188宝金博页面版

Computer Engineering and Applications计算机工程与应用 2018，54（7）1 引言目标威胁评估（Target Threat Assessment）是现代作战决策的基。笆弊既返囟缘蟹侥勘晖胁做出评判，为军事决策提供信息支持，是提高作战制胜能力的关键 [1-2] 。目前，用于目标威胁评估的方法主要有：云模型 [3] 、贝叶斯网络 [4-5] 、多属性决策法 [6-7] 、直觉： [8] 、TOPSIS [9] 、DS证据理论 [10] 以及支持向量机 [11] 等。这些方法各有特点，但其参数的确定多依赖于专家经验，难以对作战环境变化所引起的复杂关系做出灵活反映。文献[12-13]分别将BP神经网络用于无人机航迹规划气象威胁度模型和威胁度估计，为威胁评估问题提供了一种简单实用的解题思路，但其实时适应性较弱。Elman动态神经网络在BP网络的基础上引入储存记忆环节，具有非线性、并行性、适应时变、自学习等特点，同时训练速度和稳定性有所改善，可以较好反映动态过程系统的特性 [14] ，适用于建立不确定问题的预测模型，但其仍存在易陷入局部极值等缺陷，因此考虑用其他算法对Elman网络进行优化。鉴于磷虾群（Krill Herd，KH）算法 [15] 易于实现且具有良好的寻优性能，本文对其进行改进，提出一种自适自适应磷虾群优化Elman神经网络的目标威胁评估李志鹏，李卫忠，杜瑞超LI Zhipeng, LI Weizhong, DU Ruichao空军工程大学 防空反导学院，西安 710051Air and Missile Defense College of Air Force Engineering University, Xi’an 710051, ChinaLI Zhipeng, LI Weizhong, DU Ruichao. Target threat assessment using Elman neural network optimized by adap-tive krill herd algorithm. Computer Engineering and Applications, 2018, 54（7）：226-231.Abstract：Adaptive krill herd algorithm is proposed on the basis of the basic krill herd algorithm, by establishing geneticbreeding mechanism and adding an adaptive link which is made of genetic and optimization operators. This new algo-rithm not only improves the global optimization performance, but also obtains robust result with good quality. The methodemploying adaptive evolutionary krill herd algorithm to simultaneously optimize the initial weights and thresholds of theElman neural network is presented. And on the basis of it, a target threat assessment model is established to seek globalexcellent result. Through simulation and analysis of experimental data, the feasibility and efficiency of the algorithm inthe application of target threat assessment are verified.Key words：adaptive krill herd algorithm; genetic breeding mechanism; Elman neural network; target threat assessment;threat value摘 要：提出一种自适应磷虾群算法，在基本磷虾群算法中引入遗传繁殖机制，并加入进化算子和优化算子构成自适应环节，提高了算法的全局搜索能力和预测精度；通过自适应磷虾群算法对Elman神经网络的初始权值和阈值进行寻优，并在此基础上建立目标威胁评估模型。仿真实验表明，自适应磷虾群优化Elman神经网络既保证了一定的收敛速度，又能够使寻优精度得到明显提升，其对测试集的预测结果优于传统Elman神经网络和基本磷虾群优化Elman神经网络，从而验证了算法模型在目标威胁评估中的可行性、有效性。关键词：自适应磷虾群算法；遗传繁殖机制；Elman神经网络；目标威胁评估；威胁值文献标志码：A 中图分类号：TP391.9 doi：10.3778/j.issn.1002-8331.1611-0045基金项目：国家自然科学基金（No.61503407）。作者简介：李志鹏（1993—），男，硕士研究生，研究领域为智能信息处理、数据融合等，E-mail：lizhipeng0888@yeah.net；李卫忠（1968—），男，副教授，硕士生导师，研究领域为数据融合、云计算等；杜瑞超（1991—），男，硕士研究生，研究领域为系统与软件可靠性。收稿日期：2016-11-02 修回日期：2017-01-02 文章编号：1002-8331（2018）07-0226-06CNKI网络优先出版：2017-03-13, http://kns.cnki.net/kcms/detail/11.2127.TP.20170313.1638.020.html226