文章详情
| 稿件标题： | 基于信息素遗传算法的联合火力打击任务规划 |
| 稿件作者： | 邢岩1，刘昊2，吴世杰3 |
| DOI： | 10.11809/bqzbgcxb2020.08.033 |
| 科学编辑： | 杨继森 博士（ 重庆理工大学教授） |
| 栏目名称： | 信息科学与控制工程 |
| 关键词： | 信息素浓度；遗传算法；蚁群算法；联合作战；火力打击任务规划；智能优化；熵权法；理想点法 |
| 文章摘要： | 从智能优化视角出发解决联合火力打击任务规划中动态兵力、火力、目标最优化分配问题，设计了信息素遗传算法并将其引入到联合火力打击任务规划问题的求解。信息素遗传算法作为标准遗传算法的改进算法，借鉴了蚁群算法中信息素浓度概念，用信息素浓度控制种群个体变异方向，使用可控变异替代标准遗传算法中的随机变异，使最优个体快速收敛。同时使用熵权法和理想点法将联合火力打击任务规划的众多评估指标融合为可量化对比的综合评分，为任务规划提供评估参考指标。仿真实验结果表明，信息素遗传算法能够有效应用于联合火力打击任务规划问题求解，相较于标准遗传算法具有更高的收敛效率和综合评分。 |
| 稿件基金： | 沈阳航空航天大学引进人才科研启动基金(19YB48)；通化师范学院2018年科研基金项目(201837) |
| 引用本文格式： | 邢岩，刘昊，吴世杰.基于信息素遗传算法的联合火力打击任务规划［J］.兵器装备工程学报，2020,41(08):169-175,192. XING Yan, LIU Hao, WU Shijie.Joint Firepower Strike Mission Planning Based on Pheromone Genetic Algorithm［J］.Journal of Ordnance Equipment Engineering,2020,41(08):169-175,192. |
| 刊期名称： | 2020年08期 |
| 出版时间： | 2020年8月 |
| 上线时间： | 2020年8月28日 |
| 浏览次数： | 2741 |
| 下载次数： | 860 |
| 免费阅读PDF 在线阅读 下载本期目录 下载本期封面 | |