本發(fā)明涉及海洋數(shù)據(jù)劃分處理技術(shù)領(lǐng)域，具體地說，是一種浮標(biāo)數(shù)據(jù)的多目標(biāo)關(guān)聯(lián)度劃分處理方法。

背景技術(shù)：

現(xiàn)有的浮標(biāo)按海區(qū)單點存儲不能及時響應(yīng)跨海區(qū)災(zāi)害的數(shù)據(jù)獲取，無法為海洋災(zāi)害發(fā)生時提供快速高效的數(shù)據(jù)訪問服務(wù)，將浮標(biāo)依賴災(zāi)害影響程度構(gòu)建成圖，利用圖劃分方法進(jìn)行劃分后應(yīng)用，能夠更高效的使用浮標(biāo)數(shù)據(jù)。圖劃分方法是將具有相關(guān)性的、復(fù)雜的邊關(guān)系根據(jù)頂點與頂點間的緊密程度聚類的一種方法，良好的圖劃分算法能夠?qū)?shù)據(jù)關(guān)聯(lián)性布局提供依據(jù)。

在無結(jié)構(gòu)圖多層級劃分方法metis中，利用圖粗糙方法(coarseningphase)將復(fù)雜圖規(guī)模逐步縮減，然后進(jìn)行圖劃分(initialpartitioningphase)并對圖進(jìn)行處理，在處理結(jié)束后，執(zhí)行圖復(fù)原方法(uncoarseningphase)。其中圖粗糙方法利用“超點”(createmultinode)以及最大化匹配(maximalmatching)，圖劃分方法與圖復(fù)原方法中應(yīng)用了如kernighan-linalgorithm等多種算法。該方法的優(yōu)點在與：①圖粗糙時能得到較好的全局視圖(globalview)，②圖復(fù)原中利用kl算法可以得到較好的本地視圖(localview)③結(jié)合全局視圖與本地視圖在圖劃分步驟時的選擇對圖影響較小的劃分算法④圖粗糙的并行化較為容易且運算時間得到優(yōu)化。

metis結(jié)合幾種啟發(fā)式算法在圖粗糙、圖劃分、圖復(fù)原上提升了切分規(guī)模，使用貪婪算法(gr)等進(jìn)行改進(jìn)，使metis優(yōu)于原始的mgp方法。但這種做法將粗糙圖進(jìn)行劃分后，反映在原始圖上可能不是最優(yōu)結(jié)果。

一種過程工程的矩陣排序策略：并行化圖劃分算法，通過重新對矩陣排序成塊鑲嵌對角形式(borderedblock–diagonalform)來進(jìn)行劃分。由于這種結(jié)構(gòu)并不都是從等式產(chǎn)生程序(equationgenerationroutine)中獲得，必須要有一個重新排序系數(shù)矩陣的行與列的算法。該算法創(chuàng)建一個塊鑲嵌對角形式，適用于使用并行算法在高度非對稱稀疏矩陣中產(chǎn)生結(jié)果，并在過程工業(yè)上應(yīng)用。這個方法目的在創(chuàng)建若干相似大小的對角塊并保持接口矩陣大小不變，可以反映出并行計算瓶頸。結(jié)果表明該重新排序算法大多數(shù)情況下能夠?qū)ふ乙粋€結(jié)構(gòu)，并且使用重新排序時間少于提前使用圖劃分方法，但在時間上并沒有很高的提升。

利用遺傳算法對圖劃分可以進(jìn)行多對象優(yōu)化。其進(jìn)一步改善的方法是將上一次運行的最優(yōu)結(jié)果注入到下一次運行的第一代中，并且將前一代存儲的非支配集與后一代非支配集相結(jié)合。改善阻止了遺傳算法(geneticalgorithms)陷入到局部優(yōu)值并且增加尋找到更優(yōu)結(jié)果的可能性。并證明了算法的有效性。該方法特點在于使用了混合細(xì)胞自動學(xué)習(xí)(hybridcellularlearningautomata)和遺傳算法相結(jié)合，優(yōu)化了本地速度。

還有一種didic算法，隱含了優(yōu)化切割質(zhì)量的相關(guān)措施，比如說模塊化，這使得結(jié)算結(jié)合其他高質(zhì)量的分布式集群算法措施與圖集群算法優(yōu)化了全局知識的切分相關(guān)措施。通過實驗證明：通過每個節(jié)點開始的隨機集群數(shù)，可能在圖內(nèi)交流的僅有一個直接相鄰的節(jié)點，并且僅僅需要少量的額外存儲空間，與非分布式圖集群mcl庫(librarymcl)相比，通過didic計算的結(jié)果匯集在集群中有很高的質(zhì)量，這些主要的算法使用了全局知識(globalknowledge)。

從海洋預(yù)報業(yè)務(wù)化、防災(zāi)減災(zāi)的需求來看，浮標(biāo)數(shù)據(jù)按海區(qū)單點存儲的方式，檢索效率低，不能及時形成有效的海上觀測能力，不能應(yīng)對跨海區(qū)海洋環(huán)境預(yù)報、災(zāi)害預(yù)警報及海上突發(fā)事件的應(yīng)急處理，也不能滿足海洋重要現(xiàn)象研究、遙感定標(biāo)以及彰顯我國東海經(jīng)濟(jì)專屬區(qū)主權(quán)的需求。

中國發(fā)明專利cn201520353376.0，公開日為2015.12.23，公開了一種基于北斗魚探浮標(biāo)的實時魚情監(jiān)測系統(tǒng)。但是該系統(tǒng)無法應(yīng)用于海洋預(yù)報以及防災(zāi)減災(zāi)等情景。

因此，亟需一種浮標(biāo)按微區(qū)方式存儲、檢索效率高的處理方法，而目前關(guān)于這種處理方法還未見報道。

技術(shù)實現(xiàn)要素：

本發(fā)明的目的是針對現(xiàn)有技術(shù)中的不足，提供一種浮標(biāo)數(shù)據(jù)的多目標(biāo)關(guān)聯(lián)度劃分處理方法。

為實現(xiàn)上述目的，本發(fā)明采取的技術(shù)方案是：

一種浮標(biāo)數(shù)據(jù)的多目標(biāo)關(guān)聯(lián)度劃分處理方法，所述浮標(biāo)數(shù)據(jù)的多目標(biāo)關(guān)聯(lián)度劃分處理方法包括以下步驟：

s01：獲取歷年臺風(fēng)與浮標(biāo)數(shù)據(jù)；

s02：構(gòu)建浮標(biāo)關(guān)系圖；

s03：多目標(biāo)問題公式化；

s04：構(gòu)建針對浮標(biāo)數(shù)據(jù)定制的nsga-ii算法(帶精英保存策略的非支配排序遺傳算法)；

s05：輸出適合浮標(biāo)數(shù)據(jù)的多目標(biāo)布局方法。

所述的s04步驟中的針對浮標(biāo)數(shù)據(jù)定制的nsga-ii算法(帶精英保存策略的非支配排序遺傳算法)包括初始化個體算法、選擇算子算法、交叉算子算法、變異算子算法、精英保存算法。

所述的s02步驟中，包括臺風(fēng)與浮標(biāo)關(guān)系計算、設(shè)立閾值erosf、將兩個浮標(biāo)的eros值與閾值erosf對比、獲取浮標(biāo)關(guān)系圖，所述的臺風(fēng)與浮標(biāo)關(guān)系計算是利用eros距離度量方法計算臺風(fēng)參數(shù)對浮標(biāo)的影響系數(shù)，所述的臺風(fēng)參數(shù)包括臺風(fēng)風(fēng)向、距離、海溫、增水、海壓，所述的將兩個浮標(biāo)的eros值與閾值erosf對比為若eros>erosf，則臺風(fēng)對兩者影響程度相似，具有邊關(guān)系，若eros<erosf，則臺風(fēng)對兩者影響程度不同，不具有邊關(guān)系，且eros值越大表明兩者越相似。

所述的s03步驟中，包括微區(qū)內(nèi)浮標(biāo)間關(guān)系最大化目標(biāo)公式化、微區(qū)間相關(guān)性最小化目標(biāo)公式化、跨微區(qū)通信時間最小化目標(biāo)公式化、微區(qū)完整性約束、微區(qū)連續(xù)性約束、非嵌入性約束、微區(qū)個數(shù)約束；

所述的微區(qū)內(nèi)浮標(biāo)間關(guān)系最大化目標(biāo)公式化的公式為其中，cik與cjk分別表示浮標(biāo)vi與vj是否屬于第k個微區(qū)，ωij表示頂點vi與vj間的邊權(quán)值；

所述的微區(qū)間相關(guān)性最小化目標(biāo)公式化的公式為其中，反映所有微區(qū)的數(shù)據(jù)期望值，用于評估某一微區(qū)到微區(qū)期望值的差異；

所述的跨微區(qū)通信時間最小化目標(biāo)公式化的公式為其中，dlk表示第l次臺風(fēng)是否涉及微區(qū)mk，c代表云計算平臺讀取單個微區(qū)的通信時間，ty表示臺風(fēng)次數(shù)；

所述的微區(qū)完整性約束的公式為

所述的微區(qū)個數(shù)約束的公式為mnmin≤mn≤mnmax；mn＝mnfix，其中，[mnmin,mnmax]是一個范圍，mnfix是一個適當(dāng)?shù)闹担?/p>

所述的微區(qū)規(guī)模約束的公式為mmin≤|mk|≤mmax；k＝1，2，...，mn，其中，[mmin,mmax]是微區(qū)規(guī)模的范圍，|mk|是mk的大小。

所述的初始化個體算法包括以下步驟：

s0411：從浮標(biāo)集合v中抽取k個初始點，并在個體數(shù)組中indj中將該點的值依次標(biāo)記為k(k＝1,2,…,k)；

s0412：當(dāng)所有的頂點都屬于某一微區(qū)時，判斷是否有浮標(biāo)添加至微區(qū)；

s0413：若有，對于每一個微區(qū)mk，如果浮標(biāo)集合v中某一頂點vj與微區(qū)mk內(nèi)某一頂點vi相連接且vj不屬于任何微區(qū)且微區(qū)mk的規(guī)模小于mmax，就在個體數(shù)組中令vj頂點的值為k；若沒有，對于每一個微區(qū)mk，如果vi未被分配且微區(qū)mk的規(guī)模小于mmax，就在個體數(shù)組中令vj頂點的值為k；

s0414：輸出種群g0。

所述的選擇算子算法包括以下步驟：

s0421：預(yù)設(shè)交配池的規(guī)模為psize，對第r代種群gr進(jìn)行快速非支配集排序；

s0422：計算每個解的擁擠度；

s0423：判斷交配池pr規(guī)模是否小于psize；

s0424：當(dāng)交配池pr規(guī)模小于psize時，隨機抽取gr中兩個解vi與vj，其非支配等級分別為xi與xj；

s0425：判斷xi與xj的大?。?/p>

s0426：如果xi大于xj，將vi并入交配池pr內(nèi)；如果xi小于xj，將vj并入交配池pr內(nèi)；如果xi等于xj，選擇擁擠度最大的解并入交配池pr內(nèi)；

s0427：循環(huán)s0423-s0426，直至交配池pr規(guī)模不小于psize；

s0428：輸出交配池pr。

所述的交叉算子算法包括以下步驟：

s0431：從交配池pr中隨機抽取兩個個體indri，indrj；

s0432：從兩個個體中隨機抽選一個個體indri(indrj)，并隨機選擇indri(indrj)中某一微區(qū)，并將indrj(indri)中該微區(qū)相應(yīng)位置替換為indri(indrj)中的微區(qū)值，生成新個體ind(r+1)i；

s0433：對新個體ind(r+1)i進(jìn)行重新標(biāo)記,判斷個體內(nèi)同意微區(qū)內(nèi)部是否相連，若不相連則標(biāo)記為新微區(qū)；

s0434：輸出新個體ind(r+1)i。

所述的變異算子算法包括以下步驟：

s0441：隨機抽取個體indri中屬于某一微區(qū)mi(i＝1,2,…,mn)中的一些邊界浮標(biāo)vk(k＝1,2,…,|v|)；

s0442：如果nkj值為1且vj不屬于mi，就將邊界浮標(biāo)vk轉(zhuǎn)移至vj所屬微區(qū)內(nèi)；

s0443：重新標(biāo)記受影響微區(qū)；

s0444：輸出個體indri。

所述的精英保存算法包括以下步驟：

s0451：選擇第r代種群gr；

s0452：將中g(shù)r第一非支配解集中擁擠度最大的解放入第r+1代種群gr+1中；

s0453：輸出第r+1代種群gr+1。

本發(fā)明優(yōu)點在于：

1、將海區(qū)中所有的浮標(biāo)構(gòu)成圖，將浮標(biāo)分布劃分區(qū)域存儲；

2、使微區(qū)內(nèi)浮標(biāo)數(shù)據(jù)相關(guān)性最大化、微區(qū)間的相關(guān)性最小化、跨微區(qū)通信時間最小化，并且使微區(qū)負(fù)載平衡；

3、在跨海區(qū)災(zāi)害發(fā)生時，能夠?qū)Ｑ髴?yīng)急預(yù)警、預(yù)報、臺風(fēng)資料分析提供高效檢索方式，并提高預(yù)報精度；

4、促進(jìn)業(yè)務(wù)化常規(guī)預(yù)報的質(zhì)量、數(shù)值模式同化的效果、防災(zāi)減災(zāi)與應(yīng)急預(yù)報決策的正確制定以及維權(quán)執(zhí)法等海上活動的保障能力。

附圖說明

附圖1是本發(fā)明的一種浮標(biāo)數(shù)據(jù)的多目標(biāo)關(guān)聯(lián)度劃分處理方法的流程圖。

附圖2是計算浮標(biāo)與正北方向夾角az的直角坐標(biāo)系圖。

附圖3是計算臺風(fēng)與正北方向夾角at的臺風(fēng)十六方位圖。

附圖4是違反微區(qū)完整性的示意圖。

附圖5是執(zhí)行交叉算子算法的示意圖。

附圖6是執(zhí)行變異算子算法的示意圖。

具體實施方式

下面結(jié)合附圖對本發(fā)明提供的具體實施方式作詳細(xì)說明。

實施例1

如圖1所示，本發(fā)明的一種浮標(biāo)數(shù)據(jù)的多目標(biāo)關(guān)聯(lián)度劃分處理方法的步驟如下：

s01：獲取歷年臺風(fēng)與浮標(biāo)數(shù)據(jù)；

s02：構(gòu)建浮標(biāo)關(guān)系圖；

s03：多目標(biāo)問題公式化；

s04：構(gòu)建針對浮標(biāo)數(shù)據(jù)定制的nsga-ii算法(非支配排序遺傳算法)；

s05：輸出適合浮標(biāo)數(shù)據(jù)的多目標(biāo)布局方法。

實施例2

本發(fā)明的一種浮標(biāo)數(shù)據(jù)的多目標(biāo)關(guān)聯(lián)度劃分處理方法的浮標(biāo)關(guān)系圖的構(gòu)建步驟如下：

a01：臺風(fēng)與浮標(biāo)間關(guān)系計算；

a02：設(shè)立閾值；

a03：將兩個浮標(biāo)的eros值與閾值對比；

a04：獲取浮標(biāo)關(guān)系圖。

在步驟a01中，其具體步驟如下：

a011：臺風(fēng)風(fēng)向?qū)Ω?biāo)的影響系數(shù)計算；

設(shè)臺風(fēng)經(jīng)度為lot，緯度為lat，浮標(biāo)經(jīng)度為lof，緯度為laf；以臺風(fēng)某一時刻位置為圓點，浮標(biāo)與臺風(fēng)連線，與正北方向夾角為az；臺風(fēng)風(fēng)向與正北為0度方向夾角為at；臺風(fēng)風(fēng)向與浮標(biāo)的夾角為p；

首先計算az，如圖2所示，利用直角坐標(biāo)系對az進(jìn)行計算，以臺風(fēng)為圓點，計算公式為(1)，

其次計算at，如圖3所示；

最后計算p，計算公式為(2)，

p＝|az-at|(2)

當(dāng)p＝0時，說明臺風(fēng)徑直作用于浮標(biāo)，此時作用效果最大；當(dāng)p＝180時，說明臺風(fēng)風(fēng)向與浮標(biāo)位置相悖，此時作用效果最差；因此臺風(fēng)風(fēng)向?qū)Ω?biāo)的影響系數(shù)為：1-p/180。

a012：距離對浮標(biāo)的影響系數(shù)計算；

設(shè)臺風(fēng)與浮標(biāo)的距離為r，閾值為rf，一般rf等于臺風(fēng)7級風(fēng)圈半徑，影響系數(shù)計算方法如下：

若r>rf，則影響系數(shù)為0；若r<rf，則影響系數(shù)為1。

a013：其他因素對浮標(biāo)的影響程度計算；

利用eros距離度量方法計算各因素對浮標(biāo)的影響系數(shù)，將臺風(fēng)時間t分成m段，將臺風(fēng)風(fēng)向、距離、海溫、增水、海壓等影響因素利用主成分分析方法對多元時間序列進(jìn)行特征分解，得到相應(yīng)的特征值和特征矩陣，并根據(jù)特征值的大小，選取對應(yīng)的特征向量形成特征空間坐標(biāo)體系，并且結(jié)合綜合權(quán)重w來計算2個多元時間序列a和b對應(yīng)特征空間坐標(biāo)系之間的相似性，計算公式為(3)，

其中，wi是利用主成分分析對所有多元時間序列進(jìn)行特征分解后其第i組特征值在前k組特征值中的比率，其計算公式為(4)，

其中，n表示數(shù)據(jù)庫中多元時間序列的數(shù)目，w(j,i)表示第j個多元時間序列經(jīng)主成分分析后的第i個特征值，即

a02：設(shè)立一個閾值erosf；

a03：將兩個浮標(biāo)間在同一時間段內(nèi)的eros值與閾值erosf進(jìn)行對比，判斷方式如下：

若eros>erosf，則臺風(fēng)對兩者影響程度相似，具有邊關(guān)系，若eros<erosf，則臺風(fēng)對兩者影響程度不同，不具有邊關(guān)系,且eros值越大表明兩者越相似；

a04：將歷代臺風(fēng)數(shù)據(jù)迭代進(jìn)行上述步驟，得到浮標(biāo)關(guān)系圖。

實施例3

本發(fā)明的一種浮標(biāo)數(shù)據(jù)的多目標(biāo)關(guān)聯(lián)度劃分處理方法的多目標(biāo)問題公式化的步驟如下：

浮標(biāo)關(guān)系圖為無向圖g，g＝(v,e)，其中v＝{vi；vi＝1,2,…,|v|}是圖g中|v|個頂點的集合，vi是二維空間中一個給定坐標(biāo)系的形心坐標(biāo)；e＝{eij；i,j＝1,2,…,|v|；i≠j；eij＝eji}是圖g中|e|個邊的集合，eij連接定點vi與vj。

每個頂點vi與邊eij通常涉及“權(quán)”組合，分別是和

劃分圖g就是將所有的頂點組裝進(jìn)mn個非空且不相交的分區(qū)內(nèi)，即分區(qū)數(shù)為{m1,m2,…,mmn}，這里表示圖g中的一部分頂點在第k個微區(qū)的集合。除了指定的目標(biāo)和約束，劃分圖g也滿足其他一些一般條件，如(5)所示：

b01：微區(qū)內(nèi)浮標(biāo)間關(guān)系最大化目標(biāo)公式化：

邊權(quán)值的大小決定了兩個浮標(biāo)間的相關(guān)程度，通過最大化微區(qū)內(nèi)的邊權(quán)值來表示微區(qū)內(nèi)浮標(biāo)關(guān)系緊密，其計算公式為(6)，

其中，cik與cjk分別表示浮標(biāo)vi與vj是否屬于第k個微區(qū)，ωij表示頂點vi與vj間的邊權(quán)值，計算每個微區(qū)內(nèi)的邊權(quán)值之和，表示微區(qū)間浮標(biāo)間相關(guān)程度。

當(dāng)所有微區(qū)內(nèi)的邊權(quán)值之和達(dá)到最大時，表示微區(qū)內(nèi)關(guān)系最緊密。

b02：微區(qū)間相關(guān)性最小化目標(biāo)公式化：

通過最大化微區(qū)間的浮標(biāo)數(shù)據(jù)偏差來表示微區(qū)間相關(guān)性最小化，其計算公式為(7)，

其中，反映所有微區(qū)的數(shù)據(jù)期望值，用于評估某一微區(qū)到微區(qū)期望值的差異。

b03：跨微區(qū)通信時間最小化目標(biāo)公式化：

跨微區(qū)通信時間受跨微區(qū)個數(shù)影響，因此通過最小化該劃分下歷次臺風(fēng)檢索時的平均所需微區(qū)個數(shù)來實現(xiàn)跨微區(qū)通信時間最小化，其計算公式為(8)，

其中，dlk表示第l次臺風(fēng)是否涉及微區(qū)mk，c代表云計算平臺讀取單個微區(qū)的通信時間，ty表示臺風(fēng)次數(shù)。

b04：微區(qū)完整性約束：

一個浮標(biāo)在某一時刻應(yīng)當(dāng)屬于一個并且僅一個微區(qū)，其公式為(9)，

如圖4所示，浮標(biāo)2901532違反了微區(qū)的完整性，即浮標(biāo)2901532同時處于兩個微區(qū)。

b05：微區(qū)個數(shù)約束：

微區(qū)個數(shù)mn應(yīng)在一個給定的范圍內(nèi)或者適當(dāng)?shù)闹?，其公式?13)，

mnmin≤mn≤mnmax；mn＝mnfix(13)

其中，[mnmin,mnmax]是一個范圍，mnfix是一個適當(dāng)?shù)闹怠?/p>

b06：微區(qū)規(guī)模約束：

每個微區(qū)內(nèi)的浮標(biāo)個數(shù)應(yīng)該在一個給定的范圍內(nèi)，其公式為(14)，

mmin≤|mk|≤mmax；k＝1，2，...，mn(14)

其中，[mmin,mmax]是微區(qū)規(guī)模的范圍，|mk|是mk的大小。

實施例4

本發(fā)明的一種浮標(biāo)數(shù)據(jù)的多目標(biāo)關(guān)聯(lián)度劃分處理方法的針對浮標(biāo)數(shù)據(jù)定制的nsga-ii算法(非支配排序遺傳算法)構(gòu)建步驟如下：

c01：個體表示與初始化；

c02：構(gòu)建適合浮標(biāo)數(shù)據(jù)的算子算法；

c03：構(gòu)建精英保存機制。

在步驟c01中，利用貪婪算法初始化個體，構(gòu)建初代種群，其具體步驟如下：

c011：從浮標(biāo)集合v中抽取k個初始點，并在個體數(shù)組中indj中將該點的值依次標(biāo)記為k(k＝1,2,…,k)；

c012：當(dāng)所有的頂點都屬于某一微區(qū)時，判斷是否有浮標(biāo)添加至微區(qū)；

c013：若有，對于每一個微區(qū)mk，如果浮標(biāo)集合v中某一頂點vj與微區(qū)mk內(nèi)某一頂點vi相連接且vj不屬于任何微區(qū)且微區(qū)mk的規(guī)模小于mmax，就在個體數(shù)組中令vj頂點的值為k；若沒有，對于每一個微區(qū)mk，如果vi未被分配且微區(qū)mk的規(guī)模小于mmax，就在個體數(shù)組中令vj頂點的值為k；

c014：輸出種群g0。

在本步驟中，從頂點集中抽取k個頂點的時間復(fù)雜度為o(1)，遍歷頂點并填充微區(qū)的時間復(fù)雜度為o(n²)，因此本步驟總體時間復(fù)雜度為o(n²)。

在步驟c02中，其具體步驟如下：

c021：選擇算子：

應(yīng)用二元競標(biāo)賽算法進(jìn)行選擇算子，隨機選擇兩個解并應(yīng)用非支配排序?qū)ζ浔容^，選擇具有較高收斂性和多樣性的解存儲在交配池中，循環(huán)往復(fù)直到交配池達(dá)到預(yù)定的規(guī)模，通常與遺傳算法的種群規(guī)模相等，其具體步驟如下：

c0211：預(yù)設(shè)交配池的規(guī)模為psize，對第r代種群gr進(jìn)行快速非支配集排序；

c0212：計算每個解的擁擠度；

c0213：判斷交配池pr規(guī)模是否小于psize；

c0214：當(dāng)交配池pr規(guī)模小于psize時，隨機抽取gr中兩個解vi與vj，其非支配等級分別為xi與xj；

c0215：判斷xi與xj的大??；

c0216：如果xi大于xj，將vi并入交配池pr內(nèi)；如果xi小于xj，將vj并入交配池pr內(nèi)；如果xi等于xj，選擇擁擠度最大的解并入交配池pr內(nèi)；

c0217：循環(huán)c0213-c0216，直至交配池pr規(guī)模不小于psize；

c0218：輸出交配池pr。

在本步驟中，對gr進(jìn)行快速非支配排序的時間復(fù)雜負(fù)為o(nlogn)，擴充交配池的時間復(fù)雜度為o(n)，因此本步驟總體時間復(fù)雜度為o(nlogn)。

c022：交叉算子；

在交配池中抽取2個隨機解，從一個解中選擇某一微區(qū)，將其復(fù)制到另一個解并進(jìn)行替換，產(chǎn)生一個新的解(后代)，一般通過重新標(biāo)記的方式避免解內(nèi)的微區(qū)產(chǎn)生重疊，其具體步驟如下：

c0221：從交配池pr中隨機抽取兩個個體indri，indrj；

c0222：從兩個個體中隨機抽選一個個體indri(indrj)，并隨機選擇indri(indrj)中某一微區(qū)，并將indrj(indri)中該微區(qū)相應(yīng)位置替換為indri(indrj)中的微區(qū)值，生成新個體ind(r+1)i；

c0223：對新個體ind(r+1)i進(jìn)行重新標(biāo)記,判斷個體內(nèi)同意微區(qū)內(nèi)部是否相連，若不相連則標(biāo)記為新微區(qū)；

c0224：輸出新個體ind(r+1)i。

在本步驟中，隨機抽取交配池pr中兩個個體的時間復(fù)雜度為o(1)，微區(qū)替換時間復(fù)雜度為o(1)，，重新標(biāo)記個體的時間復(fù)雜度為o(n)，因此其時間復(fù)雜度為o(n)。

如圖5所示，父母集a與b進(jìn)行交叉算子算法后，生成新的子解集c。即將父母集a中的微區(qū)a3插入到父母集b中，由于父母集b中每個微區(qū)與a3均有重疊部分，則重新標(biāo)記后使子解集c具有5個微區(qū)。

c023：變異算子；

在保證微區(qū)規(guī)模不超出的情況下，轉(zhuǎn)移一個微區(qū)內(nèi)的部分隨機選擇的邊界浮標(biāo)到另一個接壤的微區(qū)來產(chǎn)生新的解。

c0231：隨機抽取個體indri中屬于某一微區(qū)mi(i＝1,2,…,mn)中的一些邊界浮標(biāo)vk(k＝1,2,…,|v|)；

c0232：如果nkj值為1且vj不屬于mi，就將邊界浮標(biāo)vk轉(zhuǎn)移至vj所屬微區(qū)內(nèi)；

c0233：重新標(biāo)記受影響微區(qū)；

c0234：輸出個體indri。

在本步驟中，隨機抽取個體中的某一微區(qū)的邊界浮標(biāo)時間復(fù)雜度為o(n)，轉(zhuǎn)移至相鄰微區(qū)的時間復(fù)雜度為o(1)，重新標(biāo)記的時間復(fù)雜度為o(n)，因此本步驟總體時間復(fù)雜度為o(n)。

如圖6所示，解集a進(jìn)行變異算子算法變成解集b。即微區(qū)c3的一個邊界浮標(biāo)被轉(zhuǎn)移到接壤的微區(qū)c4中，因此c3的大小減少，c4的大小增加，重新標(biāo)記c3、c4為d3、d4。

在步驟c03中，利用精英保存機制可以保留每一代中最優(yōu)的解，其具體步驟如下：

c031：選擇第r代種群gr；

c042：將中g(shù)r第一非支配解集中擁擠度最大的解放入第r+1代種群gr+1中；

c043：輸出第r+1代種群gr+1。

本發(fā)明的一種浮標(biāo)數(shù)據(jù)的多目標(biāo)關(guān)聯(lián)度劃分處理方法的優(yōu)點在于，將海區(qū)中所有的浮標(biāo)構(gòu)成圖，將浮標(biāo)分布劃分區(qū)域存儲；使微區(qū)內(nèi)浮標(biāo)數(shù)據(jù)相關(guān)性最大化、微區(qū)間的相關(guān)性最小化、跨微區(qū)通信時間最小化，并且使微區(qū)負(fù)載平衡；在跨海區(qū)災(zāi)害發(fā)生時，能夠?qū)Ｑ髴?yīng)急預(yù)警、預(yù)報、臺風(fēng)資料分析提供高效檢索方式，并提高預(yù)報精度；促進(jìn)業(yè)務(wù)化常規(guī)預(yù)報的質(zhì)量、數(shù)值模式同化的效果、防災(zāi)減災(zāi)與應(yīng)急預(yù)報決策的正確制定以及維權(quán)執(zhí)法等海上活動的保障能力。

以上所述僅是本發(fā)明的優(yōu)選實施方式，應(yīng)當(dāng)指出，對于本技術(shù)領(lǐng)域的普通技術(shù)人員，在不脫離本發(fā)明方法的前提下，還可以做出若干改進(jìn)和補充，這些改進(jìn)和補充也應(yīng)視為本發(fā)明的保護(hù)范圍。