[發(fā)明專利]多目標(biāo)優(yōu)化差分進化算法的傳感器目標(biāo)分配方法及系統(tǒng)

有效

• 申請?zhí)枺?/td>: 201410379566.X
• 申請日: 2014-08-04
• 公開（公告）號: CN104156584B
• 公開（公告）日: 2017-07-11
• 發(fā)明（設(shè)計）人: 李倫;吳漢寶;黃友澎;胡忠輝
• 申請（專利權(quán)）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(wù)所(普通合伙)42212
• 代理人: 胡清堂

技術(shù)領(lǐng)域

本發(fā)明涉及信息融合技術(shù)領(lǐng)域，尤其涉及一種多目標(biāo)優(yōu)化差分進化算法的傳感器目標(biāo)分配方法及系統(tǒng)。

背景技術(shù)

隨著科技的發(fā)展，各種面向復(fù)雜應(yīng)用背景的多傳感器系統(tǒng)大量涌現(xiàn)，已廣泛應(yīng)用在工業(yè)、農(nóng)業(yè)、交通、氣象預(yù)報、環(huán)境監(jiān)測、地球科學(xué)觀測等各個領(lǐng)域。為了充分發(fā)揮多傳感器系統(tǒng)的協(xié)同探測性能，必須對傳感器資源進行科學(xué)合理的分配，因此產(chǎn)生了信息融合領(lǐng)域傳感器管理的概念。傳感器管理是指利用多個傳感器收集關(guān)于目標(biāo)與環(huán)境的信息，以任務(wù)為導(dǎo)向，在一定的約束條件下，合理分配參與執(zhí)行任務(wù)的傳感器,通過使傳感器信息在網(wǎng)絡(luò)中實現(xiàn)共享，恰當(dāng)分配或驅(qū)動多傳感器協(xié)同工作完成相應(yīng)的任務(wù)，以使一定的任務(wù)性能最優(yōu)。其中，傳感器目標(biāo)分配是傳感器管理的一項重要內(nèi)容，即對多傳感器多目標(biāo)監(jiān)測任務(wù)進行分配調(diào)度，在滿足監(jiān)測精度的條件下不至于過渡浪費資源，從而發(fā)揮多傳感器協(xié)同探測的能力。

多傳感器多目標(biāo)分配問題是典型的最優(yōu)化問題，傳統(tǒng)的求解方法是根據(jù)傳感器目標(biāo)感知概率建立目標(biāo)監(jiān)測效能函數(shù)，然后采用傳統(tǒng)規(guī)劃類或新興智能優(yōu)化方法進行求解。這種方法求解屬于單目標(biāo)優(yōu)化問題，往往能夠獲取全局最優(yōu)解，且監(jiān)測的效能能實現(xiàn)最大化，但往往分配結(jié)果會過多的使用傳感器資源，造成一定程度的資源浪費。可以通過增加一個傳感器使用率函數(shù)，即在監(jiān)測效能函數(shù)最大化的基礎(chǔ)上，使傳感器使用率最小。這樣就可以將傳感器目標(biāo)分配問題轉(zhuǎn)化為多目標(biāo)優(yōu)化問題。

多目標(biāo)優(yōu)化問題是指多個目標(biāo)函數(shù)在解的可行域上的優(yōu)化問題，在科學(xué)研究和工程實踐中許多優(yōu)化問題均可歸結(jié)為多目標(biāo)優(yōu)化問題，包括目標(biāo)分配、城市運輸、能量分配、網(wǎng)絡(luò)優(yōu)化、資本預(yù)算、工業(yè)制造等。傳統(tǒng)的多目標(biāo)優(yōu)化方法是將多個目標(biāo)函數(shù)通過偏好加權(quán)轉(zhuǎn)化為單目標(biāo)優(yōu)化問題，而現(xiàn)實工程應(yīng)用中決策者不易獲取偏好權(quán)值，使得決策造成困難。

因此，現(xiàn)有的多傳感器多目標(biāo)分配的方法存在偏好權(quán)值不易獲得，進而使得決策造成困難的缺陷。

發(fā)明內(nèi)容

有鑒于此，有必要提供一種能夠克服現(xiàn)有的多傳感器多目標(biāo)分配的方法存在偏好權(quán)值不易獲得缺陷的多目標(biāo)優(yōu)化差分進化算法的傳感器目標(biāo)分配方法及系統(tǒng)。

一種多目標(biāo)優(yōu)化差分進化算法的傳感器目標(biāo)分配方法，其包括以下步驟：

S1、獲取監(jiān)測目標(biāo)的特征參數(shù)，對所述特征參數(shù)進行評估以獲得目標(biāo)的目標(biāo)重要程度，對目標(biāo)重要程度進行歸一化處理得到目標(biāo)威脅權(quán)重；

S2、根據(jù)傳感器目標(biāo)感知概率模型以及所述目標(biāo)威脅權(quán)重生成傳感器目標(biāo)監(jiān)測效能函數(shù)；根據(jù)傳感器的使用情況，生成傳感器使用率函數(shù)；對所述傳感器目標(biāo)監(jiān)測效能函數(shù)和所述傳感器使用率函數(shù)進行標(biāo)準(zhǔn)化處理，得到約束多目標(biāo)優(yōu)化模型；

S3、對傳感器目標(biāo)分配方案進行編碼，并在分配方案的解集合內(nèi)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(jù)所述約束多目標(biāo)優(yōu)化模型對初始種群中每種分配方案計算傳感器目標(biāo)監(jiān)測效能函數(shù)值和傳感器使用率函數(shù)值；通過所述傳感器目標(biāo)監(jiān)測效能函數(shù)值以及傳感器使用率函數(shù)值建立坐標(biāo)系計算每種分配方案的秩，并根據(jù)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(yīng)度，并記錄為最優(yōu)非劣層的親代分配方案種群，所述最優(yōu)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(gòu)成Pareto最優(yōu)解集；如果不滿足迭代終止條件，則跳轉(zhuǎn)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(chǎn)生傳感器目標(biāo)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(guī)模相同的分配方案種群；

S8、跳轉(zhuǎn)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(yōu)解集，根據(jù)Pareto最優(yōu)解集對傳感器目標(biāo)進行分配。

一種多目標(biāo)優(yōu)化差分進化算法的傳感器目標(biāo)分配系統(tǒng)，其包括以下模塊：

目標(biāo)重要程度確定模塊，用于獲取監(jiān)測目標(biāo)的特征參數(shù)，對所述特征參數(shù)進行評估以獲得目標(biāo)的目標(biāo)重要程度，對目標(biāo)重要程度進行歸一化處理得到目標(biāo)威脅權(quán)重；

優(yōu)化函數(shù)生成模塊，用于根據(jù)傳感器目標(biāo)感知概率模型以及所述目標(biāo)威脅權(quán)重生成傳感器目標(biāo)監(jiān)測效能函數(shù)；并用于根據(jù)傳感器的使用情況，生成傳感器使用率函數(shù)；還用于對所述傳感器目標(biāo)監(jiān)測效能函數(shù)和所述傳感器使用率函數(shù)進行標(biāo)準(zhǔn)化處理，得到約束多目標(biāo)優(yōu)化模型；