1.一种基于整数线性规划和多目标优化的渐进式时间线可视布局方法，包括以下步骤：t

1)将时间相关数据处理为时间演化集数据；将时间演化集表示为S，其中t表示时间戳；

t t

S是一个随着时间而变化的动态集合，在布局时需要区分S与前一时间t‑1的变化的数据子集和固定的数据子集；定义 其中 表示点集中的原始点的集合， 表示新点的集合，并且

t t

(1‑1)点的坐标；在布局算法中对S中点的坐标进行表示，对S中每个点的坐标标注为t其中 是一个连续变量；对S 中每个点的顺序标注为 其中 是一个大于0的离散变量；

t 0 1 2 t‑1

(1‑2)渐近式时间线可视布局；在布局S中点的位置时，不改变上一次S ,S ,S ,...,St中的点的顺序和坐标；的布局方法包括两个步骤：第一步是确定S中点的顺序，第二步是缩t放距离并确定S中每个点的连续坐标；

t

2)确定S中点的顺序；在离散布局中，首先在 中保持点的顺序，并在 中插入新点；在插入新点的同时，目的是使新点的原始距离比尽可能和谐，为此用以下模型作为布局要求：在模型(1)中，目标函数包含一个指示函数I{·}，这意味着当且仅当指标函数的条件t为真时，该函数取1；在该模型中， 值的范围在1和|S|之间，dij是点i和点j投影到图像上之间的距离；注意当dij‑dik和|xi‑xj|‑|xi‑xk|的符号不同时，比如dij‑dik>0并且|xi‑xj|‑|xi‑xk|<0，i，j的坐标距离比i，k的大，但是i，j的特征距离比i，k的小，这就导致了点之间的坐标距离和特征距离不平衡，这和点的顺序目标相反；如果i和j的特征距离大于i和k，则模型使点的顺序尽可能满足特征距离顺序；

模型(1)中的约束旨在保持 中原始点的顺序，它仅适用于集合 中的点，以确保它们在时间t‑1时具有坐标；

模型(1)是非线性规划模型，具有非线性目标函数和线性约束；考虑到模型(1)中的目标函数比较繁琐，利用线性化技术和其他决策变量来简化模型，并通过Gurobi求解器对其进行求解；当使用Gurobi接口编程时，利用线性化技术帮助处理指示函数；例如，为了处理目标函数中的绝对值，定义了两个0‑1的决策变量pij和qijk；如果点i的位置高于j，则pij为

1，否则为0；如果指示函数中的条件为真，则qijk为1，否则qijk是0；通过利用pij和qijk，重写方程中的目标函数：其中式(2)是一个线性函数，避免了式(1)中的繁琐形式，但是需要添加新的约束来描述 和pij之间的关系；新的约束表示如下：pij+pji＝1

xi+1‑xj≤M(1‑pji)                       (3)其中M表示任意选取的足够大的正数；式(3)结合了 和pij，而结合 和qijk的约束表示为：结合新的约束条件和新的目标函数，得到了一个新的非线性规划模型，并通过Gurobi接口求解；

t

3)缩放坐标；在确定S中点的顺序后，使用优化目标函数来进行缩放并计算点的连续坐标，并对点的坐标提出相关的限制来优化提出的模型，实现渐进式时间线的布局算法。

2.如权利要求1所述的基于整数线性规划和多目标优化的渐进式时间线可视布局方法，所述步骤3)的过程如下：(3‑1)三个优化目标函数；分别是比例目标函数、边界目标函数、摆动目标函数；

比例目标函数是离散优化中目标函数的扩展；给定两个点i和j，它们之间的坐标距离t与特征距离的比值写为 目标是使不同点之间的比例尽可能接近，用δ 来表示比例的范围并将其最小化，目标函数表示为：其中 是集合中所有点对的比例的最大值， 是集合中所有点对的比例的最小值；f1越小，点对之间的距离更接近于在投影坐标平面上的距离；

边界目标函数旨在避免点坐标范围过大；它通过式(6)目标函数使点的坐标范围更接近：其中max{yi}是所有点的纵坐标的最大值，min{yi}是所有点的纵坐标的最小值；f2越小，点对之间的距离更近；

摆动目标函数旨在避免 中原始点之间的线摆动；摆动目标函数是时间线布局中的经典美学的衡量；将摆动目标函数描述如下：其中ωi是原始点的权重，用于衡量点的重要性；较小的f3使相邻集合中的元素之间的距离更近；

此外，考虑这几个约束，包括间隙约束、边界约束和顺序约束；

(3‑2)三个约束；分别是间隙约束、边界约束、顺序约束；

边界目标函数使点的距离更近；为了避免过近的点重叠造成的视觉混乱和干扰，建立间隙约束来限制点之间的最小距离，表示如下：其中Dmin表示两个点之间距离的最小值；

边界约束旨在将点布局在矩形画布的高度上，表示如下：顺序约束使用模型(1)的结果；利用顺序约束通过 保留原来点的顺序，将顺序约束写成以下内容：其中上述约束中的 已经由离散优化模型确定；

(3‑3)多目标规划模型；将目标函数和约束结合为一个多目标规划模型，由于求解多目标模型的复杂性，使用加权线性组合来简化这三个目标函数，如下所示：min α1f1+α2f2+α3f3     (11)其中α1，α2，α3是平衡三个目标函数的正权重，比例目标函数比其他两个目标函数的范围更小；最后，得到了一个具有线性约束的二次规划模型；同样重写目标函数以适应Gurobi接口，例如将式(6)改写如下：f2＝z2‑z1                           (12)其中z1和z2是两个变量，用它们通过以下约束来限制yi的最大值和最小值：利用线性技术处理模型的目标函数以适应Gurobi编程接口，然后通过Gurobi求解模型。

3.如权利要求2所述的一种基于整数线性规划和多目标优化的渐进式时间线可视布局方法，其特征在于：步骤(3‑3)中α1，α2，α3的取值分别为100、0.01、0.1。