基于蚁群算法的导航卫星功率增强任务规划

摘要/Abstract

摘要： 为保障战时区域的导航信号稳定，需要卫星对地面区域进行功率增强，对大规模功率增强任务进行规划能够保障增强效果。本文针对导航卫星功率增强任务规划问题，分析星地可见性以及相邻任务的时间窗口冲突等问题，构建功率增强任务规划模型，选用基于蚁群系统和最大最小蚂蚁系统的自适应蚁群算法，并引入任务收益参数来改进设计算法的寻优策略，在加快算法收敛速度的同时避免陷入局部最优解。实验结果表明，本文的改进蚁群算法对大规模功率增强任务具有很好的规划效果。

关键词: 导航卫星, 任务规划, 功率增强, 蚁群算法

Abstract: In order to ensure the stability of the navigation signal in wartime area, satellites are required to enhance the power of ground area. Planning for large-scale power enhancement missions can ensure the enhancement effect. In this paper, for the problem of navigation satellite power enhancement task planning, the problems of star-ground visibility and time window conflict of adjacent tasks are analyzed. A power enhancement task planning model is constructed, and an adaptive ant colony algorthim based on ant colony system and maximum and minimum ant system is selected. The task revenue parameters are introduced to improve the optimization strategy of the algorithm, and to speed up the convergence rate of the algorithm as well as to avoid falling into the local optimal solution. Experimental results show that the improved ant colony algorithm designed in this paper has a good planning effect for large-scale power enhancement tasks.

Key words: navigation satellite, mission planning, power enhancement, ant colony algorithm

曲建波, 孙剑伟. 基于蚁群算法的导航卫星功率增强任务规划[J]. 计算机与现代化, 2021, 0(02): 104-108.

QU Jian-bo, SUN Jian-wei. Ant Colony Algorithm-based Navigation Satellite Power Enhancement Mission Planning[J]. Computer and Modernization, 2021, 0(02): 104-108.

参考文献［27］

［1］	崔志颖,岳富占,李东俊,等. 北斗系统导航功率增强载荷部署方案设计及仿真分析［C］// 第十一届中国卫星导航年会论文集——S11抗干扰与反欺骗技术. 2020:90-95.
［2］	吕志成,刘增军,王飞雪. 卫星导航系统功率增强对区域定位服务性能的影响分析［J］. 宇航学报, 2012,33(1):55-61.
［3］	吕志成,张勇虎,刘增军,等. 基于混合星座的卫星导航系统功率增强服务性能分析［J］. 国防科技大学学报, 2012,34(2):76-80.
［4］	孙进,初海彬,董海青,等. 导航卫星系统功率增强技术与覆盖范围研究［J］. 测绘学报, 2011,40(S1):80-84.
［5］	肖志斌,张鑫,唐小妹,等. 功率增强下的卫星导航星间信号辅助能力分析［J］. 中南大学学报(自然科学版), 2014,45(2):468-473.
［6］	孙进,初海彬,董海青,等. 基于全球导航卫星设计的功率增强技术研究［C］// 第二届中国卫星导航学术年会电子文集. 2011.
［7］	庄钊文,王飞雪,欧钢,等. 北斗卫星导航系统安全和完好性监测现状与发展［J］. 科技导报, 2017,35(10):13-18.
［8］	杨宁虎,刘春保,杨哲. 美国GPS系统导航战技术发展分析［J］. 国际太空, 2017(12):4-8.
［9］	乔东平,裴杰,肖艳秋,等. 蚁群算法及其应用综述［J］. 软件导刊, 2017,16(12):217-221.
［10］	付宇. 蚁群优化算法的改进及应用［D］. 上海:上海海事大学, 2006.
［11］	张滨丽,卞兴超. 改进蚁群优化算法的最优物流配送路径设计［J］. 现代电子技术, 2020,43(9):105-108.
［12］	王胜训. 蚁群算法的改进及TSP仿真研究［D］. 西安:西安电子科技大学, 2014.
［13］	QI C M, HU L H. Optimization of vehicle routing problem for emergency cold chain logistics based on minimum loss［J］. Physical Communication, 2020,40:101085.
［14］	王宝生,屈宝存. 蚁群算法在求解TSP问题中的改进研究［J］. 电子设计工程, 2014,22(22):14-18.
［15］	赵世安. 蚁群优化算法的收敛性分析与研究［J］. 现代电子技术, 2017,40(19):1273-176.
［16］	DORIGO M, BIRATTARI M, STUTZLE T. Ant colony optimization［J］. IEEE Computational Intelligence Magazine, 2006,1(4):28-39.
［17］	MUNSON R E, HADDAD H A, HANLEN J W. Microstrip reflectarray for satellite communication and radar cross-section enhancement or reduction: U.S. Patent 4,684,952［P］. 1987-08-04.
［18］	DENG W, XU J J, ZHAO H M. An improved ant colony optimization algorithm based on hybrid strategies for scheduling problem［J］. IEEE Access, 2019,7:20281-20292.
［19］	王建争,彭少磊. 高功率微波对北斗系统接收机影响分析［J］. 舰船电子工程, 2019,39(10):27-29.
［20］	苗悦,王峰,张永强. 基于改进遗传算法的编队成像卫星自主任务规划［C］// 2017年空间机电与空间光学学术研讨会论文集. 2017:171-182.
［21］	张新,仵倩玉,彭玉. 时空谱多星协同任务规划算法研究［J］. 测绘与空间地理信息, 2020,43(1):1-4.
［22］	孙沪增,李章维,秦子豪,等. 带时间窗车辆路径规划算法研究与实现［J］. 小型微型计算机系统, 2020,41(5):972-978.
［23］	CHEN Z G, ZHAN Z H, LIN Y, et al. Multiobjective cloud workflow scheduling: A multiple populations ant colony system approach［J］. IEEE Transactions on Cybernetics, 2018,49(8):2912-2926.
［24］	LIANG D, ZHAN Z H, ZHANG Y, et al. An efficient ant colony system approach for new energy vehicle dispatch problem［J］. IEEE Transactions on Intelligent Transportation Systems, 2019, DOI: 10.1109/TITS.2019.2946711.
［25］	ZHOU S Z, ZHAN Z H, CHEN Z G, et al. A multi-objective ant colony system algorithm for airline crew rostering problem with fairness and satisfaction［J］. IEEE Transactions on Intelligent Transportation Systems, 2020, DOI:10.1109/TITS.2020.2994779.
［26］	HAN P C, DU C L, CHEN J C, et al. Cost and makespan scheduling of workflows in clouds using list multiobjective optimization technique［J］. Journal of Systems Architecture, 2020, DOI: 10.1016/j.sysarc.2020.101837.
［27］	王东会,葛锐,吕志成,等. 基于增强数量最少准则的北斗混合星座区域功率增强卫星数优化设计［C］// 第三届中国卫星导航学术年会电子文集——S05卫星导航增强与完好性监测. 2012:61-64.

[1]	张雄, 潘大志, . 融合邻域搜索策略蚁群算法求解带时间窗口的车辆路径问题[J]. 计算机与现代化, 2022, 0(03): 98-102.
[2]	高月仁, 吴涛, 高峡. 基于蚁群算法优化的路由频率动态择径的研究[J]. 计算机与现代化, 2020, 0(12): 32-37.
[3]	李显良1,2，周庆平2，谭长庚3，谭焱良2，徐则阳2. 基于蚁群算法的城市体育设施优化选址[J]. 计算机与现代化, 2020, 0(03): 33-.
[4]	叶家琪1，符强1，2，贺亦甲1，叶浩1 . 基于聚类集成的蚁群算法求解大规模TSP问题[J]. 计算机与现代化, 2020, 0(02): 31-.
[5]	梁晶亮,黄军胜,白树军,王鹏,李睿. 基于蚁群算法的电力数据网络APT攻击预警模型[J]. 计算机与现代化, 2019, 0(01): 95-.
[6]	付永忠，潘云峰. 基于改进蚁群算法的垂直旋转式贴片机贴装顺序优化[J]. 计算机与现代化, 2017, 0(8): 17-.
[7]	凌云翔1,2,宋志远1,张世海1,马力2. 基于蚁群算法的高原地区车辆运输路径优化问题[J]. 计算机与现代化, 2016, 0(9): 77-82.
[8]	宋琪，敬超. 面向多核系统的蚁群最优化能耗调度算法[J]. 计算机与现代化, 2016, 0(6): 91-96.
[9]	蔡明，左勇安. 基于MapReduce的混合蚁群算法研究[J]. 计算机与现代化, 2016, 0(10): 6-.
[10]	李媛祯，杨群，段汐. 基于均衡更新蚁群算法的飞机排序调度[J]. 计算机与现代化, 2015, 0(2): 57-.
[11]	蔡文哲，王斌君. 一种QoS平面蚁群路由算法的设计与实现[J]. 计算机与现代化, 2015, 0(12): 15-.
[12]	陈曼青1，武子荣1，崔伟宁1，常婷婷2. 改进蚁群算法在装备保障路径选择中的应用[J]. 计算机与现代化, 2015, 0(11): 113-117.
[13]	朱卫宵，祝前旺，陈康. 基于改进蚁群算法的海上编队传感器资源分配模型[J]. 计算机与现代化, 2014, 0(12): 15-18+22.
[14]	刘晓曦;李卓越. 优化蚁群算法的云环境负载均衡[J]. 计算机与现代化, 2013, 1(9): 42-45.
[15]	袁东锋;吕聪颖. 改进蚁群算法在二次分配问题中的应用[J]. 计算机与现代化, 2013, 1(3): 9-11,1.