基于多目标局部变异-自适应量子粒子群优化算法的复杂地形多传感器优化部署

作者：徐公国; 段修生^*; 单甘霖; 童俊

来源：兵工学报, 2018, 39(11): 2192-2201.

• 传感器部署
• 复杂地形
• 多目标优化
• 量子粒子群
• Pareto最优解

对复杂地形下的多传感器部署问题进行研究,提出了基于多目标局部变异-自适应量子粒子群优化(LM-AQPSO)算法的多传感器多目标优化部署方法。该方法对复杂地形进行多属性网格建模,给出了传感器探测模型和优化目标。引进局部变异和参数自适应策略对量子粒子群优化算法进行改进,并提出了基于LM-AQPSO的多目标Pareto最优解集优化算法。考虑多目标部署需求,构建了基于Pareto最优解集的多传感器优化部署模型。仿真实验结果表明:相对于经典的改进非支配排序遗传算法,所提算法优化的Pareto最优解有着更好的收敛性和分布性,且寻优时间更短;所提模型能有效解决多目标多传感器部署问题,并能同时提供更多的决策方案。

• 单位
  石家庄铁道大学; 中国人民解放军陆军工程大学