技术摘要：
本发明公开了一种基于相似度分解多目标优化的通信系统部署方法，主要解决通信系统中飞行器的部署问题。其实现步骤为：(1)输入算法参数；(2)移位初始化初始种群；(3)依次对解种群中个体进行选择、交叉变异操作得到子代个体；(4)利用子代个体更新解种群；(5)判断是否终止  全部
背景技术：
近地空间高出海平面约20至100公里，包括平流层、中间层和热层。在这个高度上， 飞机数量减少，这使得近空间的飞行器是安全的。温度在-90摄氏度和30摄氏度之间，适用 于大多数设备。在99％的时间内，80000英尺的风速小于70节，这让近空间飞行器更易于操 纵。因此近地空间的环境对于飞行器来说是理想的。 近空间通信系统(NSCS)是现代世界不断增长的通信需求的新兴替代解决方案。近 空间平台由于其高分辨率和宽测绘带而广泛用于合成孔径雷达。由于配置方便、成本低，也 可用于地球观测。相较于地面无线通信系统和卫星通信系统，近空间通信系统吸引着越来 越多的关注。飞行器的部署对近空间通信系统的性能至关重要。由于飞行器资源有限，近空 间通信系统无法在提供高速网络的同时，又保持较大的覆盖范围。近空间通信系统的管理 人员需要优化权衡解决方案来选择不同的场景。因此这个问题是个多目标优化问题。关于 网络速度、能耗、地面目标覆盖和检测质量的NSCS的部署优化方面已经有了一些研究。部署 优化也被解决为多目标优化问题。 飞行器的部署优化问题与传感器网络，蜂窝网络和智能电网等其他领域的部署问 题类似。H.Mohamed提出了森林火灾的概率模型，并将部署问题转化为k覆盖最大化问题，并 提出了一种分布式算法来获得多个传感器部署。I.M.R使用Voronoi图最大限度地减少了能 量消耗，同时使覆盖最大化。传感器部署优化的目标对于各种应用时不同的，其中最重要的 目标之一就是覆盖面。L.R.C提出加权网络部署优化，以最大限度地提高移动传感器覆盖。 H.Shibo提出了一种情况，其中基于行的部署时局部最优的，并且提出确定性部署算法来生 成地形的覆盖范围。 对于NSCS的部署优化，目前还没有文献考虑路径损耗、路由效率、用户需求和安全 问题，这是现代通信系统的主要关注点。迄今为止，所有的作品只考虑了上述四个方面。在 本文中，所提出的的NSCS模型是首先考虑上述四个主要方面，并为NSCS的部署优化提供一 个通用模型。这个模型可以通过现代通信系统的更多细节轻松扩展。也首先研究了其他许 多部署优化问题中常见的部署模式。基于相似度的多目标优化算法也被提出来优化NSCS的 部署。
技术实现要素：
本发明的目的在于针对上述已有技术的不足，提出一种基于相似度分解多目标优 化的通信系统部署方法。从NSCS的角度出发，提出了一个涵盖NSCS重要方面的通用模型。从 算法的角度出发，提出了一种基于相似度的移动初始化MOEA/D来优化NSCS的部署。 6 CN 111612148 A 说　明　书 2/6 页 本发明的技术方案是：将通信系统部署问题看作是一个多目标问题，其中网络速 度和覆盖范围作为目标函数，利用基于相似度分解的进化多目标方法同时优化这些目标函 数，搜索更好的部署解位置，其实现步骤包括如下： (1)输入算法参数：近空间通信系统部署方法的参数，基于相似度分解算法的其他 参数； (2)初始化：使用移位初始化生成大小为N的初始种群，将输出种群初始化为空集； (3)构建网络速度，覆盖范围作为目标函数：3a)网络速度由三个要素组成：用户模 型，路径损耗和路由效率。； 3b)覆盖范围的函数S： 其中，rc是飞行器覆盖圆的半径，SAj是被飞行器覆盖的面积，M为飞行器的个数，值 得注意的是，这里不考虑重合，因为飞行器部署的时候是分块部署的； (4)优化目标函数： 4a)利用切比雪夫数学分解方法将步骤(3)中两个目标函数C和S作为子目标函数， 聚合成一个单目标函数，将子目标函数的个数记为N，即种群大小和子目标函数个数相同， 并得到在单目标函数中的C和S两个子目标函数分别所对应的权重向量； 4b)计算初始解种群分解目标值：用步骤(2)移位初始化法得到大小为N的初始解 种群，计算得到种群中每个个体的单目标函数值以及子目标函数值； 4c)选择父代个体：从解种群中选择两个父代个体，这两个父代个体中的一个为第 i个子目标函数对应的一个解个体，另一个是从解种群中随机选择的一个解个体； 4d)交叉变异：对选择的两个父代个体进行均匀交叉操作，得到一个子个体，对子 个体进行邻域变异操作，得到一个新子代； 4e)更新第i个子目标函数解个体对应的子种群：根据各子目标函数中权值参数之 间欧式距离最小原则，给第i个子目标函数解个体构造一个个体数目为M的子种群，利用新 子代更新第i个目标子函数解个体对应的子种群； 4f)重复步骤4c)-步骤4e)，直到N个子函数都被执行完毕，得到解种群(x1,y1,..., xM,yM)，即坐标位置； 4g)判断是否终止：如果种群进化终止代数满足预先设定的代数gen，则执行(5)， 否则，重复步骤4c)-步骤4g)； (5)选择最佳的部署位置：将步骤4g)得到的最后的解种群(x1,y1,...,xM,yM)作为 飞行器最佳的部署位置。 本发明与现有技术相比具有如下优点： 第一，从NSCS的角度出发，提出了一个涵盖NSCS重要方面的通用模型。对于NSCS， 使用通用模型计算通信衰减，并计算路由效率。我们详细介绍了用户的需求，NSCS以不同的 方式处理各种类型的区域。安全问题也被考虑在内。这四个方面从三个方向涵盖了现代通 信系统的主要问题：NSCS,通信过程和用户。据我们所知，这是第一个考虑这四个方面的通 用NSCS模型。 第二，从算法的角度出发，提出了一种基于相似度的移动初始化MOEA/D来优化 7 CN 111612148 A 说　明　书 3/6 页 NSCS的部署。该算法是第一个利用群体感知的算法。基于群体感知，基于相似度的MOEA/D可 以有效优化NSCS的部署。 附图说明 图1为本发明的流程图。