本发明属于传感器资源管理领域，具体涉及一种基于群智能的多传感器协同探测任务群自适应划分方法。
背景技术：
1、多传感器组网相对于单传感器具有节点数量多、灵活自组织、生存能力强等特点，通过多传感器之间的信息融合和协同工作，可以有效实现对指定区域内的目标监测与跟踪等任务。在多传感器组网协同过程中，并不是时时刻刻都需要启用所有传感器对特定目标进行探测，因此一个挑战性的问题就是在如何在有限的资源约束条件下实现传感器节点与目标之间的优化分配，即如何根据当前的任务需求，选择有限的传感器节点组合，完成对指定目标的探测任务。
2、在传感器节点众多且可用的协同模式也较多时，直接对协同模式与最优节点组合进行匹配求解会导致待寻优空间十分巨大，难以满足实际工程中对实时性的要求。因此，可以通过先选出适当的传感器组合形成一个特定的任务群，再在该任务群中完成协同模式与最优节点组合的匹配求解，从而降低优化求解的维度，满足实际工程应用需求。
技术实现思路
1、本发明针对多传感器组网任务分配过程中的降维优化需求，提出了一种多传感器协同探测任务群自适应划分方法，从而有效实现多传感器协同任务分配。具体包括以下步骤：
2、网内各传感器首先根据探测需要、各传感器状态，以及目标信息，形成满足探测任务要求的节点组合策略，再通过将具有共同节点的节点组合方式进行聚类，最终形成协同探测任务群。
3、假设网内中共有m个传感器节点，令当前节点组合策略如下所示：
4、b＝[b1,b2,...,bi,...,bm] (1)
5、其中，
6、
7、为了能够评价不同节点组合策略的优劣，定义协同节点组合策略的收益函数如下所示：
8、f(b)＝f1(r)+f2(c)-λ·f3(m) (2)
9、其中，
10、
11、
12、
13、
14、
15、收益函数f(b)是一个与编码方式b有关的函数，它总共由三部分组成，第一部分f1(r)是一个所有参与协同探测的传感器与对应的目标j之间的距离r的函数。目标j离节点i越近，则同等条件下发现目标的概率会更高，这里用u(ri)衡量距离远近带来的收益大小，其中，ri表示第i个传感器到目标j的距离，rimax和rimin分别表示m个传感器中到目标j的最大距离和最小距离；第二部分f2(c)是关于协同模式数量c的函数，令在某种工作方式下，共有k种协同模式，则根据不同协同模式需要满足的拓扑需求，计算当前的编码方式b是否能够支持协同模式ck，其中ck＝1表示当前编码方式支持协同模式k，否则表示不支持，则能够支持的模式数量越多，则收益越高；第三部分f3(m)是一个对参与节点数量的惩罚项，即约束参与协同的节点数量不能太多，参数λ用于控制惩罚项的权重。
16、综上，通过最大化每个目标的收益函数，即可得到最优节点组合策略，如下式所示：
17、bbest＝arg max f(b) (7)。
18、为了求解上述问题，这里采用遗传算法进行优化求解。遗传算法是一种智能优化算法，通过全面模拟自然选择和遗传机制形成的一种搜索算法。遗传算法涉及的要素包括：参数编码、初始群体、适应度函数的设计、遗传操作的设计。下面结合本专利的需求对其进行说明。
19、(1)参数编码
20、遗传算法不能直接处理问题空间的参数，只能处理以位串形式表示的个体，要使用遗传算法，就必须把优化问题的解的参数形式转换成位串的形式，这种转换就叫做编码。在本发明中，公式(1)所定义的节点组合策略即为遗传算法的编码方式。
21、(2)初始群体
22、遗传算法在求解问题时是从初始给定的多个解开始搜索的，这个初始给定的解集合便是初始群体。
23、这里，根据公式(1)通过随机方式，生成l个种群序列bl。
24、(3)适应度函数设计
25、适应度函数是群体中各个个体对环境的适应度的一种度量，通过适应度函数来决定个体的优劣程度。适应度是评价个体好坏的唯一标准。这里采用公式(2)定义的收益函数作为个体的适应度函数。
26、(4)遗传操作
27、遗传操作一般包括选择、交叉和变异三种基本形式，他们构成了遗传算法具备强大搜索能力的核心，是模拟自然选择以及遗传过程中发生的选择、杂交和突变现象的主要载体。
28、选择算子就是按照某种方法从父代群体中选择一些个体遗传到下一代，反映了遗传算法对个体进行优胜劣汰操作。这里对于每次遗传过程中适应度最高的个体直接遗传到下一代，其余的个体则采用轮盘赌选择方式选择遗传。
29、交叉就是指两个个体按照某种方式交换其部分基因，从而形成新的个体。这里采用单点交叉的方式进行交叉。具体操作为：从群体中以交叉概率pc选择要交叉的个体，在两个父个体中随机设定一个交叉点，然后将两个个体交叉点后的部分进行互换，生成两个新个体。
30、变异就是按照某种方法将个体编码串中的某些基因用其他基因值代替，从而形成新的个体。这里采用均匀变异的方式进行变异，对群体中所有个体的每个基因位以变异概率pm从对应基因的取值范围内取一随机数替代原有基因，从而生成新的个体。
31、(5)通过对种群进行遗传迭代，最终得到的适应度最高的个体即为最佳的节点组合策略。
32、(6)最后，如果不同目标具有共同传感器节点，将这些节点组合策略合并，形成协同任务群。
33、本发明的有益效果在于
34、本发明针对传感器网络中的协同任务群划分问题，根据传感器任务、目标与传感器之间的相对位置关系等，设计了任务群划分的收益函数计算方式，并基于遗传算法进行迭代优化，实现了传感器网络的协同任务群自适应划分，具备自主选择与决策的特点，无需人工干预，且简单易行，可以满足实际工程需要。
1.一种基于群智能的多传感器协同探测任务群自适应划分方法，其特征在于：网内各传感器首先根据探测需求、传感器状态以及目标信息，形成满足探测任务要求的节点组合策略，再通过将具有共同节点的节点组合方式进行聚类，最终形成协同探测任务群；具体包括：
