[發(fā)明專利]基于分割多向預(yù)測策略的動(dòng)態(tài)多目標(biāo)優(yōu)化方法

有效

• 申請?zhí)枺?/td>: 202010087473.5
• 申請日: 2020-02-11
• 公開（公告）號: CN111311638B
• 公開（公告）日: 2020-12-08
• 發(fā)明（設(shè)計(jì)）人: 齊智敏;馬賢明;宋亞飛;張海林;倪鵬;陳敏
• 申請（專利權(quán)）人: 中國人民解放軍軍事科學(xué)院評估論證研究中心
• 主分類號: G06T7/246
• 分類號: G06T7/246;G06N3/00;G06T7/11
• 代理公司: 北京豐浩知識產(chǎn)權(quán)代理事務(wù)所(普通合伙) 11781
• 代理人: 李學(xué)康

本發(fā)明公開了一種基于分割多向預(yù)測策略的動(dòng)態(tài)多目標(biāo)優(yōu)化方法，它針對線性模型預(yù)測誤差彌補(bǔ)不足的問題，能夠更好的預(yù)測最優(yōu)前沿的變化，保證對最優(yōu)前沿凹凸性的分布變化的預(yù)測，有效彌補(bǔ)方向預(yù)測的距離誤差。它包括如下步驟：(1)對動(dòng)態(tài)多目標(biāo)問題進(jìn)行描述；(2)分割多向預(yù)測。本發(fā)明的有益效果在于：首先將搜索到的最優(yōu)前沿進(jìn)行分割，依據(jù)最優(yōu)前沿的分割結(jié)果劃分種群，對種群每個(gè)部分進(jìn)行線性預(yù)測，借鑒云模型對于不確定時(shí)間的描述，用熵和超熵彌補(bǔ)預(yù)測誤差，針對動(dòng)態(tài)問題中可能發(fā)生的突發(fā)性非線性變化，采用偏角增強(qiáng)搜索策略保證預(yù)測過程中種群的多樣性。

技術(shù)領(lǐng)域

本發(fā)明屬于智能計(jì)算、多目標(biāo)優(yōu)化技術(shù)領(lǐng)域，具體涉及基于分割多向預(yù)測策略的動(dòng)態(tài)多目標(biāo)優(yōu)化方法。

背景技術(shù)

在空天高速目標(biāo)探測跟蹤過程中，由于目標(biāo)速度快、機(jī)動(dòng)能力強(qiáng)、飛行區(qū)域跨度大，單一傳感器難以有效持續(xù)探測跟蹤，因此運(yùn)用多源異構(gòu)傳感器調(diào)度技術(shù)合理安排探測跟蹤任務(wù)與時(shí)序顯得尤為重要。調(diào)度的資源主要包含天基紅外傳感器和地基雷達(dá)傳感器，涉及到的傳感器類型包括高軌紅外探測衛(wèi)星、低軌紅外衛(wèi)星、地基P波段雷達(dá)和地基X波段雷達(dá)等。

由于空天高速目標(biāo)是一類新型目標(biāo)，目前關(guān)于此類目標(biāo)探測跟蹤的傳感器資源調(diào)度問題的研究較少。衛(wèi)星資源調(diào)度與此問題相似，兩者的求解調(diào)度方案都是基于時(shí)間的資源分配問題。但是傳感器資源對目標(biāo)的探測跟蹤有嚴(yán)格的時(shí)間約束，如果在有限時(shí)間內(nèi)傳感器只能實(shí)現(xiàn)部分監(jiān)視或是無監(jiān)視，那么該任務(wù)失敗且不存在二次觀測的機(jī)會，這是與一般的遙感或是導(dǎo)航衛(wèi)星調(diào)度問題的主要區(qū)別。

由于問題特性不同，傳感器資源調(diào)度問題與傳統(tǒng)調(diào)度問題存在以下3點(diǎn)區(qū)別：

(1)任務(wù)無時(shí)間等待，目標(biāo)在有限時(shí)間內(nèi)不被觀測則沒有觀測機(jī)會。

(2)一對多和多對一同時(shí)存在的資源匹配，匹配規(guī)則不一致導(dǎo)致編碼和搜索難度加大。

(3)傳感器觀測時(shí)間碎片化，搜索過程中容易產(chǎn)生不符合約束條件的碎片時(shí)間，搜索難度加大。

針對上述問題，考慮構(gòu)建空天高速目標(biāo)探測跟蹤多源異構(gòu)傳感器資源調(diào)度模型因素，可以利用動(dòng)態(tài)多目標(biāo)優(yōu)化(Dynamic Multi-objective Optimization,DMO)模型來實(shí)現(xiàn)多源異構(gòu)傳感器資源的實(shí)時(shí)調(diào)度，為空天高速目標(biāo)的協(xié)同跟蹤構(gòu)建可靠的傳感器網(wǎng)絡(luò)。

動(dòng)態(tài)多目標(biāo)優(yōu)化問題(Dynamic Multi-objective Optimization Problem,DMOP)不僅表現(xiàn)出多目標(biāo)優(yōu)化問題的優(yōu)化目標(biāo)沖突、解空間維度高等特點(diǎn)，還具有優(yōu)化目標(biāo)、條件約束、決策空間隨時(shí)間變化的特點(diǎn)。傳統(tǒng)優(yōu)化方法受限較多，難以滿足現(xiàn)代化工程和科研的問題大規(guī)模、高時(shí)效性和復(fù)雜NP問題的要求。與傳統(tǒng)方法相比，進(jìn)化方法對問題模型要求低，求解效率高，并且表現(xiàn)出高度并行、自組織、自適應(yīng)等優(yōu)點(diǎn)，已經(jīng)應(yīng)用在許多工業(yè)應(yīng)用和研究領(lǐng)域。