CN102708298A - 一种系统电磁兼容指标分配方法 - Google Patents

Abstract

本发明属于电磁兼容指标体系评估领域，特别设计了一种系统电磁兼容指标分配方法，其特征是：至少包括如下流程：步骤101：获取车载通信系统电磁兼容信息；步骤102:根据电磁兼容信息建立车载通信系统电磁兼容指标体系；步骤103：对车载通信系统电磁兼容指标体系按照ANP求取其权重；步骤104：构造车载通信系统电磁兼容指标分配模型；步骤105：确定车载通信系统电磁兼容指标分配算法。它提供了一种方便、科学准确的系统电磁兼容指标分配方法。

Description

一种系统电磁兼容指标分配方法

技术领域

本发明属于电磁兼容指标体系评估领域，特别设计了一种系统电磁兼容指标分配方法。

背景技术

现代信息领域涌现出多种大型的电子信息平台，这些平台在有限的空间中集成了大量的电子信息设备，这些设备之间通过电磁场辐射和信号传导相互影响，使得电磁兼容问题成为系统设计和使用中必须面对的问题。

复杂系统暴露的大量电磁兼容问题是系统全寿命周期中必须面对的客观问题。如果解决不当，不仅会带来大量研制经费的浪费，同时还将导致系统从根本上丧失使用能力。因此，必须通过设计阶段合理的电磁兼容控制手段，结合使用阶段良好的保障措施，才能达到所希望的最佳电磁兼容性水平。而电磁兼容指标是电磁兼容设计的重要依据，必须将总体指标进行合理分配，才能保证电磁兼容性设计合理、满足系统要求，这主要体现在以下几个方面：

一、复杂系统上装设备种类繁多、集成度高，系统研制分类、分阶段进行，研制周期长，协作量大，从各阶段研制任务到总体集成都需要各协作单位在设计任务之初就确定明确可行、合理优化的设计指标；

二、影响系统电磁兼容性能的因素众多，系统电磁兼容设计涵盖了系统设计的许多方面，需要针对系统设计的各个环节提出明确可考核的指标，以便在系统研制的相应阶段对关键技术环节实现分类、分阶段的电磁兼容设计；

三、系统电磁兼容指标分配不但规避了总体集成时才考虑电磁兼容性能所带来的成本和风险，又使得总体电磁兼容性能出现问题时能够反向追溯问题来源，快速解决问题，同时有利于电磁兼容的考核评价，从而真正提高系统电磁兼容设计水平。

发明内容

本发明的目的是提供一种方便、科学准确的系统电磁兼容指标分配方法。

本发明的目的是这样实现的：一种车载通信系统电磁兼容指标分配方法，其特征是：至少包括如下流程：

步骤101：获取车载通信系统电磁兼容信息；

步骤102:根据电磁兼容信息建立车载通信系统电磁兼容指标体系；

步骤103：对车载通信系统电磁兼容指标体系按照ANP求取其权重；

步骤104：构造车载通信系统电磁兼容指标分配模型；

步骤105：确定车载通信系统电磁兼容指标分配算法。

所述的步骤103其权重求取流程包括：

步骤301：以目标层性能为准则,子指标层性能c_jl为次准则，构建子指标判断矩阵；形成反映各子指标间接优势度的矩阵WA_ij；

步骤302：将矩阵WS_ij作为子矩阵，组集形成超矩阵WS；

$\mathrm{WS}=\left[\begin{array}{ccccc}{\mathrm{WS}}_{11}& ...& {\mathrm{WS}}_{1j}& ...& {\mathrm{WS}}_{1N}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{i1}& ...& {\mathrm{WS}}_{\mathrm{ij}}& ...& {\mathrm{WS}}_{\mathrm{iN}}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{N1}& ...& {\mathrm{WS}}_{\mathrm{Nj}}& ...& {\mathrm{WS}}_{\mathrm{NN}}\end{array}\right]$

步骤303：以目标层性能为准则，指标层性能U_i为次准则，构建加权矩阵WP：

$\mathrm{WP}=\left[\begin{array}{ccc}{\mathrm{wp}}_{11}& ...& {\mathrm{wp}}_{1N}\\ ...& ...& ...\\ {\mathrm{wp}}_{N1}& ...& {\mathrm{wp}}_{\mathrm{NN}}\end{array}\right]$

步骤304：用步骤303所得加权矩阵对302所得超矩阵进行加权组集，形成加权超矩阵W；

对超矩阵元素进行加权，得：

W=(W_ij)

W_ij＝wp_ij*WS_ij

W称为加权超矩阵，其列和为1；

步骤305：获得非负归一化的目标加权向量

根据超矩阵极限原理，当

存在时，W^∞的各列元素趋于一致，表征了各子指标元素的极限相对排序向量，即为非负归一化的目标加权向量

所述的各子指标间接优势度的矩阵WS_ij为：

${\mathrm{WS}}_{\mathrm{ij}}=\left[\begin{array}{cccc}{\mathrm{ws}}_{i1}^{j1}& {\mathrm{ws}}_{i1}^{j2}& ...& {\mathrm{ws}}_{i1}^{{\mathrm{jn}}_j}\\ {\mathrm{ws}}_{i2}^{j1}& {\mathrm{ws}}_{i2}^{j2}& ...& {\mathrm{ws}}_{i2}^{{\mathrm{jn}}_j}\\ ...& ...& ...& ...\\ {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& ...& {\mathrm{ws}}_{{\mathrm{in}}_j}^{{\mathrm{jn}}_j}\end{array}\right]$

为归一化特征向量。

所述的步骤104具体流程包括：

步骤401：构造初始评估矩阵C

$C=\left(\begin{array}{cccc}{c}_{11}& c_{12}& ...& c_{1n}\\ c_{21}& c_{22}& ...& c_{2n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ c_{m1}& c_{m2}& ...& c_{\mathrm{mn}}\end{array}\right)$

步骤402：构造理想方案矩阵M：

$M=\left(\begin{array}{cccc}{m}_{11}& m_{12}& ...& m_{1n}\\ m_{21}& m_{22}& ...& m_{2n}\end{array}\right)$

式中：

m_1j为最优理想方案量化值；

m_2j为最差理想方案量化值；

步骤403：构造无量纲化初始评估矩阵Z；

若c_ij是效益型指标（望大指标），即数值越大表明该项指标越好，则令

$z_{\mathrm{ij}}=\frac{c_{\mathrm{ij}}-m_{2j}}{m_{1j}-m_{2j}}$

若c_ij是成本型指标（望小指标），即数值越小表明该项指标越好，则令

$z_{\mathrm{ij}}=\frac{m_{2j}-c_{\mathrm{ij}}}{m_{2j}-m_{1j}}$

若c_ij是适中型指标，即评估者最满意的值为m_1j，离m_1j最远，即最差的值为m_2j，则令

$z_{\mathrm{ij}}=\frac{|m_{2j}-m_{1j}|-|c_{\mathrm{ij}}-m_{1j}|}{|m_{2j}-m_{1j}|};$

步骤404：构造加权单位化矩阵:

x_ij＝z_ijω_j；

步骤405：由理想方案矩阵M确定正负理想点;

步骤406：计算各方案与正负理想点的欧几里得距离;

其中 $S_i^{+}=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(x_{\mathrm{ij}}-x_j^{+})}^2},$ $S_i^{-}=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\Σ}}}{(x_{\mathrm{ij}}-x_j^{-})}^2};$

步骤407：计算各方案与理想方案的贴近度:

$C_i=\frac{S_i^{-}}{S_i^{+}+S_i^{-}}.$

所述的步骤105过程如下：

步骤501：选择编码策略，把参数集合X和解域转换为位串结构空间S；

步骤502：定义适应度函数f(s)；

步骤503：初始化群体大小N，交叉概率p_c，变异概率p_m等参数，随机生成初始种群S₍₀₎；

步骤504：计算种群中个体的适应度；

步骤505：按照遗传策略，对第t代种群S_(t)进行选择、交叉、变异操作，形成下一代的种群S_(t+1)；

步骤506：计算t+1代的个体适应度，判断算法是否满足停止准则，如果不满足，则令t=t+1；返回到步骤505；

步骤507：如果满足，则输出种群中的最大适应度值的个体作为最优解，解码获得最优参数解，终止计算。

所述的由理想方案矩阵M确定正负理想点是通过如下步骤:

取X矩阵中各指标的最大值为正理想点：

$x_i^{+}=w_i{m}_{1j}(i=\mathrm{1,2},...,n)$

和取X矩阵中各指标的最小值为负理想点：

$x_i^{-}=w_i{m}_{2j}(i=\mathrm{1,2},...,n)$ 完成。

本奶的原理及优点是:首先分配主体根据复杂系统实际电磁兼容性能的需求，在充分考虑现实性和可能性的基础上，提出需要进行系统电磁兼容分配研究的问题，并尽可能明确所需解决问题的总任务和总准则；然后明确系统的主要元素、边界和环境，并根据总任务和准则形成一个指标体系；接着根据所定义系统的关键变量（元素）及其逻辑关系，形成若干（亦可以有无限多）备选方案，并按其与最低层准则（常称为属性）的因果关系形成准则函数（属性函数），构造适合的分配模型；最后，运用适合的优化理论分析、综合、分配，分配具体指标的性能属性，由分配主体选择最优方案付诸实施,达到方便、科学准确的系统电磁兼容指标分配方法。

附图说明

图1是复杂系统电磁兼容指标分配的总体流程图；

图2是本发明在车载通信系统实例时，所建立的指标体系；

图3是基于ANP方法求取目标加权向量的流程图；

图4是广义成本函数的基本图形；

图5定性描述类型指标的广义成本函数图；

图6是指标划分区域示意图；

图7是TOPSIS方法流程图；

图8是遗传算法流程图。

具体实施方式

系统电磁兼容指标分配是为实现某个系统电磁兼容性能目标而指定、分析设计方案，并组织实施的全部活动；也是提出、分析和解决问题的全部过程。其流程如图1所示。

步骤101：获取车载通信系统电磁兼容信息。

步骤102:建立指标体系，建立的车载通信系统电磁兼容性能指标体系如图2所示。

步骤103：对指标体系按照ANP求取其权重，其权重求取流程如图3所示。

步骤301：以目标层性能为准则,子指标层性能c_jl为次准则，构建子指标判断矩阵；形成反映各子指标间接优势度的矩阵WS_ij；

如图2中，设ANP指标层有元素组U₁,...,U_N，其中U_i中有子指标层元素c_il,...,

以目标层性能为准则,U_j中元素c_jl(l=1,...,n_j)为次准则,元素组U_i中各元素按其对c_jl的影响力大小进行间接优势度比较,由此得归一化特征向量

依次遍历次准则c_jl(l＝1,...,n_j)建立子指标判断矩阵，形成矩阵WS_ij：

${\mathrm{WS}}_{\mathrm{ij}}=\left[\begin{array}{cccc}{\mathrm{ws}}_{i1}^{j1}& {\mathrm{ws}}_{i1}^{j2}& ...& {\mathrm{ws}}_{i1}^{{\mathrm{jn}}_j}\\ {\mathrm{ws}}_{i2}^{j1}& {\mathrm{ws}}_{i2}^{j2}& ...& {\mathrm{ws}}_{i2}^{{\mathrm{jn}}_j}\\ ...& ...& ...& ...\\ {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& ...& {\mathrm{ws}}_{{\mathrm{in}}_j}^{{\mathrm{jn}}_j}\end{array}\right]$

其中直接优势度定义为，给定一个准则，两元素对于该准则的重要程度进行比较；

间接优势度定义为，给出一个准则，两个元素在准则下对第三个元素（称为次准则）的影响程度进行比较。

前一种比较适用于元素间互相独立的情形，第二种比较适用于元素间互相依存的情形。

步骤302：组集形成超矩阵

将矩阵WS_ij作为子矩阵，可以组集形成超矩阵WS，如下所示：

$\mathrm{WS}=\left[\begin{array}{ccccc}{\mathrm{WS}}_{11}& ...& {\mathrm{WS}}_{1j}& ...& {\mathrm{WS}}_{1N}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{i1}& ...& {\mathrm{WS}}_{\mathrm{ij}}& ...& {\mathrm{WS}}_{\mathrm{iN}}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{N1}& ...& {\mathrm{WS}}_{\mathrm{Nj}}& ...& {\mathrm{WS}}_{\mathrm{NN}}\end{array}\right]$

步骤303：以目标层性能为准则，指标层性能U_i为次准则，构建加权矩阵；

为此，在指标层内，再次以目标层性能为准则，某指标层性能U_i为次准则，指标层内各指标的重要性进行比较，类似超矩阵WS中子块WS_ij的求取，得矩阵WP，其反映了WS子块的相对排序，因此将其命名为加权矩阵，如下所示：

$\mathrm{WP}=\left[\begin{array}{ccc}{\mathrm{wp}}_{11}& ...& {\mathrm{wp}}_{1N}\\ ...& ...& ...\\ {\mathrm{wp}}_{N1}& ...& {\mathrm{wp}}_{\mathrm{NN}}\end{array}\right]$

步骤304：用步骤303所得加权矩阵对302所得超矩阵进行加权组集，形成加权超矩阵W。

对超矩阵元素进行加权，得：

W=(W_ij)

W_ij＝wp_ij*WS_ij

W称为加权超矩阵，其列和为1。

步骤305：获得非负归一化的目标加权向量

根据超矩阵极限原理，当存在时，W^∞的各列元素趋于一致，表征了各子指标元素的极限相对排序向量，即为非负归一化的目标加权向量

步骤104：构造分配模型。

指标分配的总体目标是得到既能满足电磁兼容总体性能要求，又使得方案实现的成本最小化的一组最优方案。这样即提高了资金利用率，又最大限度的提升了电磁兼容性能的整体水平。

因此，建立了如下的优化目标数学函数如下：

$\left\{\begin{array}{c}\min T=\underset{i=1}{\overset{n}{\mathrm{\&Sigma;}}}{T}_i\left(z_i\right)\\ \mathrm{st}.C_s\&GreaterEqual;C_P\\ z_{i,\mathrm{ini}}<z_i<1,i=\mathrm{1,2},...,n\end{array}\right.$

式中：

T为优化的目标函数；

z_i为优化方案指标值；

T_i为第i个指标的广义成本函数；

C_p为系统目标总体电磁兼容性能要求；

z_i，ini为指标的初始指标值。

这一模型所包含的目标函数反应了方案的广义成本概念，约束条件表示了系统性能要求。首先根据不同的指标类型，分别建立各自的广义成本函数模型函数，然后通过对各指标的可行性分析，建立指标的可行度模型，用以确定广义成本函数模型中的可行度参数，最后采用改进的TOPSIS算法，建立系统总体性能的约束条件。

实际中，由于资源的约束以及指标种类的增多，在进行系统电磁兼容性能指标分配时，应该考虑在一个系统中不同种类指标的存在，即在同一系统中，不同指标成本函数会不同，同时系统中指标成本函数也可能为不连续函数。本发明综合考虑系统中指标的多样性及指标值—成本之间可能的三种函数模型：相对独立类型指标成本函数、相互关联类型指标成本函数、定性描述类型指标成本函数。分别对三种成本函数进行了讨论，并建立了电磁兼容性能指标分配的广义成本函数模型。

在电磁兼容指标体系中，部分指标表现出相对独立的性质，即指标本身属性的改变既不会影响其他指标的属性，也不受其他指标属性的改变而改变。这一类型指标我们称其为相对独立类型指标，其广义成本函数如下：

$T_i(z_i,f_i,w_i)=\frac{1-f_i}{w_i}\ln \left(\frac{{1-z}_{i,\mathrm{ini}}}{1-z_i}\right)$

式中：

T_i表示第i个指标的广义成本；

z_i表示第i个指标的优化值；

z_i，ini为起始指标值；

f_i为指标提高可行度，也即难易程度；

w_i为ANP计算得到的指标权重；

广义成本函数的基本图形如图4所示。

指标体系中，还有部分指标之间存在这相互关联的情况，这些指标的属性改变所带来的成本，必然会受其他指标的影响，并且同样会影响其他指标的属性，这一类指标称为相互关联类型指标，因此这些指标的广义成本函数模型中，必然要包含其他指标的影响项。这一类型指标的广义成本函数如下：

T_i(z_i,f_i,w_i)=F_i(z_i,f_i,w_i)+G_j(z_j)

式中：

F_i(z_i,f_i,w_i)表示指标本身的成本；

G_j(z_j)表示其他指标对i指标的影响；

$F_i(z_i,f_i,w_i)=\frac{1-f_i}{w_i}\ln \left(\frac{1-z_{i,\mathrm{ini}}}{1-z_i}\right)$

$G\left(z_j\right)=\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{\mathrm{\&lambda;}}_j(z_j-z_{j,\mathrm{ini}}),$ j≠i

在发明建立的指标体系中，存在着部分指标是使用定性描述来说明的指标，这类指标称为定性描述类型指标，这类指标与成本之间为阶跃函数关系（也可认为是离散对应关系，在一定的指标值变动范围内成本不变，通常取某一阶段上的最大指标值时的成本），即在一定指标值范围内，成本为单一值，如图5所示。成本函数如下：

$T_i=\left(\frac{1-f_i}{w_i}\right)\underset{l=1}{\overset{n_i}{\mathrm{\&Sigma;}}}{X}_{i,l}{C}_{i,l}$

式中：

T_i为第i个指标的成本；

X_i，l为布尔决策变量，其值为1时表明组件i的成本为离散值集合中的第l个取值；

C_i，l为组件i取第l个点时对应的成本（常量）。

在上述中的广义成本函数模型中的可行度参数代表着各个指标参数在归一化条件下提升相同程度各自的难易程度。这一参数反应了广义成本函数模型的复杂度。由于不同指标所代表的属性性能不同，其提升的难易程度很难用同一指标进行量化，因此本发明建立可行度数学模型，根据历史数据确定各指标可行度。

不同的指标改善的可行性大不相同，但都有可以提升的空间，并且随着指标属性越来越优秀，其提升难度成非线性增加，可行度大幅度下降。因此，可以得到可行度函数应该具有以下特性：指标成本函数中的可行度系数是指标值的单调递减函数，指标属性越好，指标值越大，其性能提升越难，可行度越低；不同类型的指标，其可行度表现形式不同，具体分为连续函数模型和离散函数模型，对于定量指标应为连续函数模型，定性指标应为离散函数模型。下面我们分别介绍这两种模型。

在电磁兼容指标体系，有相当一部分指标是定性指标，这类指标难以定量描述，只能通过对其定性描述进行专家打分的方法来量化，使得这类指标的指标值是离散的点集合。因此，其可行度函数也必然是离散函数。

$f=f(z_{i,\mathrm{ini}},z_i)={\left\{f_{z_i,z_j}\right\}}_{z_{i,\mathrm{ini}},z_i}$

式中：

为可行度矩阵；

$\left\{f_{z_i,z_j}\right\}=\left[\begin{array}{cccc}{f}_{z_1,z_1}& f_{z_1,z_2}& ...& f_{z_1,z_n}\\ f_{z_2,z_1}& f_{z_2,z_2}& ...& f_{z_2,z_n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ f_{z_n,z_1}& f_{z_n,z_2}& ...& f_{z_n,z_n}\end{array}\right];$

表示指标值从z_i改变到z_j的可行度。

另外一部分指标是定量指标，由于这类指标的指标值是连续情况，无法直接形成其可行度矩阵，因此，本发明根据其不同的指标特点，将某指标的历史数据样本依分布概率分为若干个区域，建立各区域间的可行度表，分别确定指标初值及调整后终值对应的不同区域编号，从表2中查询所需要的可行度值。图6为指标划分区域示意图，并对各个区域进行编号，表2为对应的可行度表，该表可以由不同指标的可行性分析、指标的分布情况，运用统计学理论分析获得。

表2图6对应的可行度表

在复杂系统电磁兼容指标分配的过程中，如果仅仅考虑成本的最小化，会使得最终结果偏离实际需求而无法使用。因此需要对产生的方案集进行价值判断，以考核方案是否满足用户要求，并作为是否继续搜索的判断条件。因此，必须采取一种综合评估方法作为系统反馈校核的应用条件，即优化模型中的约束条件。本发明采用改进的理想点排序法（TOPSIS）做为价值判断的方法。

改进的TOPSIS法的详细步骤如图7所示：

步骤401：构造初始评估矩阵C

设某一多属性指标分配问题有m个待选方案，n个指标。初始数据源如表3所示。

c_ij代表第i个方案的第j个指标的量化值，1≤i≤m,1≤j≤n

由表中的指标量化值可得到初始评估矩阵C

$C=\left(\begin{array}{cccc}{c}_{11}& c_{12}& ...& c_{1n}\\ c_{21}& c_{22}& ...& c_{2n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ c_{m1}& c_{m2}& ...& c_{\mathrm{mn}}\end{array}\right)$

步骤402：构造理想方案矩阵M

设某一多属性指标分配问题的最优理想方案和最差理想方案的量化值构成矩阵M。

$M=\left(\begin{array}{cccc}{m}_{11}& m_{12}& ...& m_{1n}\\ m_{21}& m_{22}& ...& m_{2n}\end{array}\right)$

式中：

m_1j为最优理想方案量化值；

m_2j为最差理想方案量化值。

步骤403：构造无量纲化初始评估矩阵Z

为了比较各指标值，消除不同指标间的不可公度性，做如下变换：

若c_ij是效益型指标（望大指标），即数值越大表明该项指标越好，则令

$z_{\mathrm{ij}}=\frac{c_{\mathrm{ij}}-m_{2j}}{m_{1j}-m_{2j}}$

若c_ij是成本型指标（望小指标），即数值越小表明该项指标越好，则令

$z_{\mathrm{ij}}=\frac{m_{2j}-c_{\mathrm{ij}}}{m_{2j}-m_{1j}}$

若c_ij是适中型指标，即评估者最满意的值为m_1j，离m_1j最远，即最差的值为m_2j，则令

$z_{\mathrm{ij}}=\frac{|m_{2j}-m_{1j}|-|c_{\mathrm{ij}}-m_{1j}|}{|m_{2j}-m_{1j}|}$

步骤404：构造加权单位化矩阵X

首先确定各指标的规一化权重向量

w=(ω₁,ω₂,...,ω_m)

由w和规范化矩阵Z构造加权评估矩阵X，

其中

x_ij＝z_ijω_j

步骤405：由理想方案矩阵M确定正负理想点

取X矩阵中各指标的最大值为正理想点：

$x_i^{+}=w_i{m}_{1j}(i=\mathrm{1,2},...,n)$

取X矩阵中各指标的最小值为负理想点：

$x_i^{-}=w_i{m}_{2j}(i=\mathrm{1,2},...,n)$

步骤406：计算各方案与正负理想点的欧几里得距离

$S_i^{+}=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{(x_{\mathrm{ij}}-x_j^{+})}^2}$

与 $S_i^{-}=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{(x_{\mathrm{ij}}-x_j^{-})}^2}$

步骤407：计算各方案与理想方案的贴近度

$C_i=\frac{S_i^{-}}{S_i^{+}+S_i^{-}}$

贴近度代表着方案与理想情况的欧氏距离，贴近度越接近1，则方案越理想，同样的，达到这一方案所消耗的成本也就越高，因此，必须在两者之间寻找一种平衡状态，使得方案既能满足实际工程要求，又尽最大可能的压缩成本。

步骤105：确定分配算法进行分配并输出分配结果。

发明对分配模型采用标准遗传算法进行求解，其流程图如图8所示。

遗传算法是模拟生物在自然环境中的遗传和进化过程而形成的一种自适应全局优化概率搜索算法。遗传算法以编码空间代替问题的参数空间，以适应度函数为评价依据，以编码群体为进化基础，以对群体中个体位串的遗传操作来实现选择和遗传机制，建立起一个迭代过程。在这一过程中，通过对编码位串中重要的基因随机重组，使得新一代的位串集合优于老一代的位串集合，群体的个体不断进化，逐渐接近最优解，最终达到求解问题的目的。

标准遗传算法的执行过程如下：

步骤501：选择编码策略，把参数集合X和解域转换为位串结构空间S；

步骤502：定义适应度函数f(s)；

遗传算法中使用适应度这个概念来度量群体中各个个体在优化计算中有可能达到或接近于找到最优解的优良程度。适应度较高的个体遗传到下一代的概率较大；而适应度较低的个体遗传到下一代的概率较小。度量个体适应度的函数称为适应度函数，也称为评价函数。

步骤503：初始化群体大小N，交叉概率p_c，变异概率p_m等参数，随机生成初始种群S₍₀₎。

步骤504：计算种群中个体的适应度；

步骤505：按照遗传策略，对第t代种群S_(t)进行选择、交叉、变异操作，形成下一代的种群S_(t+1)。

步骤506：计算t+1代的个体适应度，判断算法是否满足停止准则，如果不满足，则令t=t+1；返回到步骤505；

步骤507：如果满足，则输出种群中的最大适应度值的个体作为最优解，解码获得最优参数解，终止计算。

Claims (6)

1.一种车载通信系统电磁兼容指标分配方法，其特征是：至少包括如下流程：

步骤101：获取车载通信系统电磁兼容信息；

步骤102:根据电磁兼容信息建立车载通信系统电磁兼容指标体系；

步骤103：对车载通信系统电磁兼容指标体系按照ANP求取其权重；

步骤104：构造车载通信系统电磁兼容指标分配模型；

步骤105：确定车载通信系统电磁兼容指标分配算法。

2.根据权利要求1所述的一种系统电磁兼容指标分配方法，其特征是：所述的步骤103其权重求取流程包括：

步骤301：以目标层性能为准则,子指标层性能c_jl为次准则，构建子指标判断矩阵；形成反映各子指标间接优势度的矩阵WS_ij；

步骤302：将矩阵WS_ij作为子矩阵，组集形成超矩阵WS；

$\mathrm{WS}=\left[\begin{array}{ccccc}{\mathrm{WS}}_{11}& ...& {\mathrm{WS}}_{1j}& ...& {\mathrm{WS}}_{1N}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{i1}& ...& {\mathrm{WS}}_{\mathrm{ij}}& ...& {\mathrm{WS}}_{\mathrm{iN}}\\ ...& ...& ...& ...& ...\\ {\mathrm{WS}}_{N1}& ...& {\mathrm{WS}}_{\mathrm{Nj}}& ...& {\mathrm{WS}}_{\mathrm{NN}}\end{array}\right]$

步骤303：以目标层性能为准则，指标层性能U_i为次准则，构建加权矩阵WP：

$\mathrm{WP}=\left[\begin{array}{ccc}w{p}_{11}& ...& {\mathrm{wp}}_{1N}\\ ...& ...& ...\\ {\mathrm{wp}}_{N1}& ...& {\mathrm{wp}}_{\mathrm{NN}}\end{array}\right]$

步骤304：用步骤303所得加权矩阵对302所得超矩阵进行加权组集，形成加权超矩阵W；

对超矩阵元素进行加权，得：

W＝(W_ij)

W_ij＝wp_ij*WS_ij

W称为加权超矩阵，其列和为1；

步骤305：获得非负归一化的目标加权向量

根据超矩阵极限原理，当

存在时，W^∞的各列元素趋于一致，表征了各子指标元素的极限相对排序向量，即为非负归一化的目标加权向量

3.根据权利要求2所述的一种系统电磁兼容指标分配方法，其特征是：各了指标间接优势度的矩阵WS_ij为：

${\mathrm{WS}}_{\mathrm{ij}}=\left[\begin{array}{cccc}{\mathrm{ws}}_{i1}^{j1}& {\mathrm{ws}}_{i1}^{j2}& ...& {\mathrm{ws}}_{i1}^{{\mathrm{jn}}_j}\\ {\mathrm{ws}}_{i2}^{j1}& {\mathrm{ws}}_{i2}^{j2}& ...& {\mathrm{ws}}_{i2}^{{\mathrm{jn}}_j}\\ ...& ...& ...& ...\\ {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& {\mathrm{ws}}_{{\mathrm{in}}_j}^{j1}& ...& {\mathrm{ws}}_{{\mathrm{in}}_j}^{{\mathrm{jn}}_j}\end{array}\right]$

$({\mathrm{ws}}_{i1}^{\mathrm{jl}},{\mathrm{ws}}_{i2}^{\mathrm{jl}},...{\mathrm{ws}}_{{\mathrm{in}}_i}^{\mathrm{jl}})$ 为归一化特征向量。

4.根据权利要求1所述的一种系统电磁兼容指标分配方法，其特征是：所述的步骤104具体流程包括：

步骤401：构造初始评估矩阵C

$C=\left(\begin{array}{cccc}{c}_{11}& c_{12}& ...& c_{1n}\\ c_{21}& c_{22}& ...& c_{2n}\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ c_{m1}& c_{m2}& ...& c_{\mathrm{mn}}\end{array}\right)$

步骤402：构造理想方案矩阵M：

$M=\left(\begin{array}{cccc}{m}_{11}& m_{12}& ...& m_{1n}\\ m_{21}& m_{22}& ...& m_{2n}\end{array}\right)$

式中：

m_1j为最优理想方案量化值；

m_2j为最差理想方案量化值；

步骤403：构造无量纲化初始评估矩阵Z；

若c_ij是效益型指标（望大指标），即数值越大表明该项指标越好，则令

$z_{\mathrm{ij}}=\frac{c_{\mathrm{ij}}-m_{2j}}{m_{1j}-m_{2j}}$

若c_ij是成本型指标（望小指标），即数值越小表明该项指标越好，则令

$z_{\mathrm{ij}}=\frac{m_{2j}-c_{\mathrm{ij}}}{m_{2j}-m_{1j}}$

若c_ij是适中型指标，即评估者最满意的值为m_1j，离m_1j最远，即最差的值为m_2j，则令

$z_{\mathrm{ij}}=\frac{|m_{2j}-m_{1j}|-|c_{\mathrm{ij}}-m_{1j}|}{|m_{2j}-m_{1j}|};$

步骤404：构造加权单位化矩阵:

x_ij＝z_ijω_j；

步骤405：由理想方案矩阵M确定正负理想点;

步骤406：计算各方案与正负理想点的欧几里得距离;

其中, $S_i^{+}=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{(x_{\mathrm{ij}}-x_j^{+})}^2},$ $S_i^{-}=\sqrt{\underset{j=1}{\overset{n}{\mathrm{\&Sigma;}}}{(x_{\mathrm{ij}}-x_j^{-})}^2};$

步骤407：计算各方案与理想方案的贴近度:

$C_i=\frac{S_i^{-}}{S_i^{+}+S_i^{-}}.$

5.根据权利要求1所述的一种系统电磁兼容指标分配方法，其特征是：所述的步骤105过程如下：

步骤501：选择编码策略，把参数集合X和解域转换为位串结构空间S；

步骤502：定义适应度函数f(s)；

步骤503：初始化群体大小N，交叉概率p_c，变异概率p_m等参数，随机生成初始种群S₍₀₎；

步骤504：计算种群中个体的适应度；

步骤505：按照遗传策略，对第t代种群S_(t)进行选择、交叉、变异操作，形成下一代的种群S_(t+1)；

步骤506：计算t+1代的个体适应度，判断算法是否满足停止准则，如果不满足，则令t=t+1；返回到步骤505；

步骤507：如果满足，则输出种群中的最大适应度值的个体作为最优解，解码获得最优参数解，终止计算。

6.根据权利要求1所述的一种系统电磁兼容指标分配方法，其特征是：所述的由理想方案矩阵M确定正负理想点是通过如下步骤:

取X矩阵中各指标的最大值为正理想点：

$x_i^{+}=w_i{m}_{1j}(i=\mathrm{1,2},...,n)$

和取X矩阵中各指标的最小值为负理想点：

$x_i^{-}=w_i{m}_{2j}(i=\mathrm{1,2},...,n)$ 完成。

Images