论文研究基于直觉模糊遗传的武器—目标分配问题优化.pdf

针对求解武器—目标分配（weapon-targetassignment，WTA）问题的传统算法容易早熟和收敛较慢的缺点，提出一种直觉模糊遗传算法，采用模拟退火的Meta-Lamarckian学习策略和自适应变异，提高了求解WTA问题的效益和速度。首先考虑了WTA问题的各种约束条件，以剩余目标威胁最小和攻击伤害值最大为目标，建立了数学模型，定义了目标函数和约束函数的隶属度和非隶属度函数，通过“最小—最大”算子构建了直觉模糊WTA问题模型，并设计了模拟退火的Meta-Lamarckian学习策略和自适应变异，增强算法的局部寻优能力和后期收敛速度。通过算例仿真并与GA、PSO等算法比较分析，验证了