基于蚁群的天基预警多目标优化算法

程禹， 魏承， 游斌弟， 赵阳， 吴限德

(1.哈尔滨工业大学 航天学院，黑龙江 哈尔滨 150001； 2.哈尔滨工程大学 航天与建筑工程学院，黑龙江 哈尔滨 150001)

天基红外系统具有覆盖范围广、预警速度快、作战用途多等特点，在反导信息保障中占据重要地位[1],受到了美国、俄罗斯等军事强国的高度关注和大力投入[2-3]。天基预警系统传感器调度优化是天基预警系统的关键问题。多传感器调度优化是一个存在监控冲突的多目标、动态、复杂多约束的非线性优化问题[4]。在传感器调度问题中，优化目标之间存在冲突，如何在改善目标评价的同时不使另一个目标的评价恶化，实现多个目标共同优化，这就是多目标优化问题(multiobjective optimization problem，MOP)[5]。与单目标优化问题不同，在解决MOP问题时，需要寻找所有目标中最权衡的解[6]。

国内外实验室、科研机构和工程单位已经开发了许多基于规则的元启发式算法[7]解决多传感器调度优化问题。然而，尽管它们具有高效率的特点，但元启发式算法也存在若干限制，例如，大多数算法在每次运行中生成单个解决方案，并且按照固定逻辑进行决策。这些局限性推动了替代解决方案技术的发展。

多目标进化算法(multiobjective optimization evolutionary algorithm,MOEAs)是基于进化的元启发式算法，是解决高度复杂的MOP问题的常用方法之一[8]。文献中提供了多种MOEAs方法，例如非支配排序遗传算法Ⅱ(NSGA-Ⅱ)[9]或基于分解的多目标进化算法(MOEA/D)[10]。MOEAs采用了基于帕累托排序的选择机制，即基于帕累托最优性对解决方案进行排名，使非支配解决方案被选择的概率更高。……