本技術(shù)實(shí)施例涉及無人機(jī)路徑規(guī)劃領(lǐng)域，尤其涉及一種無人機(jī)路徑規(guī)劃的多方多目標(biāo)優(yōu)化方法及相關(guān)設(shè)備。

背景技術(shù)：

1、多方多目標(biāo)優(yōu)化問題（mpmop，multi-party?multi-objective?optimizationproblem）是一類特殊的多目標(biāo)優(yōu)化問題。它描述了含有多個(gè)優(yōu)化目標(biāo)且有多個(gè)決策者共同參與決策的情景。每個(gè)決策者往往關(guān)心多個(gè)目標(biāo)，而這些目標(biāo)同時(shí)也是沖突的。一個(gè)典型的問題是無人機(jī)的路徑規(guī)劃問題（uavpp，unmanned?aerial?vehicle?path?planningproblem），例如無人機(jī)的使用者通常要求路徑短、無人機(jī)能量消耗少，安全決策方通常要求路徑對行人與車輛的第三方風(fēng)險(xiǎn)小、噪聲污染小等等。使用多方多目標(biāo)優(yōu)化問題來刻畫無人機(jī)的路徑規(guī)劃問題是相較于一般的多目標(biāo)優(yōu)化問題更加貼切需求，因此多方多目標(biāo)無人機(jī)路徑規(guī)劃問題的構(gòu)建與測試是一個(gè)具有意義的研究。

2、設(shè)計(jì)解決多方多目標(biāo)優(yōu)化問題的算法需要考慮每一方?jīng)Q策者的利益需求，而使用已有的多目標(biāo)演化優(yōu)化算法去求解多方多目標(biāo)優(yōu)化問題時(shí)會(huì)面臨解集不收斂、多樣性缺乏等問題。因此，普通的多目標(biāo)演化優(yōu)化算法不適用于多方多目標(biāo)優(yōu)化問題。目前已有的多方多目標(biāo)優(yōu)化算法的研究較少，并沒有得到深入研究。

3、因此，如何構(gòu)建并設(shè)計(jì)高效的多方多目標(biāo)演化優(yōu)化算法以更好地求解多方多目標(biāo)優(yōu)化問題，是目前亟需解決的技術(shù)難題。

技術(shù)實(shí)現(xiàn)思路

1、本技術(shù)實(shí)施例提供了一種無人機(jī)路徑規(guī)劃的多方多目標(biāo)優(yōu)化方法及相關(guān)設(shè)備，用于求解多方多目標(biāo)優(yōu)化問題，使得種群中的大多數(shù)個(gè)體都能夠提供信息。

2、本技術(shù)實(shí)施例第一方面提供了一種無人機(jī)路徑規(guī)劃的多方多目標(biāo)優(yōu)化方法，包括：

3、獲取多目標(biāo)決策函數(shù)對應(yīng)于無人機(jī)規(guī)劃路徑的目標(biāo)函數(shù)空間中的初始種群，并對所述初始種群中的每個(gè)待優(yōu)化個(gè)體進(jìn)行非支配排序，得到所有待優(yōu)化個(gè)體的非支配等級；其中，所述多目標(biāo)決策函數(shù)包括效率決策函數(shù)和安全決策函數(shù)，所述目標(biāo)函數(shù)空間包括所述無人機(jī)規(guī)劃路徑于所述效率決策函數(shù)的視角下的函數(shù)矩陣，和所述無人機(jī)規(guī)劃路徑于所述安全決策函數(shù)的視角下的函數(shù)矩陣，所述初始種群包括所述效率決策函數(shù)和所述安全決策函數(shù)于所述目標(biāo)函數(shù)空間中生成的初始函數(shù)解；

4、當(dāng)任一目標(biāo)決策函數(shù)的當(dāng)前評估次數(shù)未滿足預(yù)設(shè)評估次數(shù)時(shí)，按照所述非支配等級進(jìn)行排序，按照多方自適應(yīng)激活算子算法將非支配排序靠前的待優(yōu)化個(gè)體進(jìn)行激活，得到激活優(yōu)化個(gè)體集；其中，所述激活優(yōu)化個(gè)體集中包括激活優(yōu)化個(gè)體，所述激活優(yōu)化個(gè)體用于表征進(jìn)行自適應(yīng)激活后的待優(yōu)化個(gè)體；

5、按照克隆算子算法，計(jì)算所述激活優(yōu)化個(gè)體集中每個(gè)激活優(yōu)化個(gè)體的擁擠距離信息，以于所述激活優(yōu)化個(gè)體集中，根據(jù)所述擁擠距離信息及對應(yīng)于所述每個(gè)激活優(yōu)化個(gè)體的所述非支配等級進(jìn)行資源分配，得到克隆優(yōu)化個(gè)體集；其中，所述克隆優(yōu)化個(gè)體集包括克隆優(yōu)化個(gè)體，所述克隆優(yōu)化個(gè)體用于表征進(jìn)行資源分配后的激活優(yōu)化個(gè)體；

6、按照多方自適應(yīng)交叉算子算法，根據(jù)所述克隆優(yōu)化個(gè)體集中的所有克隆優(yōu)化個(gè)體，生成后代優(yōu)化個(gè)體；

7、將所述后代優(yōu)化個(gè)體與所述初始種群進(jìn)行合并，得到候選種群；

8、按照選擇算子算法以及所述擁擠距離信息對所述候選種群進(jìn)行排序，并在排序后的候選種群中選擇目標(biāo)優(yōu)化個(gè)體作為參與下一輪循環(huán)的種群，直到達(dá)到最大循環(huán)次數(shù)，并將滿足最大循環(huán)次數(shù)的目標(biāo)優(yōu)化個(gè)體作為目標(biāo)決策函數(shù)的優(yōu)化方案；其中，達(dá)到最大循環(huán)次數(shù)的目標(biāo)優(yōu)化個(gè)體為所述效率決策函數(shù)和所述安全決策函數(shù)于所述目標(biāo)函數(shù)空間中對應(yīng)于所述無人機(jī)規(guī)劃路徑的目標(biāo)函數(shù)解。

9、本技術(shù)實(shí)施例第二方面提供了一種多方多目標(biāo)優(yōu)化設(shè)備，包括：

10、獲取單元，用于獲取多目標(biāo)決策函數(shù)對應(yīng)于無人機(jī)規(guī)劃路徑的目標(biāo)函數(shù)空間中的初始種群，并對所述初始種群中的每個(gè)待優(yōu)化個(gè)體進(jìn)行非支配排序，得到所有待優(yōu)化個(gè)體的非支配等級；其中，所述多目標(biāo)決策函數(shù)包括效率決策函數(shù)和安全決策函數(shù)，所述目標(biāo)函數(shù)空間包括所述無人機(jī)規(guī)劃路徑于所述效率決策函數(shù)的視角下的函數(shù)矩陣，和所述無人機(jī)規(guī)劃路徑于所述安全決策函數(shù)的視角下的函數(shù)矩陣，所述初始種群包括所述效率決策函數(shù)和所述安全決策函數(shù)于所述目標(biāo)函數(shù)空間中生成的初始函數(shù)解；

11、排序單元，用于當(dāng)任一目標(biāo)決策函數(shù)的當(dāng)前評估次數(shù)未滿足預(yù)設(shè)評估次數(shù)時(shí)，按照所述非支配等級進(jìn)行排序，將非支配排序靠前的待優(yōu)化個(gè)體進(jìn)行自適應(yīng)激活，得到激活優(yōu)化個(gè)體集；其中，所述激活優(yōu)化個(gè)體集中包括激活優(yōu)化個(gè)體，所述激活優(yōu)化個(gè)體用于表征進(jìn)行自適應(yīng)激活后的待優(yōu)化個(gè)體；

12、計(jì)算單元，用于按照克隆算子算法，計(jì)算所述激活優(yōu)化個(gè)體集中每個(gè)激活優(yōu)化個(gè)體的擁擠距離信息，以于所述激活優(yōu)化個(gè)體集中，根據(jù)所述擁擠距離信息及對應(yīng)于所述每個(gè)激活優(yōu)化個(gè)體的所述非支配等級進(jìn)行資源分配，得到克隆優(yōu)化個(gè)體集；其中，所述克隆優(yōu)化個(gè)體集包括克隆優(yōu)化個(gè)體，所述克隆優(yōu)化個(gè)體用于表征進(jìn)行資源分配后的激活優(yōu)化個(gè)體；

13、生成單元，用于按照多方自適應(yīng)交叉算子算法，根據(jù)所述克隆優(yōu)化個(gè)體集中的所有克隆優(yōu)化個(gè)體，生成后代優(yōu)化個(gè)體；

14、合并單元，用于將所述后代優(yōu)化個(gè)體與所述初始種群進(jìn)行合并，得到候選種群；

15、選擇單元，用于按照選擇算子算法以及所述擁擠距離信息對所述候選種群進(jìn)行排序，并在排序后的候選種群中選擇目標(biāo)優(yōu)化個(gè)體作為參與下一輪循環(huán)的種群，直到達(dá)到最大循環(huán)次數(shù)，并將滿足最大循環(huán)次數(shù)的目標(biāo)優(yōu)化個(gè)體作為目標(biāo)決策函數(shù)的優(yōu)化方案；其中，達(dá)到最大循環(huán)次數(shù)的目標(biāo)優(yōu)化個(gè)體為所述效率決策函數(shù)和所述安全決策函數(shù)于所述目標(biāo)函數(shù)空間中對應(yīng)于所述無人機(jī)規(guī)劃路徑的目標(biāo)函數(shù)解。

16、本技術(shù)實(shí)施例第二方面提供的多方多目標(biāo)優(yōu)化設(shè)備用于執(zhí)行第一方面所述的無人機(jī)路徑規(guī)劃的多方多目標(biāo)優(yōu)化方法。

17、本技術(shù)實(shí)施例第三方面提供了一種多方多目標(biāo)優(yōu)化裝置，包括：

18、中央處理器，存儲(chǔ)器，輸入輸出接口，有線或無線網(wǎng)絡(luò)接口以及電源；

19、所述存儲(chǔ)器為短暫存儲(chǔ)存儲(chǔ)器或持久存儲(chǔ)存儲(chǔ)器；

20、所述中央處理器配置為與所述存儲(chǔ)器通信，并執(zhí)行所述存儲(chǔ)器中的指令操作以執(zhí)行第一方面所述的無人機(jī)路徑規(guī)劃的多方多目標(biāo)優(yōu)化方法。

21、本技術(shù)實(shí)施例第四方面提供了一種計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)，所述計(jì)算機(jī)可讀存儲(chǔ)介質(zhì)包括指令，當(dāng)所述指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行第一方面所述的無人機(jī)路徑規(guī)劃的多方多目標(biāo)優(yōu)化方法。

22、本技術(shù)實(shí)施例第五方面提供了一種計(jì)算機(jī)程序產(chǎn)品，所述計(jì)算機(jī)程序產(chǎn)品包括指令，當(dāng)所述指令在計(jì)算機(jī)上運(yùn)行時(shí)，使得計(jì)算機(jī)執(zhí)行第一方面所述的無人機(jī)路徑規(guī)劃的多方多目標(biāo)優(yōu)化方法。

23、從以上技術(shù)方案可以看出，本技術(shù)實(shí)施例具有以下優(yōu)點(diǎn)：通過本技術(shù)實(shí)施例公開的一種無人機(jī)路徑規(guī)劃的多方多目標(biāo)優(yōu)化方法，設(shè)計(jì)了一種能夠求解含有多個(gè)決策方（目標(biāo)決策函數(shù)）多目標(biāo)的高效優(yōu)化算法。其中，從一個(gè)目標(biāo)決策函數(shù)的角度提供引導(dǎo)，導(dǎo)致能夠提供信息的種群個(gè)體數(shù)量顯著增加。因此，在多方多目標(biāo)優(yōu)化問題中，根據(jù)這一策略，種群中的大多數(shù)個(gè)體可能都能夠提供引導(dǎo)信息。從而相較于傳統(tǒng)的多目標(biāo)優(yōu)化算法，具有算法求解性能高，求解方案多樣性豐富等特點(diǎn)。