基于改进二进制粒子群优化的广域稀布阵列节点遴选方法

专利主权项内容

1.基于改进二进制粒子群优化的广域稀布阵列节点遴选方法，其特征在于，用于从已布置的N个节点中选出P个节点以组成广域稀布阵列，P<N，从而在满足探测能力的前提下节省资源，包括以下步骤：步骤1，构造粒子群，并随机生成每个粒子的初始位置和速度；具体方式为：对于每个粒子，构造一个长度为N的全零向量，向量的N个位置与N个已布置的节点一一对应；然后对1至N的整数进行随机排列，取前P个数作为被选中的节点标号，将全零向量中对应位置的0置1，作为粒子的初始位置X；此外，随机生成一个长度为N的向量作为粒子的初始速度V；00步骤2，计算粒子群中每个粒子对应的适应度函数值，即最高旁瓣值，寻找个体极值P和群体极值ik步骤3，初始化各节点的信息素：依次检索每个粒子中被选中的节点，将该粒子对应的适应度函数值作为被选中节点的信息素值，若节点被多个粒子选中，则将其中最大的适应度函数值作为该节点的信息素值；步骤4，粒子速度和位置更新：按照如下速度更新公式计算每个粒子的速度值：式中，ω、c、c分别表示粒子速度受到当前速度、个体极值和种群极值的影响权重，c、c是常数，ω是动态惯性权重，r和r为分布于[0, 1]区间的随机数，V、分别表示第i个粒子第k次迭代中的粒子速度、粒子位置以及个体最优位置，/>表示第k次迭代中的群体最优位置；121212ik然后，按照如下的二进制粒子群位置计算公式更新个体位置：步骤5，判断粒子位置更新后遴选节点数量是否满足约束数量P，若此时遴选节点数量小于约束数量P，则从未选中节点中选择信息素值最大的节点以补足遴选节点数量，若此时遴选节点数量大于约束数量P，则从已选中节点中删除信息素值最低的节点；步骤6，计算各粒子的适应度函数值，更新个体极值以及群体极值；步骤7，更新各节点的信息素值；步骤8，判断是否达到设定的迭代次数，若迭代完成则输出最终的遴选结果，否则返回步骤4继续执行。