[发明专利]一种基于改进差分进化算法的多星协作成像任务规划方法

说明书

本申请公开了一种基于改进差分进化算法的多星协作成像任务规划方法，从成像任务规划目标函数和协作约束条件出发，由用户提出成像需求，获取卫星资源集及对地观测目标任务集信息，计算对地观测目标可见时间窗口，分析和确定目标函数和约束条件。然后，本申请提供了一种改进差分进化算法，该算法构建了基于个体适应度值权重排序的变异策略及自适应多策略候选池，在种群初始化阶段，随机生成若干个个体，其中个体即为卫星成像任务方案；在种群进化阶段，经过变异算子、交叉算子和选择算子生成新一代个体，通过多星协作成像适应度值进行迭代寻优，最终获得最优规划方案。本申请在任务收益和响应时间方面均具有较好性能，极大地提高了多星协作成像任务规划的效率。

技术领域

本申请属于多星协同任务规划领域，尤其涉及一种基于改进差分进化算法的多星协作成像任务规划方法。

背景技术

近年来，在轨卫星数量的不断增加，卫星对地观测需求日益复杂。单颗成像卫星受机动能力、卫星轨道约束等限制，无法对随机或指定区域目标进行持续性观测。相比之下，多星协作的任务规划模式因其分布卫星数量较多，且分布区域较广，可对观测目标实现长效时、多方位的持续监测。目前，多星协作成像任务规划问题已成为航天技术应用领域中不可避免的研究问题。

多星协作成像任务规划问题(Multi-satellite cooperative imaging missionplanning,MSCIMP)是指根据异构卫星资源、不同观测需求，在复杂任务环境下，对有限的卫星系统资源进行合理的优化配置，提高对地或者对空观测获取遥感图像的运行效率。多星任务规划问题需要综合考虑卫星资源约束、任务需求约束、环境约束、协作任务约束等众多约束条件，导致问题求解十分复杂，已经被证明是NP-hard问题。

目前，国内外对多星协作成像任务规划问题求解的研究主要集中于，利用确定性算法或启发式算法进行多星协作成像任务规划。确定性算法具有高稳定性、高效率性等特点，在问题复杂度较低、侦测任务规模较小的情况下，能稳定地在多项式时间内找到最优解，但对问题的初始点要求较高，对复杂的、规模较大的求解问题效率较低。启发式算法运行过程简单，算法实现高效，能够有效解决较大规模的多星任务规划问题，但该算法适用范围有限，需要设计合理的启发式规则获取启发式信息。现有的针对多星协作成像任务规划的算法研究，只能有效解决小规模的任务规划问题，而在实际解决工程问题时，往往面临的大规模多卫星协作任务规划问题，缺乏有效性和时效性。

发明内容

根据本申请的一个方面，提供了一种基于改进差分进化算法的多星协作成像任务规划方法，能够在较短时间内利用有限的卫星资源完成成像任务，并使效益最大化。

所述基于改进差分进化算法的多星协作成像任务规划方法，包括：

(1)根据用户的成像需求，获取卫星资源集信息，并构建对地观测目标任务集；

(2)计算对地观测目标可见时间窗口；

(3)初始化卫星基本参数信息、改进差分进化算法基本参数信息，将种群信息定义为一个结构体；

(4)以每个卫星成像任务方案作为一个个体，利用所述改进差分进化算法进行求解，输出最优规划方案；

所述改进差分进化算法为：在差分进化算法的基础上，基于个体适应度值权重排序构建变异算子和自适应多策略候选池，子种群根据自身探索性能与开发性能的偏向性，从所述自适应多策略候选池中选择变异策略，生成新一代种群。

进一步地，步骤(1)中，所述获取卫星资源集信息包括：

(11)根据轨道六根数建立多星协作成像任务规划的仿真环境；

(12)根据用户的成像需求，定义对地观测目标要求载荷类型；

(13)加载卫星资源的预设场景，获取卫星资源集信息；