反无人机蜂群的防空部署方法、装置、设备和介质.pdf

(19)中华人民共和国国家知识产权局(12)发明专利申请(10)申请公布号CN113553777A(43)申请公布日2021.10.26(21)申请号202111096036.0(22)申请日2021.09.18(71)申请人中国人民解放军国防科技大学地址410073湖南省长沙市开福区德雅路109号(72)发明人王泽源白亮王昊冉顾伟(74)专利代理机构长沙国科天河知识产权代理有限公司43225代理人邱轶(51)Int.Cl.G06F30/27(2020.01)G06N3/12(2006.01)权利要求书4页说明书13页附图5页(54)发明名称反无人机蜂群的防空部署方法、装置、设备和介质(57)摘要本申请涉及反无人机蜂群的防空部署方法、装置、设备和介质，方法包括：获取无人机蜂群的探测跟踪数据；调用基于遗传算法的火力分配模型，根据探测跟踪数据对火力分配模型进行初始化；利用火力分配模型的适应度函数对全部染色体进行评价，计算并保存适应度值最大的目标染色体；采用轮盘赌选择算法对种群进行淘汰；根据交配概率从种群中选择染色体进行交配操作；根据变异概率从种群中选择染色体进行变异操作；将产生的新种群替换原有的种群，计算新种群中各染色体的适应度值；当前进化代数加1后，若进化代数超过设定的最大进化代数，则输出最优防空部署方案。实现了高效的反无人机防御部署方案规划。CN113553777ACN113553777A权利要求书1/4页1.一种反无人机蜂群的防空部署方法，其特征在于，包括步骤：获取无人机蜂群的探测跟踪数据；调用构建的基于遗传算法的火力分配模型，根据所述探测跟踪数据确定所述火力分配模型的初始种群规模并初始化当前进化代数；所述火力分配模型采用的编码方式为按照从高能微波武器、高能激光武器到近防武器的顺序逐个优化的层层部署方式；利用所述火力分配模型的适应度函数对全部染色体进行评价，计算各所述染色体的适应度值并保存适应度值最大的目标染色体；所述适应度函数为击毁所有无人机的时间的倒数，所述染色体包括高能微波武器的坐标、高能激光武器的坐标和近防武器的坐标；采用轮盘赌选择算法对种群进行淘汰；根据设定的交配概率从所述种群中选择染色体进行交配操作；根据设定的变异概率从所述种群中选择染色体进行变异操作；将产生的新种群替换原有的所述种群，计算所述新种群中各染色体的适应度值；当前进化代数加1后，若进化代数超过设定的最大进化代数，则输出最优防空部署方案；所述最优防空部署方案包括防空武器的类型及阵地部署位置。2.根据权利要求1所述的反无人机蜂群的防空部署方法，其特征在于，将产生的新种群替换原有的所述种群，计算所述新种群中各染色体的适应度值的步骤后，还包括：若所述新种群的最大适应度值大于所述目标染色体的适应度值，则用所述新种群中最大适应度值对应的染色体代替所述目标染色体，否则不更新所述目标染色体。3.根据权利要求1或2所述的反无人机蜂群的防空部署方法，其特征在于，所述方法还包括：当前进化代数加1后，若进化代数不超过设定的所述最大进化代数，则返回执行所述采用轮盘赌选择算法对种群进行淘汰的步骤。4.根据权利要求3所述的反无人机蜂群的防空部署方法，其特征在于，所述火力分配模型的火力分配算法为：根据无人机与防空武器的距离矩阵，选出一个最小距离所对应的防空武器；根据定义的打击优先函数为无人机进行防空武器分配；所述打击优先函数为：其中，表示取值范围为[0,1]的优先系数，表示无人机到武器攻击区远界的时间矩阵，表示武器的反应时间矩阵的元素，表示无人机的威胁程度。5.根据权利要求3所述的反无人机蜂群的防空部署方法，其特征在于，所述火力分配模型的火力分配原则为：防空武器的使用状态包括火力准备阶段、火力瞄准阶段和火力打击阶段；对于任意两个防空武器，若其中一个防空武器处于空闲状态，另一个防空武器处于使用状态，则选择处于空闲状态的防空武器用于攻击目标无人机；对于任意两个均处于空闲状态的防空武器，分别计算两个防空武器在当前状态下经过使用状态消灭目标无人机所需的时间总和，选择时间总和最短的防空武器用于攻击目标无2CN113553777A权利要求书2/4页人机；对于任意两个均处于使用状态的防空武器，分别计算两个防空武器在当前状态下消灭当前无人机后经过使用状态消灭目标无人机所需的时间总和，选择时间总和最短的防空武器用于攻击目标无人机；防空武器的使用优先级为高能微波武器>高能激光武器>近防武器。6.根据权利要求3所述的反无人机蜂群的防空部署方法，其特征在于，所述火力分配模型的火力分配矩阵为：所述火力分配矩阵的行代表防空武器，列代表无人机，其中：所述火力分配矩阵的约束条件为：其中，表示防空武器的数量编号，表示无人机的数量编号。7.根据权利要求4所述的反无人机蜂群的防空部署方法，其特征在于，所述火力分配模型的