一种基于种群爆炸粒子群算法的目标分配优化方法
【技术领域】
[0001] 本发明属于智能算法优化领域，尤其涉及一种基于种群爆炸粒子群算法的目标分 配优化方法。
【背景技术】
[0002] 虚拟战场环境中的目标分配是CGF(Computer Generated Forces，计算机生成兵 力）真实行为模拟的一个重要方面，目标分配是许多CGF作战实体的一个共同行为，它模拟 的准确性直接影响CGF的其它作战行为和CGF模拟的真实性。
[0003] "目标分配"的研究意义不仅是可以在CGF仿真系统中提升仿真效果的可信度，给 人以很好的"沉浸感"。同时，"目标分配"的研究在实际作战中也可以发挥巨大的作用，可 为作战人员提供快速，高效的打击方案。
[0004] 虚拟战场环境中CGF的目标分配是现代战争中一个十分重要的问题。然而，其解 空间随着武器总数和目标总数的增加而呈指数级的增加，使其成为一个多参数、多约束的 "NP完全问题"。所以只能用完全枚举法求解得到其最优解。显然在规模较大的情况下是不 现实的，因此必须通过一定的智能算法解决。为解决这一问题，人们提出许多算法，例如，神 经网络方法，遗传算法，粒子群算法等等。这些算法各有优劣，但是也大多具有一定的局限 性，例如收敛速度较慢、实际操作中难以实现等等。
[0005] 粒子群算法（PS0算法）最早由Kennedy等于1995年提出，此算法受鸟群觅食行为 的启发，并用于解决优化问题。同遗传算法相比，PSO算法不但具有遗传算法的全局寻优能 力，还具有较强的局部寻优能力。由于PSO算法概念简单、实现容易、收敛速度快、可适应大 规模模型等优点PSO被广泛应用于多个领域。但是PSO算法在搜索的初期往往收敛过快，当 解空间中存在多个极值点（即在该点附近的区域中，这一点所代表的分配方案是最好的） 时，种群容易收敛在极值点附近，因此在寻优的后期种群容易陷入局部最优解，导致难以获 得最优的解。
【发明内容】
[0006] 为解决上述问题，本发明提供一种基于种群爆炸粒子群算法的目标分配优化方 法，其具体包括以下步骤：
[0007] 步骤1，将己方和对方均采用实数编码，对方记为1，2, 一q…N，己方记为1，2,… k…M，则寻优过程中的可行解空间为（X^X2…X1…xM)，表示分配方案，并随机产生初始分配 方案，其中，X 1的取值范围为1~N之间的整数，X 1I q表示第q个对方分配给第i个己方， N为对方总数，M为己方总数；
[0008] 步骤11，随机产生第一个初始粒子X1= (X11, Λ·；2，.，，xi_, ...X1iM,粒子位置各 维的分量值属于区间（〇, 1);
[0009] 步骤12,以第一个初始粒子X1为基础，按照
生成 其他初始粒子x2~X D;其中，D为种群规模，4表示第η个粒子位置的第i维分量；
[0010] 步骤13,将已生成的所有初始粒子Xj$r〇und(XnX (N-l)+l)取整，获得初始分配 方案，其中η = 1，2，一D ;
[0011] 步骤2,利用公
卜算初始种群X1-Xd 中各个粒子的适应度值，并设定各个粒子的适应度值为各个粒子当前的个体最优解Pbest ; 从各个粒子的个体最优解pbest中选择最小作为初始种群的全局最优解gbest ;
[0012] 其中，tq为第q个对方的威胁度值，p kq为己方k对对方q的命中率，y kq的值为0 或1，若为1则己方k攻击对方q，否则己方k不攻击对方q ;
[0013] 步骤3,采用迭代过程进行寻优搜索：
[0014] 步骤31，若当前粒子种群同时满足以下三个条件，则执行步骤32 ;否则，直接执行 35 ；
[0015] 1)从第m次迭代到当前迭代之间保持全局最优解gbest持续不变的迭代次数 (t-m)大于第一设定阈值；
[0016] 2)设t为当前迭代次数，t小于第二设定阈值；
[0017] 3)种群爆炸算子未被屏蔽，初始种群爆炸算子默认为未被屏蔽；
[0018] 步骤32，判断粒子的收敛程度：
[0019] 根据当前的迭代次数 t 通过 c_boundary = ((MaxDT-t)/MaxDT+0. 〇5) X dis_BANG 计算一个收敛边界c_boundary，并计算各粒子到全局最优解gbest的欧式距离DIS，若DIS〈 收敛边界c_boundary，则粒子收敛于全局最优解gbest ;
[0020] 判断完所有粒子的收敛程度后，若收敛边界c_boundary内的粒子达到设定量时 执行步骤33,否则直接执行步骤35 ;
[0021] 其中
axDT为最大迭代次数，dis_BANG为常数，代表 最大收敛边界；
[0022] 步骤33,执行种群爆炸算子后执行步骤34,执行种群爆炸算子包括：
[0023] 步骤 331，利用 BANG =( (MaxDT-t) /MaxDT+0. 02) X (N/3) +1 计算爆炸威力 BANG， 其中，MaxDT为最大迭代次数，t为当前迭代次数；，
[0024] 步骤332,根据
卜算第i个粒子的爆炸方向矩阵仁， 则计算结果表示为：.；
rand表示取0~1之间 均匀分布的一个随机数，乂" =1表示第i个粒子的第j维将受到"引力"，//= 一 1表示第i 个粒子的第j维将受到"斥力"，所述"斥力"即使粒子远离全局最优解方向的力；"引力"即 使粒子接近全局最优解方向的力；
[0025] 步骤333,用Vffi XBANG更新粒子速度Vi,用Xfvi更新粒子位置X i;
[0026] 步骤 34,用（w+w_l) X Vjc1 XrandX (Pbest-Xi) + (c2+c_2) XrandX (gbest-Xj 更 新粒子速度V1，然后执行步骤36,其中w_l和c_2为引入的调整参数，并且在每一次迭代结 束后进行更新，w_l用w_l+(-〇. 3/40)实时更新，c_2用c_2+(l/40)实时更新；
[0027] 其中，w为速度更新公式中原速度的权重值，Cl、C2分别为速度更新公式中局部最 优解和全局最优解的权重值；
[0028] 步骤35,若不满足条件3):
[0029] 则依据（w+w_l) Xvfc1XrandX (Pbest-Xi)+ (c2+c_2) XrandX (gbest-Xj 更新粒 子速度V1，然后执行步骤36;
[0030] 若满足条件3):
[0031] 则依据 WXvJc1XrandX (Pbest-XiHc2XrandX (gbest-?Q 更新粒子速度 Vi，然 后执彳丁步骤36 ;
[0032] 步骤36,检测粒子速度是否越界：粒子速度V1任意一维的取值在[_N/4，N/4]之 外，则越界，否则未越界；若越界，该维的速度值取边界值，未越界速度不变；执行步骤37 ;
[0033] 步骤37,依据Xfv1更新粒子位置X i，执行步骤38 ;
[0034] 步骤38,检测粒子位置是否越界：粒子任意一维的取值在为[1，N]之外，则越界， 否则，未越界；若越界，该维的值取边界值附近一定范围内的随机值，未越界位置不变；
[0035] 步骤39,更新全局最优解与个体最优解
[0036] 如果t次迭代产生的粒子新位置的适应度小于该粒子的个体最优解pbest的适应 度，则更新该粒子的个体最优解为粒子新位置，否则不变；若粒子新位置的个体最优解的适 应度小于全局最优解的适应度，则用该粒子的个体最优解取代全局最优解，否则不变；同时 执行步骤40和步骤41 ;
[0037] 步骤40,若当前迭代过程中执行过种群爆炸算子，则要生成影子种群：影子种群 的初始位置为t-i次迭代执行完毕的粒子位置或者各个粒子的个体最优位置；若当前迭代 过程中未执行过种群爆炸算子，则直接执行步骤4 ;
[0038] 在种群爆炸算子的影响代数t+Ι到t+U中依次进行交叉操作，直到第t+U次迭代 结束，获得影子种群的全局最优解；
[0039] U为种群爆炸屏蔽量，即t+Ι到t+U默认种群爆炸算子为被屏蔽，且受到种群爆炸 算子影响，执行步骤42;
[0040] 步骤41，t+l到t+U次迭代中，实际种群直接执行步骤34、36、37、38和39,直到第 t+U次迭代结束，获得实际种群的全局最优解，执行步骤42 ;
[0041] 步骤42,将影子种群与实际种群融合：若影子种群的全局最