(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111421064.5 (22)申请日 2021.11.26 (71)申请人 南京信息 工程大学 地址 224002 江苏省盐城市 盐南高新区新 河街道文港南路10 5号 (72)发明人 潘成胜　王建伟　张艳艳　 (74)专利代理 机构 南京经纬专利商标代理有限 公司 32200 代理人 朱桢荣 (51)Int.Cl. G06F 30/27(2020.01) G06Q 10/06(2012.01) G06F 111/06(2020.01) G06F 119/02(2020.01) (54)发明名称 一种基于DGWO-SVM的气象环境下武器作战 效能评估方法 (57)摘要 本发明公开了一种基于DGWO ‑SVM的气象环 境下武器作战效能评估方法， 包括以下步骤： 步 骤1、 获取影 响武器作战效能的气象环境因素； 步 骤2、 将影响武器作 战效能的气象环境因素作为 武器作战效能评估模型输入， 武器作战效能评估 值作为武器作战效能评估模型输出， 构建武器作 战效能评估模型； 步骤3、 将采用径向基核函数的 支持向量机SVM应用于武器作战效能评估模型； 步骤4、 运用强化首领决策能力的灰狼优化算法 DGWO， 对采用径向基核函数的支持向量机中惩罚 因子以及核 函数参数进行优化选取； 步骤5、 将最 优的惩罚因子以核函数参数运用于武器作战效 能评估模型中， 获得最优武器作战效能评估结 果。 从而提升武器作战效能评估精确性。 权利要求书3页 说明书9页 附图2页 CN 114186482 A 2022.03.15 CN 114186482 A 1.一种基于DGWO ‑SVM的气象环境下武器作战效能评估方法， 其特征在于， 包括以下步 骤： 步骤1、 获取影响武器作战效能的气象环境因素； 步骤2、 将影响武器作战效能的气象环境因素作为武器作战效能评估模型输入， 武器作 战效能评估值作为武器作战效能评估 模型输出， 构建武器作战效能评估 模型； 步骤3、 将采用径向基核函数的支持向量机SVM应用于武器作战效能评估 模型； 步骤4、 运用强化首领决策 能力的灰狼优化算法D GWO， 对采用径向基核函数的支持 向量 机中惩罚因子以及核函数参数进行优化选取； 步骤5、 将最优的惩罚因子以及核函数参数运用于武器作战效能评估模型中， 获得最优 武器作战效能评估结果。 2.根据权利要求1所述的一种基于DGWO ‑SVM的气象环境下武器作战效能评估方法， 其 特征在于， 步骤2具体如下： 建立武器装备在气象环境影响下的作战效能评估模型， 将影响武器作战效能的气象环 境要素作为评估模型的输入x， x＝[x(1)， x(2)，…x(s)，…， x(n)]， s∈[1， n]， n为影响武器作战 效能的气象环境要素的总数， x(s)为影响武器作战效能的第s个气象环境要素； 将该武器作 战效能作为评估 模型的输出， 用y∈[0， 1]表示； 设已知武器作战效能评估模型的训练样本集{(xi， yi)， i＝1， 2， …， l}， l为训练样本集 中训练样本总数； 其中xi＝x∈R， xi为第i个输入训练样本数， 即武器作战效能评估模型的输 入指标向量； yi＝y∈R， yi为第i个输出训练样本数， 即武器作战效能评估模型的输出指标向 量， R为实数集； 对训练样本集中的训练样本进行归一化处理， 通过对训练样本集中的归一化处理后的 训练样本的学习来建立影响武器作战效能的气象环境要素与 武器作战效能之间的非线性 映射， 构成武器作战效能评估 模型， 进而利用该模型对武器作战效能进行评估。 3.根据权利要求2所述的一种基于DGWO ‑SVM的气象环境下武器作战效能评估方法， 其 特征在于， 武器作战效能评估 模型为 其中， xi为训练时样本的武器作战效能评估模型的输入指标向量； xj为预测时的武器作 战效能输入指标 向量； f(x)为武器作战效能评估模型的输出， 即为作战效能评估值， αi 为拉格朗日乘子， λ为径向基核函数中的参数， λ＞0， b是偏置量。 4.根据权利要求1所述的一种基于DGWO ‑SVM的气象环境下武器作战效能评估方法， 其 特征在于， 步骤4具体如下： 将惩罚因子C以及径向基核函数中的参数λ设定为灰狼个体的位置向量， 具体步骤如 下： (1)初始化第e个狼群Xe， e＝1， 2， …， N， N为狼群总数， 初始化 a和 其中 是系数 向量， a为 参数， 确定最大迭代次数T， 初始化迭代次数为t； (2)搜寻猎物， 并进行包围， 狼与猎物之间的距离 为：权　利　要　求　书 1/3 页 2 CN 114186482 A 2其中 表示当前迭代次数为t时猎物的位置， 表示当前迭代次数为t时狼的位 置， 是系数向量， 是[0， 1]范围内的随机数； 对猎物进行包围， 包围猎物的数 学模型为： 其中 为当前迭代次数为t+1时狼的位置， 的值是[0， 1]范围内的随机数， a为 参数， 从2线性衰减到 0， t为当前迭代次数， T为 最大迭代次数； (3)追捕猎物， 计算狼群适应度， 将适应度进行排序， 选出适应度最好的三只狼定为α 狼， β 狼和 δ狼， 其 余定为ω 狼； 其中 和 分别代表α 狼， β 狼和 δ狼在追捕猎物空间中的位置； 为α 狼与猎物间 的距离， 为β 狼与猎物间的距离， 为δ狼与猎物间的距离； 为当前α狼的位置， 为当 前β 狼的位置， 为当前δ狼的位置； 为α 狼的系数向量， 为β 狼的系数向量， 为δ狼的系 数向量； 为当前α 狼追捕下猎物的位置， 为当前β 狼追捕下猎物的位置， 为当前δ狼追 捕下猎物的位置； 为α 狼的系数向量， 为当前β 狼的位置， 为δ狼的系数向量， 代表ω狼更新后的位置； (4)ω狼根据α狼， β 狼和δ狼的位置来更新自己的纬度值 其中 代表 第j个ω狼的第e维度值； (5)将α 狼， β 狼和 δ狼的纬度值Xα， Xβ和Xδ赋予向量Jα， Jβ和Jδ； Jα＝Xα， Jβ＝Xβ， Jδ＝Xδ (6)根据ω 狼反馈回来纬度值更新Jα， Jβ和Jδ对应的纬度值；权　利　要　求　书 2/3 页 3 CN 114186482 A 3