一種基于種群爆炸粒子群算法的目標分配優化方法
【技術領域】
[0001] 本發明屬于智能算法優化領域，尤其涉及一種基于種群爆炸粒子群算法的目標分 配優化方法。
【背景技術】
[0002] 虛擬戰場環境中的目標分配是CGF(Computer Generated Forces，計算機生成兵 力）真實行為模擬的一個重要方面，目標分配是許多CGF作戰實體的一個共同行為，它模擬 的準確性直接影響CGF的其它作戰行為和CGF模擬的真實性。
[0003] "目標分配"的研究意義不僅是可以在CGF仿真系統中提升仿真效果的可信度，給 人以很好的"沉浸感"。同時，"目標分配"的研究在實際作戰中也可以發揮巨大的作用，可 為作戰人員提供快速，高效的打擊方案。
[0004] 虛擬戰場環境中CGF的目標分配是現代戰爭中一個十分重要的問題。然而，其解 空間隨著武器總數和目標總數的增加而呈指數級的增加，使其成為一個多參數、多約束的 "NP完全問題"。所以只能用完全枚舉法求解得到其最優解。顯然在規模較大的情況下是不 現實的，因此必須通過一定的智能算法解決。為解決這一問題，人們提出許多算法，例如，神 經網絡方法，遺傳算法，粒子群算法等等。這些算法各有優劣，但是也大多具有一定的局限 性，例如收斂速度較慢、實際操作中難以實現等等。
[0005] 粒子群算法（PS0算法）最早由Kennedy等于1995年提出，此算法受鳥群覓食行為 的啟發，并用于解決優化問題。同遺傳算法相比，PSO算法不但具有遺傳算法的全局尋優能 力，還具有較強的局部尋優能力。由于PSO算法概念簡單、實現容易、收斂速度快、可適應大 規模模型等優點PSO被廣泛應用于多個領域。但是PSO算法在搜索的初期往往收斂過快，當 解空間中存在多個極值點（即在該點附近的區域中，這一點所代表的分配方案是最好的） 時，種群容易收斂在極值點附近，因此在尋優的后期種群容易陷入局部最優解，導致難以獲 得最優的解。
【發明內容】
[0006] 為解決上述問題，本發明提供一種基于種群爆炸粒子群算法的目標分配優化方 法，其具體包括以下步驟：
[0007] 步驟1，將己方和對方均采用實數編碼，對方記為1，2, 一q…N，己方記為1，2,… k…M，則尋優過程中的可行解空間為（X^X2…X1…xM)，表示分配方案，并隨機產生初始分配 方案，其中，X 1的取值范圍為1~N之間的整數，X 1I q表示第q個對方分配給第i個己方， N為對方總數，M為己方總數；
[0008] 步驟11，隨機產生第一個初始粒子X1= (X11, Λ·；2，.，，xi_, ...X1iM,粒子位置各 維的分量值屬于區間（〇, 1);
[0009] 步驟12,以第一個初始粒子X1為基礎，按照
生成 其他初始粒子x2~X D;其中，D為種群規模，4表示第η個粒子位置的第i維分量；
[0010] 步驟13,將已生成的所有初始粒子Xj$r〇und(XnX (N-l)+l)取整，獲得初始分配 方案，其中η = 1，2，一D ;
[0011] 步驟2,利用公
卜算初始種群X1-Xd 中各個粒子的適應度值，并設定各個粒子的適應度值為各個粒子當前的個體最優解Pbest ; 從各個粒子的個體最優解pbest中選擇最小作為初始種群的全局最優解gbest ;
[0012] 其中，tq為第q個對方的威脅度值，p kq為己方k對對方q的命中率，y kq的值為0 或1，若為1則己方k攻擊對方q，否則己方k不攻擊對方q ;
[0013] 步驟3,采用迭代過程進行尋優搜索：
[0014] 步驟31，若當前粒子種群同時滿足以下三個條件，則執行步驟32 ;否則，直接執行 35 ；
[0015] 1)從第m次迭代到當前迭代之間保持全局最優解gbest持續不變的迭代次數 (t-m)大于第一設定閾值；
[0016] 2)設t為當前迭代次數，t小于第二設定閾值；
[0017] 3)種群爆炸算子未被屏蔽，初始種群爆炸算子默認為未被屏蔽；
[0018] 步驟32，判斷粒子的收斂程度：
[0019] 根據當前的迭代次數 t 通過 c_boundary = ((MaxDT-t)/MaxDT+0. 〇5) X dis_BANG 計算一個收斂邊界c_boundary，并計算各粒子到全局最優解gbest的歐式距離DIS，若DIS〈 收斂邊界c_boundary，則粒子收斂于全局最優解gbest ;
[0020] 判斷完所有粒子的收斂程度后，若收斂邊界c_boundary內的粒子達到設定量時 執行步驟33,否則直接執行步驟35 ;
[0021] 其中
axDT為最大迭代次數，dis_BANG為常數，代表 最大收斂邊界；
[0022] 步驟33,執行種群爆炸算子后執行步驟34,執行種群爆炸算子包括：
[0023] 步驟 331，利用 BANG =( (MaxDT-t) /MaxDT+0. 02) X (N/3) +1 計算爆炸威力 BANG， 其中，MaxDT為最大迭代次數，t為當前迭代次數；，
[0024] 步驟332,根據
卜算第i個粒子的爆炸方向矩陣仁， 則計算結果表示為：.；
rand表示取0~1之間 均勻分布的一個隨機數，乂" =1表示第i個粒子的第j維將受到"引力"，//= 一 1表示第i 個粒子的第j維將受到"斥力"，所述"斥力"即使粒子遠離全局最優解方向的力；"引力"即 使粒子接近全局最優解方向的力；
[0025] 步驟333,用Vffi XBANG更新粒子速度Vi,用Xfvi更新粒子位置X i;
[0026] 步驟 34,用（w+w_l) X Vjc1 XrandX (Pbest-Xi) + (c2+c_2) XrandX (gbest-Xj 更 新粒子速度V1，然后執行步驟36,其中w_l和c_2為引入的調整參數，并且在每一次迭代結 束后進行更新，w_l用w_l+(-〇. 3/40)實時更新，c_2用c_2+(l/40)實時更新；
[0027] 其中，w為速度更新公式中原速度的權重值，Cl、C2分別為速度更新公式中局部最 優解和全局最優解的權重值；
[0028] 步驟35,若不滿足條件3):
[0029] 則依據（w+w_l) Xvfc1XrandX (Pbest-Xi)+ (c2+c_2) XrandX (gbest-Xj 更新粒 子速度V1，然后執行步驟36;
[0030] 若滿足條件3):
[0031] 則依據 WXvJc1XrandX (Pbest-XiHc2XrandX (gbest-?Q 更新粒子速度 Vi，然 后執彳丁步驟36 ;
[0032] 步驟36,檢測粒子速度是否越界：粒子速度V1任意一維的取值在[_N/4，N/4]之 外，則越界，否則未越界；若越界，該維的速度值取邊界值，未越界速度不變；執行步驟37 ;
[0033] 步驟37,依據Xfv1更新粒子位置X i，執行步驟38 ;
[0034] 步驟38,檢測粒子位置是否越界：粒子任意一維的取值在為[1，N]之外，則越界， 否則，未越界；若越界，該維的值取邊界值附近一定范圍內的隨機值，未越界位置不變；
[0035] 步驟39,更新全局最優解與個體最優解
[0036] 如果t次迭代產生的粒子新位置的適應度小于該粒子的個體最優解pbest的適應 度，則更新該粒子的個體最優解為粒子新位置，否則不變；若粒子新位置的個體最優解的適 應度小于全局最優解的適應度，則用該粒子的個體最優解取代全局最優解，否則不變；同時 執行步驟40和步驟41 ;
[0037] 步驟40,若當前迭代過程中執行過種群爆炸算子，則要生成影子種群：影子種群 的初始位置為t-i次迭代執行完畢的粒子位置或者各個粒子的個體最優位置；若當前迭代 過程中未執行過種群爆炸算子，則直接執行步驟4 ;
[0038] 在種群爆炸算子的影響代數t+Ι到t+U中依次進行交叉操作，直到第t+U次迭代 結束，獲得影子種群的全局最優解；
[0039] U為種群爆炸屏蔽量，即t+Ι到t+U默認種群爆炸算子為被屏蔽，且受到種群爆炸 算子影響，執行步驟42;
[0040] 步驟41，t+l到t+U次迭代中，實際種群直接執行步驟34、36、37、38和39,直到第 t+U次迭代結束，獲得實際種群的全局最優解，執行步驟42 ;
[0041] 步驟42,將影子種群與實際種群融合：若影子種群的全局最