針對空間在軌服務(wù)日趨成熟以及在軌服務(wù)現(xiàn)實(shí)需求增長的背景,以在軌服務(wù)航天器為研究對象,研究面向衛(wèi)星的在軌服務(wù)任務(wù)規(guī)劃問題,探討如何合理安排與調(diào)配在軌服務(wù)資源。將問題分解為在軌服務(wù)資源分配和在軌服務(wù)路徑規(guī)劃兩層,并建立雙層優(yōu)化數(shù)學(xué)模型。設(shè)計(jì)在軌服務(wù)任務(wù)規(guī)劃算法求解問題,包括基于多種群并行進(jìn)化的混沌遺傳算法和基于全局坐標(biāo)轉(zhuǎn)換的NSGA-Ⅱ+GSDE算法,并通過仿真結(jié)果對比分析,驗(yàn)證算法的可行性和有效性。

【文章頁數(shù)】：8 頁

【部分圖文】：

圖1 基于多種群并行進(jìn)化的混沌遺傳算法流程

SDE的基本思想是將收斂性差的個(gè)體移到更加擁擠的區(qū)域,使其密度更大,從而在進(jìn)化過程中能夠被淘汰。估計(jì)個(gè)體p的密度時(shí),SDE通過比較個(gè)體p周圍的其他個(gè)體與p在不同目標(biāo)上的收斂性來對這些個(gè)體進(jìn)行坐標(biāo)變換,將坐標(biāo)變換之后的個(gè)體p的密度作為其密度評價(jià)。更具體地,如果某個(gè)個(gè)體q的某個(gè)目標(biāo)值....

圖2 NSGA-Ⅱ+GSDE算法流程

實(shí)驗(yàn)1:對本文提出的基于混沌優(yōu)化的初始種群生成策略進(jìn)行實(shí)驗(yàn)對比分析。選擇采用了混沌優(yōu)化生成初始種群的遺傳算法與隨機(jī)初始化種群的遺傳算法作為對比算法,算法的交叉概率和變異概率均設(shè)置為0.8和0.2,種群規(guī)模為50,最大進(jìn)化代數(shù)為200,適應(yīng)度根據(jù)資源分配模型計(jì)算,兩者求解資源分配問....

圖3 混沌優(yōu)化初始化與隨機(jī)初始化種群結(jié)果對比

實(shí)驗(yàn)2:對本文提出的多種群并行進(jìn)化策略進(jìn)行分析與實(shí)驗(yàn)對比。選擇傳統(tǒng)的單種群進(jìn)化遺傳算法與雙種群并行進(jìn)化的遺傳算法作為對比算法,傳統(tǒng)遺傳算法的交叉概率和變異概率為0.8和0.2,采用了雙種群并行進(jìn)化策略的遺傳算法兩個(gè)種群的交叉概率分別為0.5和0.9、變異概率分別為0.1和0.3,....

圖3 混沌優(yōu)化初始化與隨機(jī)初始化種群結(jié)果對比

圖3混沌優(yōu)化初始化與隨機(jī)初始化種群結(jié)果對比圖4單種群進(jìn)化與雙種群并行進(jìn)化結(jié)果對比

本文編號(hào)：4027740