[发明专利]一种基于组合多目标鸽群优化的无人机态势数据聚类方法

摘要

本发明公开一种基于组合多目标鸽群优化的无人机态势数据聚类方法：加载数据集；计算数据集的差异矩阵和邻接矩阵；利用普利姆算法求解最小生成树；将最小生成树中的边集划分为强连接边集和弱连接边集；对强连接边集进行解码，并进行聚类的预计算；产生初始鸽群并解码得到聚类结果，然后采用紧密性和连续性评价初始时刻鸽群；对初始鸽群进行非支配排序，确定当前时刻鸽群的全局历史最优位置和中心位置；更新鸽群的位置和速度，对鸽群位置解码得到聚类结果，更新鸽群全局历史最优位置和中心位置，持续该过程直至满足终止条件。本发明方法实现简单，降低了计算负荷，降低了决策空间的维度，更容易搜索到最优解，具备较好地适应不同聚类需求的能力。

主权项

1.一种基于组合多目标鸽群优化的无人机态势数据聚类方法，其特征在于：该方法步骤如下：步骤一：加载无人机态势数据集加载待处理的数据集，并计算数据集中数据的个数N_data以及数据的维数M_data，用来表示数据集中的第i个数据节点；步骤二：计算数据集的差异矩阵和邻接矩阵；步骤三：求解最小生成树根据邻接矩阵，采用普利姆算法求解最小生成树；步骤四：将最小生成树中的边集划分为强连接边集和弱连接边集步骤五：对强连接边集进行解码得到预聚类结果；步骤六：产生初始鸽群随机生成p_size个鸽子，每只鸽子包含空间位置和速度；步骤七：评价t＝0时刻鸽群的目标函数；步骤九：更新鸽子的位置和速度；步骤八：对初始鸽群进行非支配排序，确定当前时刻鸽群的全局历史最优位置和中心位置；步骤十：评估t+1时刻鸽群的适应度函数根据步骤六对鸽子进行解码，形成聚类，并计算t+1时刻鸽群的适应度函数；基于目标函数值比较鸽子p_i(t+1)与鸽子p_j(t+1)的支配关系，将所有位于第一级非支配层的非支配鸽子保存到外部存档集AS中；步骤十一：对外部存档集AS进行非支配排序，并依据拥挤距离来选择AS中需要舍弃的鸽子；步骤十二：更新鸽子的全局最优位置以及中心位置，并更新鸽群数量；步骤十三：判断是否停止迭代仿真迭代次数t＝t+1；若t大于最大仿真迭代次数T_max，则仿真结束，进入步骤十四；否则，返回步骤八；步骤十四：输出数据聚类结果输出聚类结果，并绘制Pareto前沿曲线。