空管通信导航监视设备的布网优化的方法

摘要

公开了一种空管通信导航监视设备的布网优化的方法包括以下步骤：(1)用户提出特定的布网优化请求；(2)判断是区域布网优化还是航路布网优化，如为区域布网优化则转步骤(3)，如为航路布网优化则转步骤(4)；(3)预处理区域布网优化请求；(4)预处理航路布网优化请求；(5)获取区域或航路上历史设备的覆盖情况；(6)进行布网优化问题编码；(7)利用改进的遗传算法求解；(8)获取每轮寻优后最优解的预估台站覆盖情况，并结合历史设备覆盖情况，对当前最优解的表现进行评估；(9)进行布网优化问题解码。该方法依据空管设备配置规范，采用了改进的快速收敛的遗传算法实现了通信导航监视设备的全局布网优化，对区域及航路布网优化问题提出了一种通用的解决方案，为我国空管基础台站设施的科学规划和统一管理提供了有力的技术方法支持和辅助决策手段。

主权项

1.空管通信导航监视设备的布网优化的方法，其特征在于，该方法包括以下步骤：(1)用户提出特定的布网优化请求；(2)判断是区域布网优化还是航路布网优化，如为区域布网优化则转步骤(3)，如为航路布网优化则转步骤(4)；(3)预处理区域布网优化请求；(4)预处理航路布网优化请求；(5)获取区域或航路上历史设备的覆盖情况；(6)进行布网优化问题编码；(7)利用改进的遗传算法求解；(8)获取每轮寻优后最优解的预估台站覆盖情况，并结合历史设备覆盖情况，对当前最优解的表现进行评估；(9)进行布网优化问题解码；所述步骤(3)包括以下分步骤：(3.1)接收用户选择的高度层作为布网优化目标高度层；(3.2)接收用户选择的多边形区域Region作为布网优化目标区域，Region可以是用户选定的已存在的各种管制区，也可以是用户手绘的任意多边形；(3.3)接收用户选择的设备类型作为布网优化目标设备类型，可以是任意的通信导航监视设备；(3.4)获得多边形区域的外接矩形Rect，这是SuperMap中提供的功能； (3.5)从矩形Rect的一个顶点出发，分别沿着横轴和纵轴按照一定的长度l等间隔采样，获得采样点集Set1，长度l是一个经验取值，即VHF通信设备最大作用距离370km的二分之一；(3.6)由等间隔采样点集Set1生成泰森多边形，以多边形区域Region为边界；(3.7)对每个泰森多边形，利用全国数字高程数据求其海拔最高点组成点集Set2，此功能可通过SuperMap的栅格数据表面分析函数编码实现；(3.8)利用设备覆盖计算模块的功能，获得多边形区域Region的历史覆盖情况；(3.9)传递参数点集Set2，多边形Region和容易产生干扰的覆盖重数n到优化算法实现模块进行布网优化；其中，步骤(3.1)、(3.2)、(3.3)须并行执行，步骤(3.4)、(3.5)、(3.6)、(3.7)、(3.8)须并行执行；所述步骤(4)包括以下分步骤：(4.1)根据RVSM有关航路宽度的规定生成航路的外接多边形Region1作为布网优化目标区域，即沿航路走向的狭长多边形；(4.2)将航路宽度延长一定长度l1后生成航路Route的外接多边形Region2，长度l1为一经验数值，即VHF通信设备最大作用距离370km；(4.3)沿航路每隔一定长度l2做航路的垂线，以多边形Region2为边界生成新的截断多边形，长度l2为一经验数值，即VHF通信设备最大作用距离370km的二分之一；(4.4)对每个截断多边形，利用全国数字高程数据求其海拔最高点组成点集Set，其通过SuperMap的栅格数据表面分析函数编码实现；所述步骤(6)包括以下分步骤： (6.1)获取布网优化输入点集Set，多边形区域Region1，Region2和干扰重数n；(6.2)以点集Set作为优化初始点，不足的以随机点补足，对于单台站优化而言，每一个初始点就是一个可行解，对于两台站优化的情况，随机选取两个初始点组成一个可行解，多台站优化情况类推；(6.3)根据台站优化的顺序，将各台站的横坐标、纵坐标顺序串联成实数串作为遗传个体；(6.4)判断各台站位置是否在区域Region2内作为约束条件，对遗传算法来说，不满足约束条件的个体将被赋予一个非常大的惩罚值，使其几乎没有机会遗传到下一代；(6.5)计算联合覆盖、历史覆盖和Region1求并集后面积作为第一目标函数，求其最大值；(6.6)计算联合覆盖、历史覆盖和Region1求并集后，n重以上覆盖的面积作为第二目标函数，求其最小值；(6.7)采用以上步骤设定遗传算法相关参数和执行条件，利用改进的遗传算法进行优化；所述步骤(7)包括以下分步骤：(7.1)利用布网优化请求编码单元生成的问题描述初始化遗传算法，包括初始种群、约束条件以及目标函数；(7.2)进化迭代次数gen＝0，收敛条件设定为迭代一定的次数后退出；(7.3)使用经典遗传算法产生下一代种群，经典遗传算法包括选择、交叉、变异三个步骤；(7.4)将新种群与父种群合并，计算种群中每个个体的第一、第二目标函数值；(7.5)对合并后的种群进行快速非支配排序； (7.6)计算种群中每个个体的拥挤度，用i_d表示；(7.7)选择排名最高的一个非支配集放入下一代群体；(7.8)判断新种群中个体的个数是否大于N；(7.9)如果加入一个非支配层以后，新种群个体的数量大于N，则根据当前非支配层中拥挤度的大小按照降序排序，选择排名靠前的个体加入新种群直到新种群个体数量达到种群数量上限；(7.10)根据虚拟适应度进行复制，使用虚拟适应度可以避免当目标函数取值范围上下界较大时，直接使用目标函数作为选择依据所带来的选择上较大的偏差，简单的虚拟适应度可以直接是个体的非支配排序层值；(7.11)判断是否是第一次迭代；(7.12)是第一次迭代则计算初始种群目标函数的方差，如下式所示，其中N为种群规模，f_j代表第j个目标函数，是第j个目标函数的均值；(7.13)不是第一次迭代则按照下列方程改变遗传算法的交叉概率p_cross和突变概率p_mut，(7.14)执行交叉操作；(7.15)执行变异操作；(7.16)判断当前进化代数gen是否大于最大迭代次数； (7.17)gen小于最大迭代次数，则未满足收敛条件，则设gen＝gen+1，返回到步骤(7.4)继续循环。