基于任务分解的多星成像规划模型建立与求解

为解决多星成像规划模型中求解算法任务分配不合理、运算效率较低等问题,根据卫星性能指标和遥感器成像能力等约束条件,建立多星成像规划模型。求解该模型时,基于免疫算法设计任务分配方案,并基于图的最长路径算法设计单轨道圈次调度方案,使卫星能够尽可能多地对分配至该轨道圈次的点目标成像。将单轨道圈次调度结果作为反馈信息,调整任务分配方案,并通过多次迭代使得出的结果接近全局最优解。以多颗卫星对不同数量的点目标成像为条件,对模型进行测试,并与现有的规划模型对比。结果表明:文章提出的模型,能够在较短的时间内求解多星成像规划问题,得出较优的成像方案。

基于基因表达式编程的多星成像任务规划算法

通过分析区域目标多星成像任务规划的约束条件,建立相应的约束满足模型,并分析模型的数学复杂度。为改善遗传算法应用于多星成像任务规划问题时,全局搜索能力较弱的缺点,首次提出使用基因表达式编程求解此问题。在算法实现的过程中,设计出倒置遗传算子增强最优解的搜索,并引入知识库保留迭代过程中的精英个体。结果表明,基因表达式编程不仅有效和合理地解决了多星成像规划问题,而且极大地提高了解的精度。

应用改进多种群遗传算法的多星成像目标规划方法

针对目前多星成像目标规划求解算法容易陷入局部最优解,且对于大区域目标及规划时间周期较长时不能尽快规划出较优的成像方案问题,提出一种改进多种群遗传算法的多星成像目标规划方法。以成像规划方案周期最短、覆盖率最大为目标函数建立模型;利用改进的多种群遗传算法对模型进行求解,采用移民算子种群在多种群之间关联及更新种群,保留每代进化中的最优成像方案。利用多星对区域目标成像验证了所提出的方法,结果表明:此方法能够较好地用于模型的建立及求解,有效地规划出目标函数较优的成像方案。