一种基于树分解的智能搜捕方法技术

本发明专利技术公开了基于树分解的智能搜捕方法，包括以下步骤：(1)获取目标环境，根据搜捕者的感知能力将监测环境转换为拓扑图；(2)环境拓扑图的树分解；(3)求解拓扑图树宽；(4)求解基于树分解的搜捕算法；(5)求解搜捕者数量最小上界；本发明专利技术的优点是提出了以最小搜捕者数量及追捕的有效性为优化目标的移动传感网搜捕的技术方案，本发明专利技术基于树分解的方法对环境进行搜素，避免了搜索过程中入侵者的重复侵入，能提高搜索效率并减少了搜捕过程中的能量开销。

Intelligent search method based on tree decomposition

The invention discloses a method for intelligent tree based on decomposition, which comprises the following steps: (1) to obtain the target environment, according to the manhunt perception will monitor the environment into a topological map; (2) the environment topology tree decomposition; (3) the tree topology for wide; (4) to solve the search tree decomposition algorithm based on solving the manhunt; (5) the minimum number of upper bound; the advantages of the invention are proposed to minimize the manhunt effective number and hunt for scheme optimization technology in search of mobile sensor network, the method based on tree decomposition on the environment in search, avoid the intruders in the searching process of repetition invasion, can improve the searching efficiency and reduces the energy consumption during the process of searching for.

【技术实现步骤摘要】
一种基于树分解的智能搜捕方法
本专利技术涉及一种基于树分解的智能搜捕方法，属于智能协同控制

技术介绍
图搜索算法的研究是智能协同控制领域的一个重要分支，搜索算法的性能通过算法的复杂度、有效性来衡量。多智能体搜捕方法中最短路径搜捕策略、最短时间搜捕策略、博弈搜捕策略等的方法主要侧重于搜捕策略的最大效率，而忽视了所需搜捕者的数量以及搜捕的成功率，其算法的复杂度也较大。而本专利技术所定义的搜捕方法中的搜捕者数量既能保证搜捕的成功，又减少了搜捕的损耗。图搜索算法的求解思想能用于应急环境救援、室内环境安防、战场环境探测，因此基于树分解的多智能体搜索方法既能为监测环境的入侵搜索提供理论基石，也能为监测环境安全防护提供解决方案。监测环境入侵搜索的理论基石图搜索是解决监测环境入侵搜索最常用的方法，根据多智能体的感知范围、移动速度以及监测环境的特点对监测环境进行拓扑刻画，获取其拓扑结构，并利用图论的方法对网络进行搜索，能够最有效率的实现对整个环境的搜索，并以最快的速度定位入侵者。监测环境安全防护的解决方案在保证搜索成功的情况下，使用最少的多智能体对环境进行安全防护，利用树分解的方法，将图中的环变为树中的节点，防止了图搜索过程中的重污染，保证了对整个环境的有效防护。入侵者位置、速度不可知的情况下，基于搜捕策略的搜捕者数量的研究是非常有难度、有挑战性的，当前公开发表的文献中，尚未看到相关研究成果。
技术实现思路
本专利技术的目的在于提供一种能够克服上述技术问题的基于树分解的智能搜捕方法，本专利技术提出了以最小搜捕者数量及追捕的有效性为优化目标的移动传感网搜捕的技术方案，本专利技术基于树分解的方法对环境进行搜素，避免了搜索过程中入侵者的重复侵入，能提高搜索效率并减少了搜捕过程中的能量开销。首先给出以下定义：定义1搜捕者数量：指在某一环境中存在一种策略使得最少数量的搜捕者能够成功围捕入侵者，该最少数量即为搜捕者数量。定义2上界：指某一环境中所需搜捕者数量的最大值。本专利技术的基于树分解的智能搜捕方法包括以下步骤：步骤一，获取目标环境，根据搜捕者的感知能力将监测环境转换为拓扑图；获取目标环境，根据搜捕者的感知能力和移动速度将环境离散化为有限图，根据智能体的感知能力将环境离散化为单元，使得每个搜捕者能够监测环境离散化后的每一个单元，若入侵者进入此单元，搜捕者能够及时对其进行捕获，用顶点代替单元，相邻的单元之间插入一条边，目标环境离散化为图G＝(V,E)表示，其中图G为无向连通，V表示顶点集，|V|表示顶点的个数，E表示边集。步骤二，环境拓扑图的树分解；在图G＝(V,E)中选取路径L，且L中包含顶点集V中的两个端点，对图G按如下方式进行树分解：图G＝(V,E)的一个树分解为(TL,X)，X＝{Xi|i∈I}，其中I是V的一个子集族，TL是指以I为顶点集的树，TL中的节点是X的子集，路径L为图G中端点v1到vK的连接路径，路径L中包含K个节点v1,v2,...,vK，并且满足：(1)∪Xi＝V；(2)对于任意的i∈L，Xi至少包含一个vi，1≤i≤K；(3)对于任意一条边(u,v)∈E，存在一个i∈L使得(4)对于树的节点Xi，Xj以及Xk，如果树节点Xk是树节点Xi到Xj路径上的一个树节点，则图G中存在一个节点属于Xi∩Xj，且有分解后的每一个树的子节点Xi,j包含路径L上的至少一个图的节点i，j表示图G中的任一顶点，J是V的一个子集族。步骤三，求解拓扑图树宽；依据步骤二对图G求得的树分解(TL,X)，求取树的宽度为步骤四，求解基于树分解的搜捕算法；对于图G的最优树分解为(TL,X)，最优树分解中的树节点Xi,j，j＝1,2,...,mi并包含相应的vi。若树节点中包含vi和vi'，且i'＞i，则该节点记为Xi,j。则图G的最优树分解中对于任意一个树节点Xi,j，至多需要[tw(G)/2]+1个搜捕者就能对其进行监视和安全防护。令Xi,j中搜捕者数量为q，b1,b2,...,bq-1表示Xi,j/vi中的顶点。下面是对树节点Xi,j的搜索方法。首先，将树节点Xi,j根据下面的规则重新构造为一个类二叉树的形状；具体包括以下步骤：(1)令vi为树中的第0层顶点；(2)将vi的相邻顶点定义为第1层顶点；(3)依此类推，将第h层顶点的相邻顶点定义为第h+1层顶点；(4)若顶点j的相邻顶点为j1,j2,...,jk，且j1,j2,...,jk分别属于不同的层l1,l2,...,lk，则定义顶点j为第min{l1,l2,...,lk}+1层的顶点。根据以上定义，偶数层的顶点数量为N。若N≤q/2，则考虑偶数层的顶点，若N＞q/2，则考虑奇数层的顶点。下面证明N个搜捕者能对Xi进行监测以及安全防护。首先，令搜捕者P1停留在顶点vi处，剩余的N-1个搜捕者对Xi进行搜寻，直到这些搜捕者停留在Xi的偶数层，搜寻过程中，搜捕者到达某一偶数层时，则这些搜捕者停在该层的顶点上，其余搜捕者继续搜寻，直到Xi,j中所有的偶数层顶点都有搜捕者停留并监视。由于N≤q/2又根据树宽[tw(G)/2]的定义，因此[tw(G)/2]+1个搜捕者即能对节点Xi,j进行搜寻和监视。用这种方法，入侵者在有限步数后就会被限定到X/Xi,j的范围内。搜捕者从顶点v1开始沿着路径L进行搜索。为了对相邻的树节点进行搜索和监视，搜捕者按照下面的运动策略进行从Xi,1到Xi,2的移动；具体包括以下步骤：(1)对于监视Xi,1∩Xi,j或者Xi,1∩Xi',j的搜捕者，j＝2,...,mi，i'＞i，令其继续保持在相同的边不动；(2)对于监视bh'bh,bh'bh∈E，bh'∈Xi,1∩Xi,2且bh∈Xi,1\Xi,2的搜捕者，令其沿着边bh'bh移动到顶点bh'，然后监视边bh'bh”，其中bh”∈Xi,2\Xi,1；(3)对于其它的搜捕者，令它们监视Xi,2\Xi,1中未被监视的边。按照上述方式，[tw(G)/2]+1+ni,1个搜捕者即能够搜索和监视Xi,1∪Xi,2，其中ni,1＝|Yi,1|且Yi,1＝∑jXi,1∩(∪i'＞iXi',j)。重复上面的步骤，能够得出个搜捕者能够搜索和监视其中ni,j＝|Yi,j|且Yi,j＝∑jXi,j∩(∪i'＞iXi',j)。在所有的树节点Xi,j,j＝1,2,...,mi都被搜索和监视后，令保持对的监视。然后令搜捕者P1移动到vi+1进行监视。对于其它搜捕者的移动策略，需要考虑以下两种情况：(1)若存在2≤j'≤mi使得则令搜捕者通过vi监视Xi,j'∩(∪i'＞iXi',j)\{vi,vi-1}；(2)若则令[tw(G)/2]+1个搜捕者按照上面的方式并沿着Xi,1到Xi+1,1的最短路径搜索并监视Xi+1,1。步骤五，求解搜捕者数量最小上界；依据基于树分解的搜捕算法，得出网络中所需搜捕者数量的最小上界[.]为floor函数，mi表示包含vi的树节点中图顶点的个数，ni,j＝|∑j'Xi,j∩(∪i'＞iXi',j')|。本专利技术的优点是提出了以最小搜捕者数量及追捕的有效性为优化目标的移动传感网搜捕的技术方案，本专利技术基于树分解的方法对环境进行搜素，避免了搜索过程中入侵者的重复侵入，能提高搜索效率并减少了搜捕过程中的能量开销。附图说明图1是本发本文档来自技高网...

【技术保护点】
一种基于树分解的智能搜捕方法，其特征在于，包括以下步骤：(1)获取目标环境，根据搜捕者的感知能力将监测环境转换为拓扑图；(2)环境拓扑图的树分解；(3)求解拓扑图树宽；(4)求解基于树分解的搜捕算法；(5)求解搜捕者数量最小上界。

【技术特征摘要】
1.一种基于树分解的智能搜捕方法，其特征在于，包括以下步骤：(1)获取目标环境，根据搜捕者的感知能力将监测环境转换为拓扑图；(2)环境拓扑图的树分解；(3)求解拓扑图树宽；(4)求解基于树分解的搜捕算法；(5)求解搜捕者数量最小上界。2.根据权利要求1所述的一种基于树分解的智能搜捕方法，其特征在于，所述步骤(1)中，获取目标环境，根据搜捕者的感知能力和移动速度将环境离散化为有限图，根据智能体的感知能力将环境离散化为单元，使得每个搜捕者能够监测环境离散化后的每一个单元，若入侵者进入此单元，搜捕者能够及时对其进行捕获，用顶点代替单元，相邻的单元之间插入一条边，目标环境离散化为图G＝(V,E)表示，其中图G为无向连通，V表示顶点集，|V|表示顶点的个数，E表示边集。3.根据权利要求1所述的一种基于树分解的智能搜捕方法，其特征在于，所述步骤(2)中，在图G＝(V,E)中选取路径L，且L中包含顶点集V中的两个端点，对图G按如下方式进行树分解：图G＝(V,E)的一个树分解为(TL,X)，X＝{Xi|i∈I}，其中I是V的一个子集族，TL是指以I为顶点集的树，TL中的节点是X的子集，路径L为图G中端点v1到vK的连接路径，路径L中包含K个节点v1,v2,...,vK，并且满足：(31)∪Xi＝V；(32)对于任意的i∈L，Xi至少包含一个vi，1≤i≤K；(33)对于任意一条边(u,v)∈E，存在一个i∈L使得(34)对于树的节点Xi，Xj以及Xk，如果树节点Xk是树节点Xi到Xj路径上的一个树节点，则图G中存在一个节点属于Xi∩Xj，且有分解后的每一个树的子节点Xi,j包含路径L上的至少一个图的节点i，j表示图G中的任一顶点，J是V的一个子集族。4.根据权利要求1所述的一种基于树分解的智能搜捕方法，其特征在于，所述步骤(3)中，依据步骤(2)对图G求得的树分解(TL,X)，求取树的宽度为5.根据权利要求1所述的一种基于树分解的智能搜捕方法，其特征在于，所述步骤(4)中，对于图G的最优树分解为(TL,X)，最优树分解中的树节点Xi,j，j＝1,2,...,mi并包含相应的vi；若树节点中包含vi和vi'，且i'＞i，则该节点记为Xi,j；则图G的最优树分解中对于任意一个树节点Xi,j，至多需要[tw(G)/2]+1个搜捕者就能对其进行监视和安全防护；令Xi,j中搜捕者数量为q，b1,b2,...,bq-1表示Xi,j/vi中的顶点；下面是对树节点Xi,j的搜索方法；首先，将树节点Xi,j根据下面的规则重新构造为一个类二叉树的形状；具体包括以下步骤：(51)令vi为树中的第0层顶点；(52)将vi的相邻顶点定义为第1层顶点；(53)依此类推，将第h层顶点的相邻...

【专利技术属性】
技术研发人员：米士超，白永强，鲁刚，杜嘉薇，郭荣华，
申请(专利权)人：中国人民解放军六三八八零部队，
类型：发明
国别省市：河南,41