基于遗传蚁群融合算法的混合链路中继卫星资源调度研究

针对遗传算法容易陷入局部最优和蚁群算法初始信息素匮乏的缺点,提出将遗传和蚁群融合算法应用于中继卫星系统的资源调度问题。通过改进蚁群算法信息素的定义,利用基于时间窗口序号编码思想,给出中继卫星资源调度约束条件与目标函数并建立数学模型。仿真分析了融合算法、标准遗传算法和改进蚁群算法的优化特性,结果表明融合算法是解决中继卫星调度问题的有效方法。

微波/光混合链路数据中继卫星系统资源调度算法

针对未来数据中继卫星系统中微波与激光链路并存的发展趋势,研究了微波/光混合链路的中继卫星系统资源调度问题。分析了混合链路在传输速率、链路建立及终端功耗等方面的特点,以多时间窗口、多种类型天线以及任务优先级为参量,以未调度任务总权重、终端总功耗及调度完成时间为目标,建立多目标约束规划模型;提出基于模型分解的优化求解算法,将模型分解为任务调度子问题和优化求解子问题,任务调度子问题通过基于时间窗口更新的调度方法获得初始调度方案,优化求解子问题利用遗传算法对方案进行优化,获得最优调度结果;仿真结果中任务完成率为93.75%,调度任务的权值之和占总权值的96.96%。结果验证了该方法在描述求解具有多任务、多类型天线的微波/光混合链路中继卫星系统资源调度中的有效性。

基于改进NSGA-Ⅱ算法的微波/光混合链路中继卫星多目标资源调度算法

针对未来数据中继卫星系统中微波与激光链路并存的发展趋势,研究了具有微波和激光混合链路的中继卫星系统资源调度问题。以可见时间窗口、任务优先级、终端功耗为约束条件,建立了微波/光混合链路中继卫星系统资源调度(ML-DRSSP)的多目标约束规划模型;通过设计自适应交叉、变异算子和基于精英保留的选择算子,改进了非支配排序遗传算法(MNSGA-Ⅱ)并对模型求解。以1颗中继星、4颗用户星、3种资源终端和不同任务规模为条件建立了仿真场景。仿真结果表明该算法在保持解多样性的同时使非劣解集尽可能接近问题的Pareto最优解集,因而能够有效解决具有多任务、多类型天线的ML-DRSSP。

大动态、可重构、分布式的智能光载无线(I-ROF)系统

在高清视频、数字医疗、物联网以及虚拟现实等需求的强劲推动下,宽带化、泛在化、融合化的信息接入已成为信息社会的重要支柱和发展引擎,新一代智能光载无线(I-RoF)系统,可以充分发挥无线灵活接入和光纤宽带传输的各自优势,利用微波光子手段,实现多频段、多制式微波信号在光域的产生、宽带处理、大动态传输、获取与可重构组网等功能,应用前景广阔.本文围绕新一代I-RoF系统,重点从单元技术、系统技术和组网应用3个方面,分别研究了I-ROF的体系结构、核心机理与关键技术,在单元技术方面,主要研究了宽带多制式光载无线信号的产生、光载宽带无线信号的频谱感知、宽带可调谐光子晶体微波光子滤波以及宽带高效的电磁带隙结构天线构;在系统技术方面,主要研究了大动态范围的光载无线系统、认知协同与低能耗的智能光载无线系统以及有线无线资源联合调度的智能光载无线系统;在组网应用方面,主要研究了智能光载无线网络的体系结构、基于分布式光载无线接入网络的MAC层协议设计以及系统应用.构建了面向宽带接入与泛在感知应用的大动态、可重构、分布式的智能光载无线系统,实现了宽带无线多业务接入.