針對目前多星成像目標規(guī)劃求解算法容易陷入局部最優(yōu)解,且對于大區(qū)域目標及規(guī)劃時間周期較長時不能盡快規(guī)劃出較優(yōu)的成像方案問題,提出一種改進多種群遺傳算法的多星成像目標規(guī)劃方法。以成像規(guī)劃方案周期最短、覆蓋率最大為目標函數(shù)建立模型;利用改進的多種群遺傳算法對模型進行求解,采用移民算子種群在多種群之間關(guān)聯(lián)及更新種群,保留每代進化中的最優(yōu)成像方案。利用多星對區(qū)域目標成像驗證了所提出的方法,結(jié)果表明:此方法能夠較好地用于模型的建立及求解,有效地規(guī)劃出目標函數(shù)較優(yōu)的成像方案。 

【文章來源】：航天器工程. 2020,29(04)北大核心CSCD

【文章頁數(shù)】：6 頁

【部分圖文】：

目標成像時間窗口

改進的多種群遺傳算法中種群的個體代表每個成像方案,個體的適應(yīng)度函數(shù)代表模型中的目標函數(shù),種群是由若干個個體組成,個體中的基因代表相對應(yīng)的過境軌道產(chǎn)生的條帶集中被選中的條帶。每個過境軌道集包含多個過境軌道,且過境軌道相互沖突,所以選擇其一參與成像。采用二進制編碼方式,1位二進制編碼代表1個成像條帶,編碼為0時表示該條帶沒有被選中,編碼為1時表示選擇該條帶加入成像方案,成像方案由1個二進制串組成。算法詳細設(shè)計求解流程見圖2。(1)每次隨機生成的成像方案需要判斷方案中的所有條帶是否滿足約束規(guī)則式(4)～(9),滿足所有的約束規(guī)則后該方案才會被保留下來。

由圖3遺傳算法的5次進化過程試驗可以看出:5次試驗的平均收益值都不相同,進化過程不穩(wěn)定,且第1次試驗和第5次試驗進化500代后仍然沒有穩(wěn)定下來,收斂速度比較慢,第2～4次試驗雖然在200代附近收斂,但是收斂值并不理想,導致過早的收斂。觀察5次試驗進化過程曲線可以看出:遺傳算法得出的收益值并不是逐漸增長的曲線,這是因為遺傳算法在進化過程中沒有保留每代進化中的最優(yōu)成像方案,容易丟失最優(yōu)解。由圖4改進的多種群遺傳算法的5次試驗結(jié)果可以看出:進化過程比較穩(wěn)定,平均在20代以內(nèi)收斂,并且5次收斂時的收益值都比較理想,5次試驗曲線呈現(xiàn)穩(wěn)定上升,這是因為移民算子種群模塊保留了每代進化中的最優(yōu)成像方案,子代種群進化是在父代種群的最優(yōu)值基礎(chǔ)上繼續(xù)尋優(yōu),所以最終收斂值比較理想�？梢�,綜合比較分析,改進的多種群遺傳算法比遺傳算法收斂進程快,且收斂值更優(yōu)。圖4 改進的多種群遺傳算法進化過程試驗

【參考文獻】：
期刊論文
[1]基于超啟發(fā)式的多星協(xié)同任務(wù)規(guī)劃算法研究[J]. 陳金勇,張超,李艷斌.  中國電子科學研究院學報. 2018(03)
[2]基于任務(wù)分解的多星成像規(guī)劃模型建立與求解[J]. 朱政霖,馬廣彬,黃鵬,林友明.  航天器工程. 2018(02)
[3]背景差分與幀間差分相融合的遙感衛(wèi)星視頻運動車輛檢測方法[J]. 袁益琴,何國金,王桂周,江威,康金忠.  中國科學院大學學報. 2018(01)
[4]夜光遙感在“一帶一路”戰(zhàn)略中的應(yīng)用潛力展望[J]. 江威,何國金,彭燕,王桂周,王猛猛.  中國科學院大學學報. 2017(03)
[5]成像衛(wèi)星集成調(diào)度的變鄰域禁忌搜索算法[J]. 李菊芳,賀仁杰,姚鋒,譚躍進.  系統(tǒng)工程理論與實踐. 2013(12)

碩士論文
[1]多星區(qū)域觀測任務(wù)的效率優(yōu)化方法研究[D]. 李曦.國防科學技術(shù)大學 2005



本文編號：3447690