[发明专利]一种基于遗传算法的地面搜索分队布势算法

权利要求书

1.一种基于遗传算法的地面搜索分队布势算法，其特征在于：包括步骤：

S1：建立布势模型

首先对搜索区域和搜索分队进行建模，然后使用最短抵达时间作为量化布势方案效能的指标，通过遗传算法实现对布势方案的求解；

S1.1：搜索区域建模

S1.1.1：使用网格化技术，将搜索区域划分为一系列规整的、充分小的矩形网格；

S1.1.2：完成网格划分后，需赋予网格相应的可通行属性，以描述区域环境，网格的可通行属性是综合反映搜索分队在该网格内通行能力的指标；

假设搜索分队的最大速度为V_max，在网格i和网格j之间能达到的最大速度为V_ij，则通行因子定义为γ_ij＝V_ij/V_max，根据定义，通行因子为0～1之间的实数，越接近1，表示通行能力越高，分队在该区域可达到的前进速度越大，一般而言，可通行属性与网格区域地理环境、分队属性和前进方向有关，本发明采用加权有向图的方法直观描述通行因子，为此，将每个网格区域中心点抽象为图的顶点，相邻网格之间使用有向边连接，每条有向边被赋予权值，权值即表示该分队从有向边的起点到有向边的终点的通行因子，网格之间通行因子越大，代表车辆通行能力越好；

S1.2：搜索分队建模

将地面搜索分队建模成具有位置和最大行进速度的点目标，具体步骤为：

S1.2.1：从通行因子有向图中获得搜索分队在相邻网格之间行进时可达到的最大速度；

S1.2.2：使用网格中心点之间的距离除以S1.2.1中获得的最大速度，即可获得分队在相邻网格之间的通行时间；

S1.2.3：获得分队在各网格之间的通行时间后，使用Dijkstra算法得到该分队与目标网格之间的最优路径和所需最短时间。

S2：建立布势问题

为表征网格重要程度，需赋予各网格一个权值，权值为0～1之间的数，越接近1表示该网格重要程度越高，权值的选取通过均匀权值法、经验预估法或落点概率法获得；

本发明将地面分队的最优布势问题描述如下：已知返回器着陆区内每一个网格的权值，如何确定任务初始时刻各分队的待命位置，使得各分队均在安全区域待命，并且抵达返回器着陆网格的加权时间最短，其中抵达返回器着陆网格的时间是指至少有一只分队到达返回器着陆点的最小时间；

假设返回器可能着陆的网格区域对应的编号集合为U_D＝{d₁,…,d_D}，其中d_i表示第i个网格编号，D为返回器可能着陆的网格总数，为网格d_i赋予度量重要程度的非负权值ω_i，不失一般性，可假设

安全区域的网格编号集合记为Ω，为可布势第i支分队的网格编号集合，在有n支搜救分队时，使用集合S＝(P₁,…,P_n)表示布势方案，其中P_i∈Ω_i为第i支搜救分队的待命网格编号；

给定布势方案S时，若第i支搜救分队从初始位置P_i出发，沿耗时最短路径抵达网格d_k所需要时间为t_ik，则至少一支分队抵达d_k的时间为

布势方案S对应的完成任务的加权时间为

因此，地面分队布势问题可描述为求解最优化问题

S3：布势问题求解

当安全区域Ω中包含m个网格，搜救分队数量为n时，在每支分队的布势区域均为Ω的情况下，可选的布势方案共有mⁿ种，使用多分辨率网格技术和遗传算法求解布势问题(4)，具体步骤如下：

S3.1：确定编码方法，安全区域的网格编号集合为Ω，有n支搜救分队，使用(3)式的倒数作为适应度函数G(S)，假设设置遗传算法种群数K，可将布势问题的解S编码为一个n维向量S＝(P₁,…,P_n)，向量元素从安全区域网格编号集合Ω中选取；

S3.2：确定基因交叉操作，对两个布势方案S＝(P₁,…,P_n)和S'＝(P₁',…,P_n')，规定基因交叉操作为生成的两个新解向量(P₁,…,P_n/2,P_n/2+1',…,P_n')和(P₁',…,P_n/2',P_n/2+1…,P_n)的过程；

S3.3：确定基因变异操作，布势方案S＝(P₁,…,P_n)的变异操作规定为随机选择S的一个元素，将该元素替换为集合Ω-S中的一个随机元素。