[发明专利]基于混沌蚁狮优化算法的目标分群方法

说明书

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。

技术领域

本发明涉及态势估计领域，特别涉及一种基于混沌蚁狮优化算法的目标分群方法，可用于态势估计和意图识别等领域。

背景技术

由于空中目标的数量和类型众多，态势瞬息万变，如果未将目标信息进行处理，直接给决策人员提供密密麻麻的目标位置图，可能导致信息炫目问题，使得决策人员无法准确的作出判断。目标分群可以提高信息辨识度，解决信息炫目问题的同时有助于决策人员快速做出正确决策。

目前，典型的目标分群方法有聚类方法和遗传算法等。

虽然聚类方法不断被优化，但仍存在需要预先给定聚类数目，手动输入阈值，无法满足实时性等问题。

遗传算法是经典的智能算法，在工程中应用广泛，但需要事先设置分组数目，并且由于全局优化能力有限，会出现分组结果不稳定的问题。

发明内容

针对上述现有技术的不足，本发明提出一种基于混沌蚁狮优化算法的目标分群方法，满足复杂zc环境要求，不需要事先指定分组数目，可以快速准确地对目标进行分组。

实现本发明的技术关键是：在目标分群的过程中，使用混沌蚁狮优化算法寻求目标最可能的编组方案，并且采用混合计算方法替代欧式距离方法，使用编组内目标之间的平均距离和编组之间的平均距离之比作为适应度值，有效反映了目标间实际差异以及最可能的编组情况，提高编队分组结果的准确率和鲁棒性，改善分组效率。

本发明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，…，N_k，N_k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，x_max为所有目标中该属性传感器数据的最大值，x_min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∈[2，0.5N_k]，蚁狮优化算法的最大迭代次数Iter_max、蚂蚁和蚁狮的数目分别为Num_ant和Num_antlion、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；