一种基于梯度粒子群算法的弹道快速优化方法及装置制造方法及图纸

本发明专利技术实施例提供了一种基于梯度粒子群算法的弹道快速优化方法及装置，其所述方法包括对第k代种群、第k‑1代种群进行初始化，并确定第k代种群对应的第一全局最优个体，以及第k‑1代种群对应的第二全局最优个体；判断所述第一全局最优个体的适应度值，是否高于所述第二全局最优个体的适应度值；若否，则基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据第k+1代种群以及第k代种群进行弹道优化；若是，则采用梯度法更新所述第一全局最优化个体对应的位置矢量，执行基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据所述第k+1代种群以及所述第k代种群进行弹道优化的步骤。本发明专利技术实施例提供的方案，可实现弹道的快速优化。

A fast trajectory optimization method and device based on gradient particle swarm optimization (PSO)

The embodiment of the invention provides a method and apparatus for rapid optimization of gradient particle swarm optimization algorithm based on the trajectory, the method includes the population of K generation, the 1 generation of K population initialization, and determine the first global optimal individuals in a population of K generation and the K corresponding to the 1 generation population corresponding to second the global best individual; judge of the first global best individual fitness value is higher than second, the global best individual fitness value; if not, then the position vector of the first global best individual based on the correspondence as a starting point, generate a population of k+1 generation, the trajectory optimization basis k+1 generation population and K if so, the generation of population; gradient method to update the location vector of the first global optimization individual corresponding to the position vector of the first implementation of the global best individual based on the correspondence as a starting point, the formation of k+1 The step of trajectory optimization based on the k+1 generation and the K generation of the population. The scheme provided by the embodiment of the invention can realize the rapid optimization of the trajectory.

【技术实现步骤摘要】
一种基于梯度粒子群算法的弹道快速优化方法及装置
本专利技术涉及飞行器设计
，特别是涉及一种基于梯度粒子群算法的弹道快速优化方法和装置、电子设备以及计算机可读存储介质。
技术介绍
弹道优化是弹道导弹总体优化设计的重要组成部分，它贯穿于导弹设计和作战运用的全过程。弹道优化是指在某些特定的约束条件下，优化选择导弹从起始点到目标点满足某种性能指标最优的运动轨迹的过程。从数学角度讲，弹道优化问题即为非线性条件下，带有状态约束、路径约束和控制约束的最优控制问题。最优控制问题的求解方法主要包括间接法、直接法和智能优化算法。间接法的基本原理是基于Pontryagin极大值原理和经典变分法的拉格朗日乘子法将最优控制问题转化为Hamilton边值问题进行求解。采用间接法求解轨迹优化问题，其优点在于求解精度高，且最优解满足一阶最优性必要条件。然而，与直接法相比，间接法存在几个典型的不足，包括难以程序化、最优性条件推导复杂、协态变量初值猜测困难等。直接法的基本思想是将连续最优控制问题离散化并转化为参数优化问题，再通过优化算法对性能指标直接寻优。相比间接法而言，直接法应用更为广泛。近年来，智能优化算法以其独特的机制和优点，在飞行器设计领域得到越来越广泛的应用。遗传算法效法自然界生物进化过程，基于“适者生存”的原理求解约束优化问题。鉴于其全局、并行、高效的优化性能以及较强的鲁棒性，大量学者将其应用于轨迹优化领域。鲜勇，许立军研究了遗传算法在导弹飞行程序设计中的应用；CrainTP,BishopRH,FowlerWT基于混合遗传算法研究了行星探测轨道优化设计问题等。与遗传算法类似，粒子群算法作为智能优化算法的一种，因其参数设置少、收敛速度快等优点，在轨迹优化领域的应用日益受到关注。杨希祥，江振宇，张为华采用粒子群算法对固体运载火箭弹道优化设计问题进行了研究；冉茂鹏，王青基于改进粒子群算法研究了航天器在固定时间内燃料最省的多脉冲交会问题等。研究结果表明，基于遗传算法进行轨迹优化，求解精度较高，但收敛速度较慢；采用现有的粒子群算法进行弹道优化，收敛速度较快，但求解精度较低，因此，如何实现弹道高效、高精度优化是目前需要本领域技术人员迫切需要解决的技术问题。
技术实现思路
本专利技术提供了一种基于梯度粒子群算法的弹道快速优化方法和装置、电子设备以及计算机可读存储介质，以解决现有技术中存在的无法高效、高精度对弹道进行优化的问题。为了解决上述问题，本专利技术公开了一种基于梯度粒子群算法的弹道快速优化方法，所述方法包括：对第k代种群、第k-1代种群进行初始化，并确定所述第k代种群对应的第一全局最优个体，以及所述第k-1代种群对应的第二全局最优个体；其中，第k代种群为当前代种群；判断所述第一全局最优个体的适应度值，是否高于所述第二全局最优个体的适应度值；若否，则基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据所述第k+1代种群以及所述第k代种群进行弹道优化；若是，则采用梯度法更新所述第一全局最优化个体对应的位置矢量，执行所述基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据所述第k+1代种群以及所述第k代种群进行弹道优化的步骤。可选地，所述对第k代种群、第k-1代种群进行初始化，并确定所述第k代种群对应的第一全局最优个体，以及所述第k-1代种群对应的第二全局最优个体的步骤，包括：在优化变量可行域中，分别随机初始化第k代种群中各微粒的位置向量和速度向量，计算各微粒的适应度值，确定第一全局最优个体；分别随机初始化第k-1代种群中各微粒的位置向量和速度向量，计算各微粒的适应度值，确定第二全局最优个体。可选地，所述采用梯度法更新所述第一全局最优化个体对应的位置矢量的步骤，包括：基于所述第一全局最优个体、所述第二全局最优个体的位置矢量确定搜索梯度其中，dxk为搜索梯度，第一全局最优个体的位置矢量，为第二全局最优个体的位置矢量，β为系数；计算沿所述搜索梯度搜索到的位置矢量处的个体的适应度值f(xk+dxk)，其中，xk+dxk∈R，R为优化变量可行域；若f(xk+dxk)大于f(xk)，则确定搜索成功，则继续沿着该梯度方向搜索直至搜索失败后，确定最后一次成功搜索到的位置矢量，将所述位置矢量更新为所述第一全局最优个体对应的位置矢量。可选地，其中，β为梯度调节系数，k为迭代次数，kmax为最大迭代次数，βstart、βend分别表示调节系数β的初始值和终止值。为了解决上述问题，本专利技术公开了一种基于梯度粒子群算法的弹道快速优化装置，所述装置包括：初始化模块，用于对第k代种群、第k-1代种群进行初始化，并确定所述第k代种群对应的第一全局最优个体，以及所述第k-1代种群对应的第二全局最优个体；其中，第k代种群为当前代种群；适应度评价模块，用于判断所述第一全局最优个体的适应度值，是否高于所述第二全局最优个体的适应度值；迭代模块，用于若否，则基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据所述第k+1代种群以及所述第k代种群进行弹道优化；更新模块，用于若是，则采用梯度法更新所述第一全局最优化个体对应的位置矢量，执行所述迭代模块。可选地，所述初始化模块包括：第一初始化子模块，用于在优化变量可行域中，分别随机初始化第k代种群中各微粒的位置向量和速度向量，计算各微粒的适应度值，确定第一全局最优个体；第二初始化子模块，用于分别随机初始化第k-1代种群中各微粒的位置向量和速度向量，计算各微粒的适应度值，确定第二全局最优个体。可选地，所述更新模块包括：梯度计算子模块，用于基于所述第一全局最优个体、所述第二全局最优个体的位置矢量确定搜索梯度其中，dxk为搜索梯度，第一全局最优个体的位置矢量，为第二全局最优个体的位置矢量，β为系数；搜索子模块，用于计算沿所述搜索梯度搜索到的位置矢量处的个体的适应度值f(xk+dxk)，其中，xk+dxk∈R，R为优化变量可行域；循环子模块，用于若f(xk+dxk)大于f(xk)则确定搜索成功，继续沿着该梯度方向搜索直至搜索失败后，确定最后一次成功搜索到的位置矢量，将所述位置矢量更新为所述第一全局最优个体对应的位置矢量。可选地，其中，β为梯度调节系数，k为迭代次数，kmax为最大迭代次数，βstart、βend分别表示调节系数β的初始值和终止值。为了解决上述问题，本专利技术公开了电子设备，包括有存储器，以及一个或者一个以上的程序，其中一个或者一个以上程序存储于存储器中，且经配置以由一个或者一个以上处理器执行如权利要求书中所述的任意一种基于梯度粒子群算法的弹道快速优化方法。为了解决上述问题，本专利技术还公开了一种可读存储介质，当所述存储介质中的指令由电子设备的处理器执行时，使得电子设备能够执行如权利要求书中所述的任意一种基于梯度粒子群算法的弹道快速优化方法。与现有技术相比，本专利技术包括以下优点：本专利技术实施例提供的基于梯度粒子群算法的弹道快速优化的方案，结合梯度搜索的高效性和粒子群搜索的随机性，对弹道进行快速优化。具体地，将梯度搜索的思想融入粒子群算法之中，利用第k-1代种群与第k代种群的全局最优值产生搜索梯度，进而基于梯度搜索实现粒子群体搜索的高效性，同时通过调整梯度大小解决了基本粒子群算法易“早熟”本文档来自技高网...

【技术保护点】
一种基于梯度粒子群算法的弹道快速优化方法，其特征在于，所述方法包括：对第k代种群、第k‑1代种群进行初始化，并确定所述第k代种群对应的第一全局最优个体，以及所述第k‑1代种群对应的第二全局最优个体；其中，第k代种群为当前代种群；判断所述第一全局最优个体的适应度值，是否高于所述第二全局最优个体的适应度值；若否，则基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据所述第k+1代种群以及所述第k代种群进行弹道优化；若是，则采用梯度法更新所述第一全局最优化个体对应的位置矢量，执行所述基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据所述第k+1代种群以及所述第k代种群进行弹道优化的步骤。

【技术特征摘要】
1.一种基于梯度粒子群算法的弹道快速优化方法，其特征在于，所述方法包括：对第k代种群、第k-1代种群进行初始化，并确定所述第k代种群对应的第一全局最优个体，以及所述第k-1代种群对应的第二全局最优个体；其中，第k代种群为当前代种群；判断所述第一全局最优个体的适应度值，是否高于所述第二全局最优个体的适应度值；若否，则基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据所述第k+1代种群以及所述第k代种群进行弹道优化；若是，则采用梯度法更新所述第一全局最优化个体对应的位置矢量，执行所述基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据所述第k+1代种群以及所述第k代种群进行弹道优化的步骤。2.根据权利要求1所述的方法，其特征在于，所述对第k代种群、第k-1代种群进行初始化，并确定所述第k代种群对应的第一全局最优个体，以及所述第k-1代种群对应的第二全局最优个体的步骤，包括：在优化变量可行域中，分别随机初始化第k代种群中各微粒的位置向量和速度向量，计算各微粒的适应度值，确定第一全局最优个体；分别随机初始化第k-1代种群中各微粒的位置向量和速度向量，计算各微粒的适应度值，确定第二全局最优个体。3.根据权利要求1所述的方法，其特征在于，所述采用梯度法更新所述第一全局最优化个体对应的位置矢量的步骤，包括：基于所述第一全局最优个体、所述第二全局最优个体的位置矢量确定搜索梯度其中，dxk为搜索梯度，第一全局最优个体的位置矢量，为第二全局最优个体的位置矢量，β为系数；计算沿所述搜索梯度搜索到的位置矢量处的个体的适应度值f(xk+dxk)，其中，xk+dxk∈R，R为优化变量可行域；若f(xk+dxk)大于f(xk)，则确定搜索成功，则继续沿着该梯度方向搜索直至搜索失败后，确定最后一次成功搜索到的位置矢量，将所述位置矢量更新为所述第一全局最优个体对应的位置矢量。4.根据权利要求1所述的方法，其特征在于：其中，β为梯度调节系数，k为迭代次数，kmax为最大迭代次数，βstart、βend分别表示调节系数β的初始值和终止值。5.一种基于梯度粒子群算法的弹道快速优化装置，其特征在于，所述装置包括：初始化模块，用于对第k代种群、第k-1代种群进行初始化，并确...

【专利技术属性】
技术研发人员：孙向东，刘刚，徐军，李振华，饶颖，何兵，胡琛，秦伟伟，盛兵，
申请(专利权)人：中国人民解放军火箭军装备研究院，中国人民解放军火箭军工程大学，
类型：发明
国别省市：北京,11