[发明专利]基于精英子集引导向量烟花算法的多智能体搜索方法

权利要求书

1.一种基于精英子集引导向量烟花算法的多智能体协同目标搜索方法，该方法具体的实现步骤为：

建立搜索环境，设置气体泄露源，初始化算法参数：智能体个数N，爆炸火花常数λ，感知范围常数A，范围扩大和缩减系数C_a和C_r，选择最好和最差部分候选位置数量的比例σ，生成精英引导火花的个数K；

步骤1.1：随机初始化智能体的位置X_i,i∈{1,2,...,N}，并评估其信号强度f(X_i)；

步骤1.2：计算每一个智能体对应的爆炸火花数量,公式如下：

步骤1.3：将智能体分成两组，第一个组为当前最好的智能体X_CF，第二组为其余的智能体，计算第一组的智能体的感知范围，公式如下：

其中，t代表迭代次数；计算第二组的智能体感知范围，公式如下：

步骤1.4：根据爆炸火花数量，在以智能体为中心的感知范围内模拟生成爆炸火花；利用路径规划算法指导智能体遍历爆炸火花位置并感知信号强度f(s_ij),s_ij为第i个智能体遍历的第j个爆炸火花位置，j∈{1,2,...,λ}；

步骤1.5：将智能体移动的所有位置按信号强度进行排序并组成候选集，选择候选集内前K个位置并生成其对应的精英引导火花位置S_ik，指导智能体遍历精英引导火花位置并感知信号强度f(S_ik),S_ik为第i个智能体遍历的第k个精英引导火花位置，k∈{1,2,...,K}；

步骤1.6：从每个智能体移动的所有位置中选择最好的位置作为该智能体的下一代移动位置；

步骤1.7：若当前迭代次数达到最大次数或成功搜索到气体泄露源位置则执行步骤1.8，否则执行步骤1.2；

每个智能体被视为一个烟花，智能体群被投放到有界搜索空间内，搜索环境中只包含智能体和气体泄露的目标源，智能体对泄露气体具有敏感，采用微型智能体，目标气体泄露是静止的且在整个搜索空间具有影响范围，智能体距离目标越近，其感知到的信号越强，智能体本身对环境和目标没有先验知识，只能通过局部通信及传感器获得临近智能体及目标的相关信息；通过控制智能体群在待测区域内进行搜索，根据检测到的气体浓度信息并利用精英子集引导向量烟花算法进行群体交互，指导智能体群找到浓度值最大的位置，将该位置作为检测气体的泄漏源；

具体实现过程为：当搜索开始的时候，智能体群随机初始化在整个搜索空间内，每个智能体模拟烟花爆炸过程，通过路径规划方法指导智能体移动到爆炸火花位置并感知目标源信号强度；根据信号强度将每个智能体遍历的所有位置按信号强度进行排序并组成候选集，对候选集内最好和最坏的部分位置计算其群体向量，然后对候选集内前K个位置计算其对应的个体向量，根据群体向量和个体向量组成的加权引导向量计算得到下一步精英引导火花位置，指导智能体遍历精英引导火花位置并感知信号强度；从每个智能体移动的所有位置中选择最好的位置作为该智能体的下一代移动位置；重复上述智能体搜索和移动过程，直到智能体搜索到目标源或者达到最大迭代次数结束；

步骤1.8:输出搜索到的气体泄漏源位置；

步骤1.5中，选择候选集中前K个位置，计算每个位置的加权引导向量，得到其对应的精英引导火花位置S_ik，所述步骤1.5的具体过程如下：

步骤1.5.1：从排序好的候选集内，选择最好和最差的部分位置c_j,j∈{1,2,...,λ+1}，计算得到群体向量，公式如下：

其中，代表群体向量，ω_j代表位置c_j的权重，其计算公式如下：

其中，r_j代表第j个候选个体的排序值；

步骤1.5.2：对候选集内前K个位置计算其个体向量，公式如下：

其中，代表第k个位置的个体向量；

步骤1.5.3：根据群体向量和个体向量得到前K个位置对应的加权引导向量，其公式如下：

其中，G_k为第k个位置对应的加权引导向量，α_k为其动态调整参数，其计算公式如下：

关于参数α_k，对不同的加权引导向量G_k具有重要的调整能力，具体来说，如果选择前10个位置，那么就会有10个相应的精英引导向量，当k＝1时，此时G₁具有较好的全局探索能力；当k＝10时，此时G₁₀具有较好的局部探索能力；当1k10时，G_k具有在G₁和G₁₀之间的一种平衡能力；

步骤1.5.4：根据前K个位置以及对应的加权引导向量得到其下一步精英引导火花位置S_k，公式如下：

S_k＝c_k+G_k，k∈{1,2,...,K}

基于以上步骤1.5.1-1.5.4指导智能体遍历精英引导火花位置S_k并评估其信号强度f(S_k)。