一种基于混沌免疫遗传机制的UUV智能体行为学习与演化模型
专利汇可以提供一种基于混沌免疫遗传机制的UUV智能体行为学习与演化模型专利检索，专利查询，专利分析的服务。并且本 发明 属于 水 下无人系统建模与仿真技术领域，具体涉及一种基于混沌免疫遗传机制的UUV智能体行为学习与演化模型。首先，载入待求解问题及约束条件作为 抗原 Ag，根据 疫苗 群、记忆种群和混沌机制产生初始化 抗体 种群；其次，根据抗体适应度计算结果，利用疫苗接种机制实现学习过程收敛方向的控制，并完成抗体记忆库的更新；最后，依次设计基于轮盘赌的选择算子、基于自适应调整的交叉算子和基于高斯与多项式混合的变异算子实现抗体种群的多样性，并进行早熟抑制，进而实现抗体种群的更新与 迭代 。该模型结合基本遗传 算法 全局搜索能 力 和免疫与混沌机制局部搜索能力的优势，通过不断调整和优化问题解的搜索空间，从而促进行为规则的快速学习与演化。，下面是一种基于混沌免疫遗传机制的UUV智能体行为学习与演化模型专利的具体信息内容。
1.一种基于混沌免疫遗传机制的UUV智能体行为学习与演化模型，其特征在于：
包括以下步骤：
步骤1：抗原识别：载入待求解问题及约束条件作为抗原Ag；
步骤2：疫苗提取：利用专家和先验知识及依据抗原Ag的特征作为疫苗信息hj，采用二进制编码方式形成基因组，构建规模大小为N1的疫苗群AH：
其中：T为矩阵转置符号；
步骤3：初始化抗体种群：k＝0时，记忆种群AM的规模大小为N2，其中k为迭代次数，种群规模为N的初始化抗体种群为AB＝[Ab1,Ab2,…,Abi,…,AbN]T,i＝1,2,…,N，N2＜N，初始化抗体种群AB根据记忆种群AM的具体情况由疫苗群AH和随机种群AR组成，或由疫苗群AH、记忆种群AM和随机种群AR组成，或由记忆种群AM和随机种群AR组成；其中随机种群AR采用混沌机制产生；具体混沌机制通过设定初始值Ab0，Ab0是启动Logistic映射模型的初始值，采用一维Logistic映射模型产生N/2规模的随机种群AR，具体混沌模型和随机种群AR分别为：
rl＝4×rl-1×(1-rl-1),l＝1,2,…,N/2 (2)
AR＝[r1,r2,…,rl,…,rN/2]T,l＝1,2,…,N/2 (3)
其中，rl代表初始值Ab0迭代的中间变量，直至形成N/2个随机种群AR；
步骤4：适应度计算：当k>1，计算初始化抗体种群AB中每一个抗体Abi适应度Fitnessk(Abi),i＝1,2,…,N，选择适应度最高maxFitnessk(Abi)的抗体进入抗体记忆库，记忆库规模更新为N2+1；
步骤5：疫苗接种：在初始化抗体种群AB中自适应选择规模为H(H
步骤6：结束判断：结束条件设置为是否满足最大迭代次数M，如果k满足k>＝M，停止，输出结果最优行为规则Rule；如果k满足k
抗体与抗体之间的亲和力反映了抗体之间的相似性，抗体浓度被提出衡量抗体之间的相似性，其主要计算相似抗体在抗体种群中所占的比例：
其中，Concentrationk(Abi)表示第k代抗体Abi的浓度，Si,j表示抗体Abi和抗体Abj的相似度，i(j)表示除抗体Abi之外其余抗体的数量，Ki,j表示抗体Abi和抗体Abj编码相同的位数，L表示抗体编码长度，τ表示相似度阈值，如果Ki,j/L大于等于τ，则Si,j＝1，如果Ki,j/L小于τ，则Si,j＝0；
基于抗体浓度，抗体Abi的期望繁殖率计算为：
式中，Fitnessk(Abi)表示第k代抗体Abi的适应度，λ为多样性评价系数；
根据抗体的期望繁殖率计算进行选择操作，采用轮盘赌的方式按照每次赌盘指针所落概率范围确定所选抗体，直到选择N个抗体种群A_N为止，具体为随机产生浮点数Π∈(0,1]作为赌盘指针，如果Pk(Abi-1)＜Π≤Pk(Abi)，则选择抗体Abi，其中Pk(Abi)表示抗体Abi期望繁殖率；
步骤8：抗体交叉：对种群A_N按照自适应交叉概率进行单点抗体交叉，形成种群规模为N的新种群B_N；
抗体依据自适应交叉概率进行单点交叉操作，形成新种群B_N，其中第k代交叉概率采用自适应机制进行计算：
式中， 表示抗体种群A_N中的最大适应值， 表示抗体种群的平均适应
值，Fitnessk表示要交叉的两个抗体Abi和Abj中较大的适应度，i,j＝1,2,…,N,k1和k2为预设常数；
步骤9：抗体变异：对种群B_N采用基于多项式与高斯混合的变异操作，形成种群规模为N的新种群C_N；
多项式变异具有良好的局部逃逸，其形式为 和xi为抗体Abi变
异前后的反向译码数值，xmax和xmin分别为种群B_N反向译码的上限和下限，δk表示第k代的变异控制参数，其计算为：
其中，ak为满足[0,1]均匀分布的随机数，η表示变异分布指数；
高斯变异是指用符合均值为μ，方差为σ2的正态分布的一个随机数来替代原有抗体的基因值，具备较强的局部搜索能力，采用形式为 和xi为抗体Abi变异前后的反向译码数值，δk表示第k代的变异控制参数，其计算为：
δk＝0.1×N(0,1) (10)
其中，N(0,1)表示0均值1标准差的一维正态分布随机数；
为了结合多项式变异和高斯变异的优势，根据参数θk来实现两种变异操作的转换，其计算为：
其中，b为高斯变异的预设概率，c为预设参数，k为当前迭代次数，M为最大迭代次数，Fitnessk(Abi)为第k代抗体种群B_N中抗体Abi(i＝1,2,…,N)的适应值， 表示第k代抗体种群B_N中的最大适应值, 表示第k代抗体种群B_N中的最小适应值。如果θk＜0.5，采用高斯变异，反之采用多项式变异，生成规模为N的新种群C_N；
步骤10：抗体早熟判断：计算种群C_N平均适应值进行早熟判断，如果早熟，进行正弦混沌变异的多样性维持，生成规模为N的新种群D_N，返回步骤7；否则，将种群C_N直接作为下一代抗体群，执行步骤11；
早熟判断基于种群平均适应值Fitnessarg进行判断，具体为：
式中， 为第k代抗体种群C_N的平均适应值，ω1和ω2为很小的预设正参数；
如果不满足公式(12)和公式(13)，则说明抗体没有发生早熟现象；如果同时满足公式(12)和公式(13)，则说明抗体种群发生早熟现象，采用基于正弦的混沌变异操作，维持种群多样性，具体形成种群规模为N的新种群D_N，计算如下：
其中，xi表示抗体Abi的二进制反向解码后的量值，需要指出的是通过混沌变异生成的新抗体xi+1需要进行正向二进制编码；
步骤11：更新迭代次数k←k+1,返回步骤4。
2.根据权利要求1所述的一种基于混沌免疫遗传机制的UUV智能体行为学习与演化模型，其特征在于：
所述步骤3中的初始化抗体种群AB通过以下步骤来确定：
步骤3.1：如果抗体记忆种群AM为空，即N2＝0，则初始化抗体种群AB由两部分组成：(1)N/2规模的种群根据疫苗群AH随机组合产生(2)N/2规模采用混沌机制由随机种群AR产生，即初始化抗体种群AB＝AH∪AR；
步骤3.2：如果抗体记忆种群AM不为空，并且规模N2＜N/2，初始化抗体种群AB由三部分组成：(1)采用混沌机制随机产生的规模为N/2的随机种群AR(2)记忆库提供的规模为N2的抗体记忆种群AM(3)由疫苗库产生的规模为N/2-N2的疫苗群AH，即初始化抗体种群AB＝AH∪AR∪AM；
步骤3.3：如果抗体记忆种群AM不为空，并且规模N2＞N/2，初始化抗体种群AB由两部分组成：(1)采用混沌机制随机产生的规模为N/2的随机种群AR(2)记忆库提供的规模为N/2的抗体记忆种群AM，即初始化抗体种群AB＝AR∪AM。
3.根据权利要求2所述的一种基于混沌免疫遗传机制的UUV智能体行为学习与演化模型，其特征在于：
所述步骤5中，比较接种前父代抗体Abi与抗原的适应度Fitnessk(Abi)和接种后子代抗体 与抗原的适应度
步骤5.1：如果适应度提高，则在初始化抗体种群AB中用接种过的子代抗体替代接种前的父代抗体，即 则
步骤5.2：如果适应度降低，表示抗体种群在退化，则遗弃子代抗体，保留父代抗体，即则Abi维持不变。
一种基于混沌免疫遗传机制的UUV智能体行为学习与演化
模型
技术领域
背景技术
发明内容
具体实施方式
| 标题 | 发布/更新时间 | 阅读量 |
|---|---|---|
| 一种深度自编码网络的旋转机械健康评估方法 | 2020-05-12 | 235 |
| 一种饲用春油菜亲本资源的快速选育方法 | 2020-05-14 | 945 |
| 一种主动配电网运行状态评估方法 | 2020-05-14 | 794 |
| 新生儿遗传代谢病与血红蛋白病的基因检测探针组及其应用 | 2020-05-11 | 352 |
| 一种降低水稻籽粒落粒性的分子改良方法 | 2020-05-12 | 504 |
| 肉用西门塔尔牛6号染色体上与后腿长相关的SNP位点及应用 | 2020-05-15 | 406 |
| 一种多优势性状刺参的复合选育及其应用方法 | 2020-05-17 | 84 |
| 一种快速检测绵羊LRRFIP1基因CNV标记的方法及其应用 | 2020-05-08 | 130 |
| 一种用于H1N1亚型流感病毒遗传进化谱系鉴别的方法 | 2020-05-08 | 492 |
| 一种基于体细胞胚发生的细叶百合高效遗传转化体系 | 2020-05-11 | 664 |
高效检索全球专利专利汇是专利免费检索,专利查询,专利分析-国家发明专利查询检索分析平台，是提供专利分析，专利查询，专利检索等数据服务功能的知识产权数据服务商。
我们的产品包含105个国家的1.26亿组数据，免费查、免费专利分析。
专利汇分析报告产品可以对行业情报数据进行梳理分析，涉及维度包括行业专利基本状况分析、地域分析、技术分析、发明人分析、申请人分析、专利权人分析、失效分析、核心专利分析、法律分析、研发重点分析、企业专利处境分析、技术处境分析、专利寿命分析、企业定位分析、引证分析等超过60个分析角度，系统通过AI智能系统对图表进行解读，只需1分钟，一键生成行业专利分析报告。
