(19)国家知识产权局 (12)发明 专利 (10)授权公告 号 (45)授权公告日 (21)申请 号 202110207433.4 (22)申请日 2021.02.25 (65)同一申请的已公布的文献号 申请公布号 CN 112818496 A (43)申请公布日 2021.05.18 (73)专利权人 中国人民解 放军陆军炮兵防空兵 学院 地址 110867 辽宁省沈阳市沈河区东大 营 街31号 (72)发明人 龙洋　高超　李可心　潘伟　 朱文亮　谭越俊　 (74)专利代理 机构 北京华际知识产权代理有限 公司 11676 专利代理师 曹书华(51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) G06N 7/00(2006.01) G06F 111/08(2020.01) 审查员 沈晴 (54)发明名称 基于蚁群算法的要地防空策略 (57)摘要 本发明属于要地协同防空技术领域， 具体为 基于蚁群算法的要地防空策略， 包括如下步骤： 步骤一： 基于目标意图识别的飞行轨迹智能预 测； 骤二： 弹炮混编防空群整体打击效能建模； 步 骤三： 协同射击模式下的火力分配建模； 步骤四： 基于蚁群算法的实时火力分配求解； 步骤五： 构 建要地协同防空数字化仿真环境， 开展仿真实 验， 验证项目研究成果的有效性， 其结构合理， 提 出改进蚁群优化算法， 提高算法收敛速度以及全 局搜索能力， 求解编队防空作 战火力分配， 为指 挥员配置防空武器起到 辅助决策的作用。 权利要求书1页 说明书12页 附图5页 CN 112818496 B 2022.10.21 CN 112818496 B 1.基于蚁群算法的要地防空策略， 其特 征在于： 包括如下步骤： 步骤一： 基于目标意图识别的飞行轨迹智能预测， 采用人工智能方法， 建立基于动态贝 叶斯网的目标意图识别模型， 结合目标行为特征、 意图特征构建 网络模型拓扑结构， 之后根 据意图识别概率结果， 通过几种典型轨迹预测子模型之间的加权组合， 解决目标轨迹预测 问题， 实时生成预测轨 迹； 步骤二： 弹炮混编防空群整体打击效能建模， 分别建立防空群探测模型、 可射击能力模 型和毁伤 能力模型， 最终构建整体打击效能的综合优化指标模型， 为实现整体服务概率最 大化、 最终打击效能最大化的防空群火力分配奠定基础； 步骤三： 协同射击模式下的火力分配建模， 在弹炮混编防空群中， 传感器系统、 武器系 统和控制系统之间实现了解耦， 本地武器系统可以利用异地提供的火控数据制定发射决 策， 即可以实现整个防空群中所有武器系统的协同作战； 步骤四： 基于蚁群算法的实时火力分配求解， 以蚁群算法为基础， 充分考虑弹炮结合武 器编队火力分配的具体要求， 对算法的选择机制、 更新机制以及协调机制作进一步改进， 引 入自适应的转移策略和信息素 更新策略， 以克服蚁群算法计算时间长、 易出现停滞的缺陷； 步骤五： 数字化仿真环境搭建与验证分析， 一是仿真任务调度层 设计， 根据算法理论研 究成果， 设计仿 真实验的任务调 度方法， 实现智能化的仿 真任务管 理功能； 二是分布式网络 通信层设计， 实现要地协同防空仿真系统各节点的实时信息交互功能； 三是物理模型层设 计， 建立防空导弹、 高炮和飞机等模型， 根据仿真任务调度指令， 实现自动化的武器平台仿 真推演， 并完成信息交互， 通过解决上述问题， 构建要地协同防空数字化仿真环境， 开展仿 真实验， 验证项目研究成果的有效性。 2.根据权利要求1所述的基于蚁群算法的要地防空策略， 其特征在于： 步骤一包括基于 动态贝叶斯网的目标意图识别和基于目标意图识别的飞行轨 迹预测。权　利　要　求　书 1/1 页 2 CN 112818496 B 2基于蚁群算法的要地防空策略 技术领域 [0001]本发明涉及要地协同 防空技术领域， 具体为基于蚁群算法的要地防空策略。 背景技术 [0002]现代战争模式已经由传统二维平面的角逐向陆、 海、 空、 天、 电、 网等多维领域的较 量迅速蜕变。 从近年来世界上的几次局部战争可以看出， 电子侦察、 对抗及大规模的空袭已 成为战争的先导和决定性因素。 大量精确制导武器， 如隐身飞机和无人机、 巡航导弹、 制导 导弹、 制导炸弹等突破防空体系， 最后飞临我方重要目标并进 行打击的可能性越来越大。 在 面对多种空袭武器构成的强大空袭体系的多种类、 多目标 的攻击下， 通常可 由作战距离不 同的武器进行多次拦截。 由于保护的对象通常是首都、 指挥中心、 军事基地等重点设施， 因 此发展一套完 善的阵地弹炮结合武器系统的必要性和急迫性日渐显露。 发明内容 [0003]本部分的目的在于概述本发明的实施方式的一些方面以及简要介绍一些较佳实 施方式。 在本部分以及本申请的说明书摘要和发明名称中可能会做些简化或省略以避免使 本部分、 说明书摘要和发明名称的目的模糊， 而这种简化或省略不能用于限制 本发明的范 围。 [0004]因此， 本发明的目的是提供基于蚁群算法的要地 防空策略， 能够实现提高算法收 敛速度以及全局搜索能力， 求解编队防空作战火力 分配， 为指挥员配置防空武器起到辅助 决策的作用。 [0005]为解决上述 技术问题， 根据本发明的一个方面， 本发明提供了如下技 术方案： [0006]基于蚁群算法的要地防空策略， 其包括如下步骤： [0007]步骤一： 基于目标意图识别的飞行轨迹智能预测， 采用人工智能方法， 建立基于动 态贝叶斯网的目标意图识别模型， 结合目标行为特征、 意图特征构建 网络模型拓扑结构， 之 后根据意图识别概率结果， 通过几种典型轨迹预测子模型之间的加权组合， 解决目标轨迹 预测问题， 实时生成预测轨 迹； [0008]步骤二： 弹炮混编防空群整体打击效能建模， 分别建立防空群探测模型、 可射击能 力模型和毁伤 能力模型， 最终构建整体打击效能的综合优化指标模型， 为实现整体服务概 率最大化、 最终打击效能最大化的防空群火力分配奠定基础； [0009]步骤三： 协同射击模式下的火力分配建模， 在弹炮混编防空群中， 传感器系统、 武 器系统和控制系统之间实现了解耦， 本地武器系统可以利用异 地提供的火控数据制定发射 决策， 即可以实现整个防空群中所有武器系统的协同作战； [0010]步骤四： 基于蚁群算法的实时火力分配求解， 以蚁群算法为基础， 充分考虑弹炮结 合武器编队火力 分配的具体要求， 对算法的选择机制、 更新机制以及协调机制作进一步改 进， 引入自适应的转移策略和信息素更新策略， 以克服蚁群算法计算时间长、 易出现停滞的 缺陷；说　明　书 1/12 页 3 CN 112818496 B 3