论文部分内容阅读
多目标优化问题一直是科学和工程领域的一个难题和热点问题，在进化算法应用到这一领域以前，已经产生了许多传统的方法，传统的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，而进化算法具有处理大的问题空间的能力，在一次进化过程中可以得到多个可行解，对问题域的先验知识没有要求，对函数定义域的凸性不敏感。研究表明，进化算法非常适合于求解多目标优化问题。近年来多目标进化算法的研究成为一个热门的研究领域，引起了众多学者的浓厚兴趣，并涌现出了许多优秀的多目标优化算法，基于指标的进化算法(IBEA)就是其中的一种。IBEA分配适应度的方法独特且计算简单，没有使用任何传统的多样性保护技术，算法运算速度快，收敛性好，得到的解的质量高，并且它的性能不会随着所求解问题目标维数的增加而迅速下降。然而对于某些测试问题，IBEA在保持解的多样性方面的表现较差，本文针对其在保持解的多样性方面的缺点对原算法进行了改进，测试表明改进后的IBEA不仅保持了原算法的各项优点，而且使原算法在保持解的多样性方面有了较大的改善。与其他优秀的基于Pareto的MOEAs相比，改进后的IBEA具有更好的鲁棒性和通用性。
随着现代小卫星技术全面迅速地发展，星座技术逐渐在通讯、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。目前世界上许多国家都希望建立自己的区域覆盖卫星通信系统。中、低轨道系统与同步轨道系统相比，具有传播延时短、传输损耗小、节省运载器成本、提高有效载荷分辨率等突出优点，所以中、低轨道区域覆盖星座的设计研究已成为当务之急。中、低轨道区域覆盖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。
本文在对多目标优化算法IBEA和卫星星座优化设计系统地学习和研究的基础上，尝试将IBEA应用到低轨道区域覆盖星座的优化设计中。本文利用IBEA对具体的区域覆盖星座模型进行优化，并结合STK软件进行了仿真，仿真结果表明，IBEA对于求解区域星座优化设计问题是有效的，可以在给定条件下获得覆盖性能良好的星座方案，可以为星座方案决策提供有力的支持。星座优化设计