2025 全国大学生数学建模竞赛（CUMCM）· A 题
随着现代战争中对精确干扰和防护需求的日益增长，烟幕干扰弹的优化投放策略已成为军事防御系统中的关键技术挑战。本文针对烟幕干扰弹投放中的五个重要问题，建立了基于三维运动学建模和智能优化算法的多层次数学模型，开发了高效的多目标优化框架与协同决策策略。
针对问题一（基础场景计算），本文首先建立了精确的三维运动学模型，开发了高精度数值仿真算法。通过构建导弹位置方程M(t) = M0 + vM· t · ˆuM和烟幕中心轨迹模型C(t)=(Pexp,x, Pexp,y, Pexp,z−vs · (t −texp))，最终解决了时空遮蔽关系量化难题。计算结果显示，特定参数下有效遮蔽时长为1.391 秒，遮蔽区间为[8.056, 9.448] 秒，起爆点坐标为(17188.0, 0.0, 1800.0)，为后续优化提供了基准参考。
针对问题二（单机单弹优化），本文设计了基于模拟退火的单目标优化框架，提出了四维决策变量空间搜索策略。通过建立航向角、速度、投放时间和引信时间的联合优化模型x = (θ, v, tdrop, tfuse)，解决了固定参数下的遮蔽时长最大化问题。优化结果表明，最佳参数组合为航向角178.05°、速度100.01 m/s、投放延迟0.014 秒、引信延迟2.917秒，遮蔽时长提升至4.519 秒，较问题一提高224.9%。
针对问题三（单机多弹协同），本文首先构建了多弹时序协同优化模型，创新性地提出了8 维决策空间的高效搜索算法。然后通过开发变量分组扰动策略和自适应温度缩放机制，最终解决了高维优化中的收敛难题。求解获得最优航向角179.71°、速度136.67 m/s，三弹投放时序为[0.116, 3.308, 5.808] 秒，形成[5.385, 11.310]s 和[11.720, 12.735]s 两段遮蔽区间，总时长6.94 秒，较单弹方案提升53.6%，验证了多弹接力的优越性。
针对问题四（多机多弹协同），本文实现了多无人机分布式协同框架，提出了” 先近后远” 启发式约束和两阶段优化策略。通过设计单机优化-组合评估的求解流程和笛卡尔积筛选机制，解决了12 维决策空间中的组合爆炸问题。优化结果显示，三机分别获得遮蔽时长3.025s、3.966s 和4.584s，联合遮蔽总时长11.578 秒，形成了” 首-中-尾” 三段式接力遮蔽模式，虽存在时间间隙但总时长较单机多弹方案提升66.8%。
针对问题五（多机多弹多目标），本文构建了资源分配与多目标优化模型，创新性地提出了匈牙利算法与整数规划的结合框架。通过建立收益矩阵S∈R5×3和成本矩阵C ∈R5×5，解决了5 机对3 弹的资源分配难题。采用分支定界法求解整数规划模型，确定各无人机对各导弹的投弹数量分配，再通过多目标优化全局参数，最终实现总遮蔽时长20.502 秒，各导弹遮蔽时长分别为M1:9.217 秒, M2:7.605 秒, M3:3.680 秒。
本文构建的烟幕干扰弹投放优化体系在遮蔽时长、资源利用率和协同效能方面皆体现了数学建模的严谨性与创新性所提出的多层级优化框架、多弹接力机制和资源分配算法为现代防御系统提供了技术基础。
烟幕干扰弹是一种通过化学燃烧或爆炸分散形成烟幕或气溶胶云团的干扰武器，主要用于在目标前方特定空域形成遮蔽，干扰敌方导弹的制导系统。相比其他干扰手段，烟幕干扰弹具有成本低、效费比高等优点。随着技术的发展，现代烟幕干扰弹可通过无人机等平台实现定点精确抛撒，并利用时间引信精确控制起爆时间，从而在最佳位置形成有效遮蔽。发展此类防御技术对提升国防实力、保卫国家安全具有重要意义。
论文旨在通过数学建模，探索利用无人机投放烟幕干扰弹的优化策略。无人机挂载干扰弹在特定空域巡飞，受领任务后需快速调整航向和速度，在来袭导弹与保护目标之间投放干扰弹。每架无人机投放两枚干扰弹的时间间隔至少为1 秒。干扰弹脱离无人机后在重力作用下运动，起爆后瞬时形成球状烟幕云团，并以3m/s 的速度匀速下沉。试验表明，云团中心10m 范围内的烟幕浓度在起爆后20 秒内可为目标提供有效遮蔽。来袭导弹飞行速度为300m/s，其飞行方向直指一个假目标。需要根据导弹和无人机的初始位置，优化无人机的飞行参数和干扰弹的投放策略，使得多枚干扰弹对真目标的有效遮蔽时间尽可能长[1][2][3]。
问题一：考虑使用无人机FY1 对导弹M1 实施单枚烟幕干扰弹拦截任务。给定FY1以120m/s 的速率沿假目标方向飞行，在接收到任务指令1.5 秒后投射一枚干扰弹，并于
问题二：基于单无人机单弹药的作战模式，以FY1 对M1 实施干扰为背景。需要优化确定无人机的飞行航向、飞行速率、干扰弹投射位置及起爆点位，以实现遮蔽持续时间的最大化。
问题三：采用单架无人机FY1 携带3 枚干扰弹对M1 实施多弹协同干扰。需要设计完整的弹药投放方案，通过建立数学模型确定各枚干扰弹的最佳投放时序和起爆时机，并将优化结果输出至指定格式的表格文件中。
问题四：运用三架无人机（FY1、FY2、FY3）组成协同作战单元，每架各投放1 枚干扰弹对M1 实施联合干扰。需要制定多平台协同作战策略，优化各无人机的战术动作和弹药使用方案，最终将策略结果录入指定格式的表格。
问题五：扩展至多平台多目标作战场景，利用全部5 架无人机（每架最多携带3 枚干扰弹）同时对M1、M2、M3 三枚导弹实施拦截。需要设计复杂的多目标优化方案，统筹规划各无人机的任务分配、飞行参数和弹药使用策略，最终将完整的作战方案输出至指定表格文件中。
问题一：要求计算特定条件下单枚烟幕干扰弹的有效遮蔽时长。已知无人机FY1以120m/s 速度朝向假目标飞行，受领任务1.5 秒后投放干扰弹，3.6 秒后起爆。为解决该问题，需建立运动学模型，计算干扰弹投放点、起爆点位置及云团下沉轨迹，结合导弹M1 的直线运动路径（速度300m/s），确定导弹轨迹位于烟幕有效遮蔽范围（半径为10m 的球体）内的持续时间。关键点包括：无人机投放时的位置计算、干扰弹自由落体运动、云团下沉与导弹运动的时空关系。
问题二：需优化无人机FY1 的飞行参数（方向、速度）和干扰弹投放策略（投放点、起爆点）以最大化遮蔽时间。相比问题1 的固定参数，本问需在连续变量空间中搜索最优解：无人机速度范围70-140m/s，方向任意，投放时间与起爆时间间隔可变。需建立目标函数（遮蔽时长）与决策变量的关系，考虑约束条件（无人机等高度直线飞行、干扰弹间隔限制），通过数值优化方法（如退火算法、遗传算法或梯度下降）求解最优参数组合，并验证遮蔽时长的全局最优性。
问题三：在问题二单弹优化的基础上，需实现单机多弹的协同干扰策略。核心挑战在于协调三枚干扰弹的时空分布：无人机FY1 需在固定航向下，通过精准控制投放时序和引信时长，使三弹爆点沿航迹形成接力式遮蔽。关键约束包括：投放间隔≥1 秒的时序约束、烟雾球下沉的动力学约束，以及多弹联合遮蔽的几何协同要求。目标函数扩展为多区间并集的总时长最大化，需建立8 维决策空间（航向、速度、三组投放参数）的优化模型。相比问题二，本问复杂度显著提升——既要避免弹间遮蔽重叠浪费，又要填补时间间隙，还需处理高维非凸优化问题，为此需设计高效的多弹协同优化算法。
问题四：需协调三架无人机（FY1、FY2、FY3）各投放一枚烟幕干扰弹，实施对导弹M1 的协同干扰以最大化总遮蔽时长。核心在于优化多机的飞行参数（方向、速度）和投弹策略（投放点、起爆点），形成时间序列上的遮蔽接力。相比问题三的单机多弹，本问扩展为多机多弹的分布式优化，决策变量维数显著增加（每架无人机4 个变量，共12 维），且需考虑无人机间的时空协作。关键思路是依据无人机初始位置与导弹路径的相对距离，采用“从近到远”的投弹时序：近端无人机先投弹覆盖导弹早期路径，远端无人机后投弹覆盖晚期路径，从而延长联合遮蔽窗口。挑战包括：多弹遮蔽时间窗口的匹配与衔接、避免遮蔽重叠浪费、处理高维非凸优化空间。为此，需建立多弹遮蔽时间窗口匹配模型，将单弹最佳起爆位置模型与时间序列优化结合，并通过模拟退火算法进行全局搜索，以找到最优参数组合使总遮蔽时长最大化。
问题五：需协调5 架无人机（每架至多投放3 枚烟幕干扰弹）对3 枚来袭导弹（M1、M2、M3）实施协同干扰，最大化总有效遮蔽时长。核心挑战在于解决大规模资源分配与协同优化问题：需同时为15 枚烟幕弹规划最优投放策略，并满足每弹仅遮蔽一枚导弹、同一无人机相邻两弹投放间隔≥1 秒的严格约束。相比问题四的单目标多机协同，本问复杂度呈指数级增长，形成高维决策空间（每架无人机需确定航向、速度及三组投放
参数）和多目标优化问题。
本文采用” 分解-分配-优化” 的整体策略：首先，通过模拟退火算法优化单机三弹对单一导弹的遮蔽策略，得到各无人机-导弹组合的潜在遮蔽收益；其次，基于收益构建成本矩阵，运用匈牙利算法将5 架无人机分配给3 枚导弹（允许多机协同干扰同一目标），实现全局资源最优配置；最后，汇总各无人机针对分配目标的优化策略，输出完整投放方案。关键技术包括复用问题三的” 线-球遮蔽” 几何判定模型、处理多约束的高维优化算法设计，以及分布式计算框架下的协同决策机制。
为保证数学建模的合理性与可行性，基于问题背景与物理实际，提出以下基本假设：
匀速直线运动假设：无人机在投放干扰弹前保持匀速直线飞行，且飞行高度恒定；导弹始终以300m/s 速度沿直线飞向假目标（原点）。该假设简化了运动学分析，其合理性源于无人机巡航阶段及高速导弹技术在接近理想状态发展。
瞬时起爆与球形扩散假设：烟幕干扰弹起爆后瞬时形成完整球形云团，忽略化学反应的扩散时间延迟；云团保持理想球体形态，半径恒为10 米。该假设确保遮蔽判定的确定性，同时简化了复杂的流体动力学。
均匀下沉假设：烟幕云团中心在重力作用下以3m/s 速度匀速铅垂下沉，忽略水平方向的风速扰动及大气湍流导致的形态畸变。该假设基于低空稳定大气环境中烟雾沉降的统计规律，简化了下沉过程的动力学建模。
独立作用假设：多枚烟幕弹形成的云团在空间和时间上相互独立，忽略云团间的碰撞融合效应及由此产生的遮蔽协同增益或损失；同时各导弹飞行路径相互独立。该假设确保各干扰单元可解耦建模，降低系统复杂性。
瞬时指令响应假设：无人机在受领任务指令后立即开始执行投弹程序，忽略通信传输延迟和机体响应时间。该假设确保任务时序控制的精确性，使理论计算的时间节点与实际执行保持一致。
理想引爆控制假设：干扰弹引信可精确控制起爆时间，或者说机械或电子延时误差相对于遮蔽时长可忽略不计。该假设确保时间决策变量的有效性，避免因起爆随机性导致方案失效。
坐标系标准化假设：所有运动分析均基于笛卡尔坐标系（Cartesiancoordinates,即Oxyz 坐标系），其中假目标原点为(0,0,0)，真目标圆柱底心为(0,200,0)，无人机初始位置给定且固定。该假设统一了空间基准，避免坐标转换引入的额外计算误差, 因作战空域尺度远小于地球曲率影响阈值，故忽略科里奥利力效应(Coriolis force)[8]。
本文使用的主要数学符号及其说明见表1：
表1
主要符号说明符号说明PF0无人机初始位置坐标向量(xF0, yF0, zF0) θ无人机航向角（弧度），以x 轴正向为0，逆时针旋转无人机飞行速度（m/s），范围[70, 140] v tdrop干扰弹投放延迟时间（s），从受领任务开始计时tfuse干扰弹引信延迟时间（s），从投放到起爆的时间间隔texp干扰弹起爆时刻（s），texp= tdrop + tfuse干扰弹投放点坐标(xdrop, ydrop, zdrop) Pdrop干扰弹起爆点坐标(xexp, yexp, zexp) Pexp PM(t)导弹在t 时刻的位置坐标(xM(t), yM(t), zM(t))烟幕云团中心在t 时刻的位置坐标(xc(t), yc(t), zc(t)) C(t) d(t)导弹与烟幕云团中心的欧氏距离，d(t)=∥PM(t)− C(t)∥ Tdur烟幕云团有效遮蔽持续时间，固定为20 秒烟幕云团有效遮蔽半径，固定为10 米R vs烟幕云团下沉速度，固定为3m/s F目标函数，表示有效遮蔽总时长xk第k 架无人机的决策变量向量Su,m无人机u 干扰导弹m 的遮蔽时长S收益矩阵[Su,m]（问题五）C成本矩阵（问题五）无人机u 分配到的导弹编号a(u)
问题一需要我们精确地计算无人机FY1在特定条件下投放烟幕干扰弹对导弹M1的有效遮蔽时长。基于题目设定及建模假设，建立笛卡尔三维直角坐标系：以假目标为坐标原点O= (0, 0, 0)，xy 平面为水平面，z 轴垂直向上。则真目标的坐标为(0, 200, 0)，导弹M1 初始位置M0=(20000, 0, 2000)，FY1 初始位置为U0=(17800, 0, 1800)。三维场景建模如图1所示，该可视化系统展示了各重要实体的空间位置关系，在其基础上我们可以进行严谨而直观的建模分析。
图1
三维建模系统展示
a.基础平抛运动模型
首先，建立精确的平抛运动模型描述烟幕干扰弹的运动轨迹。该模型基于牛顿力学定律在均匀重力场下的公式推导，计算结果精确可靠，无需任何实验数据与经验参数校正。
无人机FY1 朝假目标方向等高度直线飞行，其航向由单位向量确定：
(Ox −x0, Oy −y0, 0)
√
ˆu =
(Ox −x0)2+ (Oy −y0)2= (cos θ, sin θ, 0)在受领任务后tdrop= 1.5 s 投放干扰弹，投放点位置由匀速直线运动确定：
Pdrop= U0 + vu · tdrop · ˆu干扰弹投放后仅受重力作用，经tfuse=3.6 s 后起爆，起爆点位置由抛体运动方程确定：
Pexp= Pdrop + vu · tfuse · ˆu +1
2(0, 0, −g) · t2
fuse其中g= 9.8 m/s2为重力加速度。在3D 模拟系统中建立的基础平抛投弹模型如图2所示：
图2
基础投弹模型b.烟幕动态演化与导弹运动烟幕弹起爆后瞬间形成半径R = 10 m 的球形云团，有效遮蔽持续Ts= 20 s。烟云中心以vd= 3 m/s 匀速下沉，其空间位置随时间演化，可以由下面的公式描述：
C(t) = (Pexp,x, Pexp,y, Pexp,z −vd · (t −texp)) ,
t ∈[texp, texp + Ts]其中texp= tdrop + tfuse= 5.1 s 为起爆时刻。
导弹M1 以vm= 300 m/s 匀速飞向假目标：
O −M0
M(t) = M0 + vm · t · ˆum,
ˆum=
∥O −M0∥ c.遮蔽判定模型为了进行精确的遮蔽判定，我们选择采用两种互补的几何模型:模型一：线段-球相交判定（离散采样法）将真目标圆柱表面离散化为均匀采样点集，通过计算导弹到采样点的线段与烟幕球体是否相交来进行遮蔽判定。均匀采样示意图如图3所示：
图3
圆柱表面均匀采样点分布将真目标圆柱表面离散化为均匀采样点集S（采样点数K= 64），包括：•圆柱上下底面圆心各1 个•上下底面圆周各K个等角点对每个采样点p ∈S和导弹位置M(t)，计算线段M(t)p 与烟幕球体B(C(t), 10) 的空间关系。线段参数化表示为：
ℓ(τ) = M(t) + τ(p −M(t)),
τ∈[0, 1]
计算线段到球心的最近点参数：
((C(t) −M(t)) · (p −M(t))
τ∗= clamp
∥p −M(t)∥2最近点距离：
dmin= ∥ℓ(τ∗) −C(t)∥若dmin≤10 + ε（ε = 10−12为数值容差），则线段与球体相交，点p 被遮蔽。若所有采样点均被遮蔽，则该时刻记为” 完全遮蔽”。模型二：相切圆锥模型（解析法）采用相切圆锥模型进行精确遮蔽判定。在任意时刻t，令：
d = ∥c −m∥
m = M(t),
c = C(t),
α = arcsin(min(1, R/d))
ˆa = (c −m)/d对目标圆柱表面均匀采样点集S（采样点数K=64），对每个采样点p∈S，定义向量w= p −m，判定条件：
w · ˆa ≥0（位于轴向前方）
√
w · ˆa
1 −(R/d)2（位于锥体内）
∥w∥≥cos α =若所有采样点均满足上述条件，则该时刻记为” 完全遮蔽”。两种模型的对比验证如图4所示，显示了在不同距离下两种判定方法的一致性：
图4
线段-球相交模型与相切圆锥模型对比d.时间积分与目标函数定义遮蔽指示函数：
完全遮蔽
I(t) =
否则评价时间窗为[0, texp + Ts]，遮蔽总时长：
∫texp+Ts
∑
(ti,end −ti,start)
Tcover=
I(t)dt =
i其中(ti,start, ti,end) 为第i 个连续遮蔽时间区间。数值实现采用自适应时间细化算法，算法流程如下：1.以固定步长∆t（默认0.05s）扫描时间区间，识别I(t) 的跳变区间2.对每个跳变区间使用二分法细化边界，直至区间长度小于容差tol（默认0.005s）3.合并连续遮蔽区间并计算总时长
我们采用高精度数值模拟方法进行求解，设置时间步长∆t=0.0001s，在t∈ [0, texp + Ts] 区间迭代计算。求解流程严格遵循运动学规律和几何判定准则：1.初始化参数：基于FY1 初始位置、速度及重力加速度，计算航向单位向量ˆu 2.计算起爆状态：确定投放点后，通过抛体运动方程求解爆点坐标Pexp 3.时间迭代：在[0, 25.1] s 区间内，以∆t 为步长推进
4.更新实体位置：根据运动学方程计算各时刻导弹位置M(t) 和烟云中心C(t)
5.遮蔽判定：计算欧氏距离d(t)，当d(t) ≤R 时记录为有效遮蔽时刻
6.区间合并：对连续遮蔽时间段合并，计算总时长Tcover
计算结果如下：
•起爆时刻：texp= 5.100 s
•起爆点坐标：(17188.000, 0.000, 1736.496)
•遮蔽时间区间：[8.056, 9.448] s（单区间）
•有效遮蔽总时长：1.391 s
结果显示，导弹在8.06 s 进入有效遮蔽区，9.440 s 离开，形成单一连续遮蔽区间。对求解结果进行分析，问题一模拟出的遮蔽过程大致如下：•烟云形成时(t = 5.100 s)，导弹位于(17188, 0, 1736) 附近，与烟云初始位置高度重合•但烟云以3 m/s 的速度匀速下沉，导致有效遮蔽范围持续下移•导弹飞行轨迹较为平缓，高度变化较小(z 坐标从2000 m 降至0 m) •两者相对运动使得导弹在1.391 s 后脱离烟云有效范围
我们认为，遮蔽窗口短暂的主要原因是烟云下沉特性与导弹飞行轨迹的不匹配。该现象验证了烟幕干扰弹投放时空精度对遮蔽效果的关键影响，表明优化起爆点位置和时机是提升遮蔽时长的核心因素，为问题二的参数优化提供了重要理论依据。同时，数值模拟结果证实了几何判定模型的可靠性，为后续问题提供了计算基础。
问题二要求优化无人机FY1 的飞行方向、飞行速度、烟幕干扰弹投放点和起爆点，以最大化对导弹M1 的有效遮蔽时长。沿用第一问已经建立三维直角坐标系：以假目标为坐标原点(0, 0, 0)，xy 平面为水平面，z 轴垂直向上。真目标位于(0, 200, 0)，导弹M1的初始位置为(20000, 0, 2000)，FY1 的初始位置为(17800, 0, 1800)。
a.决策变量与优化问题形式化
优化问题涉及四个决策变量，记为向量x = (θ, v, tdrop, tfuse)：•θ:FY1 的航向角（弧度），以x 轴正向为0，沿xy 平面逆时针旋转•v:FY1 的飞行速度（m/s），约束在[70, 140] 范围内•tdrop:投放延迟时间（s），从受领任务开始计时•tfuse:引信延迟时间（s），从投放后到起爆的时间
优化问题可以形式化为：
x∈BF(x)
max
其中可行域B= [θmin, θmax] × [vmin, vmax] × [tdrop,min, tdrop,max] × [tfuse,min, tfuse,max]，F(x) 为遮蔽总时长。
b.物理映射与运动学框架
给定FY1 初始位置U0=(17800, 0, 1800)，航向单位向量ˆu=(cos θ, sin θ, 0)。则投放点坐标为：
Pdrop= U0 + v · tdrop · ˆu
相应地，起爆时刻为：
texp= tdrop + tfuse
起爆点坐标（烟幕云团初始中心）为：
Pexp= Pdrop + v · tfuse · ˆu +1
2g · t2
fuse其中g = (0, 0, −9.8) m/s2为重力加速度矢量。
烟幕云团起爆后，中心以vs=3 m/s 匀速下沉，因此任意时刻t（t≥texp）的云团中心坐标为：
C(t) = (Pexp,x, Pexp,y, Pexp,z −vs · (t −texp))云团有效遮蔽时间窗口为[texp, texp + 20]。
导弹M1 以vM= 300 m/s 匀速飞向假目标(0, 0, 0)。设导弹初始位置M0= (20000, 0, 2000)，飞行方向单位向量ˆuM= (−M0)/∥M0∥。任意时刻t 导弹位置为：
M(t) = M0 + vM· t · ˆuM
c.遮蔽条件与目标函数
沿用问题一的设定，遮蔽判定采用圆锥模型：设m = M(t)、c = C(t)、d = ∥c−m∥，半顶角α = arcsin(min(1, R/d))，锥轴单位向量ˆa = (c −m)/d。对目标圆柱表面采样点p，定义向量w= p −m，p 被遮蔽当且仅当：
w · ˆa ≥0（位于轴向前方）
√
w · ˆa
1 −(R/d)2（位于锥体内）
∥w∥≥cos α =若所有采样点均满足上述条件，则时刻t 记为完全遮蔽。
目标函数为有效遮蔽总时长：
∫texp+20
∑
F(x) =
I(t; x)dt ≈
(τi,end −τi,start)
i其中I(t; x) 为遮蔽指示函数，τi,start 和τi,end 为第i 个连续遮蔽时间段的起始和结束时间。
d.约束条件
本题的优化过程需要满足以下五点约束：
•速度约束：v∈[70, 140] m/s •航向角约束：θ∈[0, 2π) rad •时间约束：tdrop≥0, tfuse≥0 •几何约束：centerz≥0（起爆点不低于地面）•存续约束：遮蔽判定仅限[texp, texp + 20] 时间窗口
根据模型建立部分的分析，本题是一个多变量单目标的题型，通过在导弹和真目标连线扫过的面上，取多个球面与面的上表面相切，并假设此时烟雾球匀速下降，得出该面上可能出现的多个峰值遮蔽时间。在3D 可视化系统中，我们发现其表面是凹凸不平的，存在多个局部最优解，此时如果使用普通的梯度下降方法，就很有可能卡在局部最优上(见图5)[7]。
图5
导弹M1 飞行轨迹的遮蔽时长分布（基于色彩梯度可视化）
相比遗传算法（Genetic Algorithm,GA）等种群优化方法，模拟退火算法在相同计算资源下收敛更快（单次迭代评估次数少），更加适合算力与时间限制的场景。因此，综合考虑各项建模求解因素，我们最终选择采用模拟退火算法（Simulated Annealing, SA）求解上述优化问题。该算法能有效避免陷入局部最优解，具有较强的鲁棒性。
a.算法框架
模拟退火算法模仿物理退火过程，通过控制温度参数逐步降低接受劣解的概率。算法步骤如下[4]：1.初始化:设置初始温度T0= 1.0、终止温度Tend= 0.001、降温系数α = 0.985、迭代
次数N= 600、重启次数R = 5 2.初始解生成:采用暖启动策略，基准航向θ0= atan2(−y0, −x0)，初始解采样为：
θ= θ0 + U(−0.2, 0.2)
v∼U(70, 140)
tdrop∼U(0.5, 6.0)
tfuse∼U(1.0, 6.0) 3.邻域生成:高斯扰动能够保证算法有概率访问到解空间中的任何一个点（即满足某
种“遍历性”）。据此在给定温度Tk下，生成高斯扰动，其效果的符号表达如下：
θ′= θ + ∆θ,
∆θ∼N(0, 0.35Tk)
v′= clamp(v + ∆v, 70, 140),
∆v∼N(0, 15.0Tk)
t′
drop= clamp(tdrop+ ∆td, 0, 20),
∆td∼N(0, 1.2Tk)
t′
∆tf∼N(0, 1.2Tk)
fuse= clamp(tfuse+ ∆tf, 0.5, 10), 4.接受准则:计算目标函数增量∆= F(x′) −F(x)，按Metropolis 准则接受新解：
∆≥0
P(accept) =
exp(∆/Tk)
∆< 0 5.降温策略:采用指数降温Tk+1= max(Tend, αTk) 6.终止条件:当Tk< Tend 或达到最大迭代次数时终止7.多重启机制:独立运行R 次算法，取最优解作为最终结果
b.遮蔽评估优化
为提高计算效率，本文选择采用自适应时间细化策略：1.以步长∆t = 0.05s 粗采样，检测遮蔽指示函数I(t; x) 的跃迁2.对每个跃迁区间[a, b]，用二分法细化端点至容差tol = 0.005s 3.合并相邻区间，计算总遮蔽时长
c. 求解结果与分析
模拟退火算法通过多重启机制和自适应邻域搜索，有效探索了四维决策空间，找到了全局最优解。算法在5 次重启中共进行了3000 次迭代，最终收敛到稳定解。得到最优决策变量值如下：
•最优航向角θ∗= 3.1075 rad（约178.05°）
•最优速度v∗= 100.01 m/s
•最优投放延迟t∗
drop= 0.014 s
•最优引信延迟t∗
fuse= 2.917 s对应物理量：
•投放点坐标:(17798.564, 0.049, 1800.0)
•起爆点坐标:(17506.974, 9.987, 1758.294)
•起爆时刻:texp= 2.932 s
•有效遮蔽时间区间:[3.0906, 7.6094] s
•有效遮蔽总时长:4.519 s对求解结果进行分析，优化后遮蔽时长显著提升（从问题一的1.391s 增至4.519s），我们认为主要得益于：•航向角优化使FY1 飞行方向更利于烟幕覆盖导弹路径，航向角178.05° 使无人机朝向导弹预计路径区域•投放和引信时间优化使起爆点更早形成烟幕，且与导弹相遇时间更长该结果证明了模拟退火算法在烟幕干扰弹投放策略优化中的有效性，为解决后续多弹、多机协同优化问题提供了重要经验。
针对无人机FY1 投放三枚烟幕干扰弹对导弹M1 实施干扰的优化问题，在问题二单弹模型的基础上进行了系统性扩展。核心挑战在于将决策变量从4 维扩展至8 维，在保留航向角θ 和速度v 的基础上，新增三组投放时刻tdrop,i 和引信时长tfuse,i（i = 1, 2, 3）。这种扩展带来两个关键挑战：1) 时序约束：需保证投放间隔≥1s（tdrop,i+1≥tdrop,i + 1），通过投影算子强制排序并挤压越界值。2) 空间协同：三弹爆点需在时空上形成互补遮蔽，其几何关系直接影响联合遮蔽效果。a.决策变量与约束条件优化问题涉及8 个决策变量，记为向量x = (θ, v, tdrop,1, tfuse,1, tdrop,2, tfuse,2, tdrop,3, tfuse,3)⊤，其中：•θ:FY1 的航向角（弧度），以x 轴正向为0，沿xy 平面逆时针旋转•v:FY1 的飞行速度（m/s），约束在[70, 140] 范围内
•tdrop,i:第i 枚弹投放延迟时间（s），满足tdrop,i+1≥tdrop,i + 1 且tdrop,i∈[0, tdrop,max]（tdrop,max 取20s）•tfuse,i:第i 枚弹引信延迟时间（s），约束在[0.5, 10] 范围内优化问题形式化为：
max
x∈BF(x)其中可行域B需满足上述所有约束条件。b.多弹运动学框架给定FY1 初始位置U0= (17800, 0, 1800)，航向单位向量ˆu = (cos θ, sin θ, 0)。第i 枚弹投放点坐标：
Pdrop,i= U0 + v · tdrop,i · ˆu第i 枚弹起爆时刻：
texp,i= tdrop,i + tfuse,i第i 枚弹起爆点坐标（考虑水平匀速和竖直自由落体）：
Pexp,i= Pdrop,i + v · tfuse,i · ˆu −1
2gt2
fuse,i· ez其中g= 9.8 m/s2为重力加速度，ez= (0, 0, 1)⊤。第i 枚弹烟幕云团中心轨迹（考虑匀速下沉）：
Ci(t) = Pexp,i −vs · max(0, t −texp,i) · ez其中vs= 3 m/s 为云团下沉速度，有效时间窗口为t ∈[texp,i, texp,i + 20]。导弹M1 运动模型同问题二：
M(t) = M0 + vM· t · ˆuM
(0,0,0)−M0其中M0= (20000, 0, 2000)，vM= 300 m/s，ˆuM=
∥(0,0,0)−M0∥。c.多弹遮蔽判定模型遮蔽判定采用改进的” 线段-球相交” 几何模型。在真目标圆柱表面均匀采样K个点（K= 64），采样点集S包括：•圆柱上下底面圆心各1 个：B = (0, 200, 0) 和B + (0, 0, 10) •上下底面圆周各K个等角点：B + (7 cos φk, 7 sin φk, 0) 和B + (7 cos φk, 7 sin φk, 10)，其中φk= 2πk/K，k= 0, 1, . . . , K −1对于每个采样点p ∈S和导弹位置M(t)，计算线段M(t)p 与烟幕球体的空间关系。线段参数化表示为：
ℓ(τ) = M(t) + τ(p −M(t)),
τ∈[0, 1]
对于烟幕球体B(Ci(t), 10)，计算线段到球心的最近点参数：
((Ci(t) −M(t)) · (p −M(t))
τ∗= clamp
∥p −M(t)∥2
最近点距离：
dmin= ∥ℓ(τ∗) −Ci(t)∥
若dmin≤10 + ε（ε = 10−12为数值容差），则线段与球体相交，点p 被该烟幕遮蔽。若所有采样点均被至少一个烟幕球遮蔽，则时刻t 记为完全遮蔽。
d.目标函数与时间积分
目标函数为三弹联合有效遮蔽总时长：
∫tend
∑
F(x) =
I(t; x)dt ≈
(τj,end −τj,start)
tstart
j其中I(t; x)为遮蔽指示函数（完全遮蔽时为1，否则为0），积分区间[tstart, tend]= [0, maxi(texp,i) + 20]，τj,start 和τj,end 为第j个连续遮蔽时间段的起始和结束时间。
数值实现采用自适应时间细化算法：1.以固定步长∆t（默认0.05s）扫描时间区间，识别I(t) 的跳变区间2.对每个跳变区间使用二分法细化边界，直至区间长度小于容差tol（默认0.005s）3.合并连续遮蔽区间并计算总时长
e.优化算法
延续第二问的求解方案，继续采用模拟退火算法来求解该8 维优化问题，主要步骤包括：1.初始化：基于FY1 到假目标的基准航向θ0= atan2(0 −0, 0 −17800)，添加随机扰动
生成初始解2.邻域搜索：对当前解添加高斯扰动生成候选解，对投放时刻进行排序和间隔修正3.接受准则：采用Metropolis 准则，以概率e∆F/T接受劣解4.温度更新：采用指数降温策略Tk+1= αTk 5.多重启机制：执行R 次独立优化过程，选取最佳解
该模型能够有效协调三枚烟幕干扰弹的投放时序和空间分布，实现对导弹M1 的最大化遮蔽时长。
延续第二题的思路，依然采用改进的模拟退火算法求解上述高维优化问题，但是我们针对多弹协同特点进行了三项重要改进:
a.算法改进策略
1.变量分组扰动：将8 维变量分为两组——无人机参数(θ, v) 采用独立高斯扰动（σθ=
σb= 0.8T，个体扰动σi= 0.5T）2.增强重启机制：重启次数增至500 次（问题二为5 次），初始解基于θ0= arctan((0 −
y0)/(0 −x0)) 生成
√ 3.温度敏感缩放：扰动尺度σ∝T（问题二为σ∝
T），适应更高维空间搜索
b.约束处理
投放时间约束通过投影算子处理：1.对扰动后的投放时间排序2.检查相邻间隔是否满足≥1s 要求3.若不满足，则向前挤压时间序列直至满足最小间隔4.最后进行边界裁剪
c.参数设置
算法参数依然基于大量实验调优：设置初始温度T0=1.0、终止温度Tend=0.001、降温系数α=0.985、迭代次数N=1000、重启次数R=500、时间步长:∆t=0.05 s、细化容差:tol = 0.005 s、圆柱采样点数:K= 64、随机种子:42
d. 求解结果与分析
算法在500 次重启中共进行了500000 次迭代，最终收敛到稳定解。得到的最优决策变量值如下：
表2
各弹药最优决策变量值（问题三）
弹药
θ (rad)
θ (°)
v (m/s)
tdrop (s)
tfuse (s)
texp (s)
M1
M2
M3
表3
各弹药投放点与起爆点坐标（问题三）
弹药
投放点坐标(m)
起爆点坐标(m)
x
y
z
x
y
z
M1
M2
M3
计算得到的联合遮蔽效果如下：
•有效遮蔽时间区间:[5.385, 11.314] s 和[11.718, 12.733] s
•有效遮蔽总时长:6.940 s
•较问题二单弹最优(4.519 s) 提升53.57%
完整的计算结果保存在result1.xlsx 文件中。
对结果进行分析，三枚烟幕干扰弹通过协同投放实现了对导弹M1 的接力式遮蔽，具体表现为：•时序策略：弹1 最早投放(0.116s) 但引信最长(3.639s)，在17.3km 处形成早期遮蔽；
弹2 延迟投放(3.308s) 但引信延长至5.301s，爆点前移至16.6km 处；弹3 最晚投放
(5.808s) 且引信最长(5.910s)，在16.2km 处填补尾部遮蔽•空间布局：爆点高度形成阶梯式下沉(1735.1m→1662.3m→1628.8m)，与导弹下降轨
迹匹配•协同机制：首弹贡献主遮蔽区3.710s，第二弹延伸2.705s(重叠1.8s)，第三弹填补间
隙1.015s，形成良好接力•残余间隙：存在约0.41s 短暂间隙，表明仍有优化空间
我们将三枚烟幕在时空上遮蔽形成的扫琼曲线直观地表现了出来，如图6所示[7]：
图6
三导弹时空协作扫琼曲面可视化
对求解得到的数据进行分析，不难发现结果体现了多弹协同投放中时序安排与爆点高度控制的重要性。恰当的任务分配可形成遮蔽接力效应，进而显著延长总遮蔽时长。这种” 接力式” 覆盖策略为问题四的多机协同建模提供了重要启示，即当建模场景扩展至多机协同时，可类比为时空维度的” 接力” 进行处理。同时，改进的模拟退火算法成功地处理了高维决策空间中的复杂约束问题，证明了智能优化算法在多弹协同优化中的有效性。
本问题需协调三架无人机（FY1、FY2、FY3）各投放一枚烟幕干扰弹，形成协同干扰策略以最大化对导弹M1 的有效遮蔽总时长。基于题目设定，沿用前三问的三维直角坐标系：以假目标为坐标原点(0, 0, 0)，xy 平面为水平面，z 轴垂直向上。真目标为圆柱体，下底面圆心位于(0, 200, 0)，半径7 m，高度10 m；导弹M1 初始位置为(20000, 0, 2000)，以300 m/s 速度匀速飞向假目标。
a.多机协同决策变量体系
问题四的核心挑战在于协调三架无人机的飞行与投放策略，决策变量空间进一步扩展至12维。每架无人机k（k=1, 2, 3对应FY1、FY2、FY3）具有独立决策向量xk= (θk, vk, tdrop,k, tfuse,k)：θk:无人机k 的航向角（弧度），以x 轴正向为0，沿xy 平面逆时针旋转; vk:无人机k的飞行速度（m/s），约束在[70, 140] 范围内; tdrop,k:无人机k的投放延迟时间（s），从受领任务开始计时; tfuse,k:无人机k 的引信延迟时间（s），从投放后到起爆的时间。
b.多体运动学框架
给定各无人机初始位置U0,k，航向单位向量ˆuk=(cos θk, sin θk, 0)。投放点坐标：Pdrop,k=U0,k + vk · tdrop,k · ˆuk。起爆时刻：texp,k=tdrop,k + tfuse,k。起爆点坐标（烟幕云团初始中心）：
Pexp,k= Pdrop,k + vk · tfuse,k · ˆuk +1
2g · t2
fuse,k其中g = (0, 0, −9.8) m/s2为重力加速度矢量。
烟幕云团起爆后，中心以vs= 3 m/s 匀速下沉，因此任意时刻t（t ≥texp,k）的云团中心坐标为：
Ck(t) = (Pexp,k,x, Pexp,k,y, Pexp,k,z −vs · (t −texp,k)各云团有效遮蔽时间窗口为[texp,k, texp,k + 20]。
导弹M1 运动模型同前：
M(t) = M0 + vM· t · ˆuM其中M0= (20000, 0, 2000)，ˆuM= (−M0)/∥M0∥。
c.多弹遮蔽条件与目标函数
有效遮蔽需同时满足两个条件：1）时间t ∈∪3
k=1[texp,k, texp,k + 20]。2）真目标圆柱体被完全遮蔽。
圆柱体完全遮蔽判定采用“线-球”几何模型：在圆柱表面均匀采样N个点（包括顶面、底面圆周和中心点），对于每个采样点p，若存在至少一个烟幕云团k使得线段M(t)p 与球体B(Ck(t), 10) 相交，则p 点被遮蔽。若所有采样点均被遮蔽，则时刻t 记为完全遮蔽。
目标函数为三弹联合有效遮蔽总时长：
∑
F(x1, x2, x3) =
(τi,end −τi,start)
i其中τi,start 和τi,end 为第i 个连续遮蔽时间段的起始和结束时间。
d.” 先近后远” 时序约束
为提高搜索效率，我们在建模过程中引入物理直觉驱动的启发式约束：定义无人机到假目标的初始距离dk=∥U0,k−O∥，按距离从近到远排序。约束其起爆时间满足texp,(near)≤texp,(mid)≤texp,(far)。若严格约束下无可行解，则逐步放宽该约束。
e.算法优势分析
该分层优化策略具有显著优势：•降维收敛稳健：将12 维连续优化分解为3 个4 维问题，避免” 维数灾难” •显式处理重叠：组合层评估能够识别时空重叠，避免遮蔽效率损失•复杂度可控：通过控制候选解数量，将组合评估复杂度限制在合理范围•可并行加速：三机SA 相互独立，可并行执行提升效率•判定口径统一：沿用问题三的几何判定模型，确保结果可比性•工程友好：与现有代码库完全兼容，便于实现和调试
该模型通过科学的分层优化框架，有效协调了三架无人机的时空资源配置，为实现对导弹M1 的最大化协同遮蔽提供了可靠保障。
我们选择采用” 单机优化-组合评估” 的两阶段策略求解上述复杂优化问题。
a.算法框架
单机优化阶段：对每架无人机独立使用模拟退火算法（SA），优化其单弹遮蔽策略，得到top-K候选解（K= 24）。SA 延续前三问框架：初始温度T0= 1.0，终止温度Tend= 0.001，降温系数α = 0.985，邻域扰动采用自适应高斯噪声。
组合评估阶段：对三架无人机的候选解进行笛卡尔组合（共K3种可能），评估每种组合的联合遮蔽时长。评估时强制执行” 先近后远” 时序约束，若无可行解则放宽约束。最终保留最优组合。
b.参数设置与计算环境
算法关键参数始终基于大量实验调优：单机SA 迭代次数：1000 次/重启；单机重启次数：2000 次（用于生成多样化候选解）；圆柱采样点数：64 点（均衡精度与效率）；时间步长：∆t = 0.05 s（粗扫）+ 自适应细化；随机种子：42（确保可重复性）；
c.求解结果与分析
通过两阶段优化算法，得到最优决策变量组合如表4所示：
表4
各无人机最优决策变量值（问题四）
无人机
θ (rad)
θ (°)
v (m/s)
tdrop (s)
tfuse (s)
texp (s)
FY1
FY2
FY3
对应物理量如表5所示：
表5
各无人机投放点与起爆点坐标（问题四）
无人机
投放点坐标(m)
起爆点坐标(m)
x
y
z
x
y
z
FY1
FY2
FY3
各烟幕弹独立遮蔽效果与联合遮蔽效果：
•FY1 单弹遮蔽时长：4.584 s，区间：[0.9340, 5.5184] s
•FY2 单弹遮蔽时长：3.966 s，区间：[14.1517, 18.1174] s
•FY3 单弹遮蔽时长：2.625 s，区间：[22.5262, 25.5512] s
•联合有效遮蔽总时长：11.578 s
•联合遮蔽时间区间：[0.8493, 5.4336] s, [14.1493, 18.1180] s, [34.2586, 36.8836] s
完整的计算结果已保存至result2.xlsx 文件。
对结果进行分析，发现三机协同遮蔽总时长达到11.578 s，显著优于单机单弹（问题二，4.519 s）和单机三弹（问题三，6.940 s）方案，提升幅度分别为156.2% 和66.8%。优化结果呈现出以下特征：
时序策略优化：算法通过放宽” 先近后远” 约束发现了更优的时空协调策略。远端无人机FY1 最先起爆（texp= 0.824 s）负责覆盖导弹飞行初段，最近端无人机FY3 最后起爆（texp= 25.188 s）负责覆盖末段，中间无人机FY2 在texp= 14.136 s 起爆覆盖中段，形成完整的时间接力。
空间布局优化：各无人机航向自适应调整（FY1:6.61◦, FY2:−47.53◦, FY3:116.41◦），形成有效的空间包夹态势。起爆点分布广泛（x 坐标从4458 m 到17905 m），完美覆盖导弹完整飞行路径。FY3 起爆点最近(4458 m) 且最低(480 m)，负责末端防御；FY1 起爆点最远(17905 m) 且最高(1798 m)，负责起始段拦截。
速度参数优化：各无人机均采用接近上限的速度（FY3:137.63 m/s, FY2:131.84 m/s, FY1:128.87 m/s），确保快速到达理想战术位置。速度分配与各机的战术角色相匹配，远端无人机需要更快速度以便及时到位。
遮蔽效果分布：三枚烟幕弹形成完美的”首-中-尾”接力遮蔽模式，分别覆盖早期（0.849-5.434 s）、中期（14.149-18.118 s）和末期（34.259-36.884 s）三个阶段。虽存在时间间隙，但总遮蔽时长较单机方案提升142.0
算法效能验证：两阶段优化策略成功解决了12 维决策空间中的组合优化问题。通过单机SA 生成优质候选解，再通过组合评估发现全局最优协同方案，算法在2000000次评估后收敛到稳定解。优化后的遮蔽时长达到11.178 s，证明了该方法在多机协同优化中的有效性。
未来工作可进一步优化时序配合，通过精细调整投放和引信参数，减少遮蔽间隙，提升连续遮蔽能力。同时可探索更高效的优化算法，以处理更复杂的多机多弹场景。
本问题需协调5 架无人机（每架至多投放3 枚烟幕干扰弹）对3 枚来袭导弹（M1、M2、M3）实施协同干扰，最大化总有效遮蔽时长。基于题目设定，沿用前四问的三维直角坐标系：以假目标为坐标原点(0, 0, 0)，xy平面为水平面，z轴垂直向上。真目标为圆柱体，下底面圆心位于(0, 200, 0)，半径7 m，高度10 m；各导弹初始位置及无人机初始位置见题目给定数据。
a.多机多弹多目标决策体系
问题五的核心挑战在于解决大规模资源分配与协同优化问题，需同时为15 枚烟幕弹规划最优投放策略。从复杂软件系统的架构设计方法论中汲取灵感，本文采用”分解-分配-优化” 的整体策略，将复杂问题分解为三个层次：•单机单目标优化：对每个无人机-导弹组合(u, m)，优化该无人机专门干扰该导弹时
的三弹投放策略•资源分配优化：将无人机分配给导弹，最大化系统总收益•全局策略汇总：根据分配结果汇总各无人机策略
图7
分层多机多弹多目标决策体系架构图（第五问）
这三个层次将关注点成功分离，具有明确的层次依赖关系，使得复杂问题被分解为多个可管理的模块。
b.单机单目标决策变量
对于无人机u 干扰导弹m 的场景，决策变量扩展至8 维：xu,m= (θ, v, tdrop,1, tfuse,1, tdrop,2, tfuse,2, tdrop,3, tfuse,3)⊤，其中：•θ:无人机航向角（弧度），以x 轴正向为0，沿xy 平面逆时针旋转•v:无人机飞行速度（m/s），约束在[70, 140] 范围内•tdrop,i:第i 枚弹投放延迟时间（s），满足tdrop,i+1≥tdrop,i + 1 且tdrop,i∈[0, 20] •tfuse,i:第i 枚弹引信延迟时间（s），约束在[0.5, 10] 范围内
c.多体运动学框架
运动学模型延续问题四的框架，但扩展至多导弹场景。导弹m 的运动方程为：
Mm(t) = M0,m + vM· t · ˆuM,m其中M0,m 为导弹m 的初始位置，ˆuM,m= (−M0,m)/∥M0,m∥为飞行方向单位向量。
无人机u 的运动轨迹为：
Uu(t) = U0,u + vu · t · (cos θu, sin θu, 0)⊤其中U0,u 为无人机u 的初始位置。
第i 枚烟幕弹的投放点坐标：
Pdrop,u,m,i= U0,u + vu · tdrop,i · (cos θu, sin θu, 0)⊤
起爆时刻：
texp,u,m,i= tdrop,i + tfuse,i
起爆点坐标（考虑水平匀速和竖直自由落体）：
Pexp,u,m,i= Pdrop,u,m,i + vu · tfuse,i · (cos θu, sin θu, 0)⊤−1
2gt2
fuse,i· (0, 0, 1)⊤其中g= 9.8 m/s2为重力加速度。
烟幕云团中心轨迹（考虑匀速下沉）：
Cu,m,i(t) = Pexp,u,m,i −vs · max(0, t −texp,u,m,i) · (0, 0, 1)⊤其中vs= 3 m/s 为云团下沉速度，有效时间窗口为t ∈[texp,u,m,i, texp,u,m,i + 20]。
d.多目标遮蔽条件与收益函数
对于无人机u 干扰导弹m 的场景，遮蔽判定采用” 线段-球相交” 几何模型（同问题
弹位置Mm(t)，计算线段Mm(t)p 与烟幕球体的空间关系。
线段参数化表示为：
ℓ(τ) = Mm(t) + τ(p −Mm(t)),
τ∈[0, 1]
对于烟幕球体B(Cu,m,i(t), 10)，计算线段到球心的最近点参数：
((Cu,m,i(t) −Mm(t)) · (p −Mm(t))
τ∗= clamp
∥p −Mm(t)∥2
最近点距离：
dmin= ∥ℓ(τ∗) −Cu,m,i(t)∥
若dmin≤10 + ε（ε = 10−12为数值容差），则线段与球体相交，点p 被该烟幕遮蔽。若所有采样点均被至少一个烟幕球遮蔽，则时刻t 记为完全遮蔽。
目标函数为该无人机三弹对导弹m 的联合遮蔽总时长：
∫tend
∑
F(xu,m) =
I(t; xu,m)dt ≈
(τj,end −τj,start)
tstart
j其中I(t; xu,m) 为遮蔽指示函数，积分区间[tstart, tend] = [0, maxi(texp,u,m,i) + 20]，τj,start 和τj,end 为第j个连续遮蔽时间段的起始和结束时间。
数值实现采用自适应时间细化算法：以固定步长∆t（默认0.05s）扫描时间区间，识别I(t) 的跳变区间；对每个跳变区间使用二分法细化边界，直至区间长度小于容差tol（默认0.005s）；合并连续遮蔽区间并计算总时长。
e.资源分配模型
定义收益矩阵S ∈R5×3，其中Su,m 表示无人机u 专门干扰导弹m 所能获得的最大遮蔽时长。通过列复制构造方阵C ∈R5×5：
Cu,j= −Su,col(j)其中col(j) 表示第j列对应的导弹编号（按导弹遮蔽需求比例复制）。
匈牙利算法(Hungarian Algorithm) 是一种求解指派问题的经典组合优化算法，其核心思想是利用矩阵等数学工具，先分解后组合求解，寻找最优分配方案。经过该算法能在多项式时间内得到精确的全局最优解，广泛应用于资源分配、任务调度等场景。我们选择匈牙利算法是因为它能高效求解指派问题[5]。经过其分解后，将可以复用第三问的单机多弹协同模型，进而在O(n3) 时间内便可以为多无人机-导弹分配找到全局最优解，确保资源最大化利用：
∑
min
Cu,a(u)
u=1其中a(u) 表示无人机u 分配到的列索引，映射回导弹编号即为最终分配。
面对问题五极其复杂的模型求解任务，我们采用三阶段优化策略进行计算：
a.算法框架1.单机单目标优化：对每个无人机-导弹组合(u, m)，使用模拟退火算法优化三弹投放
策略，得到最大遮蔽时长Su,m 2.资源分配优化：构造收益矩阵S，通过列复制和匈牙利算法求解最优分配3.策略汇总：根据分配结果，输出各无人机针对分配导弹的三弹投放策略
b.单机优化算法
单机单目标优化延续问题三的模拟退火框架，但针对多目标场景进行改进：•目标函数调整为对特定导弹的遮蔽时长•增加多种初始策略，提高搜索多样性•参数设置：初始温度T0= 1.0，终止温度Tend= 0.001，降温系数α = 0.985 •邻域搜索：对当前解添加高斯扰动生成候选解，对投放时刻进行排序和间隔修正•接受准则：采用Metropolis 准则，以概率e∆F/T接受劣解•多重启机制：执行多次独立优化过程，选取最佳解
c.资源分配算法
资源分配阶段采用匈牙利算法求解最优指派问题：1.构造收益矩阵S ∈R5×3，其中Su,m 为无人机u 对导弹m 的最大遮蔽时长2.按导弹遮蔽需求比例将3 列复制为5 列，构造方阵C ∈R5×5 3.应用匈牙利算法求解最小成本分配4.将分配结果映射回导弹编号，得到最终无人机-导弹指派关系
d.参数设置与计算环境
算法关键参数基于实验调优：•单机SA 迭代次数：1000 次/重启•单机重启次数：16 次（用于确保优化质量）•圆柱采样点数：64 点（均衡精度与效率）•时间步长：∆t = 0.05 s •随机种子：42（确保可重复性）
e.求解结果与分析
通过三阶段优化算法，得到最优资源分配与投放策略。5 架无人机的分配结果如下：
表6
无人机-导弹分配结果（问题五）
无人机
分配导弹
联合遮蔽时长(s)
FY1
M1
FY3
M1
FY2
M2
FY4
M2
FY5
M3各无人机详细投放策略见表7：
表7
无人机投放策略摘要（问题五）无人机
航向角(°)
速度(m/s)
分配导弹FY1
M1 FY2
M2 FY3
M1 FY4
M2 FY5
M3导弹联合遮蔽效果：•M1:总遮蔽时长9.217 s (FY1 + FY3 协同) •M2:总遮蔽时长7.605 s (FY2 + FY4 协同) •M3:总遮蔽时长3.680 s (FY5 独立干扰)本题完整求解结果保存在result3.xlsx 中。该模型通过科学的分层优化框架，有效协调了五架无人机的时空资源配置，为实现对三枚导弹的最大化协同遮蔽提供了可靠保障。对求解结果进行分析，发现多机多弹多目标协同干扰策略实现了总遮蔽时长20.502 s 的良好效果，验证了” 分解-分配-优化” 策略的有效性。关键发现如下：
•资源分配合理性：算法将较多资源（FY1 和FY4）分配给M1，较少资源（FY5）分
配给M2，FY3 单独应对M3，这与各导弹的初始位置和飞行路径难度相符•时空协同特性：同一无人机投放的三弹形成良好时序接力，投放间隔均满足≥1 s 约
束•航向多样性：各无人机航向角分布广泛(−73.22◦到179.55◦)，表明算法探索了多样
的战术位置•速度优化：无人机速度均接近上限(121.02 −138.78 m/s)，确保快速到位•性能不平衡：M3 遮蔽时长相对较低(3.680 s)，表明可能需要更多资源或更优策略应
对该导弹
结果表明，” 分解-分配-优化” 策略能有效处理复杂多机多弹多目标协同干扰问题，匈牙利算法实现了资源的合理分配，模拟退火算法为各子问题提供了高质量解。该研究为大规模协同干扰策略提供了重要理论基础和实践指导。
本问建立的数学模型在烟幕干扰弹优化问题上实现了满意的计算效果、完成了多层次的创新。
在几何建模层面，创造性地提出了”导弹-真目标连线扫掠面”的候选点生成机制，通过参数化曲面P(t, s) = (1 −s)M(t) + sT将三维空间搜索降维至二维参数空间，显著压缩了可行域规模。该方法结合反推无人机参数的解析解法，在保证物理约束的前提下实现了初值的高效生成。
在优化架构上，第五问创新性地采用分层优化策略：首层通过整数规划解决资源分配问题∑
jxkj≤3，第二层应用改进的多目标优化处理高维参数优化，有效应对了决策变量维度爆炸的挑战。特别值得强调的是遮蔽判定模型的改进，通过圆柱表面均匀采样与射线检测相结合，在保持计算精度的同时将时间复杂度降低O(n2)。对于问题三的多弹协同场景，提出的时间窗口匹配机制充分考虑了烟幕弹生效的时间连续性，使遮蔽时段形成有效衔接。问题一即已集成可视化系统实现了方案验证的直观呈现，为决策提供了可靠依据。
受时间、算力等限制，模型在实施过程中仍存在若干待改进之处。
在优化算法层面，模拟退火在高维参数空间（如9 维的θ, v, t3
drop, t3
fuse）表现出收敛
速度慢、易陷局部最优的特性，虽通过多次重启缓解但仍需大量计算资源。几何判定模型采用固定采样点数量，在某些的复杂空间关系或者几何物体情况下可能产生边缘误差。第四问多机协同优化存在组合爆炸问题，当每机候选解达60 组时需评估53=125种组合方案，计算负荷呈指数级增长。
假设的局限性方面，资源分配模型虽引入整数规划，但未充分考虑弹道耦合效应，即单枚烟幕弹同时遮蔽多导弹的协同增益未能完全量化。遮蔽时长评估采用自适应时间步，但在突变场景下可能遗漏关键遮蔽切换点。此外，在模型假设中我们认为无人机运动模型限于匀速直线假设，未考虑实际飞行中的转弯动力学约束。
本模型体系的数学框架具有较强的可迁移性，其核心算法可拓展至多类资源优化问题。在军事领域，几何扫掠面生成机制可改造用于雷达干扰机部署优化，通过调整衰减函数适应电磁波传播特性；分层优化架构则为无人机集群任务规划提供范式，上层整数规划解决资源分配问题，下层连续优化协调飞行参数。民用领域方面，该模型可转化为移动传感器网络布局优化，将时空覆盖最大化目标映射为城市污染监测点的路径规划问题，其中遮蔽判定准则替换为有效观测半径约束。
模型的深化可聚焦于三个方面：其一，针对高维优化问题，探索基于主成分分析的决策空间降维策略，结合混合优化框架（全局启发式算法与局部梯度法协同）提升搜索效率，并引入径向基函数代理模型减少昂贵函数评估次数；其二，在组合爆炸问题中，设计基于几何优先级的启发式剪枝规则，利用二部图匹配理论建立无人机-导弹任务分配模型，显著压缩解空间规模；其三，优化几何判定机制，发展基于曲率自适应的圆柱表面采样方法，建立采样密度与遮蔽判定误差的量化关系，同时探索圆锥-圆柱包含关系的解析判定条件，减少数值近似依赖。这些改进立足于提升模型的计算效能与数学严谨性，通过算法融合与理论深化拓展其在复杂系统优化中的适用边界。
陶梦高,
董文锋,
罗威,
等.
空中烟幕投放控制建模与仿真分析
空天预警研究学
[J].报,2022,36(04):281-285.罗瑞耀,
王得霖,
罗威,
等.
烟幕弹应对察打一体无人机的投放策略研究
光电技术
[J].应用,2022,37(06):90-98.顾文慧,
高红杰.
烟幕投放控制分析与设计
[J].
光电技术应用,2014,29(02):87-89.
王颖喆.卢宇婷,
林禹攸,
彭乔姿,
模拟退火算法改进综述及参数探究
[J].
大学数学,2015,31(6):96-103 Kuhn,
H.W.
The
Hungarian
Method
for
the
Assignment
Problem.
In:
Jünger,
M., et
al.
Years
of
Integer
Programming
Springer,
Berlin,
Heidelberg.司守奎,
孙兆亮.
数学建模算法与应用
[M].
第
版.
北京:
国防工业出版社, GPT-5,
gpt-5-reasoning-alpha-2025-07-13,
OpenAI,
2025-09-05。DeepSeek,
DeepSeek-R1-0528,
深度求索（DeepSeek）,
2025-09-05。