The invention discloses a method for agile satellite mission planning multi objective differential evolution method, the differential evolution method includes: set space conversion solution of population decision variables; algorithm parameters on the population and population are initialized according to the algorithm parameters; population generating donation vector, vector and progeny trial; will get added to the offspring population variability in the population of individual decoding fitness; determine the current iteration number of I is less than the total number of iterations, if satisfied, the individual variation in population, generate new population, and update the algorithm parameters corresponding to the population; otherwise rejecting elite dominated solutions solution. The variation in a population of non dominated solution has not been added to the control solution of elite solutions from individual to update the elitist solution set; step eight: the elite individual solutions Sort, and output the specified number of individuals in sequence. The differential evolution method of the invention can combine the multi-objective optimization feature set into an integral analysis.
【技术实现步骤摘要】
一种面向敏捷卫星多目标任务规划的差分进化方法
本专利技术涉及一种面向敏捷卫星多目标任务规划的差分进化方法。
技术介绍
敏捷卫星多目标规划问题具有明显的时间依赖的特征,分析时间依赖调度方法的研究现状对敏捷卫星多目标规划研究的帮助较大。当前关于时间依赖调度方法的研究,主要为时间依赖加工时间、时间依赖的收益以及时间依赖的转换时间三个方面的研究。Gupta和Browne最早提出时间依赖的加工时间,后续的学者对问题的扩展形式进行了研究,研究的目标函数主要分为最小化完工时间之和与最小化加工周期,加工时间对加工开始时间的依赖关系以线性关系为主,也有Huang、Toskar等学者研究了指数型的依赖关系。对于这些问题,许多研究者提出了启发式算法,也有像Hindi采用了如模拟退火的智能算法来解决呈线性递减关系的加工时间依赖问题。在时间依赖的收益研究上,主要考虑了时间依赖惩罚与时间依赖价值两种情况。Yang对单资源环境下以最小化加权延期惩罚与资源超期使用惩罚之和为目标的调度问题进行了研究,提出采用局部搜索算法来寻找加工序列。Tanaka提出了一种两阶段过程的最优化求解算法,该算法在寻找最优解时具有较好的表现,但是对于大规模问题计算较慢。Hendel设计了基于领域的局部搜索算法来解决具有不同交货期的工件加工问题。在比较新的研究中,Germs采用简单的启发式规则来解决具有严格交货期以及批加工转换时间的订单受理与调度问题,Wang采用一种分支定界最优算法来求解两台流水加工机器环境下的订单受理与调度问题,但是考虑的工件加工转换时间不具有。对于时间依赖的转换时间研究相对较少,Black研 ...
【技术保护点】
一种面向敏捷卫星多目标任务规划的差分进化方法,其特征在于,所述差分进化方法包括:步骤一:将敏捷卫星多目标任务的决策变量构成的解集空间转换为以混合编码的个体为单元的种群;步骤二:对所述种群及种群的算法参数分别进行初始化;其中,所述种群的算法参数包括差分变异算子选择概率M
【技术特征摘要】
1.一种面向敏捷卫星多目标任务规划的差分进化方法,其特征在于,所述差分进化方法包括:步骤一:将敏捷卫星多目标任务的决策变量构成的解集空间转换为以混合编码的个体为单元的种群;步骤二:对所述种群及种群的算法参数分别进行初始化;其中,所述种群的算法参数包括差分变异算子选择概率Mde、缩放因子Fc、交叉重组概率Cr、一般变异概率Mnor、种群规模Npop以及迭代总数Niter;步骤三:根据差分变异算子选择概率Mde和缩放因子Fc生成捐赠向量根据交叉重组概率Cr将捐赠向量与目标向量进行组合得到试用向量根据一般变异概率Mnor对试用向量进行一般变异操作得到子代Og;步骤四:将子代Og添加到所述种群Pop中得到变异种群Pop′,对个体解码得到适应度;步骤五:判断当前迭代次数i是否小于迭代总数Niter,若满足执行步骤六,否则执行步骤七;步骤六:采用锦标赛排序方法对变异种群Pop′中个体进行选择,生成新的种群Pop,并更新对应的种群的算法参数,重复执行步骤三;步骤七:剔除精英解集Archive中被支配的解,将所述变异种群Pop′中的非支配解添加到未被精英解集Archive中个体支配的解中以更新精英解集Archive;步骤八:根据拥挤距离对精英解集Archive中的个体进行排序,并根据顺序输出指定数目的个体。2.根据权利要求1所述的面向敏捷卫星多目标任务规划的差分进化方法,其特征在于,所述捐赠向量试用向量及子代Og的生成数量与所述种群的规模一致。3.根据权利要求1所述的面向敏捷卫星多目标任务规划的差分进化方法,其特征在于,步骤二中,对所述种群进行初始化的方法为完全随机方法或限定随机方法;其中,(1)完全随机方法,对于初始种群中第i个体P0,i,其第j维变量的生成方式为其中,randn[1,nj]表示生成随机整数处于范围[1,nj]内,rand[0,1]表示生成的随机数处于范围[0,1]内;(2)限定随机方法,针对于区域目标而言,分两种情况:第一限定随机方法:对于所有区域目标对应编码中的分量在所有分解角度为固定同向分解角度对应的观测方式中随机选择;第二限定随机方法:在异向分解角度对应的观测方式中随机选择。4.根据权利要求3所述的面向敏捷卫星多目标任务规划的差分进化方法,其特征在于,对完全随机方法、第一限定随机方法及第二限定随机方法在种群初始化中采用0.8:0.1:0.1的比例来进行初始种群的生成。5.根据权利要求1所述的面向敏捷卫星多目标任务规划的差分进化方法,其特征在于,所述捐赠向量根据以下两种差分变异公式确定捐赠向量
【专利技术属性】
技术研发人员:刘晓路,杨文沅,邢立宁,姚锋,贺仁杰,陈英武,陈宇宁,吕济民,陈盈果,陈成,王涛,刘慧慧,
申请(专利权)人:中国人民解放军国防科学技术大学,
类型:发明
国别省市:湖南,43
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。