武器目标分配问题研究进展: 模型、算法与应用

李梦杰, 常雪凝, 石建迈, 陈超, 黄金才, 刘忠

Developments of weapon target assignment: models, algorithms, and applications

Mengjie LI, Xuening CHANG, Jianmai SHI, Chao CHEN, Jincai HUANG, Zhong LIU

表3 算法特点及其适用问题

Table 3 Features of the algorithms and their application

算法 优点 局限性 适用问题 精确算法 能够求解出精确最优解, 便于理解与实现。 难以求解大规模问题; 一般需要问题的精确数学模型。 时效性要求不高, 约束简单的中、小规模问题。 元启发式算法 算法框架便于实现, 可以对解空间进行大范围搜索, 能够求解大规模问题。 求解时间较长, 算法性能不够稳定。 时效性要求不高的大规模问题。 基于规则的 启发式算法 充分利用领域知识, 求解时间短、效率高。 解的质量依赖于规则的设定; 一般只能得到局部最优解。 时效性要求高、约束复杂的中、小规模问题。 机器学习算法 持续学习和进化; 开源工具支持完备; 算法通用性较好; 训练好的模型执行效率高。 训练数据要求高; 可解释性差; 依赖强大算力; 解空间维数灾难。 作战规则明确、时效性要求高的中、小规模问题。