基于GA的水下预置反舰导弹区域封锁部署优化

孙 凡, 邹 强, 彭英武

基于GA的水下预置反舰导弹区域封锁部署优化

孙 凡1,2, 邹 强1, 彭英武1

(1. 海军工程大学 兵器工程学院, 湖北 武汉, 430033; 2. 中国人民解放军92730部队, 海南 三亚, 572000)

水下预置反舰导弹作为一种新型的水下攻击武器, 将在未来海战中扮演重要角色。为充分发挥水下预置反舰导弹封锁效能, 文中通过网格化处理目标海域的方法, 对区域封锁作战中水下预置反舰导弹的部署使用进行了研究, 并结合武器性能、环境特点以及作战要求等因素, 建立水下预置反舰导弹区域封锁部署的组合优化模型。最后利用遗传算法, 通过仿真算例验证了模型的合理性和有效性, 为日后水下预置反舰导弹的决策部署提供参考。

水下预置武器; 反舰导弹; 部署优化; 遗传算法

0 引言

未来海战中, 水下预置反舰导弹作为一种新型的水中兵器, 有望在反介入/区域拒止作战中发挥重要作用。由于其具有潜伏时间长、目标特性小、打击距离远和封锁面积大等特点[1], 使得该型装备在执行区域封锁等作战任务时具备更佳的战略优势和战斗效果。因此, 如何根据战场环境特点和武器本身性能, 合理部署水下预置反舰导弹以发挥其最大的封锁效能, 就显得尤为重要。

目前, 国内的研究更多的集中于水下预置武器的发展现状和装备研究上, 对水下预置反舰导弹的部署优化研究较少。杨智栋等[2]、张弛等[3]相继通过梳理国内外资料, 概括提炼了水下预置武器的装备特点、关键技术和发展趋势, 并给出了相关建议。司广宇等[4]、谢伟等[5]分别从水下立体攻防体系构建和水下攻防对抗装备发展2个方向进行了研究分析。其中, 部分水雷和防空武器作战使用的资料具有相当的参考价值[6-10]。文中将区域封锁部署优化视为组合优化问题, 旨在最大限度提升水下预置反舰导弹的毁伤覆盖能力, 并以环境和武器特点为约束, 试图找出封锁区域最佳的部署位置。

1 数学模型

1.1 封锁区域

封锁作战中实际海区是连续的, 理论而言, 封锁海域内的任意位置都可以作为水下预置反舰导弹的预备部署点, 但要对部署位置进行寻优计算, 就必须对封锁海区进行量化处理[11]。

利用网格离散化的思想, 如图1所示(交点处的图形表示不同类型武器), 将封锁区域用一定数量大小相等的网格进行划分, 把划分后的交叉点作为水下预置反舰导弹的预备部署点, 这样就对封锁区域的布设位置进行了量化表示。显然, 当封锁区域被网格划分得越细, 可用来选择的预备部署点就越多, 就越接近真实的战场部署环境, 但随之而来的计算难度也相应地变大。因此, 在实际操作中, 应结合具体情况决定网格的大小和数量。

图1 封锁区域网格化示意图

1.2 武器部署

1.3 毁伤能力

1.4 战场环境

在实际武器部署过程中, 并不是所有的预备部署点都适合布设水下预置反舰导弹。封锁区域内若存在坡度较大的海沟海槽、深海火山、沉船沉雷等特殊地理环境时, 这些位置是无法部署水下预置反舰导弹的, 在预备部署点时应予以排除。

1.5 毁伤要求

使用水下预置反舰导弹进行封锁作战, 不可能像布设水雷雷阵那样大量冗余部署, 通常情况是使用有限数量和类型的反舰导弹来封锁较大的海区, 发挥一定的对敌打击的战略威慑。这要求指挥员根据实际情况, 做出相应决断, 规定出重点封锁区域或方向, 部署时优先满足重点区域和方向上的毁伤概率, 然后再尽可能扩大封锁区域。

1.6 模型优化

约束条件为

利用罚函数方法求解引进乘法因子将约束条件加进目标函数, 使有约束的最大化问题转化为无约束最小化问题[13]。转化后的目标函数为

当确定的武器部署矩阵无法满足战场环境和毁伤概率要求时, 目标函数就会被赋予很大的值, 从而迫使极小点始终存在或逼近可行域, 不断迭代收敛出可行解。

2 遗传算法

遗传算法(genetic algorithm, GA)是一种借鉴生物界自然选择和自然遗传机制的随机搜索算法, 其基本原理是仿效生物界中的“物竞天择、适者生存”的演化法则。与传统搜索算法不同, GA的全局寻优能力较强, 从随机产生的初始解开始搜索, 通过一定的选择、交叉和变异操作逐步迭代以收敛于最优解[14]。

3 算例分析

假设封锁海域为边长1 500 km的正方形区域, 为简化计算, 设定该海域内任意地点均适合部署水下预置反舰导弹, 且根据相关情报和作战计划, 东南西北4个方向向内的500 km为重点封锁区域, 要求该区域毁伤概率必须大于0.5。

图2 GA计算步骤

可使用的水下预置反舰导弹有3种类型, 武器基本参数如表1所示。

表1 武器基本参数列表

根据封锁海域的大小和武器特点, 将该海域按照每100 km为一个网格进行划分。计算过程中所用的参数如表2所示。

表2 计算参数列表

经过计算, 当水下预置反舰导弹如图3部署时, 可确保重点封锁区域毁伤概率均大于0.5, 同时对整个封锁海域的毁伤覆盖能力可达到82.03%, 对区域内所有点位的毁伤概率求取算术平均值, 可得整个封锁海域内的导弹平均毁伤概率为0.423。

其余假设和参数不变, 倘若相关情报和作战计划有变, 现划定封锁区内正北方向为重点封锁区域, 要求该区域毁伤概率必须大于0.5。

图3 区域封锁部署方案1

经过计算, 当水下预置反舰导弹按图4部署时, 可确保重点封锁区域毁伤概率均大于0.5, 同时对整个封锁海域的毁伤覆盖能力可达到84.38%, 且可使整个封锁海域内的导弹平均毁伤概率达到0.41。

图4 区域封锁部署方案2

4 结束语

对水下预置反舰导弹区域封锁作战中的部署问题进行了研究, 利用将封锁海域网格化的方法, 综合考虑了武器本身、战场环境、战术要求等要素, 建立了水下预置反舰导弹的部署优化模型, 并利用GA算法对模型进行了求解。

试验结果表明, 通过该方法能够确保在封锁海域中重点区域达到毁伤要求的情况下, 使得毁伤概率最大限度覆盖全部目标海域, 较好地解决了水下预置反舰导弹的部署优化问题, 对未来海战中水下预置武器的实际部署使用具有一定的参考价值。下一步工作中将更多地考虑水下预置反舰导弹发动攻击时间、多枚导弹攻击高价值同一目标等问题, 以此展开研究。

[1] 袁亚, 张木, 李翔, 等. 国外水下预置无人作战装备研究[J]. 战术导弹技术, 2018(1): 51-55.Yuan Ya, Zhang Mu, Li Xiang, et al. Research on Underwater Pre-installed Unmanned Combat Equipment[J]. Tactical Missile Technology, 2018(1): 51-55.

[2] 杨智栋, 李荣融, 蔡卫军, 等. 国外水下预置武器发展及关键技术[J]. 水下无人系统学报, 2018, 26(6): 521- 526.Yang Zhi-dong, Li Rong-rong, Cai Wei-jun, et al. Development and Key Technologies of Preset Undersea Weapon: a Review[J]. Journal of Unmanned Undersea Systems, 2018, 26(6): 521-526.

[3] 张弛, 蔡帆. 水下无人预置平台的发展现状和启示[J]. 现代防御技术, 2019, 47(5): 14-21.Zhang Chi, Cai Fan. Development Status and Enlightenment of Underwater Unmanned Preset Platform[J]. Modern Defense Technology, 2019, 47(5): 14-21.

[4] 司广宇, 苗艳, 李关防. 水下立体攻防体系构建技术[J]. 指挥控制与仿真, 2018, 40(1): 1-8.Si Guang-yu, Miao Yan, Li Guan-fang. Underwater Tridimensional Attack-Defense System Technology[J]. Com- mand Control & Simulation, 2018, 40(1): 1-8.

[5] 谢伟, 杨萌, 龚俊斌. 水下攻防对抗体系及其未来发展[J]. 中国工程科学, 2019, 21(6): 71-79.Xie Wei, Yang Meng, Gong Jun-bin. Underwater Attack-Defense Confrontation System and Its Future Development[J]. Strategic Study of CAE, 2019, 21(6): 71-79.

[6] 朱红波, 张旭, 冷相文. 基于遗传算法的自航水雷障碍雷位配置[J]. 弹箭与制导学报, 2012, 32(2): 162-164.Zhu Hong-bo, Zhang Xu, Leng Xiang-wen. Configuration of Planting Locations in Mobile Mine Obstacle Based on Genetic Algorithm[J]. Journal of Projectiles, Rockets, Missiles and Guidance, 2012, 32(2): 162-164.

[7] 马硕, 马亚平. 混合定次雷区的布雷数量计算方法[J]. 军事运筹与系统工程, 2017, 31(4): 15-18.

[8] 阳林, 刘付显, 张搏. 基于理想点法的区域防空部署优化方法[J]. 空军工程大学学报(自然科学版), 2014,15(2): 49-52.Yang Lin, Liu Fu-xian, Zhang Bo. A Study of Optimization on Area Air-defense Operation Disposition Based on Ideal Point Method[J]. Journal of Air Force Engineering University(Natural Science Edition), 2014, 15(2): 49-52.

[9] 王昆, 原晓波, 路明磊. 地空导弹阵地配置方案优化问题研究[J]. 舰船电子工程, 2011, 31(6): 37-41.Wang Kun, Yuan Xiao-bo, Lu Ming-lei. Study on the Optimizing of Surface-to-air Missile Forces Disposition Project[J]. Ship Electronic Engineering, 2011, 31(6): 37-41.

[10] 邢清华, 刘付显. 区域防空部署优化系统建模[J]. 系统工程与电子技术, 2006, 28(5): 712-715.Xing Qing-hua, Liu Fu-xian. Modeling on Area Air Defense Optimization Deployment System[J]. Systems Engineering and Electronics, 2006, 28(5): 712-715.

[11] 陈杰, 陈晨, 张娟, 等. 基于Memetic算法的要地防空优化部署方法[J]. 自动化学报, 2010, 36(2): 242-248.Chen Jie, Chen chen, Zhang Juan, et al. Deployment Optimization for Point Air Defense Based on Memetic Algorithm[J]. Acta Automatica Sinica, 2010, 36(2): 242-248.

[12] 雷宇曜, 姜文志, 刘立佳, 等. 基于子目标进化算法的要地防空武器系统优化部署[J]. 系统工程与电子技术, 2016(2): 314-322.Lei Yu-yao, Jiang Wen-zhi, Liu Li-jia, et al. Weapon System Deployment Optimization Based on a Sub-objective Evolutionary Algorithm for Key-point Air Defense[J]. Systems Engineering and Electronics, 2016(2): 314-322.

[13] 赵鹏蛟, 李建国, 李红霞, 等. 基于Memetic算法的要地防空兵力机动部署优化方法[J]. 火力与指挥控制, 2018, 43(9): 25-29.Zhao Peng-jiao, Li Jian-guo, Li Hong-xia, et al. Optimization of Troops Maneuver Deployment for Key-point Air Defense Based on Memetic Algorithm[J]. Fire Control & Command Control, 2018,43(9): 25-29.

[14] 温包谦, 王涛, 成坤, 等. 基于PSO-GA混合算法的末端防御兵力优化部署方法[J]. 兵器装备工程学报, 2019, 40(11): 45-49.Wen Bao-qian, Wang Tao, Cheng Kun, et al.End-Defense Force Optimization Deployment Method Based on PSO- GA Hybrid Algorithm[J]. Journal of Sichuan Ordnance, 2019, 40(11): 45-49.

Optimization of Regional Blockade Deployment of Underwater Preset Anti-ship Missiles Based on GA

SUN Fan1,2, ZOU Qiang1, PENG Ying-wu1

(1. College of Weaponry Engineering, Naval University of Engineering, Wuhan 430033, China; 2. 92730thUnit, The People Liberation Army of China, Sanya 572000, China)

Underwater preset anti-ship missiles as a new type of underwater attack weapon will play an important role in future naval battles. Therefore, to improve the effectiveness of underwater preset anti-ship missile blockades, the deployment of underwater preset anti-ship missiles in regional blockade operations is studied by separating the target sea area into grids. This is combined with an analysis of weapon performance, environmental characteristics, operational requirements, and other factors, and a combination optimization model of underwater preset anti-ship missile regional blockade deployment is established. Finally, the genetic algorithm(GA) is used to verify the rationality and effectiveness of the model through simulation examples, whereby a reference is provided for the deployment of underwater anti-ship missiles in the future.

underwater preset weapon; anti-ship missile; deployment optimization; genetic algorithm(GA)

TJ762.44; E843

A

2096-3920(2021)02-0238-05

10.11993/j.issn.2096-3920.2021.02.016

孙凡, 邹强, 彭英武. 基于GA的水下预置反舰导弹区域封锁部署优化[J]. 水下无人系统学报, 2021, 29(2): 238-242.

2020-06-23;

2020-07-28.

国防科技创新项目资助(19H86305ZD01300102).

孙 凡(1991-), 男, 在读硕士, 主要研究方向为武器系统运用与保障.

(责任编辑: 许 妍)