基于粒子群退火的高密度目标注记配置

发布时间：2021-11-11 06:48

　　针对军用地图需要在漫游、放大、缩小时进行大数据量注记配置的问题,提出了一种基于粒子群-模拟退火的大数量级点状要素注记配置的算法。首先,为加快两种优化算法迭代过程中的寻优效率将点状要素进行网格化管理。其次,根据两种算法求解NP难问题的五大要素,以及两种算法迭代寻优过程需要的计算规则,给出了注记配置可行解的数字串形式、目标函数的计算方法、初始解的生成方法、邻域的选取与可行解加减法的规则。最后,在以上基础上,给出了该算法的具体步骤。实验证明,该算法充分发挥了粒子群算法与模拟退火算法各自的优势,不仅加速了收敛性,而且避免了搜索过程中进入局部最优。 

【文章来源】：电子设计工程. 2020,28(15)

【文章页数】：7 页

【部分图文】：

点注记候选位置示意图

以特定图层恰好缩放到整个屏幕并全图显示的情况下为测量基础，假设点状要素的注记屏幕长为L，屏幕宽为W，则按照该图层的范围利用网格覆盖并按照行列进行编号，网格单元的屏幕长为2L，屏幕宽为2W。如图2所示，将点状要素利用如下的网格化管理，在特定点注记配置的过程中，可以根据该点所在的网格快速找到其邻接网格，如一点状要素位于（i,j）网格内则在配置过程中选取的候选位置只需与位于网格（i+1,j-1）、（i+1,j）、（i+1,j+1）、（i,j-1）、（i,j+1）、（i-1,j-1）、（i-1,j）、（i-1,j+1）内并且已经配置过的点进行相交判断，这样极大地提升了注记位置合法性的判断效率。3 方法背景介绍与分析

前文的工作已经介绍了如下内容：1）；初始可行解的选取方法；2）粒子群在迭代时更新位置时的具体方法；3）模拟退火算法在迭代时邻域可行解的选取；4）目标函数的计算方法；5）利用点状要素的网格化管理将一般解调整到可行解的具体方法。在此基础上可将本文算法的具体流程总结如图3所示，在每次降温后粒子群算法负责收集所有的粒子并对其进行位置调整，将调整后的粒子作为模拟退火算法下一次降温迭代的初始解，而模拟退火算法负责全局迭代寻优。按照此种方式两种算法可发挥其各自的作用，粒子群算法起到了加速收敛的作用，模拟退火算法起到了避免进入局部最优在全局中搜索最优解。此外该算法由于每个粒子的退火迭代搜索过程相互独立，所以适合于并行计算来加速注记配置。图4 模拟退火降温迭代寻优流程图


本文编号：3488388