1 南京航空航天大学, 南京 210000
2 国网辽宁省电力有限公司盘锦供电公司, 辽宁 盘锦 124000
3 成都信息工程大学, 成都 610000
基于无人机和目标之间的态势,研究不平衡目标任务分配建模和求解问题。首先, 分析空战战场下无人机和目标之间的态势, 提出一种某时刻的态势评估方法, 建立多无人机不平衡目标分配模型; 然后, 用匈牙利遗传算法的目标分配算法求解该模型; 最后, 构建仿真算例进行仿真实验。仿真结果验证了所提算法的有效性, 同时也表明了匈牙利遗传算法能够提升模型的求解效率。
空战 无人机 目标分配 态势评估方法 匈牙利算法 遗传算法 air combat UAV target assignment situational assessment method Hungarian algorithm genetic algorithm
1 中国人民解放军31002部队，北京 100000
2 空军指挥学院，北京 100000
基于进化多目标优化方法研究对地打击**-目标分配(WTA)建模和求解问题。首先，分析对地打击WTA问题特点，定义优化目标函数为飞机突防风险最小和目标毁伤效能最大，提出一种基于栅格地图的防空火力对飞机威胁的量化评估方法，建立多目标优化问题模型; 然后，采用一种多目标优化算法NSGA-Ⅱ对问题求解，结合问题特点设计算法各组成部分; 最后，构建仿真算例进行实验分析，仿真结果表明，所提模型和算法能够有效求解对地打击WTA问题，可为工程实现提供参考。
**-目标分配(WTA) 对地打击 多目标优化 Weapon-Target Assignment (WTA) ground target attacking multi-objective optimization NSGA-Ⅱ NSGA-Ⅱ
1 河南工学院自动控制系, 河南 新乡 453003
2 中原工学院电子信息学院，郑州 451191
3 空军工程大学防空反导学院，西安 710051
针对多目标多传感器分配中的NP爆炸问题, 引入蝙蝠算法进行求解。通过K-均值算法初始化、速度更新采用自适应步长、向反方向搜索及变异操作3项措施对基本蝙蝠算法进行改进, 得到改进蝙蝠算法。在仿真实验中, 一方面将改进蝙蝠算法和基本蝙蝠算法作对比, 证明基本蝙蝠算法在改进后, 其计算速度和寻优能力大大提高；另一方面将改进蝙蝠算法与粒子群算法、蜂群算法、狼群算法3种算法作对比, 表明改进算法更适用于多传感器多目标分配问题求解, 其求解质量更高。
防空作战体系 多传感器多目标分配 蝙蝠算法 K-均值 自适应 air defense system multi-sensor multi- target allocation bat algorithm K-means adeptability
1 火箭军工程大学，西安 710025
2 中国人民解放军61683部队，北京 100094
对地打击**-目标分配问题(BTG-WTA)是现代战争中的重要问题；相比于一般**-目标分配问题，其规模更大，复杂程度更高。提出使用粒子群算法解决BTG-WTA问题，改进了粒子初始化、惯性权重选择等关键问题使其适应BTG-WTA问题模型，并结合具体算例进行了仿真。仿真结果表明，粒子群算法比解决WTA问题的经典算法速度更快、结果更优，具有更强的实际应用价值。
**目标分配 粒子群 优化 对地攻击 weapon-target assignment particle swarm optimization ground target attacking
1 海军航空工程学院兵器科学与技术系，山东 烟台264001
2 海军装备研究院，北京 100161
以海军要地防空作战为背景，针对动态火力接入下目标分配问题的特性，分析了动态火力接入下目标分配问题的关键因素，确定了时间、空间和资源约束条件，提出了集成火力单元的发射准备区及截止时间的计算方法，在传统“发射节点-目标”分配模型中增加了制导节点构建三者优化匹配模型，设计了基于离散粒子群的Anytime算法求解优化模型。仿真结果表明，算法能在规定的时间、空间和资源约束条件下，快速求得满足一定优化需求的分配方案。
要地防空 目标分配 动态火力接入 Anytime算法 离散粒子群算法 air-defense of important place target allocation dynamic fire access Anytime algorithm discrete particle swarm optimization
针对舰载无人机编队协同对海突击目标分配问题中,由于预警探测水平限制、信息的不完全、人的偏好、有限理性等因素导致的灰色情形，建立了攻防对抗双方的分配策略集和支付矩阵，构建了基于灰双矩阵博弈的舰载无人机编队协同对海突击目标分配模型，并设计了新的粒子位置更新公式对粒子群算法进行改进。分别用遗传算法、传统粒子群算法和改进的粒子群算法进行仿真，对比结果表明,改进后的粒子群算法能够跳出局部最优解，快速收敛到全局最优解，所建立的模型能够较好地解决目标分配决策中的灰色问题，是灰双矩阵博弈理论在目标分配领域的重要应用，仿真结果证明了模型的实用有效性和算法的高效性。
舰载无人机 目标分配 协同攻击 灰双矩阵 博弈论 ship-based UAV target assignment cooperative attacking grey bi-matrix game theory
通过将多机空战中目标分配作为任务合成技术的一个典型应用场景,提出了一种基于任务合成技术解决目标分配问题的方案.首先,通过传统方法构建己方优势函数、目标威胁指数和WSEIAC效能评估模型,实现了目标态势感知和作战效能评估;然后,将依据“以优攻劣”原则设计的目标分配算法与任务计划评估决策技术和任务执行管理技术结合,设计了目标分配方案;最后,利用贝叶斯网络和任务合成软件进行了目标分配算法和方案的仿真验证.仿真结果验证了基于任务合成技术的目标分配方案的有效性.
空战 任务合成 多目标分配 WSEIAC模型 贝叶斯网络 air combat task synthesis multi-target assignment WSEIAC model Bayesian network
1 空军工程大学航空航天工程学院, 西安 710038
2 中国人民解放军94710部队, 江苏 无锡214141
针对预警机面临的复杂作战环境及异类传感器带来的信息冗余问题,在总结目前传感器管理架构研究现状的基础上,从传感器管理系统关键技术及与其他系统的关系两方面分析了管理系统架构的设计依据,提出了一种清晰明了的架构,为构建预警机传感器管理系统提供了一定的理论指导.
传感器管理 预警机 多传感器多目标分配 架构 目标指示与交接 sensor management AWACS multi-sensor multi-target assignment architecture target designation and handover
空军工程大学航空航天工程学院， 西安 710038
针对多传感器多目标分配中传感器对目标的配对函数难以确定的问题，结合预警探测作战场景，提出传感器对目标的配对能力由传感器间的协同系数、“信息价值”函数和“信息代价”函数3部分共同决定，通过对传感器探测能力及现有目标信息的分析比较，计算出了传感器对目标的配对能力值，并以传感器对目标分配的综合效能最大为目标函数，构建了适用于预警探测的分配模型。仿真结果表明，所提方法合理、有效，分配方案简单、可行。
传感器目标分配 目标优先级 配对函数 综合效能 sensor target association target priority ordering matching function comprehensive efficiency
军械工程学院电子与光学工程系, 石家庄 050003
针对地面防空**系统中多传感器分配问题, 首先研究基于Cramér-Rao下限的多传感器跟踪分配模型, 根据目标跟踪过程的特点将Cramér-Rao下限引入分配模型, 使得在进行跟踪分配时无需考虑目标跟踪滤波算法的选择, 同时通过细化约束条件使模型更加贴近实际作战情况。利用离散粒子群优化算法求解模型, 通过改进其搜索策略以及惯性权值和加权因子提高算法准确性与时效性, 给出了模型的求解步骤。关联仿真结果表明该分配方法的可行性, 并通过对比算法求解模型验证了改进DPSO算法的快速准确性。
多传感器管理 传感器-目标分配 Cramér-Rao下限 离散粒子群优化算法 multi-sensor management sensor-target assignment Cramér-Rao low bound DPSO algorithm
