• <tr id="yyy80"></tr>
  • <sup id="yyy80"></sup>
  • <tfoot id="yyy80"><noscript id="yyy80"></noscript></tfoot>
  • 99热精品在线国产_美女午夜性视频免费_国产精品国产高清国产av_av欧美777_自拍偷自拍亚洲精品老妇_亚洲熟女精品中文字幕_www日本黄色视频网_国产精品野战在线观看 ?

    基于協(xié)同Memetic自適應(yīng)QPSO算法的傳感器-目標分配問題求解

    2016-12-24 07:17:00段修生徐公國單甘霖
    關(guān)鍵詞:全局分配粒子

    段修生, 徐公國, 單甘霖

    (軍械工程學院電子與光學工程系, 河北 石家莊 050003)

    ?

    基于協(xié)同Memetic自適應(yīng)QPSO算法的傳感器-目標分配問題求解

    段修生, 徐公國, 單甘霖

    (軍械工程學院電子與光學工程系, 河北 石家莊 050003)

    對復(fù)雜防空作戰(zhàn)環(huán)境下的傳感器-目標分配(sensor target assignment,STA)問題進行了研究,建立了基于識別、跟蹤、定位多階段綜合作戰(zhàn)效能的分配模型。針對該模型,首先基于粒子群聚集度和進化度判斷,對傳統(tǒng)量子粒子群(quantum particle swarm optimization, QPSO)算法進行了改進,提出了自適應(yīng)QPSO算法。然后,結(jié)合多粒子群協(xié)同和Memetic搜索策略,提出了基于協(xié)同Memetic自適應(yīng)QPSO算法的STA求解方法。同時,為使粒子位置矢量反映分配方案,依據(jù)不同戰(zhàn)場環(huán)境設(shè)計了兩種特殊的粒子編碼方案。最后通過仿真實驗驗證了所提算法的有效性。

    傳感器-目標分配; 傳感器管理; 量子粒子群; 自適應(yīng); Memetic算法; 防空系統(tǒng)

    0 引 言

    現(xiàn)代防空作戰(zhàn)環(huán)境日趨多樣化和復(fù)雜化,呈現(xiàn)出全空域、全天候、多傳感器、多目標的特點,傳感器管理的作用日益突出。尤其是在防空C3I系統(tǒng)中,傳感器-目標分配(sensor target assignment,STA)問題是傳感器管理中的關(guān)鍵問題之一,如何快速地將傳感器資源合理地分配給多個目標以達到最大作戰(zhàn)效能,并滿足戰(zhàn)場的實時性要求,成為現(xiàn)代防空指揮作戰(zhàn)系統(tǒng)中的研究重點。

    STA問題屬于軍事運籌學中的經(jīng)典NP-hard完全問題,實質(zhì)是非線性、多約束的整數(shù)規(guī)劃問題,求解復(fù)雜且收斂速度慢。傳統(tǒng)的研究方法有:基于規(guī)劃論、基于協(xié)方差控制、基于信息論、基于博弈論、基于模糊理論等。文獻[1] 將傳感器分配問題描述成一種非線性部分可觀馬爾可夫決策過程模型,并給出充分條件以使最優(yōu)策略具有特殊的閾值結(jié)構(gòu),從而降低了求解計算的復(fù)雜度。文獻[2]則將傳感器資源分配問題描述成二元混合整數(shù)規(guī)劃問題和二元凸規(guī)劃問題,并分別利用線性規(guī)劃法和外部近似法對這兩種規(guī)劃問題進行求解。文獻[3]研究了基于協(xié)方差控制的集中式雷達組網(wǎng)跟蹤融合系統(tǒng)資源管理問題,設(shè)計了一種基于 Riccati 方程的穩(wěn)態(tài)傳感器分配算法。文獻[4]討論了誤差協(xié)方差與傳感器精度指標的關(guān)系,并提出基于容積卡爾曼濾波的雷達與紅外傳感器融合算法。文獻[5]提出了基于Fisher 信息增量最大化的傳感器資源分配算法。文獻[6]引入博弈理論對動態(tài)武器目標分配問題進行了求解。近年來,智能啟發(fā)式搜索算法,如蟻群算法、粒子群算法等,因其魯棒性強、收斂速度快等特點被廣泛應(yīng)用于多傳感器管理問題中。

    本文在上述研究的基礎(chǔ)上,立足防空作戰(zhàn)的實際流程,分析了防空作戰(zhàn)各分任務(wù)階段性能對綜合作戰(zhàn)效能的影響,提出了一種新的基于多階段綜合作戰(zhàn)效能的STA分配模型,所提模型更加貼近實際戰(zhàn)場環(huán)境。然后,利用量子粒子群智能優(yōu)化(quantum particle swarm optimization,QPSO)算法[7]進行求解,在粒子群聚集度和進化度實時判斷的基礎(chǔ)上,對傳統(tǒng)QPSO算法進行了改進,提出了自適應(yīng)QPSO(adptive QPSO,AQPSO)算法,并且引入多粒子群協(xié)同搜索和Memetic搜索策略,最終構(gòu)建了協(xié)同Memetic AQPSO (M-AQPSO)尋優(yōu)算法。所提算法有很強的全局搜索能力和穩(wěn)定性,最后將通過仿真實驗驗證了算法的有效性。

    1 STA模型的構(gòu)建

    1.1 目標函數(shù)

    傳統(tǒng)的傳感器目標分配,多以單個目標收益作為客觀分配原則,如探測概率最大、定位精度最優(yōu)[3]、信息增量最大[5]等。而在防空作戰(zhàn)中,單個目標并不能完整刻畫作戰(zhàn)過程,有其局限性。當前,傳感器的任務(wù)趨于多樣化和復(fù)雜化,防空作戰(zhàn)傳感器的任務(wù)就包括搜索、截獲、識別、跟蹤、定位等一系列階段性任務(wù),且不同傳感器在不同階段的性能也具有差異性。本文則以識別、跟蹤、定位3個階段的綜合作戰(zhàn)效能作為分配目標函數(shù)對傳感器目標進行分配。下面給出傳感器目標分配綜合作戰(zhàn)效能的計算方法。

    識別性能:傳感器識別目標是從目標回波信號中提取目標的信息特征,確定目標的類型及屬性的過程。目標識別性能的衡量采用傳感器的目標識別正確率來定義,假設(shè)傳感器對某一目標的識別正確率為η,則傳感器對目標的識別性能Reco可定義為

    Reco=η

    (1)

    (2)

    式中,ηi為傳感器i對某一目標的識別正確率。

    跟蹤性能:目標跟蹤的主要目的是估計目標的狀態(tài)軌跡,故可用濾波誤差協(xié)方差來衡量傳感器的跟蹤性能。設(shè)跟蹤濾波誤差協(xié)方差為P,則定義傳感器對目標的跟蹤性能Trac為

    (3)

    (4)

    式中,Pi為傳感器i的跟蹤濾波誤差協(xié)方差陣。

    定位性能:目標定位主要是利用觀測信息和傳感器目標的幾何關(guān)系來推算出目標的空間位置,在精度要求高的情形下,還要考慮時間定位。可用定位精度幾何稀釋因子GDOP來定義傳感器對目標的定位性能:

    (5)

    式中,σx,σy,σz分別為x,y,z方向的測量精度。同樣,當N個傳感器同時跟蹤同一目標時,采用基于極大似然融合估計算法,融合定位精度幾何稀釋因子GDOP′可由式(6)求得

    GDOP′=Fusion(GDOP1,GDOP2,…,GDOPN)=

    (6)

    式中,σxi,σyi,σzi分別為傳感器i的x,y,z方向的測量精度。在得出各分任務(wù)階段傳感器目標配對性能的基礎(chǔ)上,定義綜合作戰(zhàn)效能Gain為

    Gain=c1·Reco+c2·Trac+c3·Loca

    (7)

    式中,c1+c2+c3=1(c1,c2,c3∈[0,1]),權(quán)重可依據(jù)實時戰(zhàn)場環(huán)境變化進行不同的側(cè)重設(shè)置。

    1.2 約束條件

    由于STA問題是一個具有約束條件的優(yōu)化問題,本文在建立分配模型時主要考慮以下約束條件。

    (1) 單個傳感器可同時處理的目標個數(shù)約束:每個傳感器都有最大跟蹤能力,傳感器所分配的目標個數(shù)不能超過其跟蹤能力。

    (2) 單個目標所能分配的傳感器個數(shù)約束:為充分利用傳感器資源,防止過度集中造成冗余浪費,每個目標最多分配2個傳感器。同時又為了防止漏防,在資源充分的條件下,每個目標至少分配1個傳感器。

    (3) 多傳感器系統(tǒng)的處理能力負荷約束:系統(tǒng)有其處理能力上限,處理負荷約束即系統(tǒng)可同時處理的最大目標個數(shù)。

    (4) 任務(wù)處理時間約束:目標跟蹤對實時性要求比較高,單次分配任務(wù)的處理時間需設(shè)置最大上限,否則等待時間太長會造成目標丟失,故當處理時間太長時,依據(jù)上一次分配結(jié)果處理。

    1.3 分配模型的構(gòu)建

    假設(shè)某次防空作戰(zhàn)中,探測到來襲目標個數(shù)為n個,為T1,T2,…,Tn;我方有m個傳感器S1,S2,…,Sm,每個傳感器的跟蹤能力分別為C1,C2,…,Cm,系統(tǒng)最大跟蹤能力為C=C1+C2+…+Cm。引入虛擬傳感器的概念,即當2個傳感器同時跟蹤1個目標時,組合傳感器構(gòu)成新的虛擬傳感器,此時理論上的傳感器個數(shù)應(yīng)該是(m2+m)/2個,其作戰(zhàn)效能由第1.1節(jié)中的融合算法求得,配對綜合作戰(zhàn)效能矩陣為Gain[n,(m2+m)/2]:

    (8)

    式中,Gij為當目標i分配給傳感器j時的總作戰(zhàn)效能。進一步定義分配矩陣R=[rij]n×m來表示分配結(jié)果,當目標i分配給傳感器j時,rij=1;否則,rij=0。依據(jù)約束條件R的每行中1的個數(shù)不大于2,每列中1的個數(shù)不得大于相應(yīng)傳感器的跟蹤能力,總的1的個數(shù)不得大于系統(tǒng)處理能力。

    經(jīng)過以上分析,防空作戰(zhàn)中的STA問題可轉(zhuǎn)化為下面的最優(yōu)化模型:

    (9)

    約束條件為

    (10)

    式中,Cj傳感器j的跟蹤能力;C為系統(tǒng)總跟蹤能力;Tmax為單次處理時間上限;P(Ti)目標優(yōu)先級函數(shù)。當m≤C時,選取處理的目標為m個;當m>C時,依據(jù)目標優(yōu)先級選取C個目標進行處理。

    目標優(yōu)先級反映目標對我防區(qū)的威脅程度,威脅程度越大,目標優(yōu)先級越高;威脅度越小,目標優(yōu)先級越低。目標威脅度的評估依靠所觀測到的目標類型和屬性確定,求解方法有層次分析法、模糊推理、神經(jīng)網(wǎng)絡(luò)等,這里不做具體的闡述。依據(jù)目標優(yōu)先級,可以對威脅度高的目標重點處理,尤其在目標數(shù)目大于系統(tǒng)跟蹤處理能力時,可以依靠目優(yōu)先級進行目標選取。定義目標優(yōu)先級函數(shù)為

    P(T)=W

    (11)

    式中,T為目標;W為目標T的威脅度。目標威脅度越大,目標優(yōu)先級函數(shù)值越大,目標優(yōu)先級則越高。

    2 STA問題的求解

    在建立了STA分配模型之后,下面討論如何快速求解模型。針對傳統(tǒng)QPSO算法易陷入局部最優(yōu)和收斂速度慢等問題,本文依據(jù)粒子群聚集度和進化度指標,對QPSO算法進行了自適應(yīng)改進。又結(jié)合Memetic和協(xié)同搜索策略,構(gòu)建了一個多粒子群群協(xié)同搜索、全局搜索與局部搜索相結(jié)合的自適應(yīng)QPSO尋優(yōu)算法。

    2.1 QPSO算法

    針對普通粒子群(particle swarm optimization,PSO)算法全局尋優(yōu)能力不佳的缺陷,Sun Jun等在量子理論的基礎(chǔ)之上,提出了具有量子行為的QPSO算法。該模型賦予粒子量子行為,即粒子的位置由波函數(shù)來描述,粒子的狀態(tài)變化則由薛定諤方程決定。QPSO假設(shè)每個粒子在一個局部吸引子為中心的δ勢阱中移動, 而粒子在各自δ勢阱中的具體位置則由一個概率密度函數(shù)P(x)決定。實驗表明,當P(x)為二次分布時算法具有最佳性能, 可以通過薛定諤方程求得粒子的概率分布函數(shù)。進一步通過蒙特卡羅隨機模擬的方法得到粒子的位置方程為

    x(t)=Q±L/2ln(1/μ)

    (12)

    式中,μ是在[0,1]上服從均勻分布的隨機數(shù);L,Q則由下式計算而來。

    L(t+1)=2β(t)|mbest(t)-x(t)|

    (13)

    Q(t)=φpib(t)+(1-φ)pgb(t)

    (14)

    式中,β為收縮擴張因子,通常情況下隨著迭代次數(shù)線性地從1遞減到0.5,計算公式為:β=1-0.5(iter/iterm),式中iter是當前迭代次數(shù),iterm是最大迭代次數(shù)。mbest是粒子群pbest的中間位置,即平均值,計算公式為

    (15)

    式中,φ是在[0,1]上服從均勻分布的隨機數(shù);pib(t)表示第t次迭代時第i個粒子的當前最優(yōu)位置;pgb(t)表示第t次迭代時所有粒子的全局最優(yōu)位置。進而粒子的位置更新方程為

    x(t)=φpib(t)+(1-φ)pgb(t)+

    rand(t)·2β(t)|mbest(t)-x(t)|ln(1/μ)

    (16)

    式中,rand(t)的取值如下所示:

    (17)

    式中,λ是隨機產(chǎn)生的隨機數(shù),且在[0,1]上服從均勻分布。

    與普通PSO算法相比,QPSO算法主要有兩個方面的優(yōu)勢。

    (1) 因為引入量子特性,粒子以概率的方式出現(xiàn)在某個位置上,沒有了固定的運動軌跡和限制區(qū)域,這就使得粒子可以在整個解空間中進行搜索,極大的提高了粒子的全局尋優(yōu)能力。

    (2) QPSO算法不再考慮粒子的運動速度,只考慮粒子的位置,控制參數(shù)只有一個β,大幅減少了算法的復(fù)雜度,使得算法實現(xiàn)更加容易。

    2.2 QPSO算法

    粒子群算法表現(xiàn)出的強烈趨同性會使種群多樣性很快喪失,容易出現(xiàn)早熟收斂、全局尋優(yōu)能力較差等問題,許多學者因此做了大量的改進算法研究。文獻[8]從收斂速度、跳出局部極值、探索、開發(fā)幾個不同角度融合了4種具有不同優(yōu)勢的變異策略,提出一種基于混合策略自適應(yīng)學習的粒子群優(yōu)化算法。此外,自適應(yīng)學習[9-10]近年來成為不少學者研究的熱點問題。例如文獻[11]提出了一種自適應(yīng)的學習策略,根據(jù)種群中粒子的運行狀況動態(tài)地為每個粒子指派學習樣本,以增強粒子間的信息交流。本文也從自適應(yīng)學習策略出發(fā),設(shè)計提出了參數(shù)可自適應(yīng)調(diào)整的AQPSO尋優(yōu)算法。

    已知,當擴張收縮因子β較小時,粒子群處于收縮狀態(tài),粒子群向δ勢阱中心聚集,多樣性減少,極易陷入局部最優(yōu)陷阱中;當β較大時,粒子群處于擴張狀態(tài),粒子群向δ勢阱外運動,粒子群的多樣性增加,但收斂速度會放慢。在標準QPSO算法中β參數(shù)隨迭代次數(shù)增加逐漸減小,粒子極易陷入局部最優(yōu)陷阱。基于擴張收縮因子β的良好特性,在AQPSO算法中,當粒子群的多樣性下降或者長時間停止進化時,算法進行自適應(yīng)調(diào)整,重置β為擴張狀態(tài),增加種群的多樣性,從而改善QPSO算法的全局搜索性能,加速搜索全局最優(yōu)值。

    為準確衡量粒子群的多樣性和進化狀態(tài),提出兩個量化指標:粒子群聚集度、粒子群進化度。粒子聚集度描述粒子狀態(tài)的多樣性。粒子進化度描述粒子代際之間的進化程度。當粒子群多樣性很小,且在連續(xù)多次迭代時間內(nèi)粒子群的適應(yīng)值沒有進化,基本可以確定粒子群已經(jīng)陷入局部最優(yōu)陷阱。

    (1) 粒子群聚集度:統(tǒng)計方差是衡量一組數(shù)據(jù)離散程度較為準確的度量,但在優(yōu)化搜索時,粒子群的規(guī)模和維數(shù)都比較大,計算方差勢必會大大延長搜索時間。為簡化運算,選取當前全局平均適應(yīng)值MFit(x(t))與當前全局最優(yōu)值BestFit(x(t))和當前全局最差值BadFit(x(t))的距離和來反映粒子群聚集度,聚集度的具體計算方法見式(18),其中距離取歐氏距離。

    J(t)=1/[(MFit(x(t))-BestFit(x(t)))2+

    (MFit(x(t))-BadFit(x(t)))2]1/2

    (18)

    易得J∈[0,1],設(shè)置一個闕值λj,當J≥λj,粒子群視為太過聚集,其中λj的選取與粒子群的維數(shù)和取值范圍有關(guān)。

    (2) 粒子群進化度:當前全局最優(yōu)值BestFit(x(t))反映了當前代際整體粒子群的適應(yīng)性,故代際之間的進化度可以用當前全局最優(yōu)值的變化率表示。但一次迭代變化并不能準確反映粒子群進化程度,多次迭代的變化情況能比較準確反映粒子群的整體進化程度。因此選取一段時間上,當前全局最優(yōu)值的變化情況的累加值來定義粒子群進化度,具體計算方法見式(19)。

    (19)

    式中,Δt為觀測時間段(離散值),一般選取8~12代的變化情況較為合適。同樣設(shè)置一個闕值Tk,當k≤λk,粒子群視為進化緩慢或停止進化,其中λk的選取與觀測時間段有關(guān)。

    在對粒子群聚集度和進化度狀態(tài)做出準確判斷之后,就可以對擴張收縮因子β做出自適應(yīng)的調(diào)整。當粒子群陷入局部最優(yōu)或者停止進化時,及時調(diào)整β處于較大值,增加粒子多樣性,并使粒子盡快擺脫局部最優(yōu)陷阱;當粒子群脫離局部最優(yōu)后,調(diào)整β處于較小值,并逐步減小,保證算法收斂。擴張收縮因子β具體擴張狀態(tài)值的選取,將在仿真實驗中進行說明。

    2.3 Memetic算法

    Memetic算法是文獻[12]提出的一種基于種群的全局搜索和基于個體的局部搜索相結(jié)合的智能尋優(yōu)算法,通過引入個體的局部搜索來增加種群的多樣性,提高全局搜索能力。本文通過引入Memetic算法理念,進一步增強算法的全局搜索能力,提出了M-AQPSO尋優(yōu)算法。M-AQPSO算法采用“QPSO算法全局搜索+鄰域局部搜索”的策略,局部搜索在每次全局搜索之后,對全局最優(yōu)粒子再進行鄰域局部搜索。此外,當解維數(shù)較大時,可控制鄰域點的選擇。由于搜索空間不大,對運算耗時影響很小,算法性能卻有較大提高。

    圖1 鄰域搜索示例Fig.1 Example of neighborhood searching

    通過上述改進,算法的全局搜索性能有了很大的提高。M-AQPSO算法的具體流程如圖2所示。

    圖2 M-AQPSO算法流程圖Fig.2 Flow chart of the M-AQPSO algorithm

    2.4 多粒子群協(xié)同搜索

    目前提出的很多改進PSO算法,大都著眼于對PSO算法的參數(shù)選擇或者某個參數(shù)的動態(tài)調(diào)整策略上,全局搜索能力性能的改進有限。上文中的自適應(yīng)改進和Memetic搜索策略的引進就是如此,仍有其局限性,需進一步改進。文獻[14]則提出了一種多粒子群協(xié)同優(yōu)化算法,能夠有效避免早熟收斂。核心思想是利用n(n≥2)個粒子群協(xié)同進化,前(n-1)個粒子群相互獨立搜索以擴大搜索范圍,而第n個粒子群追逐當前所有粒子群的全局最優(yōu)解以加快搜索速度。該算法從一個全新的角度對PSO算法進行改進,算法簡單明了且效果明顯。本文將此協(xié)同策略引入分配算法中,最終形成了多粒子種群協(xié)同M-AQPSO尋優(yōu)算法。

    協(xié)同M-AQPSO為2層結(jié)構(gòu),底層粒子群數(shù)目為3個,搜索算法分別為擴張M-QPSO、M-AQPSO和M-AQPSO,其中,擴張M-QPSO的β值長期處于擴張狀態(tài),目的是增加粒子的多樣性;上層為1個粒子群,搜索算法采用M-AQPSO算法。底層各種群之間相互獨立搜索,上層種群則追逐所有種群的全局最優(yōu)解,以保證全局收斂,整體搜索策略原理如圖3所示。

    圖3 協(xié)同搜索策略示意圖Fig.3 The illustration of cooperation searching strategy

    3 算法實現(xiàn)

    利用粒子群算法求解STA問題時,首先要對解的位置矢量進行編碼,然后在解空間里尋找最優(yōu)解。

    3.1 粒子編碼

    粒子編碼的策略要使每個粒子唯一對應(yīng)一種分配方案,同時還要盡可能的滿足分配模型中的約束條件。此外,編碼構(gòu)成的解空間要盡可能小,以減少搜索時間?;谝陨峡紤],本文設(shè)計了兩種編碼方案。

    方案 1 以傳感器為中心建立粒子位置矢量X,粒子與傳感器的位置對應(yīng)關(guān)系如圖4所示。S1,S2,…,Sm為m個傳感器,C1,C2,…,Cm分別為傳感器的跟蹤能力,則粒子位置矢量X的長度為C=C1+C2+…+Cm。若目標個數(shù)為n,則X的每一維的取值限定在[0,n]之間的整數(shù)。Xi=0表示傳感器未分配給任何目標,Xi=j表示相應(yīng)傳感器分配給了目標j。同時可計算得出,此時的搜索空間為C×(n+1)。

    圖4 編碼方案1Fig.4 First particle coding method

    方案 2 以目標為中心建立粒子位置矢量X,粒子與目標的位置對應(yīng)關(guān)系如圖5所示。T1,T2,…,Tn為個目標,目標最多分配的傳感器個數(shù)為2,則粒子位置矢量X的長度為2n。若傳感器個數(shù)為m,則X的每一維的取值限定在[0m]之間的整數(shù)。Xi=0表示未給目標分配傳感器,Xi=j表示給相應(yīng)目標分配了傳感器j。同樣可計算得出,此時的搜索空間為2n×(m+1)。

    圖5 編碼方案2Fig.5 Second particle coding method

    兩種編碼方式各有優(yōu)點,方案1可以保證每個傳感器分配的目標數(shù)不大于其最大跟蹤能力,方案2則可以保證每個目標分配的傳感器不大于2個。由于方案1的搜索空間為C×(n+1),方案2的搜索空間為2n×(m+1),為了減少搜索空間,加快收斂速度,當C×(n+1)<2n×(m+1)時可選擇方案1;當C×(n+1)>2n×(m+1)選擇方案2。

    由于位置更新公式是矢量運算,整數(shù)值粒子通過迭代會產(chǎn)生連續(xù)值,因此需要對連續(xù)值粒子進行離散化,離散化采用分段賦值的辦法,具體見文獻[14],這里不再贅述。

    3.2 算法的具體流程

    多種群協(xié)同M-AQPSO算法流程步驟如下:

    步驟 1 參數(shù)初始化設(shè)置傳感器個數(shù)m、目標個數(shù)n、跟蹤能力C、運行時間上限Tmax、聚集度闕值λj、進化度闕值λk、最大迭代次數(shù)iterm、粒子數(shù)目Psize、粒子維度Pdim,分別設(shè)置各粒子種群的擴張收縮因子β,并求得感器-目標分配效能矩陣為Gain;

    步驟 2 初始化粒子群,所有粒子的位置矢量隨機產(chǎn)生,粒子種群為4個;

    步驟 3 對所有粒子進行離散化操作,并進行合理性檢測,即是否滿足相應(yīng)約束條件;

    步驟 4 計算所有粒子的適應(yīng)值,并更新各種群的全局最優(yōu)值,其中種群1~3的全局最優(yōu)為各種群內(nèi)的當前最優(yōu)位置,種群4的全局最優(yōu)為種群1~4內(nèi)的所有粒子的最優(yōu)位置;

    步驟 5 判斷算法是否達到規(guī)定的最大迭代次數(shù),如果滿足轉(zhuǎn)入步驟10,否則轉(zhuǎn)入步驟6;

    步驟 6 依據(jù)式(18)和式(19)判斷種群2~4的粒子是否陷入局部最優(yōu),若是則調(diào)整收縮擴張因子β的值,否則轉(zhuǎn)入步驟7;

    步驟 7 依據(jù)位置更新式(16)對所有粒子的位置進行更新,進行離散化操作和合理性檢測;

    步驟 8 同步驟4對全局最優(yōu)位置進行更新;

    步驟 9 對所有種群的全局最優(yōu)位置進行鄰域搜索,轉(zhuǎn)入步驟5;

    步驟 10 輸出種群4的全局最優(yōu)位置Gbest,算法結(jié)束。

    此外還有一個并行運算的時間監(jiān)督程序,當單次求解時間達到時間上限Timemax,輸出上次分配方案。

    4 場景仿真及算法驗證

    4.1 擴張收縮因子β的選取

    擴張收縮因子β是QPSO算法中的唯一的控制參數(shù),其值直接影響著粒子群的尋優(yōu)效果。為探討β參數(shù)對粒子群尋優(yōu)效果的影響,選取4個典型的尋優(yōu)測試函數(shù)進行實驗。 4個函數(shù)均為多峰函數(shù),其中F1和F2的全局最優(yōu)值周圍有無數(shù)個局部最優(yōu)值,收斂速度比較慢,F3和F4的全局最優(yōu)值位于搜索空間的中心,搜索空間對角方向上分別有4個局部最優(yōu)值,且與全局最優(yōu)值比較接近,極易陷入局部最優(yōu)陷阱中。實驗中各函數(shù)參數(shù)的選擇如表1所示。

    表1 實驗參數(shù)設(shè)置

    實驗結(jié)果均表現(xiàn)出如圖6所示的變化特性。即當針對同一函數(shù),且在一定的精度要求時,隨著β的增加, QPSO的尋優(yōu)成功率會先上升,直至由于β太大,粒子群無法收斂,尋優(yōu)成功率又呈現(xiàn)下降的趨勢。只是在優(yōu)化對象不同時,變化曲線略有差異。

    圖6 Girewank中β特性曲線Fig.6 Characteristic curves of β in the Girewank

    同樣,針對本文中的STA尋優(yōu)問題,重復(fù)上述實驗,實驗結(jié)果如圖7所示。由圖可得在[0,1.2]區(qū)間內(nèi),隨著β的增加,STA尋優(yōu)成功率也呈現(xiàn)上升的趨勢。而在[1.2,2]區(qū)間內(nèi)基本保持不變。因此,針對STA尋優(yōu)問題,β擴張狀態(tài)值可設(shè)置為1.2,該狀態(tài)值既能保證算法收斂,還能保證算法有較強的全局尋優(yōu)能力。

    綜上實驗,定義尋優(yōu)成功率上升區(qū)間段為精度富余區(qū)間,在此區(qū)間內(nèi),增加β的值非但不會降低尋優(yōu)精度,反而尋優(yōu)的成功率會增加。因此在精度富余區(qū)間內(nèi),可以通過提高β值來提高算法的全局尋優(yōu)能力。

    圖7 本文STA問題中β特性曲線Fig.7 Characteristic curves of β in the STA problem

    4.2 場景仿真

    假設(shè)某次防空作戰(zhàn)中,探測到來襲目標的個數(shù)為6個,記為T1,T2,T3,T4,T5,T6(n=6),同時由防空系統(tǒng)融合中心求得目標的優(yōu)先級為P=[1/2,1,1/3,1/4,1/6,1/5]。我防空系統(tǒng)中有6部傳感器,記為S1,S2,S3,S4,S5,S6(m=6),其中,S5,S6的跟蹤能力為3,而S1,S2,S3,S4的跟蹤能力僅為1。傳感器與目標的配對綜合作戰(zhàn)效能Gain的轉(zhuǎn)置如表2所示。并計算得傳感器總跟蹤能力C=10,每個目標最多分配2個傳感器,由于C×n=60<2n×m=72,故選擇編碼方案一進行粒子編碼,粒子維度為10。

    采用本文構(gòu)建的協(xié)同M-AQPSO算法對仿真場景進行求解,同時還采用了協(xié)同Memetic PSO(M-PSO)算法和協(xié)同Memetic QPSO(M-QPSO)算法一并進行求解,并做算法對比。根據(jù)粒子群協(xié)同策略,選取4個粒子種群,種群1~4分別采用擴張M-QPSO、M-AQPSO、M-AQPSO和M-AQPSO。其中擴張MQPSO的擴張收縮因子β始終處于較大值1.5,作用是保證粒子的多樣性,增強算法的全局尋優(yōu)能力。

    表2 傳感器目標配對綜合作戰(zhàn)效能值

    每個粒子種群里,粒子數(shù)目均為100個,最大迭代次數(shù)為200。 協(xié)同M-AQPSO算法中,粒子群聚集闕值λj=0.8,粒子多樣性觀測代數(shù)為10代,粒子進化度闕值λk=0.9×10=9,當判斷粒子群陷入局部最優(yōu)時,β調(diào)整為1.2,最大單次求解時間為0.5 s。對于仿真場景,程序最終的尋得的最優(yōu)分配方案如圖8所示,最優(yōu)配對綜合作戰(zhàn)效能為14.846 7,單次分配消耗時間為0.23 s,最終分配方案滿足每個目標分配傳感器不超過2個、傳感器分配的目標不超過本身跟蹤能力和系統(tǒng)最大跟蹤能力的約束條件,驗證了分配方案的可行性。需要補充說明的是,在實際作戰(zhàn)環(huán)境中,由于諸多條件的限制,如布站位置等,傳感器組合數(shù)目應(yīng)該小于(m2+m)/2,求解時間則會更快。

    圖8 最優(yōu)分配方案Fig.8 Optimal allocation scheme

    4.3 算法性能對比

    為證明改進算法的有效性,在尋優(yōu)實驗的過程中與其他算法做了對比。選取某次尋優(yōu)過程中前100迭代步數(shù)內(nèi)全局最優(yōu)值變化情況進行對比,如圖9所示。

    圖9 算法收斂曲線對比圖Fig.9 Comparison of convergence curves of the three algorithms

    可見協(xié)同M-QPSO算法的全局尋優(yōu)能力要明顯優(yōu)于協(xié)同M-PSO算法,而改進的協(xié)同M-AQPSO算法的性能則優(yōu)于協(xié)同M-QPSO算法。此外,協(xié)同M-AQPSO算法曲線圖梯度上升的特性顯示其能及時跳出局部最優(yōu)陷阱,有更好的全局尋優(yōu)能力。

    為進一步分析改進算法的穩(wěn)定性能,在上述實驗參數(shù)的基礎(chǔ)上,重復(fù)運行200次,所得實驗結(jié)果如表3所示,協(xié)同M-AQPSO算法的尋優(yōu)平均值和尋得最優(yōu)值成功率要好于協(xié)同M-PSO和協(xié)同M-QPSO算法,但是尋得最優(yōu)值所消耗的平均步數(shù)要少于協(xié)同M-PSO和協(xié)同M-QPSO算法,可見協(xié)同M-AQPSO算法的穩(wěn)定性強。3種算法200次運行結(jié)果的變化情況分別如圖10~圖12所示,顯而易見如圖12,協(xié)同M-AQPSO算法的尋優(yōu)結(jié)果波動性小,更具穩(wěn)定性,且尋優(yōu)效果好。

    表3 算法性能比較

    圖10 協(xié)同 M-PSO算法尋優(yōu)結(jié)果變化圖Fig.10 Optimization results of the cooperation M-PSO algorithm

    圖11 協(xié)同 M-QPSO算法尋優(yōu)結(jié)果變化圖Fig.11 Optimization results of the cooperation M-QPSO algorithm

    圖12 協(xié)同 M-AQPSO算法尋優(yōu)結(jié)果變化圖Fig.12 Optimization results of the cooperation M-AQPSO algorithm

    4 結(jié) 論

    本文對防空作戰(zhàn)中的傳感器-目標分配問題進行了系統(tǒng)的研究分析,區(qū)別于傳統(tǒng)的單一目標參數(shù)的模型構(gòu)建方法,提出了基于多階段綜合作戰(zhàn)效能的傳感器目標分配模型,新模型更加符合戰(zhàn)場環(huán)境,有很強的實用性。此外,本文對基于QPSO的STA問題求解算法進行了重點研究,提出了基于聚集度與進化度判斷的AQPSO算法,AQPSO算法能夠有效避免陷入局部最優(yōu)陷阱,有很強的全局尋優(yōu)能力,其在相關(guān)優(yōu)化求解領(lǐng)域也會有很大應(yīng)用價值。未來的研究的重點應(yīng)是在分配模型參數(shù)的選取和約束條件的設(shè)置上,使其更加貼近實際戰(zhàn)場環(huán)境,滿足實際作戰(zhàn)需求。

    [1] Krishnamurthy V, Djonin D V. Structured threshold policies for dynamic sensor scheduling-a partially observed Markov decision process approach[J].IEEETrans.onSignalProcessing, 2007, 55(10): 4938-4957.

    [2] Chhetri A S, Morrell D, Papandreou-Suppappola A. Sensor resource allocation for tracking using outer approximation[J].IEEESignalProcessingLetters, 2007, 14(3): 213-216.

    [3] Zhou W H, Hu W D, Yu W X. An adaptive sensor allocation algorithm with covariance control[J].SignalProcessing, 2005, 21 (1):57-62.(周文輝, 胡衛(wèi)東, 郁文賢. 自適應(yīng)協(xié)方差控制的傳感器分配算法[J]. 信號處理, 2005, 21 (1):57-62.)

    [4] Hu Z T, Cao Z W, Li S, et al. Heterogeneous multi-sensor fusion algorithm based on cubature Kalman filter[J].JournalofOptoelectronics.Laser,2014,25(4):697-703.(胡振濤,曹志偉, 李松, 等. 基于容積卡爾曼濾波的異質(zhì)多傳感器融合算法[J]. 光電子·激光,2014,25(4):697-703. )

    [5] Fowler M L, Chen M, Binghamton S. Fisher information based data compression for estimation using two sensors[J].IEEETrans.onAerospaceandElectronicSystems, 2005, 41(3):1131-1137.

    [6] Ma F, Cao Z Y, Liu H. Construction and search of strategy space of target assignment based on game theory[J].SystemsEngineeringandElectronics,2010,32(9):1941-1945.(馬飛, 曹澤陽, 劉暉. 基于博弈論的目標分配策略空間構(gòu)建與搜索[J]. 系統(tǒng)工程與電子技術(shù), 2010,32(9):1941-1945.)

    [7] Sun J. A global search strategy of quantum-behaved particle swarm optimization[C]∥Proc.oftheIEEEConferenceonCyberneticsandIntelligentSystems, 2004: 111-116.

    [8] Wu D Q, Zheng J G. Improved parallel particle swarm optimization algorithm with hybrid strategy and self-adaptive learning[J].ControlandDecision, 2013,28(7): 1087-1093.(伍大清, 鄭建國. 基于混合策略自適應(yīng)學習的并行粒子群優(yōu)化算法[J]. 控制與決策, 2013,28(7):1087-1093.)

    [9] Li C H, Yang S X. An adaptive learning particle swarm optimizer for function optimization[C]∥Proc.oftheIEEECongressonEvolutionaryComputation, 2009: 381-388.

    [10] Huang V L, Suganthan P N. Differential evolution algorithm with strategy adaptation for global numerical optimization[J].IEEETrans.onEvolutionaryComputation, 2009, 13(2): 398-417.

    [11] Xu G. An adaptive parameter tuning of particle swarm optimization algorithm[J].AppliedMathematicsandComputation, 2013, 219(9): 4560-4569.

    [12] Moscato P. On evolution, search, optimization, genetic algorithms and martial arts: memetic algorithms[R]. Technical Report Caltech Concurrent Computation Program, 1989:79-158.

    [13] Li A G. Particle swarms cooperative optimizer[J].JournalofFudanUniversity(NaturalScience), 2004,43(5): 923-925.(李愛國. 多粒子群協(xié)同優(yōu)化算法[J]. 復(fù)旦學報(自然科學版), 2004,43(5):923-925.)

    [14] Wang Y C, Shan G L, Tong J. Solving sensor-target assignment problem based on cooperative memetic PSO algorithm[J].SystemsEngineeringandElectronics, 2013,35(5):1000-1007. (王一川, 單甘霖, 童俊. 基于協(xié)同memetic PSO算法的傳感器-目標分配問題求解[J]. 系統(tǒng)工程與電子技術(shù), 2013,35(5):1000-1007.)

    Solution to sensor-target assignment problem based on cooperative memetic adaptive QPSO algorithm

    DUAN Xiu-sheng, XU Gong-guo, SHAN Gan-lin

    (DepartmentofElectronicandOpticalEngineering,OrdnanceEngineeringCollege,Shijiazhuang050003,China)

    Aiming at the sensor-target assignment (STA) problem under the complex aerial defense combat environment, a new STA model is proposed with the total combat effectiveness of the identification, tracking and positioning stages. And then, the quantum particle swarm optimization (QPSO) algorithm is improved based on the judgment of particles aggregation and evolution, which is called the self-adaptive QPSO algorithm. Next, combined with the cooperation of multi-particles and memetic searching strategy, the cooperative memetic self-adaptive QPSO algorithm is proposed. At the same time, in order to reflect the sensor combination in particle position vector, two special particle coding methods are designed for different combat environments. Finally, the experiments show that the improved algorithm is effective.

    sensor-target assignment; sensor management; quantum particle swarm optimization; adaptive; Memetic algorithm; aerial defense system

    2016-01-25;

    2016-07-05;網(wǎng)絡(luò)優(yōu)先出版日期:2106-09-30。

    軍內(nèi)科研基金重點資助項目(ZS2015070132A12009)資助課題

    V 243

    A

    10.3969/j.issn.1001-506X.2016.12.14

    段修生(1970-),男,教授,博士,主要研究方向為電子裝備故障診斷、傳感器管理、信息融合。

    E-mail: sjzdxsh@163.com

    徐公國(1990-),男,碩士研究生,主要研究方向為傳感器管理、信息融合、防空武器系統(tǒng)仿真與應(yīng)用。

    E-mail: xugguo@yeah.net

    單甘霖(1962-),男,教授,博士,主要研究方向為信息融合理論與應(yīng)用、防空武器系統(tǒng)仿真與應(yīng)用、電子系統(tǒng)故障診斷。

    E-mail: shangganlin@163.com

    網(wǎng)絡(luò)優(yōu)先出版地址:http:∥www.cnki.net/kcms/detail/11.2422.TN.20160930.1141.004.html

    猜你喜歡
    全局分配粒子
    Cahn-Hilliard-Brinkman系統(tǒng)的全局吸引子
    量子Navier-Stokes方程弱解的全局存在性
    應(yīng)答器THR和TFFR分配及SIL等級探討
    遺產(chǎn)的分配
    一種分配十分不均的財富
    基于粒子群優(yōu)化的橋式起重機模糊PID控制
    績效考核分配的實踐與思考
    落子山東,意在全局
    金橋(2018年4期)2018-09-26 02:24:54
    基于粒子群優(yōu)化極點配置的空燃比輸出反饋控制
    新思路:牽一發(fā)動全局
    亚洲全国av大片| 色综合欧美亚洲国产小说| 国产99久久九九免费精品| 水蜜桃什么品种好| 他把我摸到了高潮在线观看| 午夜福利在线观看吧| e午夜精品久久久久久久| 亚洲精品av麻豆狂野| 麻豆成人av在线观看| 久久国产精品男人的天堂亚洲| 久久久久久久午夜电影 | 又大又爽又粗| 国产精品一区二区在线不卡| 一级黄色大片毛片| 宅男免费午夜| 在线观看免费日韩欧美大片| 国产aⅴ精品一区二区三区波| 亚洲午夜精品一区,二区,三区| 色在线成人网| 香蕉丝袜av| 很黄的视频免费| 久久青草综合色| 曰老女人黄片| 巨乳人妻的诱惑在线观看| 国产精品av久久久久免费| 中文字幕人妻熟女乱码| 精品高清国产在线一区| av中文乱码字幕在线| 国产三级黄色录像| 国产成人一区二区三区免费视频网站| 热re99久久国产66热| 精品一区二区三区视频在线观看免费 | 国产乱人伦免费视频| 日韩成人在线观看一区二区三区| 午夜亚洲福利在线播放| www.精华液| 欧美精品啪啪一区二区三区| 一区二区日韩欧美中文字幕| 又大又爽又粗| 脱女人内裤的视频| 韩国精品一区二区三区| 91av网站免费观看| 亚洲精品国产一区二区精华液| 久久精品亚洲熟妇少妇任你| 亚洲片人在线观看| 一边摸一边抽搐一进一小说 | av有码第一页| 国产亚洲欧美98| 亚洲av片天天在线观看| www.自偷自拍.com| 国内毛片毛片毛片毛片毛片| 欧美日韩亚洲国产一区二区在线观看 | 国产在线一区二区三区精| 大香蕉久久网| 操美女的视频在线观看| av不卡在线播放| 女人高潮潮喷娇喘18禁视频| 亚洲一码二码三码区别大吗| 黄色丝袜av网址大全| 国产精品98久久久久久宅男小说| 宅男免费午夜| 69精品国产乱码久久久| 在线观看舔阴道视频| 乱人伦中国视频| 色94色欧美一区二区| 日韩一卡2卡3卡4卡2021年| 成人精品一区二区免费| tube8黄色片| 欧美日韩乱码在线| 欧美中文综合在线视频| 欧美日韩黄片免| 人人妻人人爽人人添夜夜欢视频| 久99久视频精品免费| 99国产精品99久久久久| 新久久久久国产一级毛片| 精品久久久久久久毛片微露脸| 免费女性裸体啪啪无遮挡网站| 国产av又大| 欧美另类亚洲清纯唯美| 亚洲中文日韩欧美视频| 韩国精品一区二区三区| 欧美在线一区亚洲| 国产高清国产精品国产三级| 国产亚洲精品久久久久久毛片 | 精品高清国产在线一区| 日韩 欧美 亚洲 中文字幕| 亚洲av熟女| 欧美日韩亚洲国产一区二区在线观看 | 国产又爽黄色视频| 国产精华一区二区三区| 看黄色毛片网站| 亚洲av成人不卡在线观看播放网| 狠狠狠狠99中文字幕| 一级片'在线观看视频| 曰老女人黄片| 99国产精品免费福利视频| 一区在线观看完整版| 亚洲 欧美一区二区三区| 成人av一区二区三区在线看| 老司机影院毛片| 国产97色在线日韩免费| 一级a爱视频在线免费观看| 精品国产美女av久久久久小说| 高清毛片免费观看视频网站 | 看黄色毛片网站| 午夜福利视频在线观看免费| 麻豆av在线久日| 搡老乐熟女国产| 精品国产亚洲在线| 欧美激情极品国产一区二区三区| 最新在线观看一区二区三区| 在线观看66精品国产| 高清视频免费观看一区二区| 亚洲人成电影免费在线| 老司机深夜福利视频在线观看| 巨乳人妻的诱惑在线观看| 最近最新免费中文字幕在线| 久久 成人 亚洲| 国产在线一区二区三区精| 黄频高清免费视频| 伦理电影免费视频| 91字幕亚洲| 丝袜美腿诱惑在线| 久久午夜综合久久蜜桃| 天天躁夜夜躁狠狠躁躁| 91av网站免费观看| 丰满迷人的少妇在线观看| 丝袜在线中文字幕| 99精国产麻豆久久婷婷| 中文字幕最新亚洲高清| 黄色 视频免费看| 国产亚洲欧美在线一区二区| 亚洲avbb在线观看| 在线观看免费视频日本深夜| 国产精品 国内视频| 色尼玛亚洲综合影院| 黄网站色视频无遮挡免费观看| 黄色视频不卡| 校园春色视频在线观看| 国产精品综合久久久久久久免费 | 精品人妻1区二区| 免费女性裸体啪啪无遮挡网站| www.精华液| 国产一区二区三区视频了| 女性生殖器流出的白浆| 国产男女内射视频| 欧美 日韩 精品 国产| 亚洲人成77777在线视频| 精品欧美一区二区三区在线| 国产亚洲精品久久久久久毛片 | 亚洲午夜精品一区,二区,三区| 亚洲第一青青草原| 无人区码免费观看不卡| 国产精品99久久99久久久不卡| 久久久精品免费免费高清| 久久性视频一级片| 一本综合久久免费| 免费在线观看完整版高清| 欧美日韩一级在线毛片| 色老头精品视频在线观看| a级片在线免费高清观看视频| 欧美日韩一级在线毛片| 国产精品1区2区在线观看. | 黄色怎么调成土黄色| 人人妻,人人澡人人爽秒播| 亚洲av第一区精品v没综合| 丰满人妻熟妇乱又伦精品不卡| 欧美日韩黄片免| 精品国产一区二区三区久久久樱花| 午夜成年电影在线免费观看| 亚洲av成人不卡在线观看播放网| 欧美日韩成人在线一区二区| 99国产精品99久久久久| 亚洲视频免费观看视频| e午夜精品久久久久久久| 一二三四在线观看免费中文在| 日韩三级视频一区二区三区| 国产精品免费大片| 久久婷婷成人综合色麻豆| 国产精品自产拍在线观看55亚洲 | 国产欧美日韩精品亚洲av| 国产精品美女特级片免费视频播放器 | 99久久国产精品久久久| 老熟妇乱子伦视频在线观看| 午夜福利在线免费观看网站| 久久影院123| 伊人久久大香线蕉亚洲五| 亚洲精品中文字幕一二三四区| 久久影院123| 国产精品影院久久| 亚洲五月婷婷丁香| 色老头精品视频在线观看| 精品人妻熟女毛片av久久网站| 国产成人免费观看mmmm| 久久久久久免费高清国产稀缺| 一个人免费在线观看的高清视频| 搡老乐熟女国产| 国产在线一区二区三区精| 日韩人妻精品一区2区三区| 国产激情欧美一区二区| 国产av一区二区精品久久| 在线观看日韩欧美| 在线观看66精品国产| 90打野战视频偷拍视频| 我的亚洲天堂| 欧美黑人精品巨大| av片东京热男人的天堂| 999精品在线视频| 欧美日韩乱码在线| 久久人人爽av亚洲精品天堂| 精品视频人人做人人爽| 99久久国产精品久久久| 国产99白浆流出| 久久中文字幕人妻熟女| 国产高清videossex| 自线自在国产av| 男女之事视频高清在线观看| 国产精品久久电影中文字幕 | 大陆偷拍与自拍| 久久久精品国产亚洲av高清涩受| 老司机亚洲免费影院| 99国产精品免费福利视频| 中出人妻视频一区二区| 久久人人97超碰香蕉20202| 电影成人av| 亚洲成人手机| 日本黄色日本黄色录像| 在线播放国产精品三级| 国产日韩欧美亚洲二区| 久久九九热精品免费| 高清欧美精品videossex| 亚洲av美国av| www.精华液| 久久久久久久国产电影| 欧美成狂野欧美在线观看| 久久精品亚洲精品国产色婷小说| 国产欧美亚洲国产| 法律面前人人平等表现在哪些方面| ponron亚洲| 精品福利永久在线观看| 午夜福利影视在线免费观看| 久久香蕉国产精品| 久久国产精品人妻蜜桃| 亚洲国产看品久久| 夜夜夜夜夜久久久久| 国产一区二区三区视频了| 狠狠狠狠99中文字幕| 啦啦啦视频在线资源免费观看| 亚洲精品久久成人aⅴ小说| 黄色片一级片一级黄色片| 黑人巨大精品欧美一区二区mp4| 老司机影院毛片| 久久久久久久久免费视频了| 国产精品久久久人人做人人爽| 亚洲人成伊人成综合网2020| 激情视频va一区二区三区| 精品免费久久久久久久清纯 | 大型av网站在线播放| 美女福利国产在线| www.999成人在线观看| 精品午夜福利视频在线观看一区| 亚洲成人免费av在线播放| 午夜精品在线福利| 亚洲成人免费电影在线观看| 亚洲av日韩在线播放| 丁香六月欧美| 在线永久观看黄色视频| 国产成人啪精品午夜网站| 日韩欧美国产一区二区入口| 久99久视频精品免费| 久久香蕉精品热| 在线看a的网站| 一级毛片高清免费大全| 啦啦啦 在线观看视频| 久久久久精品国产欧美久久久| 精品久久久久久,| 国产欧美日韩一区二区精品| 亚洲成人免费电影在线观看| 视频在线观看一区二区三区| 老司机在亚洲福利影院| а√天堂www在线а√下载 | 99riav亚洲国产免费| 免费日韩欧美在线观看| 国产有黄有色有爽视频| 91九色精品人成在线观看| 亚洲熟妇熟女久久| 久久ye,这里只有精品| 国产又爽黄色视频| 精品久久蜜臀av无| 高潮久久久久久久久久久不卡| 欧美乱妇无乱码| 美女国产高潮福利片在线看| 18禁美女被吸乳视频| 99国产精品99久久久久| 大香蕉久久网| 窝窝影院91人妻| 国产精品国产av在线观看| 欧美一级毛片孕妇| 无遮挡黄片免费观看| 操出白浆在线播放| 悠悠久久av| 在线观看午夜福利视频| 又紧又爽又黄一区二区| 一边摸一边抽搐一进一小说 | 嫁个100分男人电影在线观看| 成年人午夜在线观看视频| 极品教师在线免费播放| 91九色精品人成在线观看| 久久香蕉国产精品| 中文字幕av电影在线播放| 欧美老熟妇乱子伦牲交| 久久ye,这里只有精品| 午夜福利乱码中文字幕| 午夜成年电影在线免费观看| 国产高清激情床上av| 国产成人欧美在线观看 | 久久草成人影院| 大型黄色视频在线免费观看| 99久久国产精品久久久| 丝瓜视频免费看黄片| 久9热在线精品视频| 国产精品一区二区精品视频观看| 久久精品国产亚洲av高清一级| 午夜91福利影院| 亚洲中文av在线| 我的亚洲天堂| 国产一区二区三区综合在线观看| 精品一区二区三区av网在线观看| 黄片小视频在线播放| 欧美国产精品一级二级三级| 国产免费av片在线观看野外av| 老司机午夜福利在线观看视频| 久久精品国产a三级三级三级| 亚洲人成电影免费在线| 亚洲全国av大片| 久久久国产成人免费| 黄网站色视频无遮挡免费观看| 亚洲av欧美aⅴ国产| 一本大道久久a久久精品| 午夜福利免费观看在线| 午夜91福利影院| 五月开心婷婷网| 脱女人内裤的视频| 美女高潮到喷水免费观看| 欧美最黄视频在线播放免费 | 国产av精品麻豆| 男男h啪啪无遮挡| 国产一区二区三区综合在线观看| 国产激情欧美一区二区| 欧美日韩中文字幕国产精品一区二区三区 | 午夜福利在线免费观看网站| 久久精品国产综合久久久| 日韩熟女老妇一区二区性免费视频| 亚洲精品久久午夜乱码| 99在线人妻在线中文字幕 | 免费观看人在逋| 亚洲午夜理论影院| 欧美日韩亚洲综合一区二区三区_| 精品高清国产在线一区| 大陆偷拍与自拍| 王馨瑶露胸无遮挡在线观看| 成在线人永久免费视频| 国产免费男女视频| 精品免费久久久久久久清纯 | 久久性视频一级片| 悠悠久久av| 一级作爱视频免费观看| 国产深夜福利视频在线观看| 操美女的视频在线观看| 丁香欧美五月| 午夜久久久在线观看| 午夜福利乱码中文字幕| 欧美大码av| 热99久久久久精品小说推荐| xxx96com| 欧美激情极品国产一区二区三区| 在线国产一区二区在线| 久久中文字幕一级| 欧美激情久久久久久爽电影 | 国产成人精品在线电影| 一本综合久久免费| 亚洲av第一区精品v没综合| 亚洲中文日韩欧美视频| 成人亚洲精品一区在线观看| 亚洲午夜理论影院| 亚洲欧美一区二区三区黑人| 无限看片的www在线观看| 国产一区二区三区在线臀色熟女 | 丝瓜视频免费看黄片| 日本wwww免费看| 午夜视频精品福利| 久久久精品国产亚洲av高清涩受| 村上凉子中文字幕在线| 777米奇影视久久| av在线播放免费不卡| 熟女少妇亚洲综合色aaa.| 国产淫语在线视频| av一本久久久久| 一进一出好大好爽视频| 精品少妇久久久久久888优播| 99re6热这里在线精品视频| 人人妻人人添人人爽欧美一区卜| 日韩熟女老妇一区二区性免费视频| 热re99久久国产66热| 大陆偷拍与自拍| 超碰成人久久| 母亲3免费完整高清在线观看| 亚洲欧美日韩另类电影网站| 成人手机av| 国产亚洲一区二区精品| 夜夜爽天天搞| 国产精品亚洲一级av第二区| 亚洲色图 男人天堂 中文字幕| 久久久久久人人人人人| 免费在线观看亚洲国产| 国产xxxxx性猛交| 狂野欧美激情性xxxx| 巨乳人妻的诱惑在线观看| 日韩欧美在线二视频 | 在线国产一区二区在线| 日本a在线网址| 欧美激情久久久久久爽电影 | 日本a在线网址| 欧美日韩av久久| 99riav亚洲国产免费| 婷婷成人精品国产| 欧美精品一区二区免费开放| 韩国精品一区二区三区| 99久久综合精品五月天人人| 午夜福利一区二区在线看| av天堂久久9| 老汉色av国产亚洲站长工具| 亚洲av片天天在线观看| 大型av网站在线播放| 麻豆成人av在线观看| 亚洲色图 男人天堂 中文字幕| 亚洲专区中文字幕在线| 国产精品亚洲av一区麻豆| 久久国产精品男人的天堂亚洲| 欧美国产精品一级二级三级| 十八禁网站免费在线| 啦啦啦视频在线资源免费观看| 黄色视频,在线免费观看| 老司机深夜福利视频在线观看| 亚洲黑人精品在线| 一区二区三区激情视频| 桃红色精品国产亚洲av| av电影中文网址| 久久99一区二区三区| 在线观看免费视频日本深夜| 窝窝影院91人妻| 日韩三级视频一区二区三区| 成人永久免费在线观看视频| 午夜福利在线观看吧| 婷婷成人精品国产| 国产97色在线日韩免费| 黄色女人牲交| 亚洲色图综合在线观看| 丝袜美腿诱惑在线| 国产精品免费视频内射| av福利片在线| 久久久国产欧美日韩av| 国产高清videossex| 亚洲av美国av| 久久性视频一级片| 日韩欧美国产一区二区入口| 高清av免费在线| 1024香蕉在线观看| 热re99久久国产66热| а√天堂www在线а√下载 | 久久久精品国产亚洲av高清涩受| 精品国产一区二区三区四区第35| 黄片播放在线免费| 久久国产精品大桥未久av| 美女国产高潮福利片在线看| tocl精华| 精品亚洲成a人片在线观看| 高清av免费在线| 亚洲成av片中文字幕在线观看| 亚洲av片天天在线观看| 久久亚洲真实| 免费在线观看影片大全网站| 少妇的丰满在线观看| 1024香蕉在线观看| 亚洲国产欧美网| 交换朋友夫妻互换小说| 不卡一级毛片| 久久久国产成人精品二区 | 午夜福利在线观看吧| 少妇粗大呻吟视频| 亚洲精品乱久久久久久| 在线免费观看的www视频| 国产1区2区3区精品| 国产亚洲精品久久久久5区| 精品少妇一区二区三区视频日本电影| 视频区图区小说| 天天影视国产精品| 久久热在线av| 国产精品自产拍在线观看55亚洲 | av福利片在线| 精品国产一区二区三区四区第35| 夜夜躁狠狠躁天天躁| 国内毛片毛片毛片毛片毛片| 亚洲欧美激情在线| 国产麻豆69| 一区二区日韩欧美中文字幕| 久久 成人 亚洲| 99国产精品一区二区蜜桃av | 中文字幕色久视频| 久久中文看片网| 窝窝影院91人妻| 最近最新中文字幕大全免费视频| 国产亚洲一区二区精品| 十分钟在线观看高清视频www| 久久天堂一区二区三区四区| 王馨瑶露胸无遮挡在线观看| 亚洲一区二区三区欧美精品| 99国产极品粉嫩在线观看| 高清在线国产一区| 精品久久久久久久毛片微露脸| 欧美精品亚洲一区二区| 欧美日韩福利视频一区二区| 国产真人三级小视频在线观看| 久久人人爽av亚洲精品天堂| 免费观看人在逋| 丰满饥渴人妻一区二区三| 极品人妻少妇av视频| 日韩欧美一区视频在线观看| 黄色a级毛片大全视频| 国产精品av久久久久免费| 麻豆乱淫一区二区| aaaaa片日本免费| 国产不卡av网站在线观看| 亚洲中文日韩欧美视频| 中国美女看黄片| 国产精品影院久久| 制服人妻中文乱码| 99精国产麻豆久久婷婷| 日本黄色视频三级网站网址 | 他把我摸到了高潮在线观看| 精品国产国语对白av| 99riav亚洲国产免费| 极品少妇高潮喷水抽搐| 国产高清国产精品国产三级| 国产精品av久久久久免费| 日本黄色视频三级网站网址 | 一进一出好大好爽视频| 色综合婷婷激情| 国产黄色免费在线视频| 18禁观看日本| 熟女少妇亚洲综合色aaa.| 国产一区二区激情短视频| 97人妻天天添夜夜摸| 久久久精品国产亚洲av高清涩受| 亚洲视频免费观看视频| 一本综合久久免费| 后天国语完整版免费观看| 国产在线观看jvid| 久久青草综合色| 国产精品久久久久久人妻精品电影| 欧美日韩亚洲高清精品| 成熟少妇高潮喷水视频| 欧美日本中文国产一区发布| 欧美日韩av久久| 久久久精品国产亚洲av高清涩受| 1024香蕉在线观看| 亚洲自偷自拍图片 自拍| 一区在线观看完整版| 在线观看免费视频网站a站| 国产成人免费无遮挡视频| 久久精品91无色码中文字幕| 999久久久国产精品视频| www.熟女人妻精品国产| 国产有黄有色有爽视频| 老汉色∧v一级毛片| 老司机福利观看| 日韩熟女老妇一区二区性免费视频| 一级毛片精品| 久久精品成人免费网站| 久久久国产欧美日韩av| 脱女人内裤的视频| 国产精品久久视频播放| 91成人精品电影| 国产在线精品亚洲第一网站| 最近最新中文字幕大全免费视频| 亚洲专区中文字幕在线| 国产高清国产精品国产三级| 国产伦人伦偷精品视频| 国产高清视频在线播放一区| 在线播放国产精品三级| 欧美日韩乱码在线| 国产欧美日韩一区二区三区在线| 伦理电影免费视频| 18禁美女被吸乳视频| 亚洲全国av大片| 成人18禁高潮啪啪吃奶动态图| 男女免费视频国产| 纯流量卡能插随身wifi吗| 夫妻午夜视频| 香蕉丝袜av| 久久久久久人人人人人| 久久ye,这里只有精品| 天堂中文最新版在线下载| 少妇粗大呻吟视频| 欧美精品av麻豆av| 日本a在线网址| 韩国精品一区二区三区| 人人澡人人妻人| 天天操日日干夜夜撸| 国产日韩欧美亚洲二区| 脱女人内裤的视频| 国产黄色免费在线视频| 久久国产精品男人的天堂亚洲| 看黄色毛片网站| 国产av又大|