多目标优化差分进化算法的传感器目标分配方法及系统

摘要

本发明公开了一种多目标优化差分进化算法的传感器目标分配方法，该方法包括：根据目标信息进行目标重要程度计算，建立传感器目标分配约束多目标优化函数，分配方案编码和初始种群染色体生成，利用差分进化算法产生子代方案种群，种群合并与筛选，获取分配方案Pareto前端解集等。本发明结合差分进化算法在群体差异启发式随机搜索方面简单易用，鲁棒性好，且具有强有力的全局搜索能力等特点，提供了一种Pareto集多目标优化分配策略；在传感器目标监测效能函数的基础上增加了传感器使用率函数，将分配问题转化为多目标优化问题，可在满足监测精度要求下尽量节约传感器资源，实现传感器资源合理有效的分配。

主权项

一种多目标优化差分进化算法的传感器目标分配方法，其特征在于，其包括以下步骤：S1、获取监测目标的特征参数，对所述特征参数进行评估以获得目标的重要程度，对目标重要程度进行归一化处理得到目标威胁权重；S2、根据传感器目标感知概率模型以及所述目标威胁权重生成传感器目标监测效能函数；根据传感器的使用情况，生成传感器使用率函数；对所述传感器目标监测效能函数和所述传感器使用率函数进行标准化处理，得到约束多目标优化模型；S3、对传感器目标分配方案进行编码，并在分配方案的解集合内随机生成若干个分配方案，形成分配方案的初始种群；S4、根据所述约束多目标优化模型对初始种群中每种分配方案计算传感器目标监测效能函数值和传感器使用率函数值；通过所述传感器目标监测效能函数值以及传感器使用率函数值建立坐标系计算每种分配方案的秩，并根据分配方案的秩的大小进行Pareto集非劣分层和计算分配方案适应度，并记录为最优非劣层的亲代分配方案种群，所述最优非劣层的分配方案集即Pareto前端解集；S5、判断初始种群是否满足迭代终止条件，如果满足终止条件，则初始种群中的所有第一非劣层解即构成Pareto最优解集；如果不满足迭代终止条件，则跳转到步骤S6；S6、对于初始种群按照差分进化算法的差分变异、交叉和选择算子进行差分进化操作，产生传感器目标分配方案的子代分配方案种群；S7、合并所述初始种群和所述子代分配方案种群，并筛选出与初始种群规模相同的分配方案种群；S8、跳转到步骤S5对所述分配方案种群进行是否满足迭代终止条件的判断，直至获得Pareto最优解集，根据Pareto最优解集对传感器目标进行分配。