侦察星座优化是天基信息体系建设的关键问题。为弥补以往研究大多只采用少量性能指标进行侦察星座优化的不足,提出了一种综合考虑5项性能指标的侦察星座优化模型。在解算优化模型过程中,为解决传统基于Pareto支配的进化算法出现的选择...侦察星座优化是天基信息体系建设的关键问题。为弥补以往研究大多只采用少量性能指标进行侦察星座优化的不足,提出了一种综合考虑5项性能指标的侦察星座优化模型。在解算优化模型过程中,为解决传统基于Pareto支配的进化算法出现的选择压力与多样性不足的问题,提出了TOPSIS-MOPSO(Technique for Order Preference by Similarity to an Ideal Solution-Multi-Objective Particle Swarm Optimization)算法,将多属性决策领域的TOPSIS引入进化算法中,并与SPD(Strengthened Pareto Dominate)相结合,得到一种能够同时增强种群收敛性与多样性的环境选择策略。提出了基于Harmonic距离的全局最优粒子选择策略,加快种群收敛速度,保护种群多样性;提出了自适应进化算子选择策略,帮助算法摆脱局部最优解。将TOPSIS-MOPSO算法应用在侦察星座优化问题上,并与MOPSO、DGEA、AR-MOEA 3种经典方法进行实验对比分析,实验结果显示,所提算法比其他3种算法在Δ*、IGD和HV上的最优指标值分别提升了19.76%、89.07%和28.2%。展开更多
提出一种在新的简化的解映射方法下,以星座图上所有信号点距离解映射门限的最小距离的最大化为目标函数的星座图优化方法。仿真比较了在优化设计的星座映射下,传统的解映射算法和所提出的解映射的误码性能。仿真结果表明,所提出的星座...提出一种在新的简化的解映射方法下,以星座图上所有信号点距离解映射门限的最小距离的最大化为目标函数的星座图优化方法。仿真比较了在优化设计的星座映射下,传统的解映射算法和所提出的解映射的误码性能。仿真结果表明,所提出的星座图优化设计方法在简化的解映射方法下具有良好的性能;简化的解映射算法在大大降低计算复杂度的情况下,在误比特率为10-4时,SNR损失了约1 d B。展开更多
文摘侦察星座优化是天基信息体系建设的关键问题。为弥补以往研究大多只采用少量性能指标进行侦察星座优化的不足,提出了一种综合考虑5项性能指标的侦察星座优化模型。在解算优化模型过程中,为解决传统基于Pareto支配的进化算法出现的选择压力与多样性不足的问题,提出了TOPSIS-MOPSO(Technique for Order Preference by Similarity to an Ideal Solution-Multi-Objective Particle Swarm Optimization)算法,将多属性决策领域的TOPSIS引入进化算法中,并与SPD(Strengthened Pareto Dominate)相结合,得到一种能够同时增强种群收敛性与多样性的环境选择策略。提出了基于Harmonic距离的全局最优粒子选择策略,加快种群收敛速度,保护种群多样性;提出了自适应进化算子选择策略,帮助算法摆脱局部最优解。将TOPSIS-MOPSO算法应用在侦察星座优化问题上,并与MOPSO、DGEA、AR-MOEA 3种经典方法进行实验对比分析,实验结果显示,所提算法比其他3种算法在Δ*、IGD和HV上的最优指标值分别提升了19.76%、89.07%和28.2%。
文摘提出一种在新的简化的解映射方法下,以星座图上所有信号点距离解映射门限的最小距离的最大化为目标函数的星座图优化方法。仿真比较了在优化设计的星座映射下,传统的解映射算法和所提出的解映射的误码性能。仿真结果表明,所提出的星座图优化设计方法在简化的解映射方法下具有良好的性能;简化的解映射算法在大大降低计算复杂度的情况下,在误比特率为10-4时,SNR损失了约1 d B。
