[发明专利]一种基于布谷鸟搜索算法的RCRSS救援地图分区的计算方法

权利要求书

1.一种基于布谷鸟搜索算法的RCRSS救援地图分区的计算方法，其特征在于，包括以下步骤：

S1、根据RCRSS中的Agent模块获取到救援地图模型，通过Kernel智能体获取地图信息并初始化参数，包括发现概率p_a、随机数r、最大迭代次数T；

S2、通过集群度方法选取k个初始聚类中心位置，得到初始化的救援位置；

步骤S2具体包括以下步骤：

S2-1、确定救援覆盖域长度dist_r，确定k个数据点，连续记录并随机选取三次，按计算数据点之间的平均距离，其中，d(x_i,x_j)表示对象点x_i和x_j之间的欧式距离，上式计算值为dist_r；

S2-2、采用集群度方法初步筛选得到1个初始对象，并存于集合M中，选取集群度值最大的m₁作为第一个簇代表点p₁；若d(m₁,m₂)dist_r，则选取集群度值次大的对象m₂作为第二个簇代表点p₂；判断m₃与前两个簇代表点之间的度量距离，若max[d(m₃,m₁),d(m₃,m₂)]dist_r，则m₃选定为第三个簇中心p₃，并加入集合M中，依据该方法依次选出若干个初始簇中心，并保存在集合M中，即：M＝{p₁，p₂，...,p_l}；

S2-3、选定第一个初始簇中心，选定p₁作为第一个簇中心,，将其从集合M中去掉，并计算出p₁与p₂的度量距离d(p₁,p₂)；

S2-4、选定第二个初始簇中心，对于集合M中剩余的p_i，若p₂满足条件：{u*|p₂|+(1-u)*d(p₁，p₂)}＞＞{u*|p_i|+(1-u)*d(p_i，p_i)}，其中，i＝3，4，...，l；u为权衡调节系数；|p_i|为对象p_i的集群度值，则选定度量值最大的p₂作为第二个簇中心点，并把p₂从集合M中删除；

S2-5、继续判断并选定其余的初始簇中心，依次判断剩下的簇中心点，确定k个初始簇中心c₁,c₂,...,c_k；

S3、按照布谷鸟搜索算法进行聚类分析，根据对每个救援位置进行评价，记录相应救援位置的极值P_i，分析得到全局最优救援位置P_g，以及最差救援位置X_worst；

S4、按照布谷鸟搜索算法调整后的新公式更新救援位置，获取新的数据节点；

S5、将每一个数据节点，按照与聚类中心最近的原则，对更新后的救援位置进行聚类划分；

S6、根据聚类分区情况，再次进行S3步骤并更新数值，同时记录f(x)_max和f(x)_min，并与上一次的救援位置比较，保留最优解；

S7、比较并更新节点的最优值，若新值优于先前的极值，则更新数值，否则不更新；

S8、如果达到预设的迭代次数T则停止迭代，输出最优解，否则回到S4步骤继续迭代。