查局部最优位置和全局最优位置适应度函数的变化趋势,选择Cauchy 变异算子来增强最大最小蚁群优化算法, 保证在避免碰撞的同时尽可能地选择最短路径[41]. Zhang 等和Antonios 等对无人机协同航路规划进行了全面研究,Zhang 等对现有协同航路规划问题进行了分类, 以统一的方式描述不同种类的协同航路规划, 在此基础上强调了现有研究中的协同要素[42−43]. Antonios 等从问题到方法、模型到算法、二维到三维、预设到实时等多角度全方位,系统完整地构建了无人机协同航路规划理论, 并且对基于协同控制的数学建模有着十分独到的见解.

在上述研究基础上, 国内相关学者针对反舰导弹协同航路规划问题进行了专门性研究. 为适应战场环境实时变化, 现有研究大多采取了“先纵向分区、后横向协同” 的分段规划方法. 为提高突防效率, 张明星等将巡航导弹编队作战的航路规划划分为“发射阵地-集结点-分散点-攻击目标” 四点三阶段,以适应我方控制区、敌方控制区、目标区3 个区域不同的战场环境[44]. 李红亮等则从航路角度提出了分段规划的思想, 构建了反舰导弹协同攻击航路规划与重规划模型[45]. 而史岩等依据目标点和战术区中心点相对位置关系分别建立“远离威胁战术区”和“抵近目标战术区”模型[46]. 纵向分区之后就要进行横向规划协同,文献[47−48]普遍借鉴无人机编队协同策略,依据几何学原理,基于时间和空间协同建立航路规划模型, 空间上避免航路交叉实现协同,时间上设计攻击角和攻击差角实现协同.

从以上梳理可见,目前对航路规划的协同建模,更多的是考虑时间和空间约束两个方面, 但协同的目的在于提升任务效果, 要体现航路规划对任务效果的贡献,除了任务主体之间的横向协同,还需要考虑航路规划与其他决策环节的纵向协同, 尤其是对于反舰导弹而言, 纵向分区并没有考虑火力分配和目标选择等决策环节的交互关系, 对这方面的研究还处于探索阶段,亟需进一步深入研究.在人工智能飞速发展和现实问题需求倒逼的叠加驱动下, 近年来, 学者们相继引入智能优化算法来解决协同航路规划问题, 对反舰导弹协同航路规划的研究也随之跨入智能化发展阶段.

2.4 智能协同航路规划研究“融通发展、面向未来”

从理论上来说, 对于反舰导弹协同航路规划这类离线预先规划问题, 一般可采用精确计算方法和智能优化方法进行求解, 但考虑到协同规划的复杂度和时间要求的快速性, 智能优化方法成为了当前解决协同离线航路预规划问题的首选.

在协同航路规划现有问题模型基础上, 学者们主要参考智能优化算法在其他无人飞行器方面的应用, 研究基于智能优化算法的反舰导弹协同航路规划方法. 李红亮等引入蚂蚁子群间的协同进化策略,结合反舰导弹协同航路特征对蚁群算法状态转移规则、信息素更新机制进行设计,通过并行搜索到多导弹最优协同航路集合[47]. Seid 等提出一种基于三自由度(three degree of freedom, 3DOF)仿真的启发式优化导弹航路规划模型, 对遗传算法和粒子群算法进行性能对比,结果显示遗传算法更接近实际,但粒子群算法因其可接受的结果和较短的计算时间, 在求解航路规划问题时更有效[49]. 杨咪等针对多弹协同航路规划改进了遗传算法, 先通过种群初始化生成同时满足最大航路点个数约束以及最小航路段长度约束的优化航路, 再采用亚种群归类区分出相似路径, 最后对子代航路进行微调生成最优和多条次优航路[50]. 雷兴明等改进Voronoi 图建立多导弹航路模型,以航路总代价最小、到达目标最大时差最小为优化目标, 将协同航路规划抽象为分布式约束优化问题, 利用异步分布式约束最优算法和动态规划最优协议算法求得协同航路[51].

有些学者将协同航路规划与任务/火力分配结合起来当作一个问题, 然后进行分段求解或者解耦优化. Zeng 等将问题分解为多目标火力分配和时间最优协同航路规划两层问题[52], 采用3 种方法求解问题:非支配排序遗传算法(non-dominated sorting genetic algorithm,NSGA-II)、基于分解的多目标进化算法(multi-objective evolutionary algorithm based on decomposition, MOEA/D)和ε 约束的MOEA/D 算法(decomposition-based MOEA with the ε-constraint,DMOEA-εC), 通过对比发现, DMOEA-εC 是解决多目标火力分配问题的最佳选择, 将它与时间最优协同航路规划方法相结合, 能够生成明显优于基于规则方法的导弹齐射攻击方案. 贾正荣等提出一种用于多平台协同突防航路规划的方法框架, 将航路规划过程从优化指标的选取、约束条件的建立中解耦出来,通过粒子群优化算法求得航路控制点[53]. 文献[54] 还将任务分配和航路规划进行解耦优化, 采用遗传算法求得任务分配方案, 采用环流人工势场法求得航路规划方案,实现多平台同时到达航路规划.王然然等以分布式合同网拍卖算法构建任务拍卖架构与拍卖收益函数, 结合模拟退火算法协调任务执行次序,采用A*算法完成两任务点间航程预估, 在任务分配阶段同步完成协同航路初规划, 确定最佳任务执行次序, 实现任务分配与协同航路规划的紧耦合[55].

可以说在求解现有反舰导弹协同航路规划数学模型方面, 智能优化算法表现出了很好的计算性能,“智能”求解“协同”成为主流,两者展现出了广阔的融通发展空间,但也存在协同策略考虑不周全、协同机理挖掘不透彻、协同耦合优化不深入等问题.

3 存在的问题及研究框架

1)当前多平台反舰导弹协同航路规划主要针对单兵种的多平台, 而基于多军种多平台对反舰导弹协同航路规划理论方法进行研究的公开发表成果微乎其微.后续应考虑海基、空基、岸基等不同空间平台制式区别,构建完整反舰导弹协同航路规划体系,提出时空任务数学模型并进行形式化描述.

2)目前对反舰导弹航路规划的协同主要考虑弹与弹之间的时间和空间约束, 有部分研究考虑了航路规划与任务分配之间决策耦合关系, 而没有考虑构成一个完整的一体化协同体系, 难以对问题进行统一建模和求解. 后续应针对反舰导弹航路规划特有的空间拓扑结构, 基于几何学原理构建“单弹→多弹→纵向决策环节” 层次递进协同架构, 创新机制和流程,同时为求解问题找准突破口.

3)前期研究少有针对反舰导弹航路规划本身的特征规律, 作者前期研究发掘了单弹航路规划几何渐变规律, 引发了部分研究直接将单弹特征知识用于解决多弹协同问题, 但对多弹协同航路规划规律机理还缺乏深入理论研究. 后续应将单弹几何渐变规律置于多弹横向协同中, 提炼发掘多弹动态演进机理,并进行数理化表达和形式化描述,为算法设计提供充足的领域知识.

4)现有对航路规划与任务分配等决策耦合处理或是通过“分区-协同”,或是通过“预估-调整”, 本质上都是分解建模和代数优化, 得到的只可能是局部最优解. 后续应以时间、区域、任务等协同变量构建耦合解耦机制,建立耦合基准系,以解耦隶属度引导进化方向, 从源头上确保不会因耦合而丢失全局最优解.

5)反舰导弹协同航路规划是一个异构平台组合、决策环节耦合的强约束多目标复杂优化问题,以往研究少有针对反舰导弹挖掘利用航路规划问题领域知识的方法,导致优化效率和求解质量不高. 后续应充分利用动态演进机理和耦合解耦机制, 构建结构化的策略框架, 对进化过程进行全时全域约束和分步关联引导, 实现提高算法性能和降低问题复杂度“双赢”,从全新角度突破算法瓶颈.

通过研究进展和问题不足的分析, 可以得到后续研究可采取的策略和框架, 如图1 所示, 即: 反舰导弹智能协同航路规划研究以反舰导弹武器为对象,以协同航路规划为问题, 以提高决策效率和突防效果为目的,以智能优化算法为手段,抓住问题本身极强的非网格拓扑特征, 充分发掘利用协同航路规划之于反舰导弹所独具的动态演进机理和耦合解耦机制, 通过几何模型优化提高算法求解问题的契合度和针对性.

图1 反舰导弹智能协同航路规划研究框架Fig.1 Framework of intelligent cooperative path planning for anti-ship missiles

其中, 问题描述是指对基于不同空间平台反舰导弹协同航路规划的概念本质、作战样式、特点规律及制胜机理等理论层次上的定性研究; 时空任务建模是对规划时空、任务量化过程,用于准确描述规划问题. 多导弹航路规划的动态演进机理是单导弹航路规划几何渐变规律的拓展涌现, 同时也是智能协同优化的知识原型, 基于动态演进机理的协同航路规划方法是确定型方法,提供辅助决策支持. 基于几何模型优化的智能协同航路规划方法, 是基于动态演进机理的协同航路规划方法的智能改进升级和原型方法运用, 基于几何模型优化的协同航路规划方法是随机型方法,提供智能优化结果.

4 关键技术及解决策略

反舰导弹智能协同航路规划考虑多类型平台多反舰导弹协同作战复杂任务, 从几何模型优化角度研究如何运用智能优化方法, 以充分释放协同航路规划效能问题.为了实现研究目标,基于几何学原理构建“单弹→多弹→纵向决策环节”层次递进协同架构,需要重点突破如下3 个关键技术,它们之间的逻辑递进关系如图2 所示.

图2 关键技术及其逻辑递进关系Fig.2 Key technologies and their logic progressive relation

4.1 动态演进机理提炼发掘

从几何模型优化的角度研究运用智能优化算法解决协同航路规划问题, 而动态演进机理就是协同航路规划之于反舰导弹特有的几何拓扑结构所在.在目前已有的几何渐变规律基础上, 根据各种平台之间的不同组合方式进行态势聚类和规则化定义,将单弹纵向几何渐变规律置于多弹横向协同航路规划的动态交互过程中, 采用几何学原理和正则化方法拟合建模, 普遍性提炼出多弹协同航路规划的动态演进机理, 并对动态演进机理进行数理化表达和形式化描述,实现时空立体交叉协同.

4.2 纵向决策环节耦合解耦

反舰导弹协同航路规划是一个多弹横向动态交互的过程,也存在纵向决策环节耦合的关系,不仅要考虑航路规划的几何渐变规律和动态演进机理, 还必须考虑航路规划与目标火力分配、协同区域划分等决策环节之间的耦合关系. 现有的耦合处理和解耦优化或是通过“分区-协同”,或是通过“预估-调整”,前者本质上还是分解建模和代数优化,得到的也只是局部最优, 而后者将预估航程作为任务分配目标函数的一个分指标进行加权和归一化计算, 本身影响就不大, 其任务分配与后续航路规划本质上仍是分解处理后的代数优化. 因此,需要充分利用反舰导弹在航路规划上所独具的几何学特征和规律, 将动态演进机理和任务分配、区域划分等决策环节贯通起来,协调时间、区域、任务3 种变量建立耦合解耦机制.本文将协同航路规划的协同方式分为3 种:按时间协同、按区域协同、按任务协同,3 种协同方式各自的实现方法和技术手段是不同的, 但是它们必须通过某种协同机制(协议)使得某一(或某些)战术信息值不发生冲突并最终趋向一致,因此,时间协同方法就是同时临空、同步攻击,可以采用同时到达技术(time of arrival,TOA)实现协同航路规划的这种时间协同要求. 在此问题中,时间为需要一致的战术信息值,即协同变量,区域协同和任务协同都必须与时间协同达成一致,因此,时间协同是区域协同和任务协同的前提要求和基础保障.

本文描述了实现协同航路规划的各个环节: 首先利用基于航路规划的TOA 技术实现时间协同,然后采用区域划分的方法实现区域协同, 接着通过采用航路规划条件下的火力分配方法来实现任务协同,形成区域划分、火力分配与航路规划等纵向决策环节的耦合解耦机制.

4.3 几何模型优化引导进化

航路规划是一个空间搜索问题, 反舰导弹航路规划又具有极强的非网络拓扑特征, 适合采用基于几何学的智能算法优化求解, 再将问题领域知识与智能优化算法有效融合, 更能最大限度提高算法求解问题的质量和效率. 而以往对航路规划的研究大多集中在任务主体的技术应用上, 聚焦于算法设计与实现, 还少有大量直接地挖掘利用航路规划问题的几何拓扑结构的方法. 因此,需要充分利用协同航路规划的动态演进机理和耦合解耦机制, 提炼设计实时搜索、分步更新、递归进化等引导进化策略和结构化的智能优化求解框架, 并针对典型标准算法,分别将策略和框架实例化为具体适配算子, 对进化过程进行全时全域约束和分步关联引导, 高效低耗实现全局最优.

5 结论

反舰导弹智能协同航路规划问题的本质是异构平台组合、决策环节耦合的强约束多目标复杂优化问题. 通过对反舰导弹智能协同航路规划问题及其方法的研究进展进行综述,可以得到:

1)在公开文献中, 国内外对无人机航路规划研究的技术成果较多,相互借鉴比较方便,技术水平大致相当;而对反舰导弹航路规划的研究不多,并且绝大部分成果都出自于国内学者,更加说明了“反舰导弹航路规划”技术的敏感性和关键性.

2)基于海、空、岸、潜等不同空间平台,构建完整反舰导弹协同航路规划体系, 已成为打通海上联合作战指挥所到不同空间武器平台“最后一公里”的关键问题,而公开文献未见相关研究.

3)对航路规划领域方面的研究逐渐从通用算法的设计实现往任务主体的具体应用上转变; 而对反舰导弹这一具体类别的航路规划研究, 则早已从单弹模型算法转向多弹协同智能优化方面的研究; 并且, 将反舰导弹协同航路规划特有的几何拓扑结构挖掘嵌入智能优化算法, 能够在可接受时间内迅速收敛到全局最优解,几何模型加智能优化的“几何模型优化”方法具备全局最优性和应用可行性.

4)基于构建的“单弹→多弹→纵向决策环节”层次递进协同架构,突破动态演进机理提炼发掘、纵向决策环节耦合解耦、几何模型优化引导进化等3个关键技术, 是下一步应用智能优化算法解决反舰导弹协同航路规划问题的关键所在.