基于量子遗传算法的多星任务规划问题研究

摘要

随着我国航天事业的不断发展，卫星在军事、农业、商业等应用领域发挥越来越重要的作用。成像卫星任务规划就是综合考虑卫星、地面站等资源以及来自不同用户的需求的基础上，通过制定无冲突的调度方案将有限的资源实现利用率最大化。成像卫星任务规划问题属于复杂的组合优化问题，随着问题的规模的增加，解空间也成指数倍增长。量子遗传算法作为遗传算法的新的衍生算法，具有收敛快、多并行等优点，被用于组合优化、函数优化、通信、图像、自动控制、路径规划等领域，展现出了良好的效果。
　　本文结合成像卫星在现代社会的应用需求，采用量子遗传算法求解多星任务规划问题。首先分析了多星联合任务规划问题的原理和方法，建立了多星联合调度模型，考虑卫星的存储、能量、姿态调整等因素，分析了问题的输入和输出;其次建立了基于量子遗传算法的求解过程，设计了一种新型的编码方式，将问题的求解分为两个阶段:时间窗选择阶段和构造时间窗序列阶段，建立了无圈有向图模型，把问题转化为路径规划问题，设计了两种数据下传任务安排策略;最后，本文对算法进行了仿真实验，与CPLEX以及贪婪算法(GRA)、基于冲突度规则的启发式算法(CHA)和基本遗传算法(GA)进行了对比，仿真实验的结果表明，相比于其他算法，量子遗传算法适用性更好，能够获得较高质量且较稳定的可行解。

目录

声明

致谢

摘要

第一章 绪论

1．1 研究背景与意义

1．2 国内外研究现状

1．2．1 多星任务规划问题研究现状

1．2．2 量子遗传算法研究现状

1．3 课题研究内容

1．4 论文组织结构

第二章 多星任务规划问题建模

2．1 卫星工作过程描述

2．2 多星任务规划建模假设与不考虑因素

2．3 多星任务规划问题模型

2．3．1 基本符号参数

2．3．2 无圈有向图模型

第三章 基于量子遗传算法的模型求解

3．1 量子遗传算法特点

3．2 量子遗传算法编码

3．3 量子遗传算法解码策略

3．4 量子遗传算法更新策略

3．5 下传任务安排策略

3．5．1 基于概率的下传任务安排策略

3．5．2 基于观测任务的下传任务安排策略

3．5．3 下传任务优化机制

3．6 量子遗传算法求解过程

第四章 仿真实验

4．1 对比算法介绍

4．1．1 贪婪算法(GRA)

4．1．2 基于冲突度规则的启发式算法(CHA)

4．1．3 基本遗传算法(GA)

4．2 下传任务安排策略效果对比

4．3 各算法求解质量对比分析

4．4 量子遗传算法效果分析

4．4．1 QGA和GA迭代过程比较

4．4．2 QGA算法参数敏感性

第五章 总结与展望

5．1 研究总结

5．2 研究展望

参考文献

攻读硕士学位期间的学术活动及成果情况