基于蟻群—遺傳算法的改進多目標數據關聯方法

張慧軍

摘 要：蟻群算法，其實又被叫做螞蟻算法，這是一種用在圖形當中的算法，主要是尋找圖中的優化路徑。把蟻群算法同傳統的遺傳算法進行結合，那么就有了一種新的計算方法，就是多目標數據關聯的方法，這種計算的方法是通過一個團體當中的個體將信息攜帶，并且把整個的信息要素模型進行了優化和擴張，這種算法也提高了計算的速度，局部出現極值的情況也避免了。而且還將交叉變異的方法和團體的接受力的模型引入了計算方法當中，經過大數法則的實驗，表明了這種計算的方法不但能夠將關聯的準確率提高，還可以加快了關聯的速度。

關鍵詞：數據關聯；蟻群算法；遺傳算法

進入21世紀，各項科學技術都有了快速的發展，戰場的環境越來越復雜，武器裝備越來越先進，這種情況的出現，帶了一種新的局面就是傳感器數據融合技術的研究越來越受歡迎，國內國外很多的學者都對目標的數據關聯方法進行了深入的研究。當中有一部分學者把目標數據關聯的排列形式進行了優化重組，使其的表現方式更加的全面。最近幾年當中，仿生算法變得愈加的成熟，一些學者專家把這種算法帶入到多目標數據關聯當中，并且進行了第一階段的研究工作。仿真實驗數據結果顯示，通過改良的數據關聯算法在實際的操作的時候，不論是準確性還是關聯度，都具有非常顯著性的優化效果。

1 以組合優化作為基本方法的多目標數據關聯辦法

1.1 多目標數據關聯的基礎樣式

在觀測區當中同時出現多個傳感器對不同的區域進行觀測的時候，數據之間的關聯性其實就是一種觀測分配的過程。在本文當中，主要就是利用拉格朗日松弛算法，在低維分配問題當中，把蟻群算法和傳統的遺傳算法進行結合，力求找到解決問題的最佳途徑，結合來自于同一個目標的數量測定控制蟻群的最開始的形式，信息的要素就是變異辦法的組成部分，在有次數限制的多次疊加的數據當中尋找到最好的解決辦法，就可以達到數據關聯的目的了。

1.2 大范圍內的2維算法和多目標的數據關聯

根據拉格朗日的松弛算法，多個2維的分配問題能夠能夠組成s-維分配問題的轉化形式，使用的辦法就是依靠拉格朗日乘子把相應的制約性條件放到代價函數當中，從而實現2維算法的目的，得出一個極小值，那么通過這一項就可以了解到一個最確切的下限，相應的可操作性的值就是一個確切的上限。這二者之間的差值就被叫做相同的對偶空隙，通過多次的疊加過程，得到一個不斷優化完善了的拉格朗日乘子，這樣就可以讓對偶解和可行解呈現出最大的相似性。

2 蟻群-遺傳算法在數據關聯當中的使用

在多維算法當中，它的目的就是為了把整體的最小值用代價函數的方式表現出來，每一個蟻族的個體建立的具有關聯性的記號做一個區域的劃分，那么整個團體當中就能夠取得一種集體的劃分形式，在經過了多次的疊加工作之后，那么這一整個團體就會朝著最好的數值方向前進。ACDA在對蟻群算法的實際使用過程當中進行了一個最簡單的研究工作，把蟻群算法和傳統的遺傳算法進行有機的結合，可以把這兩種算法之間的優點進行融合，也就是把這樣兩種計算方法分成兩種或者是多種的求解方法，在計算空間當中的二次優化過程的時候，每個不一樣的算法還是存在著自身的缺點和不足的，比如說遺傳算法當中的數值設置相對繁瑣，而且對于計算的性能也會產生不小的影響，而蟻群算法的缺點就是工作開始的階段收縮的速度非常的慢。把蟻群-遺傳算法實際使用到數據關聯的工作當中主要是從兩個方面進行考慮，一個是航測-觀測對的建立，另一個就是信息要素的模型設計。第一個方面的內容和關聯的準確率直接掛鉤，而第二個方面會對在計算的過程當中具體的操作時間和各種數據之間的疊加造成直觀的影響。

3 結語

本文進行研究的主要方法就是在高目標高密度的條件之下進行各個目標之間的追蹤工作，通過使用單個的螞蟻攜帶的信息要素進行編碼的操作，并且透過變異交叉的基本原則對整個的信息要素進行更新，能夠良好的提高數據的關聯效率和準確率，通過對遺傳算法的結合，能夠加快數值的收縮和提高運算的速度，然后可以透過各種信息之間的改變和完善，調整信息要素的模型建立，同時能夠避免小范圍內出現極值的現象，從而能夠從多個目標范圍當中實現數據據算的準確率和提高運行的速度。

[參考文獻]

[1]袁東輝，劉大有，申世群.基于蟻群—遺傳算法的改進多目標數據關聯方法[J].通信學報.2011（06）.

[2]張波雷，許蘊山，夏海寶.一種基于自適應蟻群算法的數據關聯方法[J].傳感器與微系統，2012年08期.

[3]蘇剛.聲探測低空目標定位濾波算法及數據關聯算法研究[D].杭州電子科技大學，2012年.