[發明專利]多目標優化差分進化算法的傳感器目標分配方法及系統

有效

• 申請號: 201410379566.X
• 申請日: 2014-08-04
• 公開（公告）號: CN104156584B
• 公開（公告）日: 2017-07-11
• 發明（設計）人: 李倫;吳漢寶;黃友澎;胡忠輝
• 申請（專利權）人: 中國船舶重工集團公司第七0九研究所
• 主分類號: G06F19/00
• 分類號: G06F19/00
• 代理公司: 武漢河山金堂專利事務所(普通合伙)42212
• 代理人: 胡清堂

1.一種多目標優化差分進化算法的傳感器目標分配方法，其特征在于，其包括以下步驟：

S1、獲取監測目標的特征參數，對所述特征參數進行評估以獲得目標的目標重要程度，對目標重要程度進行歸一化處理得到目標威脅權重；

S2、根據傳感器目標感知概率模型以及所述目標威脅權重生成傳感器目標監測效能函數；根據傳感器的使用情況，生成傳感器使用率函數；對所述傳感器目標監測效能函數和所述傳感器使用率函數進行標準化處理，得到約束多目標優化模型；

S3、對傳感器目標分配方案進行編碼，并在分配方案的解集合內隨機生成若干個分配方案，形成分配方案的初始種群；

S4、根據所述約束多目標優化模型對初始種群中每種分配方案計算傳感器目標監測效能函數值和傳感器使用率函數值；通過所述傳感器目標監測效能函數值以及傳感器使用率函數值建立坐標系計算每種分配方案的秩，并根據分配方案的秩的大小進行Pareto集非劣分層和計算分配方案適應度，并記錄為最優非劣層的親代分配方案種群，所述最優非劣層的分配方案集即Pareto前端解集；

S5、判斷初始種群是否滿足迭代終止條件，如果滿足終止條件，則初始種群中的所有第一非劣層解即構成Pareto最優解集；如果不滿足迭代終止條件，則跳轉到步驟S6；

S6、對于初始種群按照差分進化算法的差分變異、交叉和選擇算子進行差分進化操作，產生傳感器目標分配方案的子代分配方案種群；

S7、合并所述初始種群和所述子代分配方案種群，并篩選出與初始種群規模相同的分配方案種群；

S8、跳轉到步驟S5對所述分配方案種群進行是否滿足迭代終止條件的判斷，直至獲得Pareto最優解集，根據Pareto最優解集對傳感器目標進行分配；

其中，所述步驟S2中：傳感器目標監測效能函數如下：

其中m表示有m個目標，n表示有n個傳感器，目標i的目標重要程度為w_i；

傳感器目標感知概率模型如下:

其中，m表示有m個目標，x_ij取值為0或1，0表示第j個傳感器不對第i個目標進行跟蹤，取值為1表示第j個傳感器對第i個目標進行監測，表示第j個傳感器對目標i的感知概率；

傳感器使用率函數如下：

其中，m^max_j表示m個傳感器的最大監測目標批數，表示每個傳感器分配監測目標的批數；

約束多目標優化模型如下：

其中f₁和f₂分別表示標準化后的監測效能函數和傳感器使用率函數。

2.如權利要求1所述的多目標優化差分進化算法的傳感器目標分配方法，其特征在于，所述步驟S3包括如下子步驟：

S31、對多傳感器目標分配方案按照二進制形式進行編碼；

S32、按目標順序排列確定是否分配該目標給各種傳感器；

S33、將每個目標分配的傳感器的碼字串在一起，形成一個分配方案。

3.如權利要求2所述的多目標優化差分進化算法的傳感器目標分配方法，其特征在于，所述步驟S4中所述Pareto集非劣分層包括將解集合中的所有分配方案進行類似有效的非劣分層用以區分分配方案的優劣關系，進而為選擇具有優勢的解集合提供依據。

4.如權利要求3所述的多目標優化差分進化算法的傳感器目標分配方法，其特征在于，

所述步驟S7中通過Pareto占優的方式選擇與初始種群規模相同的分配方案種群，選擇的依據為Pareto非劣分層和個體擁擠距離。