基于混沌蚁狮优化算法的目标分群方法.pdf

(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CN109766988A(43)申请公布日2019.05.17(21)申请号201811200843.0(22)申请日2018.09.28(71)申请人中国人民解放军空军工程大学地址710051陕西省西安市长乐东路甲字1号空军工程大学(72)发明人黄震宇白娟张振兴杨任农王栋(51)Int.Cl.G06N3/00(2006.01)G06N7/08(2006.01)权利要求书4页说明书10页附图3页(54)发明名称基于混沌蚁狮优化算法的目标分群方法(57)摘要提供一种基于混沌蚁狮优化的目标分群方法，具体包括如下步骤：读取数据；数据清洗；使用混沌蚁狮优化算法对目标编队进行分组；编队分组结果输出。本发明通过引入Tent混沌策略初始化种群，使用锦标赛选择策略代替轮盘赌方法选择蚁狮，利用Tent混沌搜索为种群中适应度较差蚂蚁和蚁狮产生新解，将混沌算子与蚂蚁的随机游走结合，改善蚁狮优化算法的性能，提高目标分群的准确率和效率。CN109766988ACN109766988A权利要求书1/4页1.基于混沌蚁狮优化的目标分群方法，具体包括如下步骤：步骤1.读取数据1.1)令初始时刻k＝1，读取k时刻第t个目标的类型航向位置和速度t的取值为1，2，…，Nk，Nk为k时刻目标总目；1.2)为便于描述编队分组问题，k时刻第t个目标传感器数据使用一维向量表示，其中表示k时刻第t个目标属性，表示k时刻第t个目标类型，表示k时刻第t个目标航向，表示k时刻第t个目标位置，表示k时刻第t个目标速度，k时刻所有目标传感器数据集合为步骤2.数据清洗2.1)选取孤立森林算法检测传感器数据中的异常值；2.2)将GPS获得的WGS-84大地坐标系转化为我国国家坐标系；2.3)为了保持数据范围的统一性，对传感器数据进行归一化处理*其中，x为归一化后的传感器数据，x为原始传感器数据，xmax为所有目标中该属性传感器数据的最大值，xmin为所有目标中该属性传感器数据的最小值；步骤3.使用混沌蚁狮优化算法对目标编队进行分组3.1)设置参数：编队数目为n，n为自然数且n∈[2，0.5Nk]，蚁狮优化算法的最大迭代次数Itermax、蚂蚁和蚁狮的数目分别为Numant和Numantlion、适应度函数维数为6、蚂蚁和蚁狮变量范围[-1，1]以及混沌策略的最大迭代次数m；3.2)在搜索区范围内，使用Tent混沌序列初始化Numant和Numantlion个n×6维蚂蚁和蚁狮个体Xi，i∈[1，Numant+Numantlion]，即编队中心的位置，具体包括以下步骤：DD3.2.1)随机产生Numant和Numantlion个(0，1)之间n×6维矩阵Zi(t)，Zi(t)为混沌序列，其中D表示变量维数，其中D表示变量维数，并在可行域中产生Tent混沌序列；D3.2.2)使用式(3)将Zi(t)映射到对应变量的取值范围内；式中，表示第i个编队中第j个属性的数值，表示映射后的数值，xmin表示所有目标中该属性传感器数据的最小值，xmax表示所有目标中该属性传感器数据的最大值；3.3)计算不同个体Xi的适应度值f(Xi)，具体包括以下步骤：3.3.1)初始化t＝1，u＝1，距离记录库3.3.2)计算第i个蚂蚁个体第t行向量与k时刻第u个目标之间的距离，其中对应第t个编队中心；3.3.3)根据步骤3.3.2计算k时刻个体Xi编组内目标的平均距离H；3.3.4)根据步骤3.3.2计算k时刻个体Xi编组间目标的平均距离K；3.3.5)计算k时刻个体Xi的适应度值；f(Xi)＝H/K(9)3.4)使用自适应Tent混沌搜索为适应度值较差的个体产生更优解，具体包括以下步骤：2CN109766988A权利要求书2/4页3.4.1)计算种群中所有个体的适应度值并进行排序，较差个体比例p0，选取排序靠后的p0×Num个个体作为较差个体，迭代次数为n；D3.4.2)根据步骤3.2.1)产生混沌序列Zi(t)；D3.4.3)根据步骤3.3)计算混沌序列Zi(t)的适应度值f(Xi)，并与先前的值进行比较，保留更优的解；3.4.4)判断是否达到迭代次数nmax，如果达到，执行步骤3.5)，如果没有达到，返回步骤3.4.2)；3.5)计算个体Xi的适应度值f(Xi)并进行排序，并根据适应度值f(Xi)选出精英蚁狮，具体包括以下步骤：3.5.1)根据步骤3.3)计算个体Xi的适应度值f(Xi)，并进行排序；3.5.2)选取适应度值f(Xi)最大的蚁狮为精英蚁狮个体EAntlion；3.6)获取所有蚂蚁的位置，并选择蚁狮个体，具体包括以下步骤：3.6.1)通过锦标赛选择策略选择蚁狮个体；3.6.2)利用式(10)和式(11)更新蚂蚁的随机游走向量