中国空间科学技术

›› 2016, Vol. 36 ›› Issue (6): 47-54.doi: 10.16708/j.cnki.1000-758X.2016.0064

• 研究探讨 • 上一篇    下一篇

应用于卫星自主任务调度的改进遗传算法

 赵萍, 陈志明*   

  1. 南京航空航天大学航天学院,南京210016
  • 收稿日期:2016-05-04 修回日期:2016-07-13 出版日期:2016-12-25 发布日期:2016-08-22
  • 作者简介:赵萍（1991-），女，硕士研究生，zhaoping_nuaa@163.com,研究方向为编队卫星在轨自主任务规划 *通讯作者：陈志明（1984-），男，讲师，lchenzhiming@nuaa.edu.cnl，研究方向为分布式卫星测控技术、星载计算机设计管理
  • 基金资助:

    国家自然科学基金（61403197）；江苏省自然科学基金（BK20130816/BK20140830）

Anadaptedgeneticalgorithmappliedtosatelliteautonomoustaskscheduling

ZHAO  Ping, CHEN  Zhi-Ming*   

  1. CollegeofAstronautics,NanjingUniversityofAeronautics&Astronautics,Nanjing210016,China
  • Received:2016-05-04 Revised:2016-07-13 Published:2016-12-25 Online:2016-08-22

PDF (PC)

896

被引次数

2

摘要： 针对具有侧摆能力的对地观测卫星的自主任务调度问题，对卫星自主任务调度问题和约束条件进行了描述，针对卫星自主任务调度NP-hard的特点，构建了基于目标收益及多约束卫星任务调度模型。设计了一种改进的遗传算法，从遗传操作的各个部分进行算法优化。首先将小区间法应用于初始种群生成，保证了种群的多样性，并且交叉和变异算子均引入自适应概率；同时采用两代竞争技术来避免“早熟”现象，提高算法的效率和鲁棒性。算法还采用最优保留策略用来保存进化中的最优解，使得算法收敛于全局最优。对局部多冲突观测任务应用该改进遗传算法，并针对区域密集目标的观测问题设计了仿真试验，与传统模拟退火算法及免疫蚁群遗传混合算法进行了比较，验证了该算法的有效性和收敛效果。

关键词: 对地观测卫星, 卫星侧摆角, 自主任务调度, 建模, 改进遗传算法, 自适应概率

Abstract: Aimingatsolvingtheproblemofautonomoustaskschedulingofearthobservingsatelliteswiththeabilityofswinging,satelliteautonomoustaskschedulingproblemandconstraintsweredescribed.Asingle-objectivemulti-constraintsmodelwasbuiltaccordingtotheNP-hardcharacterofsatelliteautonomoustaskschedulingproblem.Anadaptedgeneticalgorithmwasdesigned.Allofthegeneticoperationsofgeneticalgorithmswereoptimized.Firstly,mini-regionmethodwasappliedtogenerateoftheoriginalpopulationtoensurethediversityofpopulation.Adaptiveprobabilitieswereusedforcrossoverandmutationoperation.Twogenerationscompetitivetechnologywasusedtoavoidtheprematureandimprovetheefficiencyandtherobustnessofthealgorithm.Thealgorithmalsousestheoptimizationreservedstrategytopreservetheoptimalsolution,whichmakesthealgorithmconvergetotheglobal.Theadaptedgeneticalgorithmwasappliedtothelocalmulti-conflicttasksobservationanddesignedsimulationexperimentsoftheobservationofregionaldensetargets.Theresultsarecomparedwithresultsofsimulatedannealingalgorithmandimmuneantcolonygeneticalgorithm,anditshowsthattheproposedalgorithmismoreeffectiveandithasabetterconvergence.

Key words: Earthobservationsatellite, satelliteswingingangle, autonomoustaskscheduling, modeling, adaptedgeneticalgorithm, adaptiveprobability