[发明专利]一种基于梯度粒子群算法的弹道快速优化方法及装置

说明书

技术领域

本发明涉及飞行器设计技术领域，特别是涉及一种基于梯度粒子群算法的弹道快速优化方法和装置、电子设备以及计算机可读存储介质。

背景技术

弹道优化是弹道导弹总体优化设计的重要组成部分，它贯穿于导弹设计和作战运用的全过程。弹道优化是指在某些特定的约束条件下，优化选择导弹从起始点到目标点满足某种性能指标最优的运动轨迹的过程。从数学角度讲，弹道优化问题即为非线性条件下，带有状态约束、路径约束和控制约束的最优控制问题。最优控制问题的求解方法主要包括间接法、直接法和智能优化算法。

间接法的基本原理是基于Pontryagin极大值原理和经典变分法的拉格朗日乘子法将最优控制问题转化为Hamilton边值问题进行求解。采用间接法求解轨迹优化问题，其优点在于求解精度高，且最优解满足一阶最优性必要条件。然而，与直接法相比，间接法存在几个典型的不足，包括难以程序化、最优性条件推导复杂、协态变量初值猜测困难等。

直接法的基本思想是将连续最优控制问题离散化并转化为参数优化问题，再通过优化算法对性能指标直接寻优。相比间接法而言，直接法应用更为广泛。

近年来，智能优化算法以其独特的机制和优点，在飞行器设计领域得到越来越广泛的应用。遗传算法效法自然界生物进化过程，基于“适者生存”的原理求解约束优化问题。鉴于其全局、并行、高效的优化性能以及较强的鲁棒性，大量学者将其应用于轨迹优化领域。鲜勇，许立军研究了遗传算法在导弹飞行程序设计中的应用；Crain T P,Bishop R H,Fowler W T基于混合遗传算法研究了行星探测轨道优化设计问题等。与遗传算法类似，粒子群算法作为智能优化算法的一种，因其参数设置少、收敛速度快等优点，在轨迹优化领域的应用日益受到关注。杨希祥，江振宇，张为华采用粒子群算法对固体运载火箭弹道优化设计问题进行了研究；冉茂鹏，王青基于改进粒子群算法研究了航天器在固定时间内燃料最省的多脉冲交会问题等。研究结果表明，基于遗传算法进行轨迹优化，求解精度较高，但收敛速度较慢；采用现有的粒子群算法进行弹道优化，收敛速度较快，但求解精度较低，因此，如何实现弹道高效、高精度优化是目前需要本领域技术人员迫切需要解决的技术问题。

发明内容

本发明提供了一种基于梯度粒子群算法的弹道快速优化方法和装置、电子设备以及计算机可读存储介质，以解决现有技术中存在的无法高效、高精度对弹道进行优化的问题。

为了解决上述问题，本发明公开了一种基于梯度粒子群算法的弹道快速优化方法，所述方法包括：

对第k代种群、第k-1代种群进行初始化，并确定所述第k代种群对应的第一全局最优个体，以及所述第k-1代种群对应的第二全局最优个体；其中，第k代种群为当前代种群；

判断所述第一全局最优个体的适应度值，是否高于所述第二全局最优个体的适应度值；若否，则基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据所述第k+1代种群以及所述第k代种群进行弹道优化；

若是，则采用梯度法更新所述第一全局最优化个体对应的位置矢量，执行所述基于所述第一全局最优个体对应的位置矢量为起点，生成第k+1代种群，依据所述第k+1代种群以及所述第k代种群进行弹道优化的步骤。

可选地，所述对第k代种群、第k-1代种群进行初始化，并确定所述第k代种群对应的第一全局最优个体，以及所述第k-1代种群对应的第二全局最优个体的步骤，包括：

在优化变量可行域中，分别随机初始化第k代种群中各微粒的位置向量和速度向量，计算各微粒的适应度值，确定第一全局最优个体；

分别随机初始化第k-1代种群中各微粒的位置向量和速度向量，计算各微粒的适应度值，确定第二全局最优个体。

可选地，所述采用梯度法更新所述第一全局最优化个体对应的位置矢量的步骤，包括：

基于所述第一全局最优个体、所述第二全局最优个体的位置矢量确定搜索梯度其中，dx^k为搜索梯度，第一全局最优个体的位置矢量，为第二全局最优个体的位置矢量，β为系数；

计算沿所述搜索梯度搜索到的位置矢量处的个体的适应度值f(x^k+dx^k)，其中，x^k+dx^k∈R，R为优化变量可行域；