航天器分布式智能计算体系的数学建模与调度算法研究

航天器对大容量高效计算的要求越来越高,现有的星载计算体系的能力已经难以满足其需求,需要建立具有自组织能力的智能计算体系,还要实现高效的任务调度.给出了航天器分布式智能计算体系的模型和任务调度问题的多目标优化模型,并根据该模型设计了改进粒子群算法和改进蚁群算法结合的DPSO-EACO算法,先利用粒子群算法生成初始调度方案,再用该方案初始化蚁群算法,利用蚁群算法生成最终调度结果.仿真结果表明,该算法的性能与改进粒子群算法和改进蚁群算法相比具有明显的性能优势.     

航天器分布式智能计算体系的数学建模与调度算法研究#br#

航天器对大容量高效计算的要求越来越高,现有的星载计算体系的能力已经难以满足其需求,需要建立具有自组织能力的智能计算体系,还要实现高效的任务调度.给出了航天器分布式智能计算体系的模型和任务调度问题的多目标优化模型,并根据该模型设计了改进粒子群算法和改进蚁群算法结合的DPSO EACO算法,先利用粒子群算法生成初始调度方案,再用该方案初始化蚁群算法,利用蚁群算法生成最终调度结果.仿真结果表明,该算法的性能与改进粒子群算法和改进蚁群算法相比具有明显的性能优势.     

基于微小卫星合作博弈的失效航天器姿态接管控制

针对多颗微小卫星接管控制失效航天器姿态运动的问题,提出了一种基于多颗微小卫星合作博弈实现对失效航天器姿态接管控制的方法。首先,面向失效航天器姿态接管控制任务需求,设计了各颗微小卫星的局部目标函数,并在考虑多颗微小卫星与失效航天器所形成组合体的动力学约束、微小卫星控制约束的情况下,建立了多颗微小卫星的合作博弈模型。其次,为实现失效航天器对时变期望姿态轨迹的跟踪,在合理设计期望姿态轨迹的基础上,通过构建组合体增广姿态运动方程,将跟踪期望姿态轨迹的要求描述为微小卫星合作博弈控制问题中的一组约束,并建立了多颗微小卫星控制失效航天器跟踪时变轨迹的合作博弈帕累托最优策略的求解框架。最后,对微小卫星合作博弈控制方法的有效性进行仿真验证,结果表明：该方法能够在不需要进行微小卫星控制分配的情况下,通过多颗微小卫星的合作博弈实现对失效航天器的姿态接管控制。与传统方法相比,这种控制方法可避免进行微小卫星之间的控制分配,能够实现微小卫星能量消耗的全局最优且设计简单便于考虑微小卫星的控制约束。     

基于子目标进化的高维多目标优化算法

多目标优化问题是工程应用中的常见问题,已有的方法在解决3个目标以上的高维优化问题时效果欠佳.如何进行有效的个体选择是求解高维多目标优化问题的关键.针对该问题,提出了求解高维多目标优化问题的子目标进化算法.从理论上证明了多目标优化问题Pareto非支配解的求取,可通过子目标函数值排序,先行选择进化种群中部分非支配解;然后,根据排序信息有选择性地比较进化种群中的元素,减少了比较次数,从而快速获得非支配解集.同时,提出归一化函数差值的Minkowski距离"k近邻"距离计算方法,在进化过程中应用到密度函数中,加速了收敛速度.同当前求解高维多目标优化的算法,在对标准测试函数的计算性能上进行比较,统计结果显示了所提算法在性能上的优势.      

一种改进的多目标粒子群优化算法

为了增强多目标粒子群优化算法的收敛性与多样性,提出一种改进的多目标粒子群算法.采用Kent映射对种群进行初始化,并将目标空间均匀划分为若干扇形区域;基于一种新的多样性和收敛性判定标准,选取合适的收敛性最优解和多样性最优解,并提出一种改进的粒子群更新公式进行全局搜索;采用聚类算法对外部种群与坐标轴夹角进行分析,维护外部种群.通过标准测试函数的仿真实验,与多目标优化算法基本MOPSO(Multi-objective Particle Swarm Optimization Algorithm)和NSGA-II(Nondominated Sorting Genetic Algorithm II)进行对比,结果表明了该改进算法的有效性.     

基于SAGWO算法的UCAVs动态协同任务分配

通过分析无人作战飞机（UCAV）优势概率和任务联合威胁以及定义任务时间,建立了以目标价值毁伤、编队损耗代价和时间消耗为性能指标的多无人作战飞机（UCAVs）多约束动态任务分配数学模型,采用改进的灰狼优化（GWO）算法对数学模型进行求解;针对基本GWO算法求解早熟的缺点,给出了自适应调整策略和跳出局部最优策略,引入了二次曲线控制方法;对UCAVs动态协同任务分配特点,设计了目标任务序列编码方式,提出了基于自适应GWO（SAGWO）算法的UCAVs多目标动态任务分配方法。从静态与动态2种情况分别对该方法进行仿真验证;仿真结果表明,该方法是有效的,相比较于其他算法,其优化过程快速精准。