面向隐式信息场的动态均衡寻源方法

受信息分布特征和测量技术的限制,隐式信息场具有显著的观测局限性,通常观测者无法获得未到达区域的数据,从而导致寻源行为具有强烈的不确定性。受生物寻源行为的启发,文中从搜索行为与信息获取和利用的角度出发,提出了一种基于动态均衡策略的自主寻源方法。首先,借助多目标优化理论,建立寻源数学模型,将隐式信息场寻源任务归结为多目标收敛问题;其次,借鉴进化算法的思想,将运动搜索与种群进化相结合,构建以可行性搜索行为为个体样本的进化种群,通过对多目标问题的求解,引导载体完成寻源任务;然后,在寻源过程中,引入分布熵度量搜索偏向,结合寻源进程的需求,设计了一种动态均衡搜索的寻源方法,并给出寻源算法;最后,通过理论分析和仿真验证,证实了所提方法的有效性和合理性。