一种超参数自适应航天器交会变轨策略优化方法

利用强化学习技术，本文提出了一种超参数自适应的燃料最优地球同步轨道（GEO）航天器交会变轨策略优化方法。首先，建立了GEO航天器交会Lambert变轨模型。以变轨时刻为决策变量、燃料消耗为适应度函数，使用改进式综合学习粒子群算法（ICLPSO）作为变轨策略优化的基础方法。其次，考虑到求解的最优性和快速性，重新设计了以粒子群算法（PSO）优化结果为参考基线的奖励函数。使用一族典型GEO航天器交会工况训练深度确定性策略梯度神经网络（DDPG）。将DDPG与ICLPSO组合为强化学习粒子群算法（RLPSO），从而实现算法超参数根据实时迭代收敛情况的自适应动态调整。最后，仿真结果表明与PSO、综合学习粒子群算法（CLPSO）相比，RLPSO在较少迭代后即可给出适应度较高的规划结果，减轻了迭代过程中的计算资源消耗。