[发明专利]一种基于混沌映射和黄金正弦策略的改进麻雀智能优化方法

说明书

本发明公开了一种基于混沌映射和黄金正弦的改进麻雀智能优化方法，通过改进的麻雀智能优化方法来解决高超声速飞行器再入轨迹优化问题求解时，得到的解不能收敛到全局最优解，而造成计算量的浪费。本发明结合Tent混沌序列和反向精英种群策略，生成在解空间中较为均匀的初始化种群；利用黄金正弦方式对个体位置进行更新，通过系数控制搜索的步长，使得个体稳步靠近最优位置；通过余弦策略在后期减少突变个体的个数，保证后期迭代更新的计算效率；利用贪婪策略使得个体更新时，保持在个体历史的最优位置，加快寻优过程。改进后的麻雀优化算法，寻优效率更高，能够较好的得到全局最优解，有效解决了容易陷入局部最优的问题。

技术领域

本发明属于群体智能优化算法领域，具体涉及一种基于混沌映射和黄金正弦策略的改进麻雀智能优化方法。

背景技术

近年来，高超声速飞行器渐渐成为实施全球快速打击和保持空中优势的有效工具，一般将飞行速度能够达到5倍音速以上的飞行器定义为高超声速飞行器，这类飞行器具有较好的气动性能和大空域飞行能力，因此在军事和民用领域都有着非常良好的应用前景。再入过程是指高超声速飞行器以非常快的速度从地球大气层以外重新进入大气层并着陆的过程，但是复杂的环境以及不确定性，给再入轨迹规划的实现带来巨大的挑战。

而群体智能优化算法是指通过模拟自然界一些生物的行为规律，搜索一定解空间内的最优适应度以得到最优解。群体智能优化算法由于其具有实现简单、原理清晰、容易扩充等优点，其在高超声速再入轨迹优化领域的应用越来越广泛，逐渐受到国内外研究者的热切关注。

近年来，领域内涌现出一系列新的群体智能优化算法，如蝙蝠算法、灰狼算法、鲸鱼算法、樽海鞘群算法、麻雀算法等智能优化算法。其中，麻雀搜索算法是2020年提出的一种新型的群体智能优化算法，相较于其他优化算法，它具有搜索精度高、收敛快、稳定性高的优点，但同其它只能算法一样，仍存在算法后期计算效率大，易陷于局部最优解的问题，这样在应用麻雀优化算法解决高超声速飞行器再入轨迹优化问题时，会导致得到的解并不能收敛到全局最优解，从而造成计算量的浪费。

因此，如何对现有的麻雀智能优化算法进行改进，避免陷入局部最优解，是目前将麻雀智能优化算法应用到高超声速飞行器再入轨迹优化时，亟待解决的问题。

发明内容

针对上述存在的问题，本发明提供一种基于混沌映射和黄金正弦策略的改进麻雀智能优化方法。

本发明的原理：首先，结合Tent混沌序列和反向精英种群的策略生成在解空间中较为均匀的初始化种群；其次，利用黄金正弦方式对个体位置进行更新，通过系数控制搜索的步长，使得个体稳步靠近最优位置；再次，通过余弦策略在后期减少突变个体的个数，保证后期的计算效率，最后利用贪婪策略使得个体更新时，保持在个体历史的最优位置，从而加快寻优过程。

实现本发明目的的技术解决方案为：

一种基于混沌映射和黄金正弦策略的改进麻雀智能优化方法，其特征在于，包括以下步骤：

步骤1：基于建立的超声速飞行器再入过程的动力学模型，对多种复杂约束进行分析得到轨迹目标规划模型；

步骤2：通过Tent混沌映射，生成混沌序列，并将该混沌序列映射到解空间中得到初步的初始种群X¹；

步骤3：根据得到的初始种群X¹，求解出其反向种群X^od；

步骤4：将得到的初始种群X¹和反向种群X^od合并，并计算每个个体的适应度，再按照适应度的好坏排序，选取适应度最好的n个个体，组成麻雀优化算法的初始种群X⁰；