[发明专利]基于分割多向预测策略的动态多目标优化方法

说明书

本发明公开了一种基于分割多向预测策略的动态多目标优化方法，它针对线性模型预测误差弥补不足的问题，能够更好的预测最优前沿的变化，保证对最优前沿凹凸性的分布变化的预测，有效弥补方向预测的距离误差。它包括如下步骤：(1)对动态多目标问题进行描述；(2)分割多向预测。本发明的有益效果在于：首先将搜索到的最优前沿进行分割，依据最优前沿的分割结果划分种群，对种群每个部分进行线性预测，借鉴云模型对于不确定时间的描述，用熵和超熵弥补预测误差，针对动态问题中可能发生的突发性非线性变化，采用偏角增强搜索策略保证预测过程中种群的多样性。

技术领域

本发明属于智能计算、多目标优化技术领域，具体涉及基于分割多向预测策略的动态多目标优化方法。

背景技术

在空天高速目标探测跟踪过程中，由于目标速度快、机动能力强、飞行区域跨度大，单一传感器难以有效持续探测跟踪，因此运用多源异构传感器调度技术合理安排探测跟踪任务与时序显得尤为重要。调度的资源主要包含天基红外传感器和地基雷达传感器，涉及到的传感器类型包括高轨红外探测卫星、低轨红外卫星、地基P波段雷达和地基X波段雷达等。

由于空天高速目标是一类新型目标，目前关于此类目标探测跟踪的传感器资源调度问题的研究较少。卫星资源调度与此问题相似，两者的求解调度方案都是基于时间的资源分配问题。但是传感器资源对目标的探测跟踪有严格的时间约束，如果在有限时间内传感器只能实现部分监视或是无监视，那么该任务失败且不存在二次观测的机会，这是与一般的遥感或是导航卫星调度问题的主要区别。

由于问题特性不同，传感器资源调度问题与传统调度问题存在以下3点区别：

(1)任务无时间等待，目标在有限时间内不被观测则没有观测机会。

(2)一对多和多对一同时存在的资源匹配，匹配规则不一致导致编码和搜索难度加大。

(3)传感器观测时间碎片化，搜索过程中容易产生不符合约束条件的碎片时间，搜索难度加大。

针对上述问题，考虑构建空天高速目标探测跟踪多源异构传感器资源调度模型因素，可以利用动态多目标优化(Dynamic Multi-objective Optimization,DMO)模型来实现多源异构传感器资源的实时调度，为空天高速目标的协同跟踪构建可靠的传感器网络。

动态多目标优化问题(Dynamic Multi-objective Optimization Problem,DMOP)不仅表现出多目标优化问题的优化目标冲突、解空间维度高等特点，还具有优化目标、条件约束、决策空间随时间变化的特点。传统优化方法受限较多，难以满足现代化工程和科研的问题大规模、高时效性和复杂NP问题的要求。与传统方法相比，进化方法对问题模型要求低，求解效率高，并且表现出高度并行、自组织、自适应等优点，已经应用在许多工业应用和研究领域。