[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 |
| 地址: | 430000 湖北省武漢市*** | 國省代碼: | 湖北;42 |
| 權(quán)利要求書: | 查看更多 | 說明書: | 查看更多 |
| 摘要: | |||
| 搜索關(guān)鍵詞: | 多目標(biāo) 優(yōu)化 進化 算法 傳感器 目標(biāo) 分配 方法 系統(tǒng) | ||
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;
該專利技術(shù)資料僅供研究查看技術(shù)是否侵權(quán)等信息,商用須獲得專利權(quán)人授權(quán)。該專利全部權(quán)利屬于中國船舶重工集團公司第七0九研究所,未經(jīng)中國船舶重工集團公司第七0九研究所許可,擅自商用是侵權(quán)行為。如果您想購買此專利、獲得商業(yè)授權(quán)和技術(shù)合作,請聯(lián)系【客服】
本文鏈接:http://www.szxzyx.cn/pat/books/201410379566.X/2.html,轉(zhuǎn)載請聲明來源鉆瓜專利網(wǎng)。
- 同類專利
- 專利分類
G06F 電數(shù)字?jǐn)?shù)據(jù)處理
G06F19-00 專門適用于特定應(yīng)用的數(shù)字計算或數(shù)據(jù)處理的設(shè)備或方法
G06F19-10 .生物信息學(xué),即計算分子生物學(xué)中的遺傳或蛋白質(zhì)相關(guān)的數(shù)據(jù)處理方法或系統(tǒng)
G06F19-12 ..用于系統(tǒng)生物學(xué)的建模或仿真,例如:概率模型或動態(tài)模型,遺傳基因管理網(wǎng)絡(luò),蛋白質(zhì)交互作用網(wǎng)絡(luò)或新陳代謝作用網(wǎng)絡(luò)
G06F19-14 ..用于發(fā)展或進化的,例如:進化的保存區(qū)域決定或進化樹結(jié)構(gòu)
G06F19-16 ..用于分子結(jié)構(gòu)的,例如:結(jié)構(gòu)排序,結(jié)構(gòu)或功能關(guān)系,蛋白質(zhì)折疊,結(jié)構(gòu)域拓?fù)洌媒Y(jié)構(gòu)數(shù)據(jù)的藥靶,涉及二維或三維結(jié)構(gòu)的
G06F19-18 ..用于功能性基因組學(xué)或蛋白質(zhì)組學(xué)的,例如:基因型–表型關(guān)聯(lián),不均衡連接,種群遺傳學(xué),結(jié)合位置鑒定,變異發(fā)生,基因型或染色體組的注釋,蛋白質(zhì)相互作用或蛋白質(zhì)核酸的相互作用
- 用于實現(xiàn)多目標(biāo)方業(yè)務(wù)或操作的方法和裝置
- 基于智能視頻分析平臺的多目標(biāo)跟蹤方法及其系統(tǒng)
- 多目標(biāo)設(shè)計選擇方法和系統(tǒng)
- 一種針對多目標(biāo)的地面導(dǎo)航系統(tǒng)及其方法
- 一種無斷點多目標(biāo)信號合成方法
- 基于多智能體深度增強學(xué)習(xí)的多目標(biāo)跟蹤方法
- 一種多目標(biāo)跟蹤方法
- 一種航空紅外視頻多目標(biāo)檢測與跟蹤方法及裝置
- 一種多目標(biāo)推薦方法、多目標(biāo)推薦模型生成方法以及裝置
- 一種區(qū)域多目標(biāo)衛(wèi)星探測仿真方法及系統(tǒng)





