[发明专利]一种基于图像的群改进天牛角算法的光束指向优化方法

权利要求书

1.一种光束指向优化方法，其特征在于，包括如下步骤：

步骤1：在校正器件求解的控制空间随机产生光束指向的K组解，每个解的维度为N：

其中，K至少取2；N为校正器件的控制向量的个数；

步骤2：对每一组解各生成左右两个方向的状态量：

其中，rand(N,1)表示随机生成一个N×1维的数组，norm[rand(N,1)]表示对随机生成的N×1维的数组取模；α表示控制变量改变的步长值，取0到1之间的数值；

步骤3：将步骤2中获得的两个方向上状态量分别作为校正器件的控制向量，使校正器件将激光光束反射或者投射到靶面，分别提取两个方向上状态量对应的靶面上光斑形态，然后分别求解对应的评价函数：

步骤4：按照步骤3获得的两个方向上评价函数对该组解进行更新：

其中，β表示控制变量更新的迭代步长；

步骤5：将步骤4更新后的各组解分别作为校正器件的控制向量，使校正器件将激光光束反射或者投射到靶面，然后求解每组解对应的评价函数：选择评价函数最好的一组解作为最优解X^best，判断最优解的评价函数是否满足要求或者迭代次数达到设定次数：

如果否，使其他各组解均向最优解靠近，更新各组解：

Xⁱ＝Xⁱ+γ(X^best-Xⁱ)

其中，γ表示权值，取小于1的正数；Xⁱ表示除最优解以外的各组解；

将迭代次数累计一次，然后基于更新后的各组解，返回步骤2继续执行迭代；

如果是，则停止迭代，向校正器件输出该组解，完成光束执行校正。

2.如权利要求1所述的一种光束指向优化方法，其特征在于，在步骤5中返回步骤2之前，针对每组解，如果陷入局部极值，则重新随机设定该组解，完成后与不需要重新随机设定的其它各组解组成更新后解，返回步骤2。

3.如权利要求2所述的一种光束指向优化方法，其特征在于，所述步骤5中，针对每组解生成随机数，若其小于设定的概率值，则判定该组解陷入局部极值。

4.如权利要求1所述的一种光束指向优化方法，其特征在于，所述N取10-20。

5.如权利要求1所述的一种光束指向优化方法，其特征在于，控制迭代步长β在不断迭代中逐渐减小。