与装置16形成人机接口。
[0104]以下给出了由装置5的不同元件实现的处理的更详细说明。
[0105]因此，装置5的元件6通过使用至少一种合适的优化算法来单独优化所考虑的标准Cl至CN中每一个，N为整数。为此，元件6能够使用不同类型的算法。在优选实施例中，使用例如以下文献中所限定的粒子群优化类型的算法:Leboucher、Chelouah、Siarry和 Le M6nec 在“群智能研究国际期刊”(Internat1nal Journal of Swarm IntelligenceResearch (IJSIR))，2012年，第3卷，第20至38页中题目为“结合应用于资源分配问题的进化博弈理论的群智能方法”(A Swarm Intelligence Method Combined to Evolut1naryGame Theory Applied to the Resources Allocat1n Problem)的文南犬。
[0106]所提供的解根据每个标准应当是唯一且最优的。
[0107]随后，在接收到由元件6确定的根据所考虑的标准中每一个的最优个体Il至IN
的群体之后，装置12使用C2、C3.....CN来评估(根据标准Cl的)最优个体Il的性能。
因此，装置12获得该个体Il在其他解空间中的性能。借助于装置12针对全部个体Il至IN来进行评估。全部空间被标准化以使得比较有道理。
[0108]随后获得支付矩阵(或评估矩阵)A，其中，值A(i，j)评估了 Cj下(根据Ci)的最优个体Ii。
[0109]在N = 6 (对于个体Il至16)的示例中，获得的6x6型的支付矩阵包括最优解根据其他标准的的分数。以示例的方式，该矩阵A被表示为:
[0110]A =
[0111]1.0000 0.0196 0.3309 0.4243 0.2703 0.1971
[0112]0.8217 1.0000 0.4299 0.8878 0.3912 0.7691
[0113]0.3968 0.8085 1.0000 0.7551 0.3774 0.2160
[0114]0.7904 0.9493 0.3276 1.0000 0.6713 0.4386
[0115]0.8335 0.7689 0.1673 0.8620 1.0000 0.9899
[0116]0.5144 0.8843 0.5880 0.1548 0.1999 1.0000
[0117]一旦建立支付矩阵或评估矩阵A，装置13使用进化博弈算法以检验根据其他标准引起的最优个体的存活。随后获得群体的稳定状态，在稳定状态下，个体的最终比例指示(标准Ci的)最优个体Ii相对于其他标准Cj的抵抗率，如图2中所示，图2针对个体Il至16中每一个示出了群体(分别为Pl至P6)依照时间T的比例P。
[0118]在图2的示例中，能够看到个体Il和15并不适合于全部标准。另一方面，个体12和14极好地适于其他标准。与此同时，个体13和16具有对个体Il和15以及个体12和14之间的适配。基于这些结果，认为全部标准的最优个体由ESS(evolut1nary stablestrategy，进化稳定策略)群体的平衡率组成。
[0119]元件10随后在识别出个体之间的差别之后对这些个体应用突变算子，从而保留每个个体的“良好基因”。随后获得突变个体(即所述最优解)，该突变个体能够以平衡方式继续存在于所考虑标准的解空间中。
[0120]该使现有解突变的处理能够采用由所获得的平衡率(ESS)加权的解的每个分量的质心的形式。
[0121]元件10实施的突变处理同样能够采用不同形式。例如，粒子群优化类型的优化同样可能。根据每个标准的最优解随后代表每个个体的信息颗粒(particulesinformatrices)。因此，在算法的每次迭代中，支付矩阵被重组以将当前解以及当前解在最优个体的环境中的存活考虑在内。该过程继续直到整个群稳定。最终解为由群获得的位置的平均数(停止标准的精度可调；例如，只要全部颗粒彼此相距少于千分之一秒，则群被认为是稳定的)。
[0122]为了向稳定可行解收敛，该进化过程可以基于大量不同过程(基因算法等)来获得。
[0123]因此，根据本发明的设备I如上所述具有下列优点:
[0124]-能够处理极多样目标；
[0125]-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
[0126]-可以对大量标准进行比较。
[0127]此外，所述设备I使得有可能保证最终解的稳定性。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设备I的鲁棒性，以使对标准的选择的变化较小。
[0128]而且，设备I使得有可能对其他解空间(其他标准限定的解空间)中的个体进行评估。因此，该比较使得可以评估根据全部标准的解的值，并因而直接对全部标准进行比较。这使得还可以在全部标准中检测最占优的标准。
[0129]根据本发明的设备I可以被应用于大量领域。
[0130]在优选应用中，所述设备I形成用于应对军事领域的威胁、尤其是命令控制类型的系统25的一部分，包括用于应对威胁(尤其是空中威胁)的武器(尤其是导弹)分配。
[0131]如图3中所示，该系统25包括:
[0132]-装置15，包括至少一个雷达单元26，雷达单元经由连接3发送周围情况的信息(尤其是空中情况的信息)到设备I上。这些装置15可以已经形成设备I的一部分(至少在一定程度上)或者可以专用于系统25。雷达单元26检测威胁并且发送相应的信息，尤其是与威胁的位置和运动学有关的信息。
[0133]-所述设备1，用于处理该信息(信息首先被装置2格式化)以通过以下方式从中推导出交战提议:首先以所格式化的信息为基础使用元件6来确定开火窗口、随后根据这些开火窗口从该信息中推导出交战提议。该交战提议指定了武器分配并且提出开火时刻(或时间)以应对(尤其是摧毁)不同的威胁；以及
[0134]-装置27，用于实施对通过连接20从设备I接收的交战提议进行批准的步骤。该批准由操作人员使用(例如，形成前述人机接口的一部分的)装置28给出，装置28借助于连接29连接到所述装置27上。为此，交战提议例如可以由装置21显示。
[0135]随后，依照由所述装置27批准且经由连接30发送到例如显示装置(未示出)上的交战提议来进行交战。装置27和设备I (尤其是设备I的装置2、6、8、10和17)例如形成信息处理单元31的一部分。
[0136]在军事领域的命令控制系统25的情况下，如果允许评估良好解的两个标准，一方面为系统快速介入的反应性，另一方面为任务成功概率的最大化，那么这两个标准是两个独立标准并甚至是拮抗标准。事实上，等到目标靠近以增加开火的成功几率是更好的。然而，等到目标移动到更近位置损害根据系统反应性标准的解的质量。根据每个标准进行优化提供了根据标准中每一个的最优解，随后进化博弈理论进行到最终优化步骤，最终优化步骤使得可以确定所获得的解在存在其他解时的存活程度。为此，对全部解中的第一解进行评估，该第一解在成功概率标准的解空间中优化反应性标准。在其他空间中获得的分数被用在支付矩阵中。关于反应性使开火成功概率最大化的解遵循相同的程序。
[0137]以示例的方式，以下给出了与应用到C2类型的系统25有关的特定示例。
[0138]在该示例中，考虑C2类型的系统25，该系统25对受到三个威胁(或待摧毁的目标Tj, j为从I至3的整数)攻击的区域进行防御。该系统具有三枚导弹Mi以防御该区域，i为从I至3的整数。
[0139]假定Ml被分配给Tl，M2被分配给T2并且M3被分配给T3。必须确定开火序列，该开火序列对系统尽快介入的能力和系统使任务(摧毁目标Tj)的成功概率最大的能力同时进行了优化。因而有必要找到拮抗的两个目标之间的折衷。设备I使得可以以可靠方式来自动处理该程序。
[0140]以示例的方式，假定关于反应性的最优解(或最优个体)为SI = [15 18 21]，并且假定使整体成功概率最大的解(或最优个体)为S2 = [31 24 45] ο这些解中每一个的三个分量分别代表三枚导弹Ml至M3的开火时刻