基于遺傳算法的吊放聲納搜潛策略優(yōu)化

周田宰，李居偉

（海軍航空工程學院青島校區(qū)，山東青島266041）

基于遺傳算法的吊放聲納搜潛策略優(yōu)化

周田宰，李居偉

（海軍航空工程學院青島校區(qū)，山東青島266041）

針對吊放聲納搜潛策略問題，在平均分配每點的搜索時間的典型搜潛策略的基礎上，采用遺傳算法優(yōu)化搜潛策略中的吊點選擇，進而給出合理的吊放聲納搜潛路徑。算法中，利用實數(shù)編碼優(yōu)化初始種群，采用輪盤賭和期望值相結(jié)合的混合選擇策略優(yōu)化種群的進化。仿真運算表明：采用遺傳算法優(yōu)化吊放聲納搜潛路徑是一種具有研究價值的方法，但算法復雜，計算量大，工程實現(xiàn)還需要進一步研究簡化。

航空反潛，吊放聲納，搜潛算法，遺傳算法

0 引言

吊放聲納搜潛技術(shù)研究從本質(zhì)上講是一個離散空間優(yōu)化搜索問題。在目標位置的分布函數(shù)未知時，可以假設一個分布函數(shù)并確定最優(yōu)搜索策略，按此策略搜索時，對實際目標的搜索概率取決于假設的分布函數(shù)與實際分布函數(shù)的誤差，即該誤差越小，對實際目標的搜索概率越接近于最優(yōu)的搜索概率［1］。

在實際搜潛任務中，目標潛艇的真實分布函數(shù)是難以準確描述的。假設目標在各個搜索區(qū)域是均勻分布的，搜潛策略就是平均分配每點的搜索時間。這種搜索策略最易執(zhí)行，也比較符合實際情況。因此，在典型搜潛算法中，在每個吊放點分配相同的搜索時間是合理的，對其進行優(yōu)化的重點應放在每個吊放點的選擇方面，即優(yōu)化吊放聲納搜潛策略，合理規(guī)劃反潛直升機的運動軌跡。在上述基本條件下，本文主要研究了一種基于實數(shù)編碼遺傳算法的吊放聲納搜潛策略優(yōu)化算法。

1 算法描述

在使用吊放聲納搜索潛艇的過程中，常用的典型搜索路徑有：直線搜索路徑、方形搜索路徑、鋸齒搜索路徑、矩形搜索路徑和螺旋線搜索路徑，實際使用中各有優(yōu)劣［2-3］。為提升搜潛效能，本文采用遺傳算法對吊放聲納的搜潛策略進行優(yōu)化。為了改善遺傳算法的計算復雜性，擴大搜索解空間，節(jié)省計算時間，提高運算效率，采用實數(shù)編碼產(chǎn)生初始種群，并采用輪盤賭和期望值相結(jié)合的混合選擇策略對搜潛路徑進行優(yōu)化。

1.1 計算流程

下面以單架反潛直升機在搜索區(qū)域內(nèi)搜索服從均勻分布的目標（潛艇）為例，設計基于實數(shù)編碼遺傳算法的吊放聲納搜潛算法流程，如圖1所示。

圖1 基于遺傳算法的吊放聲納優(yōu)化搜潛算法流程圖

在模型中，初始種群搜索路徑由以下搜索路徑產(chǎn)生：隨機搜索路徑、直線搜索路徑、方形搜索路徑、鋸齒搜索路徑、矩形搜索路徑和螺旋線搜索路徑，而計算（適應度函數(shù)）搜索路徑的搜潛概率采用蒙特卡洛法。

（1）為了驗證每種搜索路徑的搜潛概率，對每種不同的搜索路徑分別產(chǎn)生200條搜索路徑作為初始種群，采用遺傳算法對每種搜索路徑進行仿真；

（2）為了驗證搜索路徑（包括：隨機搜索路徑、直線搜索路徑、矩形搜索路徑、方形搜索路徑、鋸齒搜索路徑和螺旋線搜索路徑）混合后的搜潛概率，產(chǎn)生500條搜索路徑作為初始種群，采用遺傳算法進行仿真，進化150代。

為了使吊放聲納覆蓋所有搜索區(qū)域，初始種群既可以是隨機搜索路徑、直線搜索路徑、矩形搜索路徑、方形搜索路徑、鋸齒搜索路徑和螺旋線搜索路徑的混合，也可以是單一種類的搜索路徑。為了增加域范圍、擴大搜索空間、改善了遺傳算法的計算復雜性、提高運算效率采用實數(shù)編碼產(chǎn)生上述搜索路徑。

1.2 輪盤賭和期望值相結(jié)合的混合選擇策略

從初始種群中依照概率選擇100條搜索路徑，為下一步的交叉和變異操作做準備。遺傳算法選擇［4-8］的方法很多，主要有：輪盤賭法，截斷選擇，規(guī)范化均勻分布，錦標選擇法，精華保存法等，這些方法多是基于概率的選擇，使得適應度高的個體也有可能被淘汰，適應度低的個體也有可能被選擇，從而導致早熟現(xiàn)象。為了克服以上缺點，仿真中采用了輪盤賭和期望值相結(jié)合的混合選擇策略，其基本思想是：首先計算種群中（N個個體）每個個體被選擇的期望值K，根據(jù)K確定個體被選中的次數(shù)M，形成新種群，最后采用輪盤賭法再為被選中的個體中進行選擇，放入新種群中，直到種群數(shù)為N?；静僮鞑襟E如下：

（1）引入i個體被選擇的期望值K：

（2）確定種群中個體被選中的次數(shù)M：M=ln（k），形成新種群，但個體數(shù)只有∑M個；

（3）采用輪盤賭法在余下的N-∑M個個體中選擇N-∑M個個體，直到種群數(shù)達到N為止，選擇概率取為：

（4）對所選擇的100條搜索路徑，依據(jù)有性和無性復制規(guī)則進行交叉操作，之后再依據(jù)擾動的消除規(guī)則進行變異操作。

（5）依概率到適應度函數(shù)，對交叉和變異后的搜索路徑進行評價，求出本代中有多少條搜索路徑能搜到潛艇，并使用蒙特卡洛法計算其搜潛概率。最后要根據(jù)每運行30代，將本代中適應度最低的搜索路徑更換一般的原則更新基因庫，判斷是否滿足條件，如果滿足條件則退出程序，否則重復（2）步～（4）步，直到滿足條件為止。

2 仿真分析

為了驗證基于遺傳算法優(yōu)化的吊放聲納混合路徑搜潛策略的搜潛效果，編寫Matlab程序進行仿真運算，仿真參數(shù)設置如下：

（1）以反潛直升機接受命令，從載艦起飛在指定區(qū)域的搜索目標潛艇開始計時，最長搜潛時間3 h。

（2）搜索區(qū)內(nèi)有且只有1艘目標潛艇，目標潛艇初始位置在搜索區(qū)域內(nèi)服從內(nèi)均勻分布，且在搜索期間，目標潛艇運動速度遠小于直升機的平均速度。

（3）反潛直升機巡航速度為Vcruise，探測點之間的過渡速度用平均速度Vhs表示，且通常情況下反潛直升機的巡航速度要大于其平均速度。

（4）吊放聲納的戰(zhàn)術(shù)作用范圍是以吊放聲納為圓心，以吊放聲納的戰(zhàn)術(shù)作用距離R為半徑的圓。

（5）混合搜索路徑初始種群500條搜索路徑，其中隨機搜索路徑占60%、直線搜索路徑占16%、方形搜索路徑6%、鋸齒搜索路徑占6.4%、矩形搜索路徑占7.4%和螺旋線搜索路徑占5.2%。

（6）每條搜索路徑12個吊放點，從初始種群中應用輪盤賭和和期望值相結(jié)合的混合選擇策略選擇100條優(yōu)化路徑，誤差進化150代。

經(jīng)過仿真運算，基于遺傳算法優(yōu)化的吊放聲納混合路徑搜潛策略的搜潛概率隨進化代數(shù)變化的關(guān)系如圖2所示。

圖2 搜潛概率隨進化代數(shù)變化的關(guān)系

由圖2可以看出：①隨著進化代數(shù)的增加，搜潛概率總體上呈上升的趨勢，由第1代的0.22增加到72代的0.63，高于任一單一搜索路徑的搜潛概率［3］（其最大值0.56）；②為了克服遺傳算法中常出現(xiàn)的“早熟”現(xiàn)象，采用了輪盤賭和期望值相結(jié)合的混合選擇策略，從而使搜潛概率在第72代達到最高，但計算量大，在目前主流配置計算機上的仿真運行時間長達7 h；③為了使基因庫（好的搜索路徑）保持多樣性，防止遺傳算法陷入局部最優(yōu)解，采用了每30代更新一次基因庫中一半最壞的基因（壞的搜索路徑），反映在圖2中，在30代、60代時有明顯的波動現(xiàn)象。

3 結(jié)論

仿真研究結(jié)果表明：與傳統(tǒng)的搜潛算法相比，采用遺傳算法優(yōu)化吊放聲納搜潛路徑是一種具有研究價值的方法。但是遺傳算法存在著算法復雜、計算量大和運行時間過長的缺點，工程實現(xiàn)還需要進一步研究簡化。

［1］［美］勞倫斯·D·斯通.最優(yōu)搜索理論［M］.北京：海潮出版社，1990.

［2］孫明太，王濤，趙緒明.反潛直升機吊聲搜潛效能的建模與仿真［J］.火力與指揮控制，2005，30（3）：33-36.

［3］李長明，楊健，王晶.艦載直升機反潛搜索最佳方案優(yōu)選模型及應用［J］.火力與指揮控制，2005，30（8）：68-71.

［4］Ladokhin A S，White S H.Alphas and Taus of Membranes. Biophys［J］.2001，81（3）:1825-1827.

［5］Herrera F，Lozano M.Gradual Distributed Genetic Real Coded Genetic Algorithms［J］.IEEE Traps on Evolutionary Computation，2000，5（1）:43-63.

［6］潘正君，康立山，陳毓屏.演化計算［M］.北京：清華大學出版社，1998.

［7］謝振華，張兵，歐陽寰，等.吊放納螺旋形應召搜潛效能仿真研究［J］.四川兵工學報，2014，35（1）：17-20.

［8］李敏強，寇紀淞，林丹，等.遺傳算法的基本理論與應用［M］.北京：科學出版社，2002.

Study of Dipping Sonar Submarine Search Path Based on Genetic Algorithm

ZHOU Tian-zai，LI Ju-wei
（Qingdao branch of Naval Aeronautical Engineering Academy，Qingdao 266041，China）

Aim at the problem of dipping sonar antisubmarine search path，a search tactics based on GA is given.In the algorithm，the initial population is optimized by Real-number coding，the evolution algorithm is optimized by turntable bet and expected value method.Simulation Results show that the application of the Genetic Algorithm for dipping sonar submarine search path optimization is a high value method，but it is a complex and large calculation algorithm，therefore further research and simplification are required in project implementation.

aviation antisubmarine，dipping sonar，search latent algorithm，genetic algorithm

U666.72，TP301.6

A

1002-0640（2015）02-0077-03

2013-12-11

2014-01-24

周田宰（1972-），男，河南淮濱人，碩士，講師。研究方向：航空反潛戰(zhàn)術(shù)、反潛裝備保障。