1.一种基于交叉熵遗传算法解决武器目标分配问题的方法，其特征在于，包含以下步骤：

步骤(1)：对于m个武器和n个目标，构建武器目标分配离散概率分布矩阵M并进行初始化，矩阵M的计算公式为：

其中，p(i,j)，i＝1,2,...m,j＝1,2,...n表示作战单元i分配武器给目标j的概率；

步骤(2)：根据离散概率分布矩阵M，随机生成N个样本，分别记为X1,X2,...,XN，其中第K样本表示为Xk＝(x1,x2,...,xj)，xj表示拦截第j个目标的防空装置号；

步骤(3)：利用GA中的选择、交叉、变异操作，对N个样本进行多次迭代更新，寻找更多优秀的样本；

步骤(4)：通过对N个样本进行适应度计算，挑选出H个精英样本；

步骤(5)：根据H个精英样本更新离散概率分布矩阵M；

步骤(6)：对离散概率分布矩阵M进行概率分布判别，如果符合决策要求则输出概率分布矩阵M为最终的分配方案，反之则继续进行步骤(2)，其中决策要求的计算方式为：else False，其中 代表矩阵M中第 个值，所述判断规则为矩阵M中只包含元素“0”或“1”。

2.根据权利要求1所述的一种基于交叉熵遗传算法解决武器目标分配问题的方法，其特征在于：所述步骤(1)的初始化方式为平均初始化，其计算公式为：其中，i＝1,2,...m,j＝1,2,...n。

3.根据权利要求1所述的一种基于交叉熵遗传算法解决武器目标分配问题的方法，其特征在于：所述步骤(2)中随机生成的N个样本，分别记为X1,X2,...,XN，其中样本表示为Xk＝(x1,x2,...,xn)，xj表示拦截第j个目标的防空装置号，那么，离散概率分布矩阵M，可以得到概率分布函数f(X；M)：

4.根据权利要求1所述的一种基于交叉熵遗传算法解决武器目标分配问题的方法，其特征在于：所述步骤(3)多次迭代更新的步骤如下：步骤3‑1：选择：将N个样本按照适应度值大小升序排序，从中选择适应度值较高的15％的样本复制两份，中间的70％复制1份，剩下的样本直接淘汰；

步骤3‑2：交叉：采用单点随机定位的交叉运算，根据交叉概率确定N个样本中进行交叉运算的样本个数，从中随机选择两个样本，在样本中随机选择一个交叉点，从交叉点到样本的最后一位编码之间进行交叉运算；

步骤3‑3：变异：采用单点随机定位的变异运算，根据变异概率确定N个样本中进行变异运算的样本个数，从每个参与变异运算的样本中随机选择一个变异位进行变异运算。

5.根据权利要求1所述的一种基于交叉熵遗传算法解决武器目标分配问题的方法，其特征在于：所述步骤(4)的精英样本挑选步骤如下：步骤4‑1：计算N个样本的适应度值F(X)，计算公式如下：其中pij(i＝1，2，…m，j＝1，2，…，n)表示武器i对目标j的毁伤概率，xij(i＝1，2，…m，j＝1，2，…，n)表示第i个防空装置是否拦截目标j，若拦截，xij＝1，否则xij＝0；

步骤4‑2：根据样本的适应度值降序排序F(X1)≥F(X2)≥...≥F(XN)；

步骤4‑3：选择前H个目标函数值较大的初始样本X1,X2,...,XH作为H个精英样本。

6.根据权利要求1所述的一种基于交叉熵遗传算法解决武器目标分配问题的方法，其特征在于所述步骤(5)的更新离散概率分布矩阵的计算公式如下：