基于协同情景进化的高频地波雷达目标跟踪算法测评方法技术

本发明专利技术涉及一种基于协同情景进化的高频地波雷达目标跟踪算法测评方法，属于高频地波雷达技术领域。本发明专利技术通过初始化协同双方：即测试情景种群和参数配置种群分别按照各自的编码方式产生初始种群；协同双方的适值计算：参数适值为在该参数配置下成功跟踪的情景的数量，情景适值为配置各参数时不被成功跟踪的次数；基于平衡机制变体的竞争式协同进化：根据加入设置阈值保护劣势种群策略及强势种群退化策略的平衡机制决定进化的种群，情景种群的进化应用遗传编程，参数种群的进化应用差分进化算法。本发明专利技术能够实现跟踪困难的失效情景和目标跟踪算法优化配置参数的协同进化，从而在发现目标跟踪算法本质缺陷的同时，得到目标跟踪算法的优化配置集。跟踪算法的优化配置集。跟踪算法的优化配置集。

【技术实现步骤摘要】
基于协同情景进化的高频地波雷达目标跟踪算法测评方法


[0001]本专利技术涉及一种基于协同情景进化的高频地波雷达目标跟踪算法测评方法，属于高频地波雷达


技术介绍

[0002]目前，竞争式协同进化已成功应用于函数优化、图像识别、实时战略游戏等诸多领域，与传统进化计算相比，竞争式协同进化算法具有有效缓解复杂优化中的进化停滞问题的优势，是目前进化计算领域的热点研究内容。将竞争式协同进化算法用于高频地波雷达目标跟踪算法的测评是很有前景的：传统的单种群进化只能在固定参数的跟踪算法下进化得到复杂的测试情景，而应用竞争式协同进化，可以实现跟踪困难的失效情景和目标跟踪算法优化配置参数的协同进化，从而在发现目标跟踪算法本质缺陷的同时，得到目标跟踪算法的优化配置集。竞争双方一方为测试情景、一方为算法的参数配置，测试情景种群进化以挑战算法的性能、参数配置种群进化优化算法以应对挑战，最终竞争的一方(情景种群)获得算法的本质缺陷，另一方(参数配置种群)在进化过程中发现算法可改进的空间、确定算法在各种不同情景下的优化配置集，能够实现失效情景发现与修复的有机结合，并使两者相互促进、效果动态提高。
[0003]但值得注意的是，要将已有的竞争式协同进化算法应用于高频地波雷达目标跟踪算法的测评，仍面临一些困难。竞争式协同进化算法有效运行的关键在于维持竞争双方的竞赛，使双方势均力敌从而避免竞争失衡、进化陷入停滞，而在高频地波雷达目标跟踪算法测评应用中，存在两个可能会造成进化陷入停滞的问题：一是测试情景种群的搜索空间远大于参数配置，协同进化的双方进化搜索效率差异大，协同双方进化速度不一致；二是算法的本质缺陷是情景种群的“强势个体”，会使其竞争对手——算法参数配置种群彻底失去竞争力，协同进化双方间的竞赛永久失衡。因此，改进已有的竞争式协同进化算法，以应对高频地波雷达目标跟踪算法测评应用中出现的问题。

技术实现思路

[0004]针对现有技术存在的上述缺陷，本专利技术提出了一种基于协同情景进化的高频地波雷达目标跟踪算法测评方法,产生各种“情景”对目标跟踪算法进行测试，从而一方面搜索导致算法失效的情景，并从中分辨出算法的“本质缺陷”，另一方面分辨出算法的可改进空间，给出算法的优化配置集，为建立完善的高频地波雷达目标监测跟踪系统提供高效的测试评估方法及决策支持工具。
[0005]本专利技术所述的基于协同情景进化的高频地波雷达目标跟踪算法测评方法，包括如下步骤：
[0006]S1：协同双方的初始化：即测试情景与参数配置的产生，包括测试情景种群和参数配置种群分别按照各自的编码方式初始化种群，其中：
[0007]S11：测试情景采用基于参数化上下文无关文法模型构建，用定义的有限数量的文
法规则描述海上舰船运动情况，测试情景种群产生一定数量的舰船目标在所探测海域不同运动态势的情景；
[0008]S12：参数配置针对选择出的关键参数，根据其各自的取值范围，产生随机数并组合成实数数组作为参数种群的个体，参数配置种群产生一定数量的针对待测目标跟踪算法选择出的影响算法性能的参数数组；
[0009]S2：协同双方的适值计算：按照参数配置种群中参数个体对高频地波雷达目标跟踪算法进行设置，将测试情景种群中的情景个体作为目标跟踪算法的输入，运行跟踪算法可得到跟踪结果，设置评价指标及其计算方式，定义评价值在某个范围内时表示在该参数设置下的目标跟踪算法完成对该测试情景的跟踪，情景个体的适值定义为无法被跟踪的次数，参数个体的适值定义为成功完成跟踪的次数；
[0010]S3：基于平衡机制变体的竞争式协同进化：根据协同双方的适值情况评估双方种群势力强弱，以实现保持竞争双方竞赛、避免进化陷入停滞的目的，每代只对协同双方中的一个种群进行进化，且需要根据平衡机制及其变体设置的协同策略为本代选择要进行进化的种群，并决定当前协同双方要进行的进化内容；
[0011]S4：协同双方按要求进化：根据S3得出的决策对选择出的协同的一方按要求进行进化，其中情景种群应用遗传编程的进化方法，参数种群应用差分进化的进化方法。
[0012]优选地，所述步骤S3中，基于平衡机制变体的竞争式协同进化算法能够在竞争双方进化搜索效率不一致或一方出现强势个体的情况下仍保持竞争双方的竞赛、避免进化陷入停滞，具体包括以下小步：
[0013]S31：针对得到的竞争双方个体的适值，通过定义多种种群势力衡量方式，反映当前竞争双方的种群势力强度，根据双方种群势力得到协同双方各自的繁殖率，即各种群被选择进行进化的概率；
[0014]S32：针对存在的竞争双方进化搜索效率不一致、进化速度差异大的问题，应用平衡机制来解决，即规定进化过程中每代只进化一个种群，各种群被选择进化的概率，即繁殖率，由种群势力强度决定，与种群势力强度成反比，势力越强的种群繁殖率越低，被选择进化的概率越小；
[0015]其中，各种群繁殖率与种群势力强度成反比，假设情景种群的势力强度为Str
S
，参数种群的势力强度为1
‑
Str
S
，则情景种群的繁殖率为1
‑
Str
S
，参数种群的繁殖率为Str
S
；
[0016]S33：根据算法设置的以保护劣势种群为目的的设置阈值的策略，判断本专利技术中情景种群的繁殖率是否达到阈值，若未达到阈值，则直接判定选择情景种群进行进化；
[0017]S34：根据算法设置的以解决进化过程中可能出现的一方种群中出现强势个体，导致另一方种群彻底失去竞争力的情况为目的的退化强势种群策略：判断两个种群间势力差距是否过大，当种群间势力差距过大时，对强势的一方进行退化操作，即改变个体适值情况，令后续进化选择过程中选择种群中排名落后的个体进化，从而达到降低强势种群实力的目的；
[0018]其中，退化强势种群策略是通过重新计算强势种群中个体的适值，使得原本处于种群中排名落后的低适值的个体获得更高适值，有更大概率被选择参与产生子代，从而降低强势种群的整体实力，使得两个种群势力平衡，从而能够保持竞争双方竞赛、避免进化陷入停滞；
[0019]适值重新计算如下式所示：
[0020]f
′
＝2ω2x
‑
ωx2[0021]其中，f
′
为重新计算后的个体适值，x为将强势种群的所有个体的适值f归一化处理得到处于[0,1]区间的各个体的得分值，ω为位于区间(0,0.5]的退化系数，代表种群退化的程度，由种群间差距大小决定，差距越大，退化系数越小，退化程度越高。
[0022]优选地，所述步骤S2中，在对应某参数个体的目标跟踪算法下对某测试情景进行测试，选择轨迹断裂程度作为跟踪情况的评价指标：当轨迹断裂度超过某个范围时，说明该参数设置下的目标跟踪算法无法成功跟踪该测试情景。
[0023]优选地，所述步骤S3中，根据算法要求和当前竞争双方势力情况，决定出当代进化情况：根据种群繁殖率和设置阈值的弱势种群保本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于协同情景进化的高频地波雷达目标跟踪算法测评方法，其特征在于，包括如下步骤：S1：协同双方的初始化：即测试情景与参数配置的产生，包括测试情景种群和参数配置种群分别按照各自的编码方式初始化种群，其中：S11：测试情景采用基于参数化上下文无关文法模型构建，用定义的有限数量的文法规则描述海上舰船运动情况，测试情景种群产生一定数量的舰船目标在所探测海域不同运动态势的情景；S12：参数配置针对选择出的关键参数，根据其各自的取值范围，产生随机数并组合成实数数组作为参数种群的个体，参数配置种群产生一定数量的针对待测目标跟踪算法选择出的影响算法性能的参数数组；S2：协同双方的适值计算：按照参数配置种群中参数个体对高频地波雷达目标跟踪算法进行设置，将测试情景种群中的情景个体作为目标跟踪算法的输入，运行跟踪算法可得到跟踪结果，设置评价指标及其计算方式，定义评价值在某个范围内时表示在该参数设置下的目标跟踪算法完成对该测试情景的跟踪，情景个体的适值定义为无法被跟踪的次数，参数个体的适值定义为成功完成跟踪的次数；S3：基于平衡机制变体的竞争式协同进化：根据协同双方的适值情况评估双方种群势力强弱，以实现保持竞争双方竞赛、避免进化陷入停滞的目的，每代只对协同双方中的一个种群进行进化，且需要根据平衡机制及其变体设置的协同策略为本代选择要进行进化的种群，并决定当前协同双方要进行的进化内容；S4：协同双方按要求进化：根据S3得出的决策对选择出的协同的一方按要求进行进化，其中情景种群应用遗传编程的进化方法，参数种群应用差分进化的进化方法。2.根据权利要求1所述的基于协同情景进化的高频地波雷达目标跟踪算法测评方法，其特征在于，所述步骤S3中，基于平衡机制变体的竞争式协同进化算法能够在竞争双方进化搜索效率不一致或一方出现强势个体的情况下仍保持竞争双方的竞赛、避免进化陷入停滞，具体包括以下小步：S31：针对得到的竞争双方个体的适值，通过定义多种种群势力衡量方式，反映当前竞争双方的种群势力强度，根据双方种群势力得到协同双方各自的繁殖率，即各种群被选择进行进化的概率；S32：针对存在的竞争双方进化搜索效率不一致、进化速度差异大的问题，应用平衡机制来解决，即规定进化过程中每代只进化一个种群，各种群被选择进化的概率，即繁殖率，由种群势力强度决定，与种群势力强度成反比，势力越强的种群繁殖率越低，被选择进化的概率越小；其中，各种群繁殖率与种群势力强度成反比，假设情景种群的势力强度为Str
S
，参数种群的势力强度为1
‑
Str
S
，则情景种群的繁殖率为1
‑
Str
S
，参数种群的繁殖率为Str
S
；S33：根据算法设置的以保护劣势种群为目的的设置阈值的策略，判断本发明中情景种群的繁殖率是否达到阈值，若未达到阈值，则直接判定选择情景种群进行进化；S34：根据算法设置的以解决进化过程中可能出现的一方种群中出现强势个体，导致另一方种群彻底失去竞争力的情况为目的的退化强势种群策略：判断两个种群间势力差距是否过大，当种群间势力差距过大时，对强势的一方进行退化操作，即改变个体适值情况，令
后续进化选择过程中选择种群中排名落后的个体进化，从而达到降低强势种群实力的目的；其中，退化强势种群策略是通过重新计算强势种群中...

【专利技术属性】
技术研发人员：王琨，张馨，
申请(专利权)人：中国海洋大学，
类型：发明
国别省市：