[发明专利]基于粒子群算法的探测设备网的设备分配方法

说明书

一种基于粒子群算法的探测设备网的设备分配方法，包括：1、建立探测设备、探测目标和探测时间区间之间的监测任务模型，生成设备可探测的监测任务序列，并初始化仿真参数；2、建立每个粒子与设备可监测的任务序列的对应关系，并根据每个粒子的元素对探测任务的时间区间进行调整；3、根据每个粒子与监测任务的映射关系计算每个粒子的适应度函数，并更新粒子群的局部最优解和全局最优解；4、判断迭代次数是否达到预设条件，如是则输出全局最优粒子对应的监测任务序列，否则更新粒子群参数重复步骤2～4直至满足条件。本发明有效解决多探测设备组网监测多个目标的任务分配问题，实现探测设备网设备工作状态的优化。

技术领域

本发明涉及空间目标探测技术领域，更具体地涉及一种基于粒子群算法的探测设备网的设备分配方法，适用于多设备联合探测多个空间目标时的设备资源的优化分配。

背景技术

探测设备分配技术解决的是如何优化分配多个探测设备组网联合探测多个空间目标的探测资源分配问题。近一二十年来，空间目标数量急剧增加，给在轨航天器的安全造成了极大的威胁。为了保障在轨航天器的安全，探测设备不断增多，需要优化调度各个设备，充分发挥各个设备的探测性能，探测更多的在轨目标。对所有设备的可探测情况进行优化调度是一个离散组合问题，当设备和目标数量增多时，该优化问题复杂程度将成几何级数增加而变成一个传统方法不可解的问题。

粒子群优化(Particle Swarm Optimization，PSO)是近几年出现的一种新的优化理论，该方法是通过模拟鸟群觅食过程中的迁徙和群聚行为而提出的一种基于群体智能的全局随机搜索算法(例如参见文章“Particle swarm optimization”，刊于Proceedings ofthe 1995IEEE International Conference on Neural Networks，1995：1942-1948)。

粒子群算法对优化目标函数及问题定义的连续性没有特殊要求，使得该算法应用更广泛；没有中心控制约束，更有鲁棒性；采用非直接的信息共享方式实现合作，更具有扩充性；随机搜索本质，使它更不容易陷入局部最优。因此，粒子群算法对于复杂，特别是多峰高维的优化计算问题具有很强的优越性。

粒子群算法具有易理解、易实现的特点，对非线性、多峰问题均具有较强的全局搜索能力，在科学研究与工程实践中处理一些优化问题时得到了广泛关注。如何将其应用于探测设备监测任务的调度中将是本发明需要解决的技术问题。

发明内容

有鉴于此，本发明的主要目的之一在于提供一种基于粒子群算法的探测设备组网设备分配方法，以便在对监测任务资源调度时，实现较快的获得优化的监测任务调度结果，克服了常规组合方法的计算复杂度高而对多设备多目标问题优化处理消耗大量的时间和计算资源不足的问题。

为达到上述目的，本发明的技术解决方案是：

一种基于粒子群算法的探测设备网的设备分配方法，其特征在于：包括如下步骤：

步骤1、根据探测设备对空间目标的探测关系，建立探测设备集、探测目标集和探测时间区间集之间的监测任务模型，生成设备可探测的监测任务序列，并初始化仿真参数；

步骤2、建立每个粒子与设备可监测的任务序列的对应关系，并根据每个粒子的元素调整探测任务的时间区间；

步骤3、根据步骤2中所述每个粒子与监测任务的映射关系计算每个粒子的适应度函数，并更新所述粒子群的局部最优解和全局最优解；

步骤4、判断迭代次数是否达到预先设定阈值，如满足条件则输出根据步骤3计算的全局最优解对应的监测任务序列，否则更新粒子群参数，并跳转到步骤2。