基于差分进化算法的卫星轨道计算方法

针对卫星轨道预测中的不可微、函数性质复杂、高维度传统优化算法失效的问题,提出了基于差分进化算法的卫星轨道预测方法.通过建立不同运动轨迹的卫星运动模型,构建最小化目标函数,根据种群个体进化特点,选取差分进化算法参数和进化策略.通过对椭圆轨道、双曲线轨道、抛物线轨道的全局近点角计算,表明差分进化算法在卫星轨道预测问题上是有效的.通过该算法与其他算法的比较,可以看出该算法有一定的优势.     

利用CAPS测距数据确定GEO卫星变轨期间的轨道

为调整轨道或者姿态,卫星每隔一段时间会进行喷气或者动量轮卸载,相当于对卫星产生了附加推力．由于变轨过程的复杂性和变轨加速度测量的不确定性,在一般的定轨过程中,通常是不采用变轨期间的测轨数据．但是在特殊情况下如导航卫星的RDSS服务需要提供不间断的包含变轨弧段在内的连续星历．文中利用高精度高采样率的CAPS测距资料,对某GEO卫星包含变轨弧段在内的6天长弧段进行了定轨分析,着重讨论如何利用变轨期间的遥测数据建立变轨推力模型,并将推力模型加入到定轨的动力学模型中,进行长弧段定轨．研究还表明,即使没有准确的遥测信息,基于CAPS系统的高精度高采样率测轨数据,可以解算推力参数．计算结果表明两种方案均取得了良好的数据拟合效果,变轨弧段的轨道位置误差最大约为20m．     

卫星轨道计算的辛几何算法应用

本文将哈密顿力学的辛几何算法应用于地球卫星轨道的轨道计算,并同传统的数值积分法进行了详细比较,计算结果证实了辛几何算法能够保持系统能量守恒,能够避免传统数值算法所引入的人为耗散性。     

Mathematica在精密卫星轨道确定中的应用

精密卫星轨道的确定是一项重要而又非常艰巨的工作,其中涉及复杂而又繁琐的数学推演与分析,利用人工推导不仅繁琐,而且不能保证准确性,而借助于计算机代数系统Mathematica则可避免这一缺陷,本文对卫星轨道确定中一些典型问题进行了讨论并给出相应的分析结果.可以看出利用该系统可以有效地提高解决问题的效率,且结果准确可靠.     

基于Bayes算法估计的航天器轨道确定方法研究

介绍了卫星轨道动力学模型和观测模型,建立了卫星轨道确定算法,推导了在已知初始历元某一类轨道根数的先验信息下的Bayes估计算法,并通过仿真实验证明了算法的可行性。理论推导和仿真证明,该算法能有效利用历史数据的先验信息,缩短定轨迭代时间,提高轨道初值确定精度。     

超低地球轨道卫星大气阻力预测与影响因素分析

为了对超低地球轨道卫星的大气阻力进行有效预测和分析,该文基于自由分子流试验粒子Monte Carlo方法,通过嵌入多种国际主流大气模型,开发了一套低地球轨道任意复杂外形航天器气动特性预测的通用三维并行软件,并以GOCE卫星为研究对象,计算并分析了该卫星的大气阻力特性,研究了大气模型参数、飞行高度、轨道纬度和经度等因素对大气阻力的影响规律。结果表明:随着高度的增加,阻力急剧减小,阻力系数却单调增大,卫星阻力的预测对大气模型的敏感性增强;轨道纬度和经度变化的影响主要体现在通过影响来流大气参数而间接影响阻力系数和卫星阻力,大气温度和组分影响阻力系数,而阻力系数和来流大气密度共同决定卫星阻力;随着轨道纬度和经度的变化,卫星阻力和阻力系数均呈现非单调的波动性变化。研究表明:JB2008和DTM-2013大气模型表现相近,而USSA-1976、 Jacchia-1977和NRLMSISE-00大气模型计算出的阻力都较前两者偏高。     

一种新的优化算法──进化-模拟退火算法(ESA)

进化界法与模拟退火算法是模仿自然现象的两大随机算法，本文将进化算法中的群体思想和竞争选择机制引入到模拟退火算法之中以指导搜索过程，的退出了进化一模拟退火算法，其仿真结果表明，对于较简单的问题，进化一模拟退火的性能与模拟退火算法一样好，但对于较复杂的问题，进化一模拟退火算法明显优于模拟退火算法。     

基于退火狼群算法的卫星星座网络抗毁性优化

为提高卫星星座网络受到攻击后的抗毁性及工作能力,提出了一种模拟退火狼群算法。该算法利用主客观权重法结合综合逼近理想排序法(TOPSIS:Technique for Order Preference by Similarity to Ideal Solution)对网络中的节点进行重要度评估,并按照节点重要度排序依次攻击。以网络连通度与网络连通效率为优化目标,卫星星座网络通信限制为约束条件,采用运动算子的思想实现狼群自适应步长的游走、召唤和围攻。使用通过优化得出的加边方案对网络结构进行优化。实验表明,与其他优化算法相比,该算法具有优越性,解决了卫星星座网络在受到攻击后工作能力下降的问题,提高了其受到攻击后的抗毁性。     

基于Alopex的进化优化算法

提出了一种基于Alopex的进化优化算法。该算法在进化过程中从种群中随机选择2个个体,通过计算2个个体和目标函数值的变化情况,确定算法进一步搜索方向的概率,逐步迭代最终收敛到全局最优。该算法具备基本进化算法的特点,同时具备Alopex算法的优点,即在一定程度上具有梯度下降法和模拟退火算法的优点。对典型函数的测试表明:新算法的全局搜索能力有了显著提高,特别是对多峰函数能够有效地避免早熟收敛问题。     

采用混合遗传算法设计最短时间4冲量转移轨道

转移轨道的设计与优化是航天器完成空间任务的基础性工作,研究最短时间转移轨道的设计方法对执行空间快速响应的航天任务具有重要意义.本文通过分析4冲量轨道转移的物理过程,将轨道优化问题转化为参数优化问题,从而建立了多冲量轨道转移的数学模型:而后采用混合遗传算设计最优轨道,设计了串联型和嵌入型两种不同的混合结构,并选择一种具有自适应性的退火惩罚函数策略来处理约束条件;最后通过数值仿真验证了算法的有效性.仿真结果表明,本文设计的两种混合遗传算法能够很好地处理多冲量变轨的优化问题,特别在处理多约束条件时十分灵活、有效.     

基于模拟退火遗传算法的板材优化下料

通过对板材优化下料问题的研究,给出了一种较为实用的具体的模拟遗传算法,该算法融合了遗传算法和模拟退火算法的优点,兼有遗传算法中种群个体、交配、基因、遗传、变异等淘汰劣质解的操作,也有模拟退火算法中冷却进度表和接受概率等寻优控制技术,可以更好地实现板材下料问题的快速求解。     

An optimizing algorithm of static task scheduling problem based on hybrid genetic algorithm

To reduce resources consumption of parallel computation system,a static task scheduling optimization method based on hybrid genetic algorithm is proposed and validated,which can shorten the scheduling length of parallel tasks with precedence constraints.Firstly,the global optimal model and constraints are created to demonstrate the static task scheduling problem in heterogeneous distributed computing systems(HeDCSs).Secondly,the genetic population is coded with matrix and used to search the total available time span of the processors,and then the simulated annealing algorithm is introduced to improve the convergence speed and overcome the problem of easily falling into local minimum point,which exists in the traditional genetic algorithm.Finally,compared to other existed scheduling algorithms such as dynamic level scheduling(DLS),heterogeneous earliest finish time(HEFT),and longest dynamic critical path(LDCP),the proposed approach does not merely decrease tasks schedule length,but also achieves the maximal resource utilization of parallel computation system by extensive experiments.     

遗传退火进化算法在背包问题中的应用

从增强算法收敛性和减少参数依赖性的角度出发，提出应用遗传退火进化算法求解背包问题，遗传退火进化算法结合了遗传算法和模拟退火算法的优点，并有效地克服了各自的弱点，使其在优化性能、优化效率和可靠性方面具有明显的优越性．阐明了用该算法求解背包问题的具体实现过程，并通过实际数值计算和结果比较表明，该算法优于遗传算法和模拟退火算法．     

基于模拟退火算法营养膳食优选的研究

通过模拟退火算法实现对各种慢性疾病进行营养膳食配餐的快速优选,并且把研究结果在膳食系统中加以应用.对慢性疾病配餐算法的研究体现了营养学平衡膳食的科学原理和数学建模思想,实现了计算机与多学科的综合应用.     

基于模拟退火的排课算法

模拟退火算法应用在排课问题中，主要适用于具有均匀排课要求的排课问题，得到排课最优解。随机产生的可行解自然具有均匀性，而适当选取算法的控制参数，能加快获得问题的整体最优解或近似最优解的收敛速度。     

基于混合遗传算法的多约束组播路由优化算法

针对目前多约束组播路由算法中存在的算法复杂,不能求出其精确解和运算量大,解不稳定等问题提出了一种新的组播路由优化算法,其核心是采用改进的遗传算法。该算法采用模拟退火算法与遗传算法相结合的方法,编码采用实数编码结构,交叉和变异概率适当选择,合理设计适应度函数。仿真结果表明,该算法是有效的,稳定的,比传统遗传算法性能优越,具有较强的实用性。     

基于混合遗传算法的TSP问题优化研究

为了避免陷入局部优化,提出使用混合遗传算法,即用应用模拟退火算法的Boltzmann生存方法,根据个体适应性的变异值Δf和概率值exp(-Δf/T),来保持个体的多样性,阻止提前收敛,用顺序交叉算子和部分路径翻转变异算子来提高算法的收敛速度,较好地解决了群体的多样性和收敛速度的矛盾.算法分析和测试表明,该改进算法是有效的.     

基于遗传模拟退火法的马斯京根方程参数估计

提出一种用遗传退火算法估计马斯京根方程参数的新方法，在遗传算法中融入模拟退火算法，在每一代群体产生后，对各个个体独立地进行模拟退火过程，以其结果再作为下一代群体的个体，避免了简单遗传算法容易提前收敛的缺陷以及模拟退火法搜索较盲目的缺点，应用实例表明方法简便，直观，可广泛应用于解决多种模型的优化问题，特别在洪水预报方面有很好的应用前景。     

基于遗传模拟退火算法的移动机器人静态路径规划

采用多边形法描述了机器人的工作环境模型,应用简化编码长度的技术简化了工作路径编码方式.对于基于遗传算法产生初始路径种群后的各路径的适应值进行评价.经过多次交叉、变异,并借助模拟退火中Metropolis算法的随机移动准则制定了高效的温度更新函数,获得了从起始点到目标点的一条全局最优路径.最后在Visual C++环境中通过仿真验证了此算法的可行性和高效性.