多目标优化方法和设备的制造方法
【技术领域】
[0001]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】
[0002]“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。
[0003]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。
[0004]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。
[0005]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。
[0006]为了实现多目标优化，通常使用实施以下步骤的方法:
[0007]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
[0008]B)实现多标准优化。
[0009]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。
[0010]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。
[0011]与目标的聚合(aggregat1n)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。
[0012]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。
[0013]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。
[0014]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。
[0015]在Pareto方法中，如果目标确实非常众多，则目标之间的比较能够变得复杂。在专家必须在一组解中进行选择的情况下，如果该组过大，则处理该问题的过程中确实存在问题。
[0016]因此，对于本发明中所考虑的多目标优化:
[0017]-大量待同时优化的目标使得通过目标的聚合所进行的建模极不稳定且复杂。而且，待处理的各种场景使得以通用方式对解进行评估更为复杂；以及
[0018]-尽管Pareto方法由于其对目标以最优方式寻找满足全部目标的边界点的更全面方法而表现得更适合，但是在该方法中并未处理两个主要点。第一个主要点与解的形式有关，该解为集合并且因而要求专家介入以产生最终决策。第二个主要点为对标准的独立处理。实际上，标准之间经常具有联系，并且在不实际考虑其他标准的情况下考虑这些具有联系的标准表现出该方法的局限性。
[0019]因此，不存在可能实现上述多目标优化的设备或者技术手段。
【发明内容】
[0020]本发明涉及一种多目标优化方法，以用于对上述缺点进行补救。
[0021]为此，根据本发明，该类型的多目标优化设备包括:
[0022]-第一装置，用于为所考虑的目标中的每一个定义标准；以及
[0023]-第二装置，用于自动实现多标准优化，
[0024]其显著特点为，所述第二装置包括:
[0025]-用于分别对所述标准中每一个进行优化以获得这些标准中每一个的最优个体的元件，最优个体包括针对所述标准的至少一个最优可行值；
[0026]-用于使用进化博弈算法来确定所述最优个体的存活系数的元件；以及
[0027]-用于通过使用所述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的元件，所述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所考虑的全部目标的优化。
[0028]因此，借助于本发明，获得了一种使得多目标优化能够被实现的设备。
[0029]因此，如上所述，根据本发明的设备包括用于生成数据的技术装置、用于自动处理数据(以确定最优解)的技术装置和用于使用处理结果的技术装置。
[0030]此外，有利地，
[0031]-数据输入装置包括使得能偶自动提供数据的装置(例如雷达单元)和/或使得操作人员能够输入数据的装置；和/或
[0032]-用户装置包括在屏幕上显示最优解的显示装置；和/或
[0033]-显示装置和使得操作人员能够输入数据的装置形成人机接口的一部分；和/或
[0034]-设备还包括用于检验从第三元件接收的最优解的可行性、以及在不可行情况下确定与该最优解最接近的可行解相对应的新的最优解的元件。
[0035]因此，借助于本发明，对于给定的多目标问题，每个目标借助于其相关标准被单独且独立考虑。随后，针对每个所考虑的标准的最优个体通过使用常规的优化手段来限定。所给出的解必须是可行的(也就是说可以实现的)。
[0036]接下来，对考虑到全部标准以及解的可行性的完整解空间进行快速说明。该阶段的特殊特征的原理在于，解的可行性成为二进制标准，该二进制标准使得如果所给出的解不可行则个体的存活为零。因此，不可行个体将从所给出的解的群体(或解集)中消失，从而为仅有的一个能够在所考虑的环境中存活的群体留出空间。不可行个体的这种自动消除的优点使得能够自然地从解中去除无法实现的解，并且由此大幅减小计算时间。
[0037]因此，通过测试最优个体在其环境中的存活，将对最优个体如何(根据标准中每一个)适合于全部最优个体共存的环境进行测试。接下来，一旦群体稳定下来，则突变算子修改个体以建立能够在任何环境中以稳定方式存活的个体(即最优解)。
[0038]本发明因而具有以下优点:
[0039]-能够处理极多样目标；
[0040]-在其他标准的存在的情况下自然选择最具影响的标准；以及
[0041]-可以对大量标准进行比较。
[0042]此外，根据本发明的设备使得有可能保证最终(最优)解的稳定性。事实上，演化博弈和结果向稳定解收敛的原理使得有可能保证结果的稳定性。这造成根据本发明的方法的鲁棒性，以使对标准的选择的变化较小。
[0043]本发明因而涉及多目标优化设备，该多目标优化设备尤其允许对以下问题进行补救:
[0044]-聚合方法的问题，SP:
[0045].当问题包括许多目标时的显著建模困难；以及
[0046].非常依赖于应用且可能不稳定的参数化；以及
[0047]-Pareto 方法的问题，SP:
[0048].独立考虑目标而不实际面对目标；以及
[0049].要求专家介入最终决策。
[0050]根据本发明的多目标优化设备可以应用于众多领域，诸如尤其是物流(民用或军用)、运输管理(铁路网络、机场、航空交通)、广泛的资源管理(计算领域、网络、车队管理)以及民用和军用的航空领域(任务规划、