基于多要素改进NSGA-Ⅱ的小直径制导炸弹空面打击最优火力分配方法

doi:10.7527/S1000-6893.2023.28116

Abstract

Abstract:

To maximize their strike efficiency against area targets， this paper proposes an optimal firepower allocation method for small diameter guided bombs in air-to-surface strike based on Multi-Factors Modified Non-Dominated Sorting Genetic Algorithm-II （MFM-NSGA-II）. Considering the error dispersion of the guided bomb， an evaluation model of the strike efficiency of a single guided bomb is established by using the grid method. On this basis， the optimal fire distribution model of multiple guided bombs is established. The optimization objective function for the maximum strike efficiency and the minimum amount of ammunition is constructed， and the optimal fire distribution model of the guided bomb is established. By introducing the probability selection operator， hybrid crossover operator and improved elite retention strategy， the multi-factors in Non-Dominated Sorting Genetic Algorithm-II （NSGA-II） are improved to enhance the global search ability of the algorithm and improve the performance of the algorithm. The simulation results show that the MFM-NSGA-II can obtain an effective optimal firepower allocation scheme for small diameter guided bombs. The amount of ammunition corresponding to the optimal firepower allocation result changes with the change of scene parameters， and the solution quality of the proposed method is better than that of the original NSGA-II and multi-objective particle swarm optimization.

Key words: small diameter guided bomb, area target, fire distribution, multiobjective optimization, Non-Dominated Sorting Genetic Algorithm-II (NSGA-II)

CLC Number:

V249

Wenhao BI, Jiuli ZHOU, Xiaobo DUAN, An ZHANG, Shuangfei XU. Optimal fire distribution method of small diameter guided bomb in air-to-surface strike based on multi-factor modified NSGA-Ⅱ[J]. Acta Aeronautica et Astronautica Sinica, 2023, 44(17): 328116-328116.

Figures/Tables 16

Fig.1

Fig.2

Fig.3

Fig.4

Fig.5

Table 1

Scene parameters

参数	取值	物理意义
CEP	4.42 m	圆概率误差（Circle Error Probable）
$(ω x, ω y)$	（4.91 m，0.38 m）	散布的聚类中心距坐标原点的距离
$(σ x, σ y)$	（4.9 m，2.83 m）	制导炸弹在横轴与纵轴上散布的均方差
$r o$	65 m	面积目标半径
$r d$	30 m	毁伤区域半径
$N m a x$	8 枚	制导炸弹的最大挂载数量

Table 1

Fig.6

Fig.7

Fig.8

Table 2

Coordinates of aiming point of the optimal solution

用弹量	瞄准点坐标 $(x a, y a, n a)$
1	（-5.258 8，-0.515 2，1）
2	（25.586 3，-4.580 0，1）	（25.586 3，-4.580 0，1）
3	（-38.870 7，-2.937 4，1）	（12.487 3，30.253 0，1）
3	（15.337 5，-29.213 6，1）	（12.487 3，30.253 0，1）
4	（28.179 0，-16.866 6，1）	（-25.745 1，-33.625 1，1）
4	（-39.769 4，15.962 0，1）	（13.688 6，33.001 1，1）
5	（31.100 6，18.900 2，1）	（23.103 3，-29.366 1，1）（-10.945 8，40.177 2，1）
	（-42.645 3，7.149 4，1）
	（-24.878 8，-36.472 2，1）
6	（-24.326 7，41.430 8，1）	（-12.249 5，-45.459 3，1）
	（-51.510 6，-9.352 1，1）	（27.569 7，29.995 0，1）
	（34.321 9，-21.707 5，1）	（-13.828 7，-2.398 1，1）
7	（-51.168 4，15.426 5，1）	（-17.075 4，45.476 3，1）（25.595 3，32.663 7，1）（-45.311 9，-34.667 6，1）
	（0.278 2，-48.774 3，1）
	（33.842 1，-12.840 9，1）
	（-8.605 1，-6.154 9，1）
8	（-9.210 8，47.264 9，1）	（-10.714 6，-4.279 4，1）
	（25.216 5，32.357 9，1）	（19.493 5，-41 .374 1，1）
	（-53.522 9，-14.921 2，1）	（-44.617 0，24.703 4，1）
	（39.075 7，-3.536 4，1）	（-24.806 4，-45.5921，1）

Table 2

Fig.9

Fig.10

Fig.11

Fig.12

Fig.13

Fig.14

References 32

1	李臣明，宦超，石怀龙. 某箱式火箭炮对面目标分布式杀伤最优火力分配［J］. 兵工学报， 2017， 38（9）： 1699-1704.
	LI C M， HUAN C， SHI H L. Optimal fire distribution of a rocket launcher against area target［J］. Acta Armamentarii， 2017， 38（9）： 1699-1704 （in Chinese）.
2	李彩峰，徐锋，张玉梅，等. 基于遗传算法的火箭弹对面目标的弹着点分配方案［J］. 火力与指挥控制， 2020， 45（3）： 86-89， 94.
	LI C F， XU F， ZHANG Y M， et al. Missile assignment for flat target based on genetic algorithm［J］. Fire Control & Command Control， 2020， 45（3）： 86-89， 94 （in Chinese）.
3	汪民乐，房茂燕. 导弹对面积目标射击效能的智能优化算法［J］. 弹道学报， 2014， 26（1）： 45-49.
	WANG M L， FANG M Y. Intelligence optimization algorithm for attacking efficiency of missile attacking surface target［J］. Journal of Ballistics， 2014， 26（1）： 45-49 （in Chinese）.
4	CHANG T Q， KONG D P， HAO N， et al. Solving the dynamic weapon target assignment problem by an improved artificial bee colony algorithm with heuristic factor initialization［J］. Applied Soft Computing， 2018， 70： 845-863.
5	夏维，刘新学，范阳涛，等. 基于改进型多目标粒子群优化算法的武器-目标分配［J］. 兵工学报， 2016， 37（11）： 2085-2093.
	XIA W， LIU X X， FAN Y T， et al. Weapon-target assignment with an improved multi-objective particle swarm optimization algorithm［J］. Acta Armamentarii， 2016， 37（11）： 2085-2093 （in Chinese）.
6	LEE Z J， LEE C Y， SU S F. An immunity-based ant colony optimization algorithm for solving weapon–target assignment problem［J］. Applied Soft Computing， 2002， 2： 39-47
7	肖中晖，寇英信，李战武，等. 火力分配多目标优化的IBACO算法［J］. 火力与指挥控制， 2017， 42（7）： 165-169.
	XIAO Z H， KOU Y X， LI Z W， et al. Indicator based ant colony optimization for multi-objective WTA problem［J］. Fire Control & Command Control， 2017， 42（7）： 165-169 （in Chinese）.
8	冯超，景小宁，何贵波. 基于改进SPEA2算法的火力分配问题［J］. 计算机工程与应用， 2016， 52（13）： 248-253.
	FENG C， JING X N， HE G B. Weapon-target assignment based on improved SPEA2 algorithm［J］. Computer Engineering and Applications， 2016， 52（13）： 248-253 （in Chinese）.
9	邵诗佳. 基于智能算法的武器目标分配问题研究［D］. 哈尔滨：哈尔滨工程大学， 2019： 17-39.
	SHAO S J. Research on weapon target assignment based on intelligent algorithm［D］. Harbin： Harbin Engineering University， 2019： 17-39 （in Chinese）.
10	聂俊峰，陈行军，苏琦. 基于NSGA-Ⅲ算法的集群目标来袭火力分配建模与优化［J］. 兵工学报， 2021， 42（8）： 1771-1779.
	NIE J F， CHEN X J， SU Q. Modeling and optimization of weapon-target assignment for group targets defense based on NSGA-Ⅲ algorithm［J］. Acta Armamentarii， 2021， 42（8）： 1771-1779 （in Chinese）.
11	于博文，吕明. 基于改进NSGA-Ⅲ算法的动态武器协同火力分配方法［J］. 火力与指挥控制， 2021， 46（8）： 71-77， 82.
	YU B W， LYU M. Method for dynamic weapon coordinative firepower distribution based on improved NSGA-Ⅲ algorithm［J］. Fire Control & Command Control， 2021， 46（8）： 71-77， 82 （in Chinese）.
12	DEB K， AGRAWAL S， PRATAP A， et al. A fast and elitist multiobjective genetic algorithm： NSGA-Ⅱ［J］. IEEE Transactions on Evolutionary Computation， 2002， 6（2）： 182-197.
13	陈思，胡涛. 基于多目标优化遗传算法的武器-目标分配［J］. 舰船电子工程， 2015， 35（7）： 54-57， 100.
	CHEN S， HU T. Weapon-target assignment with multi-objective non-dominated set ranking genetic algorithm［J］. Ship Electronic Engineering， 2015， 35（7）： 54-57， 100 （in Chinese）.
14	郭景录，付平. 基于NSGA-Ⅱ的WTA多目标优化［J］. 火力与指挥控制， 2010， 35（3）： 130-134.
	GUO J L， FU P. Multi-objective optimization of weapon-target assignment （WTA） using NSGA-Ⅱ［J］. Fire Control & Command Control， 2010， 35（3）： 130-134 （in Chinese）.
15	CHAN T S F， JHA A， TIWARI K M. Bi-objective optimization of three echelon supply chain involving truck selection and loading using NSGA-Ⅱ with heuristics algorithm［J］. Applied Soft Computing， 2016， 38： 978-987.
16	WU Z Q， KWONG C K， AYDIN R， et al. A cooperative negotiation embedded NSGA-Ⅱ for solving an integrated product family and supply chain design problem with remanufacturing consideration［J］. Applied Soft Computing， 2017， 57： 19-34.
17	SHABANI-NAEENI F， YAGHIN R G. Integrating data visibility decision in a multi-objective procurement transport planning under risk： a modified NSGA-Ⅱ［J］. Applied Soft Computing， 2021， 107： 107406.
18	PAL P， TRIPATHI S， KUMAR C. Bandwidth estimation in high mobility scenarios of MANET using NSGA-Ⅱ optimized fuzzy inference system［J］. Applied Soft Computing， 2022， 123： 108936.
19	MONIZ D， PEDRO J， HORTA N， et al. Multi-objective framework for cost-effective OTN switch placement using NSGA-II with embedded domain knowledge［J］. Applied Soft Computing， 2019， 83： 105608.
20	LIU W D， ZHU H， WANG Y P， et al. Topology optimization of support structure of telescope skin based on bit-matrix representation NSGA-Ⅱ［J］. Chinese Journal of Aeronautics， 2013， 26（6）： 1422-1429.
21	ZHAO K， GAO Z H， HUANG J T， et al. Aerodynamic optimization of rotor airfoil based on multi-layer hierarchical constraint method［J］. Chinese Journal of Aeronautics， 2016， 29（6）： 1541-1552.
22	ZHANG X J， GUAN X M， ZHU Y B， et al. Strategic flight assignment approach based on multi-objective parallel evolution algorithm with dynamic migration interval［J］. Chinese Journal of Aeronautics， 2015， 28（2）： 556-563.
23	张敏，罗文坚，王煦法. 一种基于正态分布交叉的ε-MOEA［J］. 软件学报， 2009， 20（2）： 305-314.
	ZHANG M， LUO W J， WANG X F. A normal distribution crossover for ε-MOEA［J］. Journal of Software， 2009， 20（2）： 305-314 （in Chinese）.
24	田旭杨，陈泽君. 基于改进NSGA-Ⅱ的列车运行多目标优化方法［J］. 计算机应用， 2021， 41（S1）： 153-161.
	TIAN X Y， CHEN Z J. Multi-objective optimization method of train operation based on improved NSGA-Ⅱ［J］. Journal of Computer Applications， 2021， 41（S1）： 153-161 （in Chinese）.
25	LI H F， WANG B Y， YUAN Y， et al. Scoring and dynamic hierarchy-based NSGA-Ⅱ for multiobjective workflow scheduling in the cloud［J］. IEEE Transactions on Automation Science and Engineering， 2022， 19（2）： 982-993.
26	张茂清，李东洋，胡博，等. 基于维度扰动的快速非支配排序遗传算法Ⅱ［J］. 郑州大学学报（工学版）， 2020， 41（1）： 38-43.
	ZHANG M Q， LI D Y， HU B， et al. Non-dominated sorting genetic algorithm II based on dimensionality perturbation［J］. Journal of Zhengzhou University （Engineering Science）， 2020， 41（1）： 38-43 （in Chinese）.
27	GU X W， WANG X H， LIU Z B， et al. A multi-objective optimization model using improved NSGA-Ⅱ for optimizing metal mines production process［J］. IEEE Access， 2020， 8： 28847-28858.
28	ZHAO Z B， LIU B， ZHANG C R， et al. An improved adaptive NSGA-Ⅱ with multi-population algorithm［J］. Applied Intelligence， 2019， 49： 569-580.
29	ZHU Y C， ZHOU L， XU H S. Application of improved genetic algorithm in ultrasonic location of transformer partial discharge［J］. Neural Computing and Applications， 2020， 32： 1755-1764.
30	ZHANG M Q， WANG L， CUI Z H， et al. Fast nondominated sorting genetic algorithm II with Lévy distribution for network topology optimization［J］. Mathematical Problems in Engineering， 2020（1）： 3094941.
31	艾邦成，宋威，董垒，等. 内埋武器机弹分离相容性研究进展综述［J］. 航空学报， 2020， 41（10）： 023809.
	AI B C， SONG W， DONG L， et al. Review of aircraft-store separation compatibility of internal weapons［J］. Acta Aeronautica et Astronautica Sinica， 2020， 41（10）： 023809 （in Chinese）.
32	宋威，艾邦成. 内埋武器机弹分离相容性及流动控制试验研究［J］. 空气动力学学报， 2022， 40（3）： 203-211.
	SONG W， AI B C. Experimental investigation on aircraft-store compatibility and flow control for internal weapons separation［J］. Acta Aerodynamica Sinica， 2022， 40（3）： 203-211 （in Chinese）.

[1]	GU Wenting, ZHAO Zhenshan, ZHOU Hanwei, FENG Jian, TAN Zhaoguang, LI Dong. Powered-on nacelle design on blended-wing-body configuration with podded engines [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2019, 40(9): 623047-623047.
[2]	FENG Zhiwei, ZHANG Qingbin, GAO Xinglong, TANG Qian'gang, YANG Tao. Aerodynamic Shape and Trajectory Integrated Multiobjective Optimization for Mars Explorer [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2014, 35(9): 2461-2471.
[3]	Wang Bo;An Wei;Xie Kai;Zhou Yiyu. Multi-object Tracking Sensor Scheduling for Low Earth Orbit Constellation Based on Multi-model [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2010, 31(5): 946-957.
[4]	Shen Ji;Han Lichuan;Shen Yibin. Optimization of Airplane Primary Parameters Based on Particle Swarm Algorithm [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2008, 30(6): 1538-1541.
[5]	Wang Gang;Duan Xiaojun;Wang Zhengming. Optimal Selection Method of Aim Points Based on Hitting Vital Index of Area Target [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2008, 29(5): 1258-1263.
[6]	XIONG Jun-tao;QIAO Zhi-de;HAN Zhong-hua. Optimum Aerodynamic Design of Transonic Wing Based on Response Surface Methodology [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2006, 27(3): 399-402.
[7]	ZHANG Yan hui;LI Wei ji . MULTIOBJECTIVE OPTIMUM DESIGN APPROACH BASED ON FUZZY IMPORTANCE [J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 1999, 20(4): 68-70.

Optimal fire distribution method of small diameter guided bomb in air-to-surface strike based on multi-factor modified NSGA-Ⅱ

RichHTML

PDF (PC)

Knowledge

Abstract

Cite this article

share this article

Figures/Tables 16

References 32

Related Articles 7

Recommended Articles

Metrics

Comments