基于遗传算法的吊放声纳搜潜策略优化

周田宰，李居伟

（海军航空工程学院青岛校区，山东青岛266041）

基于遗传算法的吊放声纳搜潜策略优化

周田宰，李居伟

（海军航空工程学院青岛校区，山东青岛266041）

针对吊放声纳搜潜策略问题，在平均分配每点的搜索时间的典型搜潜策略的基础上，采用遗传算法优化搜潜策略中的吊点选择，进而给出合理的吊放声纳搜潜路径。算法中，利用实数编码优化初始种群，采用轮盘赌和期望值相结合的混合选择策略优化种群的进化。仿真运算表明：采用遗传算法优化吊放声纳搜潜路径是一种具有研究价值的方法，但算法复杂，计算量大，工程实现还需要进一步研究简化。

航空反潜，吊放声纳，搜潜算法，遗传算法

0 引言

吊放声纳搜潜技术研究从本质上讲是一个离散空间优化搜索问题。在目标位置的分布函数未知时，可以假设一个分布函数并确定最优搜索策略，按此策略搜索时，对实际目标的搜索概率取决于假设的分布函数与实际分布函数的误差，即该误差越小，对实际目标的搜索概率越接近于最优的搜索概率［1］。

在实际搜潜任务中，目标潜艇的真实分布函数是难以准确描述的。假设目标在各个搜索区域是均匀分布的，搜潜策略就是平均分配每点的搜索时间。这种搜索策略最易执行，也比较符合实际情况。因此，在典型搜潜算法中，在每个吊放点分配相同的搜索时间是合理的，对其进行优化的重点应放在每个吊放点的选择方面，即优化吊放声纳搜潜策略，合理规划反潜直升机的运动轨迹。在上述基本条件下，本文主要研究了一种基于实数编码遗传算法的吊放声纳搜潜策略优化算法。

1 算法描述

在使用吊放声纳搜索潜艇的过程中，常用的典型搜索路径有：直线搜索路径、方形搜索路径、锯齿搜索路径、矩形搜索路径和螺旋线搜索路径，实际使用中各有优劣［2-3］。为提升搜潜效能，本文采用遗传算法对吊放声纳的搜潜策略进行优化。为了改善遗传算法的计算复杂性，扩大搜索解空间，节省计算时间，提高运算效率，采用实数编码产生初始种群，并采用轮盘赌和期望值相结合的混合选择策略对搜潜路径进行优化。

1.1 计算流程

下面以单架反潜直升机在搜索区域内搜索服从均匀分布的目标（潜艇）为例，设计基于实数编码遗传算法的吊放声纳搜潜算法流程，如图1所示。

图1 基于遗传算法的吊放声纳优化搜潜算法流程图

在模型中，初始种群搜索路径由以下搜索路径产生：随机搜索路径、直线搜索路径、方形搜索路径、锯齿搜索路径、矩形搜索路径和螺旋线搜索路径，而计算（适应度函数）搜索路径的搜潜概率采用蒙特卡洛法。

（1）为了验证每种搜索路径的搜潜概率，对每种不同的搜索路径分别产生200条搜索路径作为初始种群，采用遗传算法对每种搜索路径进行仿真；

（2）为了验证搜索路径（包括：随机搜索路径、直线搜索路径、矩形搜索路径、方形搜索路径、锯齿搜索路径和螺旋线搜索路径）混合后的搜潜概率，产生500条搜索路径作为初始种群，采用遗传算法进行仿真，进化150代。

为了使吊放声纳覆盖所有搜索区域，初始种群既可以是随机搜索路径、直线搜索路径、矩形搜索路径、方形搜索路径、锯齿搜索路径和螺旋线搜索路径的混合，也可以是单一种类的搜索路径。为了增加域范围、扩大搜索空间、改善了遗传算法的计算复杂性、提高运算效率采用实数编码产生上述搜索路径。

1.2 轮盘赌和期望值相结合的混合选择策略

从初始种群中依照概率选择100条搜索路径，为下一步的交叉和变异操作做准备。遗传算法选择［4-8］的方法很多，主要有：轮盘赌法，截断选择，规范化均匀分布，锦标选择法，精华保存法等，这些方法多是基于概率的选择，使得适应度高的个体也有可能被淘汰，适应度低的个体也有可能被选择，从而导致早熟现象。为了克服以上缺点，仿真中采用了轮盘赌和期望值相结合的混合选择策略，其基本思想是：首先计算种群中（N个个体）每个个体被选择的期望值K，根据K确定个体被选中的次数M，形成新种群，最后采用轮盘赌法再为被选中的个体中进行选择，放入新种群中，直到种群数为N。基本操作步骤如下：

（1）引入i个体被选择的期望值K：

（2）确定种群中个体被选中的次数M：M=ln（k），形成新种群，但个体数只有∑M个；

（3）采用轮盘赌法在余下的N-∑M个个体中选择N-∑M个个体，直到种群数达到N为止，选择概率取为：

（4）对所选择的100条搜索路径，依据有性和无性复制规则进行交叉操作，之后再依据扰动的消除规则进行变异操作。

（5）依概率到适应度函数，对交叉和变异后的搜索路径进行评价，求出本代中有多少条搜索路径能搜到潜艇，并使用蒙特卡洛法计算其搜潜概率。最后要根据每运行30代，将本代中适应度最低的搜索路径更换一般的原则更新基因库，判断是否满足条件，如果满足条件则退出程序，否则重复（2）步～（4）步，直到满足条件为止。

2 仿真分析

为了验证基于遗传算法优化的吊放声纳混合路径搜潜策略的搜潜效果，编写Matlab程序进行仿真运算，仿真参数设置如下：

（1）以反潜直升机接受命令，从载舰起飞在指定区域的搜索目标潜艇开始计时，最长搜潜时间3 h。

（2）搜索区内有且只有1艘目标潜艇，目标潜艇初始位置在搜索区域内服从内均匀分布，且在搜索期间，目标潜艇运动速度远小于直升机的平均速度。

（3）反潜直升机巡航速度为Vcruise，探测点之间的过渡速度用平均速度Vhs表示，且通常情况下反潜直升机的巡航速度要大于其平均速度。

（4）吊放声纳的战术作用范围是以吊放声纳为圆心，以吊放声纳的战术作用距离R为半径的圆。

（5）混合搜索路径初始种群500条搜索路径，其中随机搜索路径占60%、直线搜索路径占16%、方形搜索路径6%、锯齿搜索路径占6.4%、矩形搜索路径占7.4%和螺旋线搜索路径占5.2%。

（6）每条搜索路径12个吊放点，从初始种群中应用轮盘赌和和期望值相结合的混合选择策略选择100条优化路径，误差进化150代。

经过仿真运算，基于遗传算法优化的吊放声纳混合路径搜潜策略的搜潜概率随进化代数变化的关系如图2所示。

图2 搜潜概率随进化代数变化的关系

由图2可以看出：①随着进化代数的增加，搜潜概率总体上呈上升的趋势，由第1代的0.22增加到72代的0.63，高于任一单一搜索路径的搜潜概率［3］（其最大值0.56）；②为了克服遗传算法中常出现的“早熟”现象，采用了轮盘赌和期望值相结合的混合选择策略，从而使搜潜概率在第72代达到最高，但计算量大，在目前主流配置计算机上的仿真运行时间长达7 h；③为了使基因库（好的搜索路径）保持多样性，防止遗传算法陷入局部最优解，采用了每30代更新一次基因库中一半最坏的基因（坏的搜索路径），反映在图2中，在30代、60代时有明显的波动现象。

3 结论

仿真研究结果表明：与传统的搜潜算法相比，采用遗传算法优化吊放声纳搜潜路径是一种具有研究价值的方法。但是遗传算法存在着算法复杂、计算量大和运行时间过长的缺点，工程实现还需要进一步研究简化。

［1］［美］劳伦斯·D·斯通.最优搜索理论［M］.北京：海潮出版社，1990.

［2］孙明太，王涛，赵绪明.反潜直升机吊声搜潜效能的建模与仿真［J］.火力与指挥控制，2005，30（3）：33-36.

［3］李长明，杨健，王晶.舰载直升机反潜搜索最佳方案优选模型及应用［J］.火力与指挥控制，2005，30（8）：68-71.

［4］Ladokhin A S，White S H.Alphas and Taus of Membranes. Biophys［J］.2001，81（3）:1825-1827.

［5］Herrera F，Lozano M.Gradual Distributed Genetic Real Coded Genetic Algorithms［J］.IEEE Traps on Evolutionary Computation，2000，5（1）:43-63.

［6］潘正君，康立山，陈毓屏.演化计算［M］.北京：清华大学出版社，1998.

［7］谢振华，张兵，欧阳寰，等.吊放纳螺旋形应召搜潜效能仿真研究［J］.四川兵工学报，2014，35（1）：17-20.

［8］李敏强，寇纪淞，林丹，等.遗传算法的基本理论与应用［M］.北京：科学出版社，2002.

Study of Dipping Sonar Submarine Search Path Based on Genetic Algorithm

ZHOU Tian-zai，LI Ju-wei
（Qingdao branch of Naval Aeronautical Engineering Academy，Qingdao 266041，China）

Aim at the problem of dipping sonar antisubmarine search path，a search tactics based on GA is given.In the algorithm，the initial population is optimized by Real-number coding，the evolution algorithm is optimized by turntable bet and expected value method.Simulation Results show that the application of the Genetic Algorithm for dipping sonar submarine search path optimization is a high value method，but it is a complex and large calculation algorithm，therefore further research and simplification are required in project implementation.

aviation antisubmarine，dipping sonar，search latent algorithm，genetic algorithm

U666.72，TP301.6

A

1002-0640（2015）02-0077-03

2013-12-11

2014-01-24

周田宰（1972-），男，河南淮滨人，硕士，讲师。研究方向：航空反潜战术、反潜装备保障。