基于快速筛选策略的多航天器交会任务规划

研究了位于地球同步轨道(GEO)上的多航天器交会任务规划问题。以交会所需的燃料作为优化指标,建立了一个交会任务规划模型,旨在确定服务航天器的交会顺序和机动轨迹。采用灵活的两脉冲兰伯特机动策略来实现目标交会,并通过遗传算法解决优化问题。在约束条件处理中,引入了一种基于机器学习技术的分类筛选策略。快速判断个体的适应度值,减少适应度值计算,以提高进化算法的优化求解效率。最后,通过提供的仿真案例和对比实验,验证了所研究算法的卓越性能。