一种基于黄蜂群算法的水下目标搜索方法

1.本发明涉及一种基于黄蜂群算法的水下目标搜索方法，属于水下目标搜索领域。


背景技术：

2.水下战场以其良好的隐蔽性成为当今海战的重要主战场之一。随着减振降噪、鱼雷智能化等技术的发展，潜艇在隐蔽性、机动性、攻击范围等方面获得长足进步，各个国家也都特别重视水下作战技术的发展，都在不断加强水下平台和水下武器装备的建设，以提高自身水下作战能力。
3.随着智能化、目标识别等高新技术的迅猛发展，未来以无人化装备作为战场主力的无人化、智能化战争新形态逐渐浮出水面，无人集群相比于只能执行单一任务、鲁棒性差、造价高昂的单个平台，具有无中心、自主协同等特点，在未来战争中将具备情报优势、速度优势、协同优势、数量优势以及成本优势。
4.水下作战的对抗过程中，主要使用声纳探测完成目标搜索，水声传播的信道由海面、海底和它们之间的海水环境构成，海水环境随着位置和季节的变化是不同的，会影响水下作战的探测过程。针对该问题，本文以研究复杂水声环境为背景，结合无人集群理论和智能化技术，设计无人集群水下作战方案，并对其完成作战效能评估，并详细研究应召反潜时的动态目标搜索任务。这符合未来无人化作战的发展需求，有助于应对强敌挑衅，维护国家海洋的领土安全。
5.水下目标搜索是水下作战的基础，搜索到目标是搜捕和打击目标的前提，目标搜索在搜救、海战等不同领域一直是热门研究方向。在目标搜索问题中，使用单个搜索装备进行搜索存在性能和工作空间的限制，多个装备组成的集群将能够相互协作，提升整体的搜索能力。集群化的目标搜索能够利用自组织分布式的方式，将多架具有感知和通信能力的无人装备进行部署安排，完成对指定区域快速且完全的覆盖，并且能够提升目标搜索的概率。其中无人集群的动态目标搜索是一个较新的研究领域，相关研究较少，主要是研究二维平面上的运动目标。这类问题是经典的动态优化问题，它的解析解很难通过理论方法得到，所以大多数研究都通过构建不同的搜索方法来获取数值解。
6.在自然界中，生物的群集行为是一种普遍的生存现象，例如蚁群、蜂群、鸽群、鱼群等典型的生物群体能够自发地形成觅食、追逃、迁徙等群体行为。这些生物群集行为是生物群居个体经过长期进化演变得出的一种与生俱来的生存本能，而构成的生物系统则自然而然地形成了稳定、自治、自主的群体智能系统。针对集群中分布式路径规划，生物群算法非常适合使用，但是如何应用在水文环境背景的水下作战中，存在各种各样的问题。
7.本发明针对水下作战中的目标搜索这一重要作战任务，以目标出现区域的扩大性搜索为背景，研究黄蜂群算法(wasp swarm algorithm，wsa)用于覆盖搜索。为提升搜索目标的概率，引入目标存在概率(probability of contain，poc)，并在考虑水文条件影响下，完成对目标区域的全覆盖搜索。从实际出发，在保证覆盖率的情况下，实现区域目标搜索效率的提升。


技术实现要素：

8.本发明所解决的技术问题是提出了一种基于黄蜂群算法的水下目标搜索方法。
9.本发明的一种基于黄蜂群算法的水下目标搜索方法，所述方法包括：
10.s1、利用栅格化方法对待定搜索区域进行离散处理，将其按照搜索平台的探测能力进行栅格化；
11.s2、在栅格化地图中引入水文环境条件，并利用声纳方程以及水声传播模型ram对其进行划分；
12.s3、在栅格化地图上将搜索平台和被搜索目标质点化，对搜索平台动作空间进行定义；
13.s4、引入黄蜂群算法，利用感知信息计算出不同方向的响应函数，再利用响应函数进行下一步的覆盖搜索，以提高搜索效率。
14.优选的是，所述s1包括：
15.s11、在栅格化地图上模拟目标分布预测情况，作为作战任务地图；
16.s12、在先验知识已知的情况下，目标存在概率在归一化处理之后满足下式：
[0017][0018]
式中：p
mn
是单元格(m,n)中目标存在的概率；l
x
和wy分别为整个地图中横向和纵向单元格的数量。
[0019]
优选的是，所述s2中，提取水文环境条件，利用声纳方程和水声传播模型ram，将单元格中心位置的探测范围计算出来，以一个阈值将水文条件划分为良和中两种，水文条件为良时，该单元格中搜索平台具有更大的探测范围。
[0020]
优选的是，所述s3中，先将搜索平台和被搜索目标质点化，然后将其运动方向按照360
°
均匀划分8等份，则每个方向的角度差为α＝45
°
，分别表示：上、左上、右上、下、左下、右下、左和右8个运动方向。在每个决策时间步中，搜索平台的状态表示为{xi(k),yi(k),hi(k)}，其中{xi(k),yi(k)}表示k时刻无人作战i的位置，搜索平台的航向用hi(k)∈(1,2,
…
,8)表示，每个数字代表了一个行进的航向。
[0021]
优选的是，所述s4中，运用黄蜂群算法，在栅格化地图中多个方向的响应函数可以表示为：
[0022][0023]
式中：sj(sj≥0)为j方向的信息素，θi(θi≥0)为个体i的响应阈值，sk为个体周围的单元格k的信息素，m为相邻单元格的数量。
[0024]
在有了决策函数之后，利用黄蜂群算法的覆盖搜索方法可以分为如下两步：
[0025]
(1)初始状态下，搜索平台分布在区域边缘，根据各个方向单元格的信息素计算响应函数的值，确定是否达到搜索平台的响应阈值，以确定移动方向。
[0026]
(2)当个体完成移动之后，就会根据当前单元格的水文条件确定搜索平台的探测
范围，对覆盖范围内的单元格的信息素进行修改，计算邻近单元格的响应阈值函数，再次确定移动方向。
[0027]
信息素修改函数可以表示为：
[0028][0029]
式中：s
′
表示修改后的信息素；α表示是信息素的修改参数。
[0030]
本发明的有益效果，本发明首先给出水下作战中潜艇目标躲避逃跑的问题，对该问题的作战任务、地图和平台运动态势进行了建模，在构建栅格化地图时，引入目标存在概率(probability of contain，poc)评价搜索策略的搜索效率，引入水文地图以模拟实际作战中水文环境；其次，利用黄蜂群算法，实现区域覆盖搜索的覆盖搜索算法，分析了相关超参数的影响；最后，利用仿真实验对比三种搜索策略，引入成功搜索概率(probability of success,pos)和区域覆盖率作为评价指标，分析了三种搜索策略的覆盖率和搜索累积概率，证明了基于黄蜂群算法的水下目标搜索方法的可行性与有效性。
附图说明
[0031]
图1是基于黄蜂群算法的水下目标搜索方法的总体框图
[0032]
图2是栅格化搜索区域的示意图
[0033]
图3是目标分布预测图
[0034]
图4是有水文条件的栅格地图
[0035]
图5是不同水文条件对应的探测范围示意图
[0036]
图6是动作空间示意图
[0037]
图7是目标存在概率分布图
[0038]
图8是归一化后的目标存在概率分布图
[0039]
图9是作战地图的水文条件
[0040]
图10是三种覆盖搜索的概率累计对比图
[0041]
图11是三种不同搜索策略的覆盖率
具体实施方式
[0042]
下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动的前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0043]
需要说明的是，在不冲突的情况下，本发明中的实施例及实施例中的特征可以相互组合。
[0044]
下面结合附图和具体实施例对本发明作进一步说明，但不作为本发明的限定。
[0045]
本实施方式提供一种基于黄蜂群算法的水下目标搜索方法。该方法通过对待定搜索区域进行栅格化处理，然后利用声纳方程和水声传播模型ram对水文环境条件进行计算和划分，再对搜索平台的动作空间进行定义，最后结合利用黄蜂群算法进行覆盖搜索。选用成功搜索概率(probability of success,pos)和区域覆盖率作为评价指标，进行实验测
试，本实施方式的总体框图如图1所示。本实施方式的方法包括：
[0046]
s1、利用栅格化方法对待定搜索区域进行处理，将其按照搜索平台的探测能力进行栅格化，包括：
[0047]
s11、在栅格化地图上模拟目标分布预测情况，作为作战任务地图；
[0048]
s12、在先验知识已知的情况下，目标存在概率在归一化处理之后满足下式：
[0049][0050]
式中：p
mn
是单元格(m,n)中目标存在的概率；l
x
和wy分别为整个地图中横向和纵向单元格的数量。
[0051]
搜索区域栅格化的结果如图2所示，待搜索区域被栅格化为l
x
×
wy个单元格，每个单元格边长为最小探测距离。每个单元格以单元格的中心坐标作为当前单元格的位置，单元格的边长设为在该海域中搜索平台的最小的探测距离。(m,n)的取值范围为m∈{1，2，3...
°
l
x
}，n∈{1,2,3...
°
wy}。
[0052]
在进行区域搜索时，通常作战指挥中心根据水文信息和相关预测模型可以预测目标移动的方向，从而得到相关的目标存在分布概率模型。本实施例以提升目标搜索效率为目标，假设搜索平台直接从作战指挥中心获得目标分布的预测信息。本实施例以某一点散开的随机值模拟可能的目标分布预测图，作为作战任务地图。
[0053]
如图3所示，每个单元格(m,n)被赋予目标存在的概率值p
mn
(p
mn
∈(0,1))，p
mn
越大，表示目标在该单元格的概率越大，搜索的价值也越高。本实施例假定待搜索的区域中一定包含潜艇目标，因此待搜索区域中目标存在概率应该为1。在先验知识已知的情况下，目标存在概率在归一化处理之后满足下式：
[0054][0055]
式中：p
mn
是单元格(m,n)中目标存在的概率；l
x
和wy分别为整个地图中横向和纵向单元格的数量。
[0056]
s2、在栅格化地图中引入水文环境条件，并利用声纳方程以及水声传播模型ram对其进行划分：
[0057]
为了进一步贴近真实的海洋作战，引入模拟水文环境条件，并根据声纳方程和，以及水声传播计算模型ram，将单元格中心位置的探测范围计算出来，以一个阈值将水文条件划分为良和中两种。
[0058]
有水文条件的栅格地图如图4所示，其中绿色的单元格表示该单元格的水文条件为良，该单元格中搜索平台具有更大的探测范围；红色的单元格表示该单元格的水文条件为中，搜索平台的探测范围较小。
[0059]
不同水文条件对应的探测范围如图5所示，水文条件为中时，搜索平台的探测范围只能覆盖到搜索平台当前所在的单元格；水文条件为良时，探测的方位不仅能够覆盖当前单元格，还能够将当前单元格所邻的正上方、正下方、正左方和正右方的单元格都覆盖到。
[0060]
s3、在栅格地图上将搜索平台和被搜索目标质点化，对搜索平台动作空间进行定义：
[0061]
在栅格地图上将搜索平台和被搜索目标质点化，看作是一个无体积大小的质点，各运动平台的行进都是在栅格地图的一个单元格里面，或者是停留在当前单元格。同一个单元格中也可以同时存在多个运动平台。
[0062]
搜索平台动作空间的定义会影响搜索平台搜索目标的效果，本文考虑到水下搜索平台移动方向灵活多变，移动方向可按照360
°
均匀划分8等份，则每个方向的角度差为α＝45
°
，分别表示：上、左上、右上、下、左下、右下、左和右8个运动方向，动作空间定义如图6所示。
[0063]
在每个决策时间步中，搜索平台的状态表示为{xi(k),yi(k),hi(k)}，其中{xi(k),yi(k)}表示k时刻无人作战i的位置，搜索平台的航向用hi(k)∈(1,2,
…
,8)表示，每个数字代表了一个行进的航向，比如：左转、直行或右转。
[0064]
s4、引入黄蜂群算法，利用感知信息计算出不同方向的响应函数，再利用响应函数进行下一步的覆盖搜索，以提高搜索效率：
[0065]
搜索平台会在传感器的覆盖范围内进行信息感知，利用感知到的信息按照一定的策略确定采取行动的航向。由式可以推出栅格地图中多个方向的响应函数如式：
[0066][0067]
式中：sj(sj≥0)为j方向的信息素，θi(θi≥0)为个体i的响应阈值，sk为个体周围的单元格k的信息素，m为相邻单元格的数量。
[0068]
在有了决策函数之后，利用黄蜂群算法的覆盖搜索方法可以分为如下两步：
[0069]
(1)初始状态下，搜索平台分布在区域边缘，根据各个方向单元格的信息素计算响应函数的值，确定是否达到搜索平台的响应阈值，以确定移动方向。
[0070]
(2)当个体完成移动之后，就会根据当前单元格的水文条件确定搜索平台的探测范围，对覆盖范围内的单元格的信息素进行修改，计算邻近单元格的响应阈值函数，再次确定移动方向。
[0071]
表1基于黄蜂群算法的覆盖搜索算法
[0072][0073][0074]
实验数据处理与分析
[0075]
1、实验环境
[0076]
本实施例提出的基于黄蜂群算法的水下目标搜索方法，是通过matlab编程实现的。实验设备采用处理器inter(r)core(tm)i7-9700 cpu@3.00ghz，安装内存32g，操作系统64位windows10，gpu型号geforce rtx 2080ti。
[0077]
2、水文环境数据集
[0078]
woa2018数据集是美国noaa组织在2018年发布的海洋水文数据集，其中包括水温、盐度、含氧量等数据，经纬度精度可达到15分。
[0079]
3、评价指标
[0080]
在区域覆盖搜索中主要有两个指标：成功搜索概率和区域覆盖率。成功搜索概率(probability of success,pos)，如式所示。
[0081][0082]
式中：p
mn
表示当前位置的目标存在概率；x(m,n)是指在l
x
×
ly的栅格地图中，第m行n列对应的位置。
[0083]
区域覆盖率是搜索过的区域占总的搜索区域的百分比，表示为:
[0084][0085]
式中：n是至少被一个作战平台搜索过的网格的总数；n为区域所有网格的总数；coverage即为区域覆盖率。
[0086]
4、实验参数
[0087]
选取以(128
°
e，21
°
n)中心的在选取一块作战海域将其划分为20
×
20大小的正方形栅格地图。假设，在该搜索海域中，预测得到的poc分布图，如图7所示。
[0088]
根据图7的poc地图中单元格的存在概率等比生成对应的信息素地图。将目标存在概率为0的单元格设定最低含量的信息素0.01，让搜索平台能够进行移动，不会停滞在存在概率为0的单元格中。利用式归一化后的poc分布图，如图8所示。
[0089]
读取当前位置的水文环境数据，根据声纳方程和水声传播模型计算出作战水文地图，如图9所示。
[0090]
5、超参数分析
[0091]
为了探究θ和α这两个参数对黄蜂群算法在栅格地图上的搜索效率的影响。先设定α＝0.1，对不同的θ值进行模拟30次，取平均值份分析时间步数和时间步的标准差，如表2所示。
[0092]
表2 θ变化对结果的影响
[0093][0094]
由表2可知，随着θ的增加，完成覆盖所需要的时间增加，标准差也逐渐变大。从实际分析，θ越大，搜索平台在四周被探索之后有更大的可能性停留在原地。当θ在取较小值时，即便搜索平台周围的单元格被多次覆盖，搜索平台仍能以较大概率继续移动，而非停留在原地。在本文的目标搜搜中，更希望搜索平台以最快的速度完成覆盖搜索。因此，本文选择让搜索平台不会出现停留原地的情况，即取θ＝0。
[0095]
确定θ之后，研究α值对搜索平台在栅格地图中覆盖率达到100％所需时间的影响，结果如表3所示。
[0096]
表3 α变化对结果的影响
[0097][0098]
由表3可以看出，随着α的变化，时间步和标准差变化都不大，甚至存在先增大后减小的趋势。因为，当α很小时，探索过区域的信息素浓度变化很快，有效地防止了重复探索，而当α较大时，对于回到曾经探索过的区域有一定的容忍，可以让搜索平台找到之前漏掉的单元格。总的来说，α的取值对于覆盖搜索效率的影响不大，这里取α＝0.1。
[0099]
6、仿真与结果分析
[0100]
(1)成功搜索概率分析
[0101]
在500个时间步下，利用2个搜索平台进行目标搜索，分别求出随机搜索、循环遍历搜索和基于黄蜂群算法的搜索三种搜索策略中pos随时间步增加的变化数据，如图10所示。可以看到，当到100个时间步时，基于黄蜂群算法的成功搜索概率已经达到了0.7左右，而循环遍历搜索才达到0.5左右，前者能够快速找到高价值的单位格。
[0102]
(2)覆盖率分析
[0103]
根据图11可以看出，在固定时间步数下，随机搜索的覆盖效率是最低的。虽然，基于黄蜂群算法的覆盖搜索比循环遍历搜索有差距，但是二者都在500个时间步左右的时候就完成了覆盖任务。说明基于黄蜂群的覆盖搜索为了获得更高搜索效率，存在重复覆盖的情况，完成全覆盖就需要更长的时间。为了充分对比不同搜索策略的搜索能力，本文引入平均覆盖次数分析搜索过程中重复搜索情况，平均搜索次数是指覆盖栅格单元格的总次数与总覆盖栅格单元格数量的比值。在完成完全覆盖之后，三者的平均覆盖次数如表4所示。
[0104]
表4三种搜索方法的平均覆盖次数
[0105][0106]
从表2可知，随机搜索这种毫无规律性的搜索，平均覆盖次数为其余两种搜索方式的数倍。同时，也看到在考虑水文环境对探测覆盖影响时，虽然循环遍历搜索是按照规则图形进行搜索覆盖，但也存在1.18次的平均覆盖次数，这说明规则的遍历搜索也有一定的局限性。总的来说，相比于其他方法，本发明所提出的方法性能最佳，搜索效率最高。
[0107]
虽然在本发明中参照了特定的实施方式来描述本发明，但是应该理解的是，这些实施例仅仅是本发明的原理和应用的示例。因此应该理解的是，可以对示例性的实施例进行许多修改，并且可以设计出其他的布置，只要不偏离所附权利要求所限定的本发明的精神和范围。应该理解的是，可以通过不同于原始权利要求所描述的方式来结合不同的从属权利要求和本发明中所述的特征。还可以理解的是，结合单独实施例所描述的特征可以使用在其他所述实施例中。

技术特征：
1.一种基于黄蜂群算法的水下目标搜索方法，其特征在于，包括：s1、利用栅格化方法对待定搜索区域进行离散处理，将其按照搜索平台的探测能力进行栅格化；s2、在栅格化地图中引入水文环境条件，并利用声纳方程以及水声传播模型ram对其进行计算和划分；s3、在栅格化地图上将搜索平台和被搜索目标质点化，对搜索平台动作空间进行定义；s4、引入黄蜂群算法，利用感知信息计算出不同方向的响应函数，再利用响应函数进行下一步的覆盖搜索，以提高搜索效率。2.根据权利要求1所述的基于黄蜂群算法的水下目标搜索方法，其特征在于，所述s1中：在栅格化地图上模拟目标分布预测情况，作为作战任务地图；在先验知识已知的情况下，目标存在概率在归一化处理之后满足下式：式中：p
mn
是单元格(m,n)中目标存在的概率；l
x
和w
y
分别为整个地图中横向和纵向单元格的数量。3.根据权利要求1所述的基于黄蜂群算法的水下目标搜索方法，其特征在于，所述s2中：提取水文环境条件，利用声纳方程和水声传播模型ram，将单元格中心位置的探测范围计算出来，以一个阈值将水文条件划分为良和中两种，水文条件为良时，该单元格中搜索平台具有更大的探测范围。4.根据权利要求1所述的基于黄蜂群算法的水下目标搜索方法，其特征在于，所述s3中：先将搜索平台和被搜索目标质点化，然后将其运动方向按照360
°
均匀划分8等份，则每个方向的角度差为α＝45
°
，分别表示：上、左上、右上、下、左下、右下、左和右8个运动方向；在每个决策时间步中，搜索平台的状态表示为{x
i
(k),y
i
(k),h
i
(k)}，其中{x
i
(k),y
i
(k)}表示k时刻无人作战i的位置，搜索平台的航向用h
i
(k)∈(1,2,
…
,8)表示，每个数字代表了一个行进的航向。5.根据权利要求1所述的基于黄蜂群算法的水下目标搜索方法，其特征在于，所述s4中：运用黄蜂群算法，在栅格化地图中多个方向的响应函数可以表示为：式中：t是响应阈值函数，s
j
(s
j
≥0)为j方向的信息素，θ
i
(θ
i
≥0)为个体i的响应阈值，s
k
为个体周围的单元格k的信息素，m为相邻单元格的数量。在有了决策函数之后，利用黄蜂群算法的覆盖搜索方法可以分为如下两步：
(1)初始状态下，搜索平台分布在区域边缘，根据各个方向单元格的信息素计算响应函数的值，确定是否达到搜索平台的响应阈值，以确定移动方向。(2)当个体完成移动之后，就会根据当前单元格的水文条件确定搜索平台的探测范围，对覆盖范围内的单元格的信息素进行修改，计算邻近单元格的响应阈值函数，再次确定移动方向。信息素修改函数可以表示为：式中：s
′
表示修改后的信息素；α表示是信息素的修改参数。

技术总结
在水下作战中，水下目标搜索方式通常采用平行线等固定搜索模式来规划搜索路径，寻求最佳的覆盖率。循环遍历的搜索方式虽然能够实现搜索全覆盖，但存在搜索效率不高的缺点。本发明将黄蜂群算法运用于水下作战的目标搜索中，结合栅格化地图，以水文条件为背景，提出了一种基于黄蜂群算法的水下目标搜索方法。该方法通过对待定搜索区域进行栅格化处理，然后利用声纳方程和水声传播模型RAM对水文环境条件进行计算和划分，再对搜索平台的动作空间进行定义，最后利用黄蜂群算法进行覆盖搜索。选用成功搜索概率(ProbabilityofSuccess,POS)和区域覆盖率作为评价指标，进行实验测试。研究表明，本方法与随机搜索方法和循环遍历搜索方法相比，性能有较大提高。由此证明了基于黄蜂群算法的水下目标搜索方法的可行性与有效性。算法的水下目标搜索方法的可行性与有效性。算法的水下目标搜索方法的可行性与有效性。


技术研发人员：兰朝凤 于泽龙 郑智伟 郭锐 郭小霞 韩闯
受保护的技术使用者：哈尔滨理工大学
技术研发日：2023.04.21
技术公布日：2023/8/4