(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111106553.1 (22)申请日 2021.09.2 2 (71)申请人 广州杰赛科技股份有限公司 地址 510310 广东省广州市海珠区新港中 路381号 (72)发明人 林凡　郭淑林　刘晨阳　 (74)专利代理 机构 广州三环 专利商标代理有限 公司 44202 代理人 麦小婵　郝传鑫 (51)Int.Cl. G06F 30/18(2020.01) G06F 30/27(2020.01) G06N 3/00(2006.01) H04N 7/18(2006.01) G06F 111/04(2020.01) (54)发明名称 一种公共场合 监控设备的布局方法 (57)摘要 本发明公开了一种公共场合监控设备的布 局方法， 通过构建监控设备布局的模 型约束条件 和目标函数， 根据可安装监控设备位置定义微生 物算法的微生物种群的个体， 并设定算法维度和 最大迭代次数； 根据所述目标函数计算种群每一 个体的适应度值， 并利用精英 反向学习机制初始 化种群； 计算种群的微生物重量， 并根据微生物 算法更新个体位置； 采用二次插值法再次更新个 体位置， 并计算产生的新个体的适应度值， 保留 更新前后适应度值最高的最佳个体， 输出所有最 佳个体， 作为监控设备的位置。 考虑监控设备的 成本、 监控设备使用寿命及监控设备的监控范 围， 计算公共场所合理的监控设备安装布局。 权利要求书3页 说明书10页 附图1页 CN 113971330 A 2022.01.25 CN 113971330 A 1.一种公共场合 监控设备的布局方法， 其特 征在于， 所述方法包括： S1， 构建需监控区域的监控设备数量和监控设备安装位置的模型约束条件， 并构建监 控设备布局的目标函数； S2， 根据需监控区域的所有可安装监控设备位置定义微生物算法的微生物种群的个 体， 并设定算法维度和最大迭代次数； S3， 根据所述目标函数计算种群每一个体的适应度值， 并利用精英反向学习机制初始 化种群； S4， 计算种群的微 生物重量并更新 微生物算法的第一控制参数； S5， 更新微生物算法的第二控制参数， 并根据微 生物算法更新个 体位置； S6， 采用二次插值法再次更新个体位置， 并计算产生的新个体的适应度值， 保留更新前 后适应度值 最高的最佳个 体； S7， 更新最佳个体数， 若最佳个 体数小于所述 最大迭代次数， 返回步骤S4； 若最佳个 体数不小于所述 最大迭代次数， 输出 所有最佳个 体， 作为监控设备的位置 。 2.根据权利要求1所述的公共场 合监控设备的布局方法， 其特征在于， 所述模型约束条 件具体为： ∑j∈Myj＝P； 所述目标函数为： 其中， N为需监控区域的集合， M为监控设备安装位点的集合， dij为监控设备对所述需监 控区域的有效监控范围， P为监控设备位置个数， B为监控设备安装成本， r为监控设备安装 产生的作用价值， k为监控设备寿命减少系数， Di为需监控区域可安装的监控设备， G为监控 设备安装点最大监控范围 ， xi j和yj均为约束变量 ， t为监控设备使 用年限 ， 3.根据权利要求2所述的公共场 合监控设备的布局方法， 其特征在于， 所述根据需监控 区域的所有可安装监控设备位置定义微生物算法的微生物种群的个体， 并设定算法维度和 最大迭代次数， 具体包括： 在需监控区域的所有可安装监控设备的位置随机选择N个位置， 作为初始的种群个体， 每一个位置对应一个 个体； 预设算法维度D和最大迭代次数T。权　利　要　求　书 1/3 页 2 CN 113971330 A 24.根据权利要求3所述的公共场 合监控设备的布局方法， 其特征在于， 所述根据 所述目 标函数计算种群 每一个体的适应度值， 并利用精英反向学习机制初始化种群， 具体包括： 以所述目标函数作为 适应度函数 计算种群中每一个 体的适应度值； 计算种群中个 体的适应度值 最高的C个 个体作为精英个 体 计算每一精英个 体的反向解 当精英个 体的反向解超过动态边界[lbj， ubj]， 采用重 置方程重 置反向解； 其中， 所述重置方程为 为重置后的 个体， rand为均匀分布在0到1之间的随机数， i＝1,2, …,C， j＝1,2, …,D， xi,j为种群中的个 体， δ为区间[0， 1]上的随机值， lbj＝min (Xi， j)， ubj＝max(Xi， j)， lbj和ubj分别为动态边界的下界和上界。 5.根据权利要求4所述的公共场 合监控设备的布局方法， 其特征在于， 所述微生物重量 具体为 所述第一控制参数 具体为a＝arctanh(1 ‑(t/T))； 其中， S(i)为当前个体的适应度值， DF为种群中出现的最高适应度值， r2为均匀分布 于0 到1之间的随机数， T是最大迭代次数， t为当前迭代次数， condit ion表示当前种群中适应度 值不小于所有个体适应度值的中值的所有个体， others表 示当前种群中适应度值小于所有 个体适应度值的中值的所有个体， bF代表当前迭代获取的个体中的最高的适应度值， wF代 表当前迭代获取的个体中的最低的适应度值， SIndex(i)为适应度值序列， tanh()为双曲 正切函数。 6.根据权利要求5所述的公共场 合监控设备的布局方法， 其特征在于， 所述更新微生物 算法的第二控制参数， 并根据微 生物算法更新个 体位置， 具体包括： 以更新公式p＝tanh|S(i) ‑DF|更新所述第二控制参数； 判断微生物算法中均匀分布在0 到1之间的随机数rand与自定义 参数Z的大小关系； 当rand＜z时， 以位置更新公式X(t+1)＝rand ×(UB‑LB)+LB更新 微生物位置； 当rand≥z时， 判断微 生物算法中由0 到1之间的随机数r1与第二控制参数p的大小； 当r1＜p时， 以位置更新公式X(t+1)＝Xb(t)+vb×(W×Xrand1(t)‑Xrand2(t))更新微生物 位置； 当r1≥p时， 判断由0 到1之间的随机数r4是否大于 0.5； 当r4＜0.5时， 以位置更新 公式X(t+1)＝Xb(t)÷(MOP+ε )×((UB‑LB)×μ+LB更新微生物 位置； 当r4≥0.5时， 以位置更新公式X(t+1)＝Xb(t) ×MOP×((UB‑LB)×μ+LB； 其中， S(i)代表当前个体适应度 值， DF为种群中出现的最 高适应度 值， UB与LB为动态边 界的上界和下界， X(t+1)为更新之后的微生物的位置， X(t)为更新之前的微生物的位置， Xb权　利　要　求　书 2/3 页 3 CN 113971330 A 3