[發明專利]基于混沌蟻獅優化算法的目標分群方法

在審

• 申請號: 201811200843.0
• 申請日: 2018-09-28
• 公開（公告）號: CN109766988A
• 公開（公告）日: 2019-05-17
• 發明（設計）人: 黃震宇;白娟;張振興;楊任農;王棟
• 申請（專利權）人: 中國人民解放軍空軍工程大學
• 主分類號: G06N3/00
• 分類號: G06N3/00;G06N7/08
• 代理公司: 暫無信息
• 代理人: 暫無信息

提供一種基于混沌蟻獅優化的目標分群方法，具體包括如下步驟：讀取數據；數據清洗；使用混沌蟻獅優化算法對目標編隊進行分組；編隊分組結果輸出。本發明通過引入Tent混沌策略初始化種群，使用錦標賽選擇策略代替輪盤賭方法選擇蟻獅，利用Tent混沌搜索為種群中適應度較差螞蟻和蟻獅產生新解，將混沌算子與螞蟻的隨機游走結合，改善蟻獅優化算法的性能，提高目標分群的準確率和效率。

技術領域

本發明涉及態勢估計領域，特別涉及一種基于混沌蟻獅優化算法的目標分群方法，可用于態勢估計和意圖識別等領域。

背景技術

由于空中目標的數量和類型眾多，態勢瞬息萬變，如果未將目標信息進行處理，直接給決策人員提供密密麻麻的目標位置圖，可能導致信息炫目問題，使得決策人員無法準確的作出判斷。目標分群可以提高信息辨識度，解決信息炫目問題的同時有助于決策人員快速做出正確決策。

目前，典型的目標分群方法有聚類方法和遺傳算法等。

雖然聚類方法不斷被優化，但仍存在需要預先給定聚類數目，手動輸入閾值，無法滿足實時性等問題。

遺傳算法是經典的智能算法，在工程中應用廣泛，但需要事先設置分組數目，并且由于全局優化能力有限，會出現分組結果不穩定的問題。

發明內容

針對上述現有技術的不足，本發明提出一種基于混沌蟻獅優化算法的目標分群方法，滿足復雜zc環境要求，不需要事先指定分組數目，可以快速準確地對目標進行分組。

實現本發明的技術關鍵是：在目標分群的過程中，使用混沌蟻獅優化算法尋求目標最可能的編組方案，并且采用混合計算方法替代歐式距離方法，使用編組內目標之間的平均距離和編組之間的平均距離之比作為適應度值，有效反映了目標間實際差異以及最可能的編組情況，提高編隊分組結果的準確率和魯棒性，改善分組效率。

本發明基于混沌蟻獅優化的目標分群方法，具體包括如下步驟：

步驟1.讀取數據

1.1)令初始時刻k＝1，讀取k時刻第t個目標的類型航向位置和速度t的取值為1，2，…，N_k，N_k為k時刻目標總目；

1.2)為便于描述編隊分組問題，k時刻第t個目標傳感器數據使用一維向量表示，其中表示k時刻第t個目標屬性，表示k時刻第t個目標類型，表示k時刻第t個目標航向，表示k時刻第t個目標位置，表示k時刻第t個目標速度，k時刻所有目標傳感器數據集合為

步驟2.數據清洗

2.1)選取孤立森林算法檢測傳感器數據中的異常值；

2.2)將GPS獲得的WGS-84大地坐標系轉化為我國國家坐標系；

2.3)為了保持數據范圍的統一性，對傳感器數據進行歸一化處理

其中，x^*為歸一化后的傳感器數據，x為原始傳感器數據，x_max為所有目標中該屬性傳感器數據的最大值，x_min為所有目標中該屬性傳感器數據的最小值；

步驟3.使用混沌蟻獅優化算法對目標編隊進行分組

3.1)設置參數：編隊數目為n，n為自然數且n∈[2，0.5N_k]，蟻獅優化算法的最大迭代次數Iter_max、螞蟻和蟻獅的數目分別為Num_ant和Num_antlion、適應度函數維數為6、螞蟻和蟻獅變量范圍[-1，1]以及混沌策略的最大迭代次數m；