[发明专利]基于多生境遗传算法的机动路径优选方法及存储介质

摘要

基于多生境遗传算法的单智能体机动路径优选方法及存储介质，本发明针对此类路径优选问题，运用多生境遗传算法和迪杰斯特拉算法，包括提出问题，分析问题，采用多生境遗传算法群体初始化，多生境遗传算法计算，解码及适应度计算，改进了迪杰斯特拉算法的用法，在少量的路径组中，搜索是否有连通路径，实现作战仿真中单智能体最短路径优选问题，显著提高了作战仿真过程中单智能体在约束条件下的路径优选的有效性和效率，降低了整体的运算量，高效地求得了该问题的最优解。

主权项

1.一种基于多生境遗传算法的单智能体机动路径优选方法，包括如下步骤：问题分析步骤S110:单智能体于在一定时刻T0以速度V，从出发节点P0，经过不同的时间间隔后，分别经过n个调整节点，其中所述调整节点为必经点，最终达到目标节点Pe,其中各路径段具有一定的各路径段路径长L、路况系数K和风险系数D；问题表示步骤S120：根据待求解问题的已知条件，确定表示可行解的编码方式，根据必经节点个数n，将解空间分割到相应区段，确定出n+1个解空间，并确定所有个体在分割后的每个解空间中分布的百分比，并确定个体适应度的量化评价方法，计算时还应考虑各区段的时间限制。在算法进行过程中，搜索将在几个小的搜索域中同时进行；多生境遗传算法群体初始化S130：确定多生境遗传算法的基本参数，所述基本参数包括群体规模M，交叉概率PC，变异概率Pm和遗传运算的终止条件T，按照既定的编码方式，随机生成M个个体作为初始群体，确定算法的交叉方式、变异方式，对个体基因型运用迪杰斯特拉算法进行解码，从而确定个体基因型是否包含有效连通路径；多生境遗传算法计算步骤S140:根据初始化参数，利用多生境遗传算法在每个搜索域的每组个体中分别进行选择、交叉和变异；解码及适应度计算步骤S150:每进化一代后，在每个搜索域中首先运用迪杰斯特拉算法对个体基因型进行解码，解码过程是运用迪杰斯特拉算法在个体编码组中，寻找区段有效路径的过程，将不能构成有效连通路径的个体适应度置为0，同时还需保证完成各段路径时间总和不得超区段总时间，否则个体适应度也置为0，然后运用所述个体适应度量化方法进行计算，有效个体是指个体编码能构成此搜索区段连通路径的个体，个体适应值非负，以个体适应值的大小作为个体适应度，越小越好，并以一代个体中适应度最小的个体作为最优解；终止条件判断及确定最优路径步骤S160:保留各个搜索域中在每一代运算中的极小值，筛选每个搜索域得到该搜索域最终的极小值，综合各个搜索域的最终的极小值构成全程路径，即为最优优选路径，对终止条件进行判断，是否满足进化代数，以确定是退出遗传算法或者是跳转执行多生境遗传算法计算步骤S140。