[发明专利]一种基于Louvain算法的海上态势生成多目标层次化分群方法

说明书

本发明公开了一种基于Louvain算法的海上态势生成多目标层次化分群方法，设计能够表征实体目标属性和运动状态的元素集合；计算任意两目标u和v之间的距离；计度量分群结果的质量评价指标，作为每层分群操作是否应该终止的判别依据；设计群参数更新方法；将态势图中的所有目标，转换成一张权重图，并计算任意两顶点，即目标或群，对权重图进行层次化分群操作，最终将海战场中的所有实体目标划分为若干空间群、功能群、相互作用群、敌/我/中立方群。本发明提供更加丰富的战场态势信息，具有更强的战场适应性。

技术领域

本发明涉及海战场实体目标分群领域，特别是一种基于Louvain算法的海上态势生成多目标层次化分群方法。

背景技术

实际战场环境中，把由不同类型的海量目标所生成的态势图直接呈现给战场指挥员，势必会造成“信息炫目问题”，导致指挥员无法快速、准确、高效地把握战场态势并制定合理的作战方案。为解决该问题，需根据目标的属性、位置、运动状态等信息对目标进行分群处理，将其划分成若干具有一定物理结构及实际意义的群体，从而简化战场态势信息，极大程度上降低指挥员的认知压力，这有利于指挥员在更高层次上理解当前战争态势、提升决策的制定效率和有效性。

已有的目标分群研究通常采用聚类技术，如K-means算法、ISODATA算法、模糊C均值算法、Chameleon算法等对目标进行分群处理。这类方法通常先以目标的物理位置、运动速度、航向等信息为基础，设计能够衡量两个目标之间的距离或相似性的指标，然后借助一定的迭代策略，最终将距离小于某预设阈值或相似性大于某预设阈值的目标划分到同一群体中，从而实现目标分群的目的。这些方法虽然易于实现、便于理解，但其在设计距离度量指标或相似性度量指标时并未考虑不同类型目标在距离和相似性方面的固有差异，因此很难在目标类型多样的实际战场环境中取得优良性能。此外，所设计的距离阈值及相似性阈值的灵活度较低，无法适应战场环境的动态变化。

此外，已有研究通常仅将多个目标简单地划分成若干类型、位置及运动状态相近的空间群，但很少考虑不同空间群之间的关联关系，如功能协同关系、隶属关系、敌我对立关系等，导致所能挖掘出的战场态势信息十分有限，无法从多个层次全面地审视战场空间中敌我双方的兵力部署、战术策略及行动企图等。

发明内容

针对现有技术中存在的问题，本发明提供了一种可将目标依次划分成空间群、功能群、相互作用群及敌/我/中立方群等四个层次，从而提供更加丰富的战场态势信息，在整个分群过程不依赖任何人工设定的阈值，具有更强的战场适应性的基于Louvain算法的海上态势生成多目标层次化分群方法。

本发明的目的通过以下技术方案实现。

一种基于Louvain算法的海上态势生成多目标层次化分群方法，包括以下步骤：

1）设计能够表征实体目标属性和运动状态的元素集合；

2）计算任意两目标u和v之间的距离；

3）设计度量分群结果的质量评价指标，作为每层分群操作是否应该终止的判别依据；

4）设计群参数更新方法：在对目标进行层次化分群时，上一层分群操作得到的群将被视为下一层分群操作的输入；

5）将态势图中的所有目标，转换成一张权重图，其中V是由权重图的顶点组成的集合，E是由任意两顶点之间的边组成的集合，并计算任意两顶点，即目标或群，和之间的边 的权重，；

6）基于上述设计的权重图、目标间距离、群参数更新方法、分群结果的质量评价指标，对权重图进行层次化分群操作，最终将海战场中的所有实体目标划分为若干空间群、功能群、相互作用群、敌/我/中立方群。