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。