申请/专利权人：武汉大学

申请日：2021-04-30

公开（公告）日：2024-06-25

公开（公告）号：CN113204417B

主分类号：G06F9/48

分类号：G06F9/48;G06F30/27;G06N3/006;G06N3/126

优先权：

专利状态码：有效-授权

法律状态：2024.06.25#授权;2021.08.20#实质审查的生效;2021.08.03#公开

摘要：本发明涉及一种基于改进遗传与萤火虫组合算法的多卫星多点目标观测任务规划方法。本发明对现有的遗传算法进行改进，改进后的遗传算法能更快地跳出不可行解区域，找到可行解，从而进入之后的选择过程；然后将改进后的遗传算法与萤火虫算法相结合，萤火虫算法具有后期较好的局部性，能够明显改善遗传算法的寻优能力，加大了算法在最优解附近的搜索能力，同时让交叉过程更多的发生在较优个体中，显著提升了算法性能；此外本发明采用非机器学习的仿真模拟优化方案避免了卫星规划对于往期规划数据的大量需求，保证了规划方法不受过往较差规划方案的影响，而且利用仿真技术可以摆脱时间的约束，提前对卫星的规划作出决策与评估，降低成本。

主权项：1.一种基于改进遗传与萤火虫组合算法的多卫星多点目标观测任务规划方法，其特征在于，包括如下步骤：步骤1，使用0-1编码对卫星观测任务序列进行随机生成，形成种群；步骤2，遍历种群，根据是否是可行解计算适应度；定义公式1和公式2计算出各染色体的适应度，然后将公式2得到的可行解的适应度乘以一个系数得到最终的适应度，并根据最终适应度对染色体进行由大到小排序，这样便可保证可行解在种群的头部，不可行解在次一级的位置，计算公式如下： 其中，fitnessn是单个目标n提供的适应度，Target_count为场景内点目标个数，fi为染色体i中所有目标提供的适应度之和，Priorn为目标n的优先级，countn为目标n被观测次数，为染色体的最终适应度，公式3将可行解的适应度乘以系数5，保证其处在种群的头部，更有可能传播到下一代；步骤3，对不可行解和适应度低的可行解进行萤火虫的靠近过程，并计算靠近后的个体适应度；步骤4，对执行靠近过程后的种群个体进行“交叉”操作；步骤5，根据是否是可行解分别以不同的概率对基因点位进行“变异”操作；步骤6，判断当前种群是否满足退出迭代的要求，若满足则输出结果，否则重复步骤2-步骤5；设置两个并行的退出条件，当满足其中任一条件即可完成算法迭代，输出结果，1当算法种群迭代次数达到α代后，算法退出，解码最优染色体，生成卫星观测任务序列；2当算法种群连续β代没有产生新的最优个体时，算法退出，解码最优染色体，生成卫星观测任务序列。

全文数据：

权利要求：

百度查询： 武汉大学 一种基于改进遗传与萤火虫组合算法的多卫星多点目标观测任务规划方法

免责声明
1、本报告根据公开、合法渠道获得相关数据和信息，力求客观、公正，但并不保证数据的最终完整性和准确性。
2、报告中的分析和结论仅反映本公司于发布本报告当日的职业理解，仅供参考使用，不能作为本公司承担任何法律责任的依据或者凭证。

阅读全文 双屏查看 官方信息 专利公告 收藏专利 下载PDF 下载WORD