基于禁忌表算法的传感器管理摘要：传感器管理的核心问题就是依据一定的准则，以最优的方法对传感器资源进行合理的分配。本文采用基于禁忌表结合的粒子群算法来解决传感器管理问题。Abstract：Thecoreissueofsensormanagementistoallocatethesensorresourcesreasonablybasedoncertainprinciplewiththemostoptimalmethod.Inthispaper，particleswarmalgorithmbasedontabulistisadoptedtosolvetheproblemofsensormanagement.关键词：禁忌表；粒子群；仿真结果Keywords：tabulist；particleswarm；simulationresults中图分类号：TP212.9文献标识码：A文章编号：1006-4311（2014）22-0215-020引言在真实战场态势环境中，复杂而多变的动态环境对传感器的数量和传感器与传感器之间的协同都提出来很高的要求。因此，当有多个传感器同时进行目标检测、目标识别和目标跟踪时，传感器和目标之间的任务分配问题，都是亟待解决的问题。本文采用与禁忌表结合的粒子群算法，来分析无人机寻求目标进行最优配对的问题。1粒子群算法流程在任务分配的求解问题中，变量的取值是离散的，所以是非连续的优化问题。在利用粒子群算法进行优化时，必须进行变量的离散化：一方面需要将粒子的位置离散化，另一方面也要将更新速度离散化。因此粒子在选择新位置的时候，并不是在全定义域内进行选择。粒子移动的位置就表示为该粒子对于任务分配的结果，目标的数目也是微粒的维数，粒子的更新速度为无人机和目标之间的任务配对的变化情况。根据约束条件要求，任意目标只能有一个无人机对其发生作用，任一无人机至多也只能对一个目标执行任务，因此在粒子群算法的寻优过程中，微粒各维的最终位置应该是互异的，在本文中采用多次迭代的方法，直到各维变量的位置都不同的时候，才继续往下执行，具体的算法流程如图1所示。①运行开始，进行相关参数的初始化设置（比如设置最大迭代次数等）；②随机对微粒进行初始化设置，即：无人机和目标的任务配对，并计算目标评价函数；1）依次对每一个目标分配一个无人机来执行作战任务，如果无人机和目标的任务分配出现了同一个无人机对两个不同的目标执行任务时候，在重新分配，直到此类情况不再出现（不重复原则）。2）当每个微粒满足任务分配，进行微粒初始值评价；③对微粒进行新速度的计算，并加以限幅；④对微粒进行新位置的计算，并加以限幅；⑤如果微粒处于新位置时，出现微粒对于无人机和目标的任务分配出现步骤②中1）的情况时，重新执行步骤③和步骤④，直到满足要求；⑥按目标评价函数，重新评价各微粒的适应值；⑦对每个微粒，找出微粒个体或群体的最优值；⑧更新所有微粒，并将最优解保存为该微粒的全局历史最优任务分配；⑨若满足终止条件，搜索停止，输出搜索，否则，返回③继续搜索；⑩gbest就是搜索到的最优值。利用粒子群算法来对传感器和目标进行分配从本质上说，就是使得变量中的每一维参数都不同，在这种情况下来获得最大的效用。根据速度更新公式，在粒子每维变量速度的更新公式中，速度的变化量取决于随机数的取值，当出现该维变量与其他维变量取值相同时，最直观的想法就是持续更新随机数，来改变速度变量，从而实现变量取值的目的。因此，有必要对粒子群算法进行改进，从而来得到适合于求解传感器与目标分配效用函数的解决算法。2与禁忌表结合的粒子群算法除了上述的更改粒子更新速度的方法以外，我们还采取了控制粒子选择域的方法来实现传感器与目标的配对。这里，采用了禁忌表的方法。禁忌表算法是一种全局性邻域搜索算法，禁忌搜索的思想最早由FredGlover（美国工程院院士，科罗拉多大学教授）提出，它是对局部领域搜索的一种扩展，是一种全局逐步寻优算法。禁忌表的主要目的是阻止搜索过程中出现循环和避免陷入局部最优，它通常记录前若干次的移动，禁止这些移动在近期内返回。结合禁忌表对粒子群算法进行改进：每个微粒的变量都一次来进行速度和位置的更新。值域中被选择过的取值被推入禁忌表，之后的变量在取值时，只能在---本文来源于网络，仅供参考，勿照抄，如有侵权请联系删除---未被推入禁忌表中的值域中进行选择，...