一種基于人工蟻群算法優化的粒子轉移方法及裝置制造方法及圖紙

本發明專利技術公開了一種基于人工蟻群算法優化的粒子轉移方法，該轉移方法對粒子進行重采樣之前，使用蟻群算法對粒子的后驗分布進行改進，通過基于概率的選擇方式使粒子集合的整體分布向高似然區域進行轉移，同時使用隨機數的方法來產生新的粒子，通過這種策略，可以使粒子向高似然區域移動的同時保持其多樣性，從而提高粒子濾波的估計精度；本發明專利技術還公開了一種基于人工蟻群算法優化的粒子轉移裝置，同樣能實現上述技術效果。

Particle transfer method and device based on artificial ant colony algorithm optimization

The invention discloses a method of transferring the artificial ant colony algorithm optimization based on particle, before the transfer method of resampling of particles, using ant colony algorithm to the posterior distribution of particles is improved, then transfer to the regional high like through the whole selection method based on probability distribution of the particle set, while using random number method to generate new particles, through this strategy, at the same time keep the diversity of the particles move to the high likelihood region, so as to improve the estimation accuracy of particle filter; the invention also discloses a transfer device of artificial ant colony algorithm optimization based on particle, also can realize the technical effect.

【技術實現步驟摘要】
一種基于人工蟻群算法優化的粒子轉移方法及裝置
本專利技術涉及粒子濾波
，更具體地說，涉及一種基于人工蟻群算法優化的粒子轉移方法及裝置。
技術介紹
在粒子濾波中一個普遍問題就是粒子退化現象，重采樣過程的引入在一定程度上抑制粒子退化現象的出現。然而重采樣過程中采取復制保留較高權值的粒子，刪減較低權值的粒子的結果，將必然導致粒子多樣性的減弱。經過若干次迭代后，所有粒子都將集中到一個點上，使得描述后驗概率密度函數的樣本點太少或不充分，特別是在樣本受限條件下，這種粒子多樣性減弱對于濾波精度的影響更為突出，甚至導致濾波發散現象。因此，如何克服粒子濾波過程中粒子多樣性降低的問題，是本領域技術人員需要解決的。
技術實現思路
本專利技術的目的在于提供一種基于人工蟻群算法優化的粒子轉移方法及裝置，以實現克服粒子濾波過程中粒子多樣性降低的問題。為實現上述目的，本專利技術實施例提供了如下技術方案：一種基于人工蟻群算法優化的粒子轉移方法，包括：S11、根據各樣本的初始值確定初始節點集合；S12、判斷當前時刻粒子有效度是否小于預定閾值；若是，則執行S13；若否，則執行S18；S13、從初始節點集合中選擇目標節點集合，并根據每個目標節點的信息素濃度和啟發信息，確定每個目標節點的轉移概率；S14、根據每個目標節點的轉移概率，隨機從目標節點集合中確定轉移節點；S15、計算每個初始節點向轉移節點的轉移距離，并根據轉移距離將初始節點集合中的每個初始節點向轉移節點轉移；S16、判斷初始節點集合轉移后的適應度是否大于轉移前的適應度；若是，則執行S17；若否，則取消轉移，將轉移節點移除目標節點集合，并繼續執行S14；S17、根據轉移距離更新初始節點集合，生成轉移后節點集合，并將轉移后節點集合作為初始節點集合，繼續執行S12；S18、計算初始節點集合的歸一化權值，并執行重采樣操作。其中，所述S11包括：根據初始狀態概率密度抽取各樣本的初始值，并生成初始節點集合。其中，所述S12中判斷當前時刻粒子有效度是否小于預定閾值，包括：獲取當前時刻的粒子權值；根據當前時刻的粒子權值計算當前時刻粒子有效度Neff，并判斷當前時刻粒子有效度是否小于預定閾值；其中：N為粒子總數，為n時刻的第i個粒子的粒子權值。其中，所述S15中計算每個初始節點向轉移節點的轉移距離，包括：若初始節點xi向轉移節點xj轉移，則轉移距離Li,j為：其中，xj-xi為轉移節點xj與初始節點xi之間的距離值，為轉移誤差，r為迭代次數，ζ為服從高斯分布N(0.1)的隨機值，λ為預定常量或者變量。其中，若λ為變量，則計算每個初始節點向轉移節點的轉移距離之前，還包括：計算初始節點xi的適應度fitness(xi)，以及轉移節點xj的適應度fitness(xj)，并根據初始節點xi的適應度fitness(xi)和轉移節點xj的適應度fitness(xj)，確定變量λ；其中，變量一種基于人工蟻群算法優化的粒子轉移裝置，包括：初始節點集合確定模塊，用于根據各樣本的初始值確定初始節點集合；第一判斷模塊，用于判斷當前時刻粒子有效度是否小于預定閾值；轉移概率確定模塊，用于在當前時刻粒子有效度小于預定閾值時，從初始節點集合中選擇目標節點集合，并根據每個目標節點的信息素濃度和啟發信息，確定每個目標節點的轉移概率；轉移節點確定模塊，用于根據每個目標節點的轉移概率，隨機從目標節點集合中確定轉移節點；轉移模塊，用于計算每個初始節點向轉移節點的轉移距離，并根據轉移距離將初始節點集合中的每個初始節點向轉移節點轉移；第二判斷模塊，用于判斷初始節點集合轉移后的適應度是否大于轉移前的適應度；節點更新模塊，用于在初始節點集合轉移后的適應度大于轉移前的適應度時，根據轉移距離更新初始節點集合，生成轉移后節點集合，并將轉移后節點集合作為初始節點集合，觸發第一判斷模塊；節點移除模塊，用于在初始節點集合轉移后的適應度不大于轉移前的適應度時，取消轉移，將轉移節點移除目標節點集合，并觸發轉移節點確定模塊；歸一化權值計算模塊，用于在當前時刻粒子有效度不小于預定閾值時，計算初始節點集合的歸一化權值，并執行重采樣操作。其中，所述初始節點集合確定模塊根據初始狀態概率密度抽取各樣本的初始值，并生成初始節點集合。其中，所述第一判斷模塊包括：獲取單元，用于獲取當前時刻的粒子權值；判斷單元，用于根據當前時刻的粒子權值計算當前時刻粒子有效度Neff，并判斷當前時刻粒子有效度是否小于預定閾值；其中：N為粒子總數，為n時刻的第i個粒子的粒子權值。其中，所述轉移模塊包括：轉移距離確定單元，用于在初始節點xi向轉移節點xj轉移時，根據轉移距離確定規則確定轉移距離Li,j；其中轉移距離確定規則為：其中，xj-xi為轉移節點xj與初始節點xi之間的距離值，為轉移誤差，r為迭代次數，ζ為服從高斯分布N(0.1)的隨機值，λ為預定常量或者變量。其中，所述轉移模塊還包括：確定單元，用于在λ為變量時，計算初始節點xi的適應度fitness(xi)，以及轉移節點xj的適應度fitness(xj)，并根據初始節點xi的適應度fitness(xi)和轉移節點xj的適應度fitness(xj)，確定變量λ；其中，變量通過以上方案可知，本專利技術實施例提供的一種基于人工蟻群算法優化的粒子轉移方法，包括：S11、根據各樣本的初始值確定初始節點集合；S12、判斷當前時刻粒子有效度是否小于預定閾值；若是，則執行S13；若否，則執行S18；S13、從初始節點集合中選擇目標節點集合，并根據每個目標節點的信息素濃度和啟發信息，確定每個目標節點的轉移概率；S14、根據每個目標節點的轉移概率，隨機從目標節點集合中確定轉移節點；S15、計算每個初始節點向轉移節點的轉移距離，并根據轉移距離將初始節點集合中的每個初始節點向轉移節點轉移；S16、判斷初始節點集合轉移后的適應度是否大于轉移前的適應度；若是，則執行S17；若否，則取消轉移，將轉移節點移除目標節點集合，并繼續執行S14；S17、根據轉移距離更新初始節點集合，生成轉移后節點集合，并將轉移后節點集合作為初始節點集合，繼續執行S12；S18、計算初始節點集合的歸一化權值，并執行重采樣操作。具體的，解決權值蛻化并保持樣本多樣性的方法是需要平衡產生預測樣本的建議分布與目標分布的關系，建議分布必須使大量樣本準確處于狀態空間中的高似然區域，這樣，目標分布才能為大多數樣本分配到不可忽略的權值，因此在本實施例中，對粒子進行重采樣之前，使用蟻群算法(AntColonyOptimizationACO)對粒子的后驗分布進行改進，通過基于概率的選擇方式使粒子集合的整體分布向高似然區域進行轉移，同時使用隨機數的方法來產生新的粒子，通過這種策略，可以使粒子向高似然區域移動的同時保持其多樣性，從而提高粒子濾波的估計精度；本專利技術還公開了一種基于人工蟻群算法優化的粒子轉移裝置，同樣能實現上述技術效果。附圖說明為了更清楚地說明本專利技術實施例或現有技術中的技術方案，下面將對實施例或現有技術描述中所需要使用的附圖作簡單地介紹，顯而易見地，下面描述中的附圖僅僅是本專利技術的一些實施例，對于本領域普通技術人員來講，在不付出創造性勞動的前提下，還可以根據這些附圖獲得其他的附圖。圖1為本專利技術實施例公開的一種本文檔來自技高網...

【技術保護點】
一種基于人工蟻群算法優化的粒子轉移方法，其特征在于，包括：S11、根據各樣本的初始值確定初始節點集合；S12、判斷當前時刻粒子有效度是否小于預定閾值；若是，則執行S13；若否，則執行S18；S13、從初始節點集合中選擇目標節點集合，并根據每個目標節點的信息素濃度和啟發信息，確定每個目標節點的轉移概率；S14、根據每個目標節點的轉移概率，隨機從目標節點集合中確定轉移節點；S15、計算每個初始節點向轉移節點的轉移距離，并根據轉移距離將初始節點集合中的每個初始節點向轉移節點轉移；S16、判斷初始節點集合轉移后的適應度是否大于轉移前的適應度；若是，則執行S17；若否，則取消轉移，將轉移節點移除目標節點集合，并繼續執行S14；S17、根據轉移距離更新初始節點集合，生成轉移后節點集合，并將轉移后節點集合作為初始節點集合，繼續執行S12；S18、計算初始節點集合的歸一化權值，并執行重采樣操作。

【技術特征摘要】
1.一種基于人工蟻群算法優化的粒子轉移方法，其特征在于，包括：S11、根據各樣本的初始值確定初始節點集合；S12、判斷當前時刻粒子有效度是否小于預定閾值；若是，則執行S13；若否，則執行S18；S13、從初始節點集合中選擇目標節點集合，并根據每個目標節點的信息素濃度和啟發信息，確定每個目標節點的轉移概率；S14、根據每個目標節點的轉移概率，隨機從目標節點集合中確定轉移節點；S15、計算每個初始節點向轉移節點的轉移距離，并根據轉移距離將初始節點集合中的每個初始節點向轉移節點轉移；S16、判斷初始節點集合轉移后的適應度是否大于轉移前的適應度；若是，則執行S17；若否，則取消轉移，將轉移節點移除目標節點集合，并繼續執行S14；S17、根據轉移距離更新初始節點集合，生成轉移后節點集合，并將轉移后節點集合作為初始節點集合，繼續執行S12；S18、計算初始節點集合的歸一化權值，并執行重采樣操作。2.根據權利要求1所述的粒子轉移方法，其特征在于，所述S11包括：根據初始狀態概率密度抽取各樣本的初始值，并生成初始節點集合。3.根據權利要求2所述的粒子轉移方法，其特征在于，所述S12中判斷當前時刻粒子有效度是否小于預定閾值，包括：獲取當前時刻的粒子權值；根據當前時刻的粒子權值計算當前時刻粒子有效度Neff，并判斷當前時刻粒子有效度是否小于預定閾值；其中：N為粒子總數，為n時刻的第i個粒子的粒子權值。4.根據權利要求1-3中任意一項所述的粒子轉移方法，其特征在于，所述S15中計算每個初始節點向轉移節點的轉移距離，包括：若初始節點xi向轉移節點xj轉移，則轉移距離Li,j為：其中，xj-xi為轉移節點xj與初始節點xi之間的距離值，為轉移誤差，r為迭代次數，ζ為服從高斯分布N(0.1)的隨機值，λ為預定常量或者變量。5.根據權利要求4所述的粒子轉移方法，其特征在于，若λ為變量，則計算每個初始節點向轉移節點的轉移距離之前，還包括：計算初始節點xi的適應度fitness(xi)，以及轉移節點xj的適應度fitness(xj)，并根據初始節點xi的適應度fitness(xi)和轉移節點xj的適應度fitness(xj)，確定變量λ；其中，變量6.一種基于人工蟻群算法優化的粒子轉移裝置，其特征在于，包括：初始節點集合確定模塊，用于根據各樣本的初始值確定初始節點集合；...

【專利技術屬性】
技術研發人員：梁楠，岳鵬飛，張鷹，宋曉輝，劉師，劉新，張洪敏，張偉，丁冉，
申請(專利權)人：河南省科學院應用物理研究所有限公司，
類型：發明
國別省市：河南,41