基于改进人工蜂群的资源分配方法与流程

本发明涉及一种基于改进人工蜂群的资源分配方法。

背景技术：

1、人工蜂群最早在karaboga,d.(2005)《基于蜂群的数值优化思想》中被提出，其作为新的基于蜂群的智能优化算法，可用于解决单模和多模的数值函数优化问题。该算法可以有效用于多变量、多模态的函数优化，其在这些函数上的性能优于或类似于ga、de、pso和es算法。因为该算法使用的控制参数较少、有很好的鲁棒性，许多研究人员对其进行研究。

2、在应用领域上，abc算法已成功应用于解决各种现实的优化问题。

3、文献《一种改进的人工蜂群算法用于实参数优化》(bahriye akay,derviskaraboga发表在《信息科学》192,2012,120-142,0020-0255)，将abc算法进行改进，并将其应用于有效求解实际参数优化问题。

4、文献《一种新的聚类方法:人工蜂群(abc)算法》(dervis karaboga,celalozturk，应用软件计算，11,1,2011,652-657,1568-4946)，将abc算法用于数据聚类，并证实了其可以有效用于多变量数据聚类。

5、文献《求解约束优化问题的人工蜂群优化算法》(karaboga,d,basturk,b.，模糊逻辑和软计算的基础，2007)，将abc算法扩展用于求解约束优化问题，并将其用于一组约束问题。

6、文献《基于人工蜂群算法的最优分布式发电分配和规模分配》(f.s.abu-mouti和m.e.el-hawary，《ieee电力传输学报》2090-2101)，使用abc算法解决分布式发电问题，表明其能够处理混合整数非线性优化问题。

7、文献《一种基于离散人工蜂群算法的批量流车间调度问题》(潘全科，潘全科，蔡廷杰，，信息科学学报，2011,24)，为车间调度问题提出了一种离散的人工蜂群算法。

8、文献《一种基于人工蜂群算法的数字iir滤波器设计方法》(nurhan karaboga，光学学报，2009,34(4):328-348,00160032)，提供了数字滤波器的设计abc算法。

9、文献《粒子群优化与人工蜂群算法的多级阈值分割研究》(bahriye akay,应用软计算，13,6,2013,3066-3091,1568-4946)，使用abc算法解决图像分割问题，其可以有效用于多级阈值等。

10、在算法研究方面，研究人员从改进搜索方程、融合机器学习、优化搜索框架等多方面对abc的性能进行提升。文献《粒子群优化与人工蜂群算法的多级阈值分割研究》受微分进化(de)的启发，提出了一个改进的寻解方程，其基础是蜜蜂只围绕前一次迭代的最佳解进行搜索，以提高开发能力。引入了一个选择性概率p，得到了新的搜索机制。在产生初始群体时，同时采用了混沌系统和基于反对的学习方法。排除了概率选择方案和侦察蜂阶段。在一组28个基准函数上进行了实验。结果表明，与两种基于abc的算法相比，mabc在解决复杂的数值优化问题方面具有良好的性能。

11、文献《一种基于修正搜索方程和正交学习的新型人工蜂群算法》(《ieee控制论学报》，第43卷，第11期)，使用正交实验设计(oed)来形成一个正交学习(ol)策略，用于abc变体，以从搜索经验中发现更多有用的信息，abc变体应用修改过的搜索方程来生成一个候选解，以提高abc的搜索能力。

12、文献《一种基于深度优先搜索框架和精英引导搜索方程的人工蜂群算法》(崔来中等，信息科学，2016,36(4):1012-1044,0020-0255)，提出了深度优先搜索(dfs)框架,引入了两个新的解决方案搜索方程：第一个方程包含了精英解决方案的信息，并可应用于所雇用的蜜蜂阶段，而第二个方程不仅利用了精英解决方案的信息，而且还在围观蜜蜂阶段采用了当前的最佳解决方案。将框架及新的搜索方程应用于abc中，提出改进的abc算法dfsabc_elite，实验结果表明，dfsabc_elite在大多数测试函数上的解质量、鲁棒性和收敛速度都明显优于多种比较的abc系列的算法。

13、申请人嵩山实验室于2023年7月10日公开的发明专利申请基于不可行解改进策略的精英中心人工蜂群算法，申请号2023108415187，在该案中，提出了一种新的改进abc算法，即ieabc_eg_as。在ieabc_eg_as中，构造了一种新的以精英为中心的搜索方程，其可以同时应用于雇佣蜂及旁观蜂阶段。根据蜂群种类及搜索经验，搜索方程中的未知项自适应地更改。

技术实现思路

1、本发明要解决的技术问题是：如何将改进的人工蜂群算法在动态武器目标分配中进行应用，提供一种基于改进人工蜂群的资源分配方法。

2、为解决上述技术问题，本发明采用以下技术方案：

3、基于改进人工蜂群的资源分配方法，在阶段t内，ft表示武器集合wt中的所有武器对目标集合tt中的所有目标分配的合理性性矩阵，其中的元素标识表示武器i对目标j的火力分配是合理的，否则是不合理的，在建立分配方案时，决策变量应当遵守

4、

5、其中，表示目标j在阶段t开始时被设定的威胁值，这取决于上一阶段该目标的健康值α是自定义的系数，式(14)的使用不包括初始阶段；目标j进行作战所需满足的最低健康值为当其在上一阶段的健康值能够满足时，表示目标j仍具备作战能力；相反的，若其不具备作战能力，则武器在节省弹药资源的前提下，应降低对其打击的优先级，因此本发明将其威胁值设为0；

6、在经过战场的有效侦查后，从开始阶段到最后阶段，使用一批武器对一批目标进行分配，使所有目标的总预期威胁值最小，该问题的形式化表述如下：

7、mini(x)＝(i(xs),i(xs+1),…,i(xtntp))   (15)

8、

9、

10、其中，s是开始阶段，tntp是最后阶段，i(·)是总预期威胁值，即本发明dwta问题的优化目标；是决策变量：表示在t阶段将武器i分配给目标j，否则不进行分配，xt是t阶段的决策矩阵，其表示在t阶段所有武器与目标的分配方案；wnumt是t阶段开始时的武器总数，tnumt是t阶段开始时的目标总数；式(15)表示本发明提出的dwta问题所要获取的全局最优解，要想获取该解，需要在各阶段均获得最优解；式(16)表示在阶段t的武器目标分配方案xt所能造成的目标总剩余威胁值；式(17)是分配方案的约束条件，第一个条件表示武器i在t阶段进行分配的总弹药量应不超过武器i在t阶段开始时的弹药剩余量，第二个条件表示所有武器在t阶段分配给目标j的总数量不应超过目标j在t阶段的最大命中极限，第三个条件表示分配的决策变量应满足该阶段对应的武器目标分配合理性第四个条件表示武器i在t阶段一次攻击的目标数量，该值最多为1，表示每个武器每阶段最多打击1个目标，第五个条件表示问题考虑的阶段数，起始为阶段s，终止为阶段tntp；寻找到的最优食物源经过解码就是武器对目标的最优分配方案。

11、dwta中的初始种群生成方法为：

12、步骤1：阶段t开始时，确定武器i的弹药剩余量武器集合wt，武器集合的集合大小为wnumt、目标集合tt，目标集合的集合大小为tnumt、武器i对目标j的毁伤概率目标j的最大命中极限目标j的威胁值使用表示在阶段t的第l个武器目标分配方案；

13、步骤2：根据各武器的打击范围及各目标的位置移动区间构建合理性矩阵ft；

14、步骤3：对于wt中的每个武器i，根据ft，构造其可进行分配的目标集合watit，该集合中的所有目标活动区间都包含在武器i的打击范围内，集合中的目标数为nwatit；

15、步骤4：初始化目标命中数量集合aswt，集合中的第j个元素代表目标j的命中数量；

16、步骤5：重置集合aswt，使所有均为0，的第i个武器分配的目标从watit中随机选取，更新aswt,被分配的对应目标

17、dwta问题中高质量初始种群的生成方法为：

18、步骤1：阶段t开始时，确定武器i的弹药剩余量武器集合wt，武器集合的集合大小为wnumt、目标集合tt，目标集合的集合大小为tnumt、武器i对目标j的毁伤概率目标j的最大命中极限目标j的威胁值使用表示在阶段t的第l个武器目标分配方案；

19、步骤2：根据各武器的打击范围及各目标的位置移动区间构建合理性矩阵ft；

20、步骤3：对于wt中的每个武器i，根据ft，构造其可进行分配的目标集合watit，该集合中的所有目标活动区间都包含在武器i的打击范围内，集合中的目标数为nwatit；

21、步骤4：初始化目标命中数量集合aswt，集合中的第j个元素代表目标j的命中数量；

22、步骤5：对于tt中的每个目标j，根据ft，构造可对其进行分配的武器集合该集合中的所有武器对目标j的分配都是有效的，集合中的武器数为

23、步骤6：按目标的威胁值由高到低对目标集合tt进行排序，更新ft及

24、步骤7：根据对目标j的毁伤概率由高到低对每个进行排序；

25、步骤8：重置集合aswt，使所有均为0；

26、步骤9：创建集合nwtt,集合所有元素初始为true,第j个元素表示第j个目标是否可分配；

27、步骤10：z＝0,创建集合ewt,存储已经分配的武器，尽量保证每个武器都进行分配；

28、步骤11：按威胁值降序遍历目标集合，如果武器i未分配且目标j在watit中，中的武器i分配给目标j，ewt中加入武器i,z＝z+1。

29、采用上述技术方案的本发明，在所有的6个场景上都表现最佳，说明了ieabc_eg_as_d在解决空间较大的dwta问题上，能在相同的适应度评价下得到更好的解质量。根据wilcoxon的秩和检验测试结果，ieabc_eg_as_d在所有测试问题上的优化结果呈现出了绝对的优势。更具体的说，其对于所有问题处理效果都明显优于abc、iqabc、abcpw及sdabc。