1.一种基于非支配排序遗传算法NSGA‑III的搜潜声呐浮标阵位优化方法，其特征在于，包括以下步骤：（1）根据应召搜潜的初始观测到潜艇的位置O，基于二维高斯分布构建潜艇的初始位置分布概率模型，假设横纵轴上的均方误差相等且等于 ，将潜艇的初始位置分布概率模型转换为极坐标下的几何模型；

（2）引入时间尺度因子t，根据航向、航速以及初始位置确定直角坐标系下的潜艇机动后的位置概率分布函数；

（3）采用微元法将搜索区域划分为若干个区域单元，确定随机区域单元的发现潜艇的概率函数；根据随机区域单元的发现潜艇的概率函数和潜艇机动后的位置概率分布函数，确定在搜索区域声呐浮标阵列发现潜艇的概率；采用定位误差分析LOFIX方法定位潜艇的有效位置，采用几何精度稀释因子，确定搜索区域有效定位潜艇的概率；

（4）将搜索区域划分为  个网格单元 ，计算网格单元潜艇出现的概率，确定声呐浮标位置在网格单元内的选择概率 ，将 作为概率抽样的概率，通过概率抽样得到若干个网格单元，在网格单元中确定声呐浮标位置，形成染色体个体，产生若干个染色体个体，形成初始的种群；根据最大发现概率、最大精确定位概率和最少声呐浮标数定义染色体个体的适应度函数；

（5）引入密度融合估计方法确定参考线；

（6）根据每个染色体个体的适应度值和非支配排序遗传规则，对种群中的染色体个体进行非支配排序，得到最优解集合，引入动态衰减保留比例，根据步骤（5）的参考线对最优解集合进行筛选；

（7）引入基因适配交叉阈值进行交叉、变异，合并父代种群和子代种群，重新非支配排序，若没有达到预设迭代次数，返回步骤（5）；反之，则选择最高适应度值的染色体个体，得到最终的声呐浮标阵位。

2.根据权利要求1所述基于非支配排序遗传算法NSGA‑III的搜潜声呐浮标阵位优化方法，其特征在于，步骤（2）中，直角坐标系下的潜艇机动后的位置概率分布函数 为；

其中，t为机动时间， 和 分别表示潜艇的最大速度和最小速度， 为潜艇的坐标， 为初始位置分布中的均方误差， 为标准偏差。

3.根据权利要求2所述基于非支配排序遗传算法NSGA‑III的搜潜声呐浮标阵位优化方法，其特征在于，步骤（3）中，搜索区域有效定位潜艇的概率 为；

；

；

其中， 为搜索区域的范围， 为 GDOP 阈值判定函数， 为几何精度稀释因子，m为定位误差阈值，n为声呐浮标的数量，  为第a个浮标的位置坐标。

4.根据权利要求3所述基于非支配排序遗传算法NSGA‑III的搜潜声呐浮标阵位优化方法，其特征在于，步骤（4）中，声呐浮标位置在网格单元内的选择概率 为；

；

；

其中， 为网格单元 潜艇出现的概率，网格单元 的中心坐标 ， 为所有网格的综合选择概率。

5.根据权利要求4所述基于非支配排序遗传算法NSGA‑III的搜潜声呐浮标阵位优化方法，其特征在于，步骤（4）中，根据最大发现概率、最大精确定位概率和最少声呐浮标数定义染色体个体的适应度函数f (x)为；

其中， 为最大发现概率， 为最大精确定位概率， 为染色体个体内最少声呐浮标数， 、 和 为权重系数，且 ；

最大发现概率 为

；

；

；

；

其中，P为搜索区域声呐浮标阵列发现潜艇的概率； 为随机区域单元内发现潜艇的概率； 为整个声纳浮标阵列探测到任一区域单元的概率，n为声纳浮标的数量；

为第a个声呐浮标探测到区域单元的概率；

最大精确定位概率 为

。

6.根据权利要求5所述基于非支配排序遗传算法NSGA‑III的搜潜声呐浮标阵位优化方法，其特征在于，步骤（4）中，在网格单元 内随机第a个声呐浮标位置  为；

；

；

其中， 为网格单元的中心坐标， 和 是在 间均匀分布的随机数， 和分别表示搜索区域的横坐标的最大最小值， 和 搜索区域纵坐标的最大最小值。

7.根据权利要求6所述基于非支配排序遗传算法NSGA‑III的搜潜声呐浮标阵位优化方法，其特征在于，步骤（5）具体如下：设定参考线间距参数H，生成参考线的数量 ，均匀分布得到参考线的初始化坐标 ，定义非负系数 、 和 ， ， ， ，且 ；

加入融合密度估计，对参考线 k关联的个体集 ，个体 的密度 为；

其中， 表示个体  和 的目标函数欧氏距离， 是控制邻域范围的参数；

统计参考线 k关联的个体集 中个体的平均密度 ，其中， 为关联个体数量；

设定密度阈值 与 ，当 ，则参考线坐标调整为 ， ，其中， 为个体集 中个体目标函数值的重心， ， 是调整步长系数；

当 ，则参考线坐标调整为 ， ，其中，移动方向向量，对进行单位化得到 ， 是调整步长系数；

当 ，则参考线坐标无需调整。

8.根据权利要求7所述基于非支配排序遗传算法NSGA‑III的搜潜声呐浮标阵位优化方法，其特征在于，步骤（6）中，引入动态衰减保留比列，计算当前前沿 可分配的名额为，其中，R为剩余选择名额， 为指数衰减因子，为前沿层数，对于前沿中的个体 和与之关联的参考线k，计算适配度 ：；

其中， 为个体 的密度， 为个体 和与之关联的参考线k的欧氏距离， 为极小正值；

根据可分配名额 ，按适配度对前沿 个体进行降序排列，选取前 个体进行保留。

9.根据权利要求8所述基于非支配排序遗传算法NSGA‑III的搜潜声呐浮标阵位优化方法，其特征在于，步骤（7）基因适配交叉阈值 为；

其中， 为交叉概率下限 ， 为交叉概率上限，  为父代个体的适应度值，为交配池中个体的平均适应度值， 为交配池中个体的最大适应度值； 为适应度熵。

10.根据权利要求9所述基于非支配排序遗传算法NSGA‑III的搜潜声呐浮标阵位优化方法，其特征在于，适应度熵 为；

；

其中， 为第s个适应度箱的个体数量， 为种群总数。