[发明专利]基于混沌蚁狮优化算法的目标分群方法

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。

主权项

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，…，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；3.2)在搜索区范围内，使用Tent混沌序列初始化Num_ant和Num_antlion个n×6维蚂蚁和蚁狮个体X_i，i∈[1，Num_ant+Num_antlion]，即编队中心的位置，具体包括以下步骤：3.2.1)随机产生Num_ant和Num_antlion个(0，1)之间n×6维矩阵Z_i^D(t)，Z_i^D(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；3.2.2)使用式(3)将Z_i^D(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，x_min表示所有目标中该属性传感器数据的最小值，x_max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X_i的适应度值f(X_i)，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X_i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X_i编组间目标的平均距离K；3.3.5)计算k时刻个体X_i的适应度值；f(X_i)＝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：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；3.4.2)根据步骤3.2.1)产生混沌序列Z_i^D(t)；3.4.3)根据步骤3.3)计算混沌序列Z_i^D(t)的适应度值f(X_i)，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n_max，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X_i的适应度值f(X_i)并进行排序，并根据适应度值f(X_i)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X_i的适应度值f(X_i)，并进行排序；3.5.2)选取适应度值f(X_i)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c^o和d^o；其中，c^o表示随机游走向量第o次迭代的最小值；d^o表示随机游走向量第o次迭代的最大值；o表示当前迭代次数，T_max表示最大迭代次数，w为常值，能够调整蚂蚁移向蚁狮的速度，数学表达式为式(12)；3.6.3)使用式(13)实现蚂蚁的随机游走并使用式(14)进行正则化其中，X(t)表示蚂蚁随机游走，表示第g次迭代蚂蚁的位置，cumsum表示计算数组累计，q表示蚂蚁的数量，t_q表示第q只蚂蚁产生的随机数值，g表示当前的迭代次数，a_i和b_i分别表示第i维变量随机游走的最小值和最大值，和d_i^g分别表示第i维变量第g次迭代的最小值和最大值，r(t)表示随机函数：其中，tt表示0到1之间的随机数；3.6.4)使用式(16)更新蚂蚁的位置；其中表示第tk次迭代第i个蚂蚁的位置，表示第tk次迭代在通过轮盘赌方式选择的蚁狮周围随机游走，表示第tk次迭代在精英蚁狮周围随机游走；3.6.5)判断是否所有蚂蚁都执行一次，如果达到，则执行下一步骤；如果没有，返回步骤3.6.1)；3.7)计算所有蚂蚁的适应度值f(X_i)；3.8)游走后的蚂蚁与精英蚁狮进行比较，如果蚂蚁的适应度值f(X_i)大于蚁狮的适应度值f(X_i)，使用蚂蚁的位置替换蚁狮的位置；如果其中表示第tk次迭代第i个蚁狮的位置；3.9)如果蚁狮的适应度值f(X_i)大于精英蚁狮的适应度值f(X_i)，更新精英蚁狮的位置；3.9)判断是否达到迭代次数n_max，如果达到，则输出精英蚁狮位置，执行步骤4，如果没有，返回到步骤3.4)；步骤4.编队分组结果输出4.1)输出全部编队分组结果；4.2)检查下一个时刻的传感器观测数据是否到达，如果到达，令k＝k+1，返回步骤1进行迭代，否则，结束本流程。