МГТУ им. Н.Э. Баумана, Москва, Российская Федерация Аннотация Ключевые слова На примере задачи пространственного наведения ракеты рассмотрена перспективная технология многокритериальной оптимизации на основе многопрограммного позиционного управления для формирования траекторий, обеспечивающих эффективное попадание в цель. Для существенного уменьшения размерности пространства поиска неизвестных параметров вместо параметризации самого управления осуществлен переход в пространство поиска параметров некоего желаемого вида опорных траекторий. На основе «тяготения» к опорным траекториям сформирован набор решений (зависимости вектора состояния, управления от времени, значения критериев оптимизации), из которых выбрано наиболее предпочтительное Многокритериальная оптимизация, позиционное управление, многопрограммное управление, пространственное наведение, нелинейный синтез Поступила в редакцию 26.10.2017 © МГТУ им. Н.Э. Баумана, 2018 Получение многокритериально-оптимальных программных управлений и траекторий (МОПУТ) для нелинейных объектов, например таких, как система наведения ракеты, является сложной и непростой задачей [1, 2]. В целом подходы к решению многокритериальных задач оптимизации можно разделить на два основных направления. Первое связано с получением тем или иным способом области значений показателей, на которой любым из известных методов многокритериальной оптимизации осуществляется поиск наиболее подходящего решения. К таким подходам относятся прямые интерактивные методы, например методы конусов доминирования [3], а также NIMBUS, SIGMOP, STEM, MAUT, AHP, ELECTRE и др. [4, 5]; методы скаляризации -свертка показателей, лексикографическая оптимизация, «пороговая» оптимизация (метод главного критерия), метод уступок, целевое программирование; методы компромиссов -метод «идеальной» точки, компромиссы на основе точки Шепли, равновесно-арбитражная схема Нэша, метод паритета [3]. Второе направление связано с использованием численных технологий многокритериальной оптимизации, к которому в первую очередь можно отнести методы многомерной оптимизации при скаляризации вектора показателей [6], генетические алгоритмы при получении области Парето [7-12], метод малых возмущений [13] и др.