非完备信息下无人机智能攻防决策技术研究现状与展望(5)

图 4 多机协同多目标攻击决策原理
到目前为止，在多机协同多目标攻击决策问题上有很多经典算法，如整数规划、约束规划、图论方法等。针对超视距编队协同空战中的目标分配问题，有研究成果通过建立现代空战微分对策模型，分层完成编队分组和组内单机目标分配过程，设计了以战力强度排序为依据、以“不重不漏”为原则的基于整数规划的超视距编队空战目标分配模型。为满足实际空战中的实时性要求，有研究人员提出了基于时间约束的多平台协同目标分配模型，然后采用改进分布式拍卖算法进行求解。该模型充分考虑了战场以及战机存在的限制，能较好满足空战实时性要求。已有研究成果对火力分配问题进行分析，建立了火力分配的图论模型，并结合图论模型的特点给出了模型的匹配算法。这些方法致力于求解火力分配最优解，但是，随着攻击决策问题规模变大，求解时间会呈指数形式增长，求解难度同样呈指数形式增大。
而启发式搜索算法的目的是在可接受的时间范围内计算问题的可行解，在计算时间与解的质量两方面进行折中，在较短的时间内获取较优的可行解。
空战过程是一个瞬息万变的过程，很多情况下，目标分配不仅需要分配决策结果取得最优结果，同时也需要满足空战实时性的要求。启发式搜索算法与空战目标分配问题属性的契合，引起了国内外大量学者的兴趣与关注。目前常用的启发式算法有遗传算法、粒子群算法、蚁群算法等。在飞行代价函数的基础上，研究人员已提出基于改进遗传算法的多机协同目标分配方法，仿真结果表明遗传算法能很好解决多机协同目标分配问题。针对多机协同目标分配问题，也有研究成果采用改进粒子群算法进行求解，设计了新的粒子群位置和速度更新方法，充分利用了粒子群的全局搜索能力，并采用贪婪策略增强粒子群算法的局部搜索能力，从而实现目标分配解空间的全面混合搜索。结合空战态势评估和蚁群算法，研究人员已提出一种新型的目标分配方法，将敌我双方的无人机视为蚂蚁移动起始点，将自主优先权视为蚂蚁的行进距离。