[发明专利]一种分布估计方法

权利要求书

1.一种分布估计方法，双星星簇包括目标发现星和目标识别星，其特征在于，包括：

Step1，目标识别星获取辅助决策知识信息，提取目标发现星提供的前瞻信息，该前瞻信息包括目标位置信息、成像时长和观测收益；辅助决策知识信息包括目标过滤知识和方案评估知识；

Step2，根据目标过滤知识中的观测目标的目标成像时长的过滤阈值threPDR、目标观测收益的过滤阈值threPro、和目标观测收益时长比的过滤阈值threPDR，对前瞻时间窗内的目标的观测固存性价比和观测电量性价比进行初步的评估，以删除前瞻信息中观测价值较低的目标，目标信息包括目标位置信息、成像时长和观测收益，卫星的使用约束有时间窗约束、姿态机动约束、固存约束和电量约束；

Step3，调用调度算法集中的多种启发式算法生成多个局部观测方案，局部观测方案是指卫星在当前状态下仅根据前瞻时间窗内的目标信息所生成的观测方案，其中，观测方案通过序列解描述，并利用一个调度解生成器将一个序列解翻译成一个可行的调度解；

Step4，根据方案评估知识中的评估参数结合评估方法，利用局部观测方案的评价函数对各个局部观测方案进行综合评价；

Step5，选定Step4中的得分最高的局部观测方案，并锁定该方案中的第一个目标作为下一观测目标；

目标过滤知识和方案评估知识中的各参数采用分布估计算法计算得到，所述分布估计算法具体包括：

Step71，种群初始化，利用随机采样产生一个在值域中均匀分布的初始种群，并评价每个个体的适应值；

Step72，小生境划分，采用基于欧氏距离的K均值聚类算法将种群划分为若干子种群，其中，子总群的个数是迭代次数的一个函数，迭代次数越多子种群个数越多；

Step73，概率分布估计，对每个子种群内的个体进行择优操作，利用各子种群内的优秀个体在假设所有变量都相互独立的情况下建立该子种群内的优势个体概率分布模型；

Step74，子代采样，算法每次以一定概率选取某个子种群进行采样操作，被选中子种群根据自身的概率分布模型进行采样子代，直到算法新采样的个体数与当前种群规模相等时结束该步骤；

Step75，个体选择，每个子种群将父代个体和子代个体进行合并，采用临近精英择优策略得到新一代种群；

Step76，局部搜索，采用局部搜索算法以一定概率对种群内的优势个体进行优化，进一步提高解的质量；

Step77，终止判定，判断是否达到了算法的终止条件，如果达到则返回找到的最优个体，否则跳转至Step72。

2.如权利要求1所述的分布估计方法，其特征在于，Step3中的“调用调度算法集中的多种启发式算法生成多个局部观测方案”包括利用目标选取指标指导启发式算法的搜索方向，具体如下：

利用启发式算法在目标子集的选择过程中，先选取目标，再将所选目标按照时间升序插入到已有的目标观测序列中得到新的目标观测序列，然后用调度解生成器对目标观测序列进行调度解转换；若能使调度方案的收益增大则采用新的目标观测序列，否则放弃新插入的目标，保留原目标观测序列及对应的调度解；

“目标选取指标”包括时间序列指标、目标观测收益指标、目标成像时长指标和收益时长比指标，其中：时间序列指标是将目标按照时间窗开始时间升序排列，依次选取拥有最早开始时间的目标；目标观测收益指标是将目标按照观测收益的降序排列，依次选取拥有最高观测收益的目标；目标成像时长指标是指将目标按照成像时长的升序排列，依次选取拥有最小成像时长的目标；收益时长比指标是将目标按照观测收益时长比的降序排列，依次选取拥有最高观测收益时长比的目标。