[发明专利]多目标优化方法和设备

说明书

本发明涉及一种优化系统(1)，该优化系统(1)包括：数据输入装置(4)；装置(2)，用于使用所输入的数据来为所考虑的目标中的每一个定义标准；元件(6)，用于分别对标准中的每一个进行优化以获得这些标准中每一个的最优个体，最优个体包括针对所述标准的至少一个最优可行值；元件(8)，用于使用进化博弈算法来确定最优个体的存活系数；以及元件(10)，用于借助于存活系数以及应用突变算子使最优个体突变来确定最优解，最优解包括至少一个最终最优值，该最终最优值使得能够实现全部所考虑的目标的优化。

技术领域

本发明涉及一种多目标优化设备和方法，尤其还涉及一种资源分配系统和方法，该系统和方法分别包括前述设备和前述方法。

背景技术

“多目标优化”(或者多个目标的优化)的意思是定义一种最优解，该最优解同时对多个不同目标进行最优化。

多目标优化存在于诸多领域中，尤其存在于必须定义优化解的工业领域中。一般来说，这些目标并不总是成对可比较的，诸如在物流领域中，当目的是在使发送时间和发送装置经过的距离最小的同时使发送物的数量最大。通过示例的方式来提到车辆的配置，在该配置中，在使车辆的重量和燃料消耗最小的同时性能必须达到最优。

尽管可用于众多领域，本发明更特别应用于军事领域，更准确来说，应用于使用资源分配计算的命令和控制(C2)系统的情况下，该C2系统即为在P个导弹和L个(导弹)发射台的情况下在数字上计算应对例如N个威胁的最佳解的优化和协调模块，N、P和L为整数。所提出的分配中的每一个都对其他分配造成新的约束。十分明显的是，在此情况下的约束是从操作约束到技术约束的多重约束。

在本申请中，所要考虑的目标例如为存储物的平衡管理、快速的介入、任务成功概率最大化、与防御区域上空的飞机相关的风险的最小化、防御地点的存活概率的最大化等。在这样的情况下，目标数量通常在三至十之间变化。这些目标包括很多不同标准，这些不同标准通常无法直接成对比较。对能够在全部这些不同方面进行折衷的优化方法的要求使得有必要在考虑到各标准的重要性的同时进行实时决策。

为了实现多目标优化，通常使用实施以下步骤的方法：

A)为所考虑目标中的每一个定义标准。在本发明的范围内，标准为使得目标能够被实现的值或一组可计算值；随后

B)实现多标准优化。

要求出以最优方式满足全部标准的解确实困难，甚至不可能。

常规方法的主要缺陷和困难涉及标准的比较，而这些标准先验地并不总是可比较的。

与目标的聚合(aggregation)有关的第一常规方法提供了对不同函数的线性或非线性和的使用。这样的方法具有将多目标问题转换为单目标问题的特殊特征，单目标问题通常更容易解决。

然而，就其中的建模而言，对问题的此类修改使折衷成为必然。加权和包括限定该聚合的系数。这样的方法的主要困难在于，这些系数的选择必须以精确表现所限定问题的方式来建立。另外，可以注意到，在大多数情况下这些系数的简单修改能够导致完全不同的结果。因而需要分析灵敏度以验证所提出的技术方案的鲁棒性。

因此，在通过聚合方法将多目标问题变换为单目标问题的情况下，在对目标的线性化所产生的系数进行确定的过程中遇到困难，但是该困难同样涉及该目标函数的建模的有效性和针对性，问题在于确定一个解优于另一解。这同样造成了可使得解不稳定的灵敏度问题。

被称为帕雷托(Pareto)的另一常规方法提供了保持全部目标并且依照非常简单的原理来单独处理目标，该非常简单的原理为：如果无法在不损害其他目标的情况下根据一个目标来改进解，则该解被认为是最优的。该常规方法的主要缺陷之一是，该方法要求专家介入以选择最适合解决问题的解。