專利名稱：基于進化的目標(biāo)分配方法
技術(shù)領(lǐng)域：
本發(fā)明屬于計算機技術(shù)領(lǐng)域，更進一步涉及計算智能技術(shù)領(lǐng)域中的一種基于進化的目標(biāo)分配方法。該方法結(jié)合匈牙利方法和進化方法來得到目標(biāo)分配方案，可應(yīng)用于物流運輸、車間調(diào)度、金融投資、機器人足球大賽領(lǐng)域中的資源分配。
背景技術(shù)：
目標(biāo)分配在物流運輸、車間調(diào)度、金融投資、機器人足球大賽領(lǐng)域起著非常重要的作用，它能為物流運輸、車間調(diào)度、金融投資提供一個資源的優(yōu)化配置方案，以期得到最好的效益，同時也使機器人足球大賽的球員具有了自動選擇防守目標(biāo)的能力。目前，人們更多采用遍歷搜索和進化的方法來進行目標(biāo)分配。遍歷搜索對于小規(guī)模的問題不失為一種可行的優(yōu)化問題解法，但隨著問題規(guī)模的擴大，搜索空間將呈指數(shù)形式遞增，完全遍歷搜索變得不切實際。進化算法是基于達爾文進化論，在計算機上模擬生命進化機制而發(fā)展起來的新方法，但這種方法有容易陷入局部最優(yōu)，速度緩慢的缺點，研究難度較大。哈爾濱工程大學(xué)申請的專利“基于拓?fù)浼s束和匈牙利算法的高密度細(xì)胞追蹤方法”(專利申請?zhí)朇N201010598463. 4，公布號CN102034M6A)公開的高密度細(xì)胞追蹤方法的主要步驟包括(1)采用水平集算法與局部灰度閾值法相結(jié)合的圖像分割方法對細(xì)胞圖像序列進行分割，并對每一幀分割后的細(xì)胞初始標(biāo)號；(2)對第k幀中的任意待匹配細(xì)胞根據(jù)距離限制在k+Ι幀中建立追蹤的搜索區(qū)域，將區(qū)域中的細(xì)胞列為候選細(xì)胞；(3)建立系數(shù)矩陣Q;(4)利用匈牙利算法對系數(shù)矩陣進行變換，找出獨立零元素，其行列代表的細(xì)胞相匹配；( 找出矩陣變換后沒有獨立零元素的行列，對其所對應(yīng)的細(xì)胞分別進行考慮；(6) 將k加1，跳到第2步，重復(fù)進行，直到圖像序列的最后一幀。該專利申請公開的技術(shù)存在的不足是，由于其所使用的匈牙利方法無法處理高維的問題，在待分配的目標(biāo)數(shù)目增加的情況下，解的精度會降低，求解速度也會變慢。該方法只能得到一對一的目標(biāo)分配結(jié)果，無法得到多個對一個、一個對多個的目標(biāo)分配結(jié)果。上海大學(xué)申請的專利“基于差分進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡(luò)最優(yōu)部署方法”(專利申請?zhí)朇N20101(^90702. X，公布號CN102014398A)，公開了一種基于差分進化算法的大規(guī)模工業(yè)無線傳感器網(wǎng)絡(luò)最優(yōu)部署方法，通過對節(jié)點進行優(yōu)化部署以保證系統(tǒng)可靠性，涉及工業(yè)無線傳感器網(wǎng)絡(luò)和智能計算兩個領(lǐng)域。該方法首先根據(jù)工業(yè)現(xiàn)場實際空間、 障礙物、無線傳感器功率、精度要求，對空間進行自動坐標(biāo)化，然后以總節(jié)點數(shù)和簇頭負(fù)載標(biāo)準(zhǔn)差最小為目標(biāo)，冗余需求為約束條件建立節(jié)點部署模型，“ 1 ”表示在對應(yīng)網(wǎng)格點布置簇頭，“0”表示不布置，并提出了一種新的二進制差分進化算法對該模型進行優(yōu)化求解。該專利申請公開的技術(shù)存在的不足是，其所使用的進化方法計算速度緩慢，運行時間長，無法滿足實時性的要求。

發(fā)明內(nèi)容
4
本發(fā)明的目的在于克服上述已有技術(shù)的不足，提出一種基于進化的目標(biāo)分配方法。該方法用匈牙利方法來初始化目標(biāo)分配結(jié)果種群，用進化方法來對目標(biāo)分配結(jié)果種群進行優(yōu)化，能為物流運輸、車間調(diào)度、金融投資提供一個資源的優(yōu)化配置方案，同時也使機器人足球大賽的球員具有了自動選擇防守目標(biāo)的能力。本發(fā)明的具體思路是用戶根據(jù)具體情況輸入風(fēng)險矩陣和效能矩陣，其中，風(fēng)險矩陣是把每個資源分配給每個目標(biāo)所承擔(dān)的風(fēng)險值或者受到的損失組成的矩陣，效益矩陣是把每個資源分配給每個目標(biāo)所能獲得的效益組成的矩陣；用匈牙利方法初始化分配結(jié)果種群，得到第一代目標(biāo)分配結(jié)果；用進化方法里的交叉操作、變異操作對種群進行優(yōu)化，每一次進化得到一組新解，通過選擇操作選擇一組解作為當(dāng)前分配結(jié)果種群；滿足終止條件時， 選擇一個最好的目標(biāo)分配方案輸出。本方法借鑒了匈牙利方法速度快的優(yōu)點以及進化算法解決大規(guī)模問題的能力，能得到合理的目標(biāo)分配方案。為實現(xiàn)上述目的，本發(fā)明的具體步驟如下(1)構(gòu)建風(fēng)險矩陣和效益矩陣la)將影響風(fēng)險值的各因素值進行歸一化處理后，求和得到風(fēng)險值；lb)用風(fēng)險值構(gòu)建風(fēng)險矩陣如下
權(quán)利要求
1. 一種基于進化的目標(biāo)分配方法，包括以下步驟(1)構(gòu)建風(fēng)險矩陣和效益矩陣la)將影響風(fēng)險值的各因素值進行歸一化處理后，求和得到風(fēng)險值； lb)用風(fēng)險值構(gòu)建風(fēng)險矩陣如下
2.根據(jù)權(quán)利要求1所述的基于進化的目標(biāo)分配方法，其特征在于步驟Ga)中所述的種群規(guī)模的個體數(shù)為20-50。
3.根據(jù)權(quán)利要求1所述的基于進化的目標(biāo)分配方法，其特征在于步驟Ga)中所述的進化的最大代數(shù)不低于100代。
4.根據(jù)權(quán)利要求1所述的基于進化的目標(biāo)分配方法，其特征在于步驟(7)中所述的評價值按下式得到
5.根據(jù)權(quán)利要求1所述的基于進化的目標(biāo)分配方法，其特征在于步驟(8)中所述的終止條件為當(dāng)前循環(huán)的代數(shù)達到最大代數(shù)。
全文摘要
本發(fā)明公開了基于進化的目標(biāo)分配方法，主要解決現(xiàn)有目標(biāo)分配方法中匈牙利方法無法處理高維以及只能得到一對一的目標(biāo)分配結(jié)果的問題。其實現(xiàn)步驟如下(1)構(gòu)建風(fēng)險矩陣和效益矩陣；(2)輸入；(3)選擇模式；(4)初始化；(5)交叉操作；(6)變異操作；(7)選擇操作；(8)判斷是否滿足終止條件，如果滿足則進行下一步，否則轉(zhuǎn)到步驟(3)；(9)輸出目標(biāo)分配結(jié)果。本發(fā)明采用匈牙利方法初始化種群，用進化方法進行種群優(yōu)化，能得到一對多、多對一、多對多的目標(biāo)分配結(jié)果，具有運算速度快的優(yōu)點。
文檔編號G06N3/00GK102324059SQ20111025752
公開日2012年1月18日 申請日期2011年9月1日 優(yōu)先權(quán)日2011年9月1日
發(fā)明者于昕, 劉芳, 吳建設(shè), 李陽陽, 焦李成, 王爽, 王達, 董帥君 申請人:西安電子科技大學(xué)