论文部分内容阅读
卫星凭借其独特的空间位置优势，因其具有能够提供大量对地观测信息的特点，被用于航天观测通信。随着各国政治经济战略的调整、通信广播卫星技术、计算机技术和电子技术的迅猛发展，航空航天技术迅速走向产业化，成为各国经济发展和日常社会生活不可分割的一部分。但是，单颗卫星有效载荷的工作性能毕竟有限，为了实现大范围、高密度对地观测，通常需要利用多颗卫星按照一定的空间布局组网工作，即建立卫星星座。星座的整体工作性能要高于单颗卫星工作性能的简单叠加。随着现代小卫星技术全面迅速发展，星座技术也逐渐在通讯、导航、气象、定位、空间探测和科学实验等各方面得到越来越广泛的应用。我国近年来也对星座设计十分看重，不断利用新技术致力于星座的设计开发。
星座优化的目的是用尽量少的卫星资源以合理的轨道配置实现系统的性能要求。同时区域覆盖的星座优化设计涉及多个特征点和多项优化指标，是一种比较典型的多目标优化问题。优化设计的重点在于对整个星座结构部署和性能的相互权衡上。其分析与设计总是基于总体目标和约束条件，以尽可能的最低成本满足这些要求和约束条件。传统的多目标优化方法存在探索未知空间的能力不强，容易陷入局部极值点，对问题的内部信息过于敏感等问题。而演化算法以基于种群的搜索方式实现了搜索的多向性和全局性，一次计算就可以得到多个有效解集。另外，进化计算不需要许多数学上的必备条件就可以处理所有类型的目标函数和约束条件，解题的范围大大扩展；而且演化算法对目标最优均衡面的形状和连续性不敏感，可以很好的逼近非凸性或不连续的均衡面。由于演化算法的种种优点，近年来被引入求解多目标优化问题，并出现了一些非常优秀的多目标演化算法和关键技术。
本文先对多目标问题的定义、特性和相关概念做出介绍，并简要介绍了基本演化算法的流程，随后对本次研究的重点——强度Pareto演化算法的基本思想和关键技术做出介绍。强度Pareto演化算法简称SPEA2，是一种基于Pareto最优思想的多目标优化算法。算法利用外部存储、截断技术和适应度赋值保证了每一代种群不断向Pareto前沿逼近。但在对强度Pareto演化算法研究的过程中发现，虽然算法使用了成熟的选择技术和外部存储技术来保留优秀个体，但交叉变异却使用的是最基本的二进制单点交叉变异算子，这样就大大降低了算法的效率，并且不能保证种群的多样性和算法的收敛性。针对这些问题，本文提出SPEA2+，利用实数编码的算术交叉算子和高斯变异算子对强度Pareto演化算法进行改进。使用改进后的算法对标准测试函数进行测试，和SPEA2的实验结果对比后发现，SPEA2+算法效率得到了提高，种群的多样性和算法收敛性也得到了一个较好的平衡。最后还将SPEA2和NSGA-Ⅱ从算法思想和关键技术上做出了对比分析。
然后，为了与实际应用相结合，在对多目标优化算法分析的基础上，对卫星星座优化设计进行研究。首先介绍了卫星星座基础知识，主要包括时空坐标系、二体问题、轨道基本控制参数，星座控制参数等基本概念。根据参考文献，建立了卫星星座的物理和数学模型，利用覆盖角法判定卫星对地面的覆盖情况。在第四章中，根据实验条件和实际情况，给出了卫星轨道和星座控制参数的限制范围，建立了一套完整的卫星星座优化设计方案，最终确定优化参数的编码形式，利用SPEA2和SPEA2+进行优化分析，并分别给出优化结果。最后对优化数据进行验证，将其与参考文献中的结果对比，发现本文优化结果优于参考文献中给出的结果。最后通过分析得出结论：利用SPEA2在实验室中对实际的高维问题进行模拟计算优化，有其自身的方便和灵活之处，在实际应用中，决策者根据自己的经验和偏好设定相关背景参数，通过模拟计算能得到更多有价值的参考信息。