传统的选星方法通常以遍历为手段,在可见星较多的情形下往往计算量很大。常规的遗传算法通常固定交叉和变异概率,产生不必要的时间消耗。针对这些问题,提出了引入成熟因子映射交叉概率和变异概率的双系统遗传选星算法,目的在于快速地找...传统的选星方法通常以遍历为手段,在可见星较多的情形下往往计算量很大。常规的遗传算法通常固定交叉和变异概率,产生不必要的时间消耗。针对这些问题,提出了引入成熟因子映射交叉概率和变异概率的双系统遗传选星算法,目的在于快速地找到最优解或可接受的次优解。该方法以几何精度因子(Geometric Dilution of Precision,GDOP)为适应度,构造单染色体种群,定义成熟度来指导交叉变异操作,再经过每代精英保留策略和隔代种群数量控制,最终搜索得到符合门限的可接受解。实验结果表明,在进化200代的条件下,成熟因子映射遗传算法比常规遗传算法的搜索时间平均节省约24.75%,引入种群数量控制机制后搜索时间进一步节省了约55.32%。该方法可以快速获得稳定数学期望的可用选星集合。展开更多
分析了选星数目与几何精度因子（GDOP,Geometry Dilution of Precision）及导航运算量的关系,基于遗传算法提出了一种以满足用户定位精度需求为条件的快速选星方法——快速遗传选星法.根据用户需求确定选星数目初值、选星数目最大值和G...分析了选星数目与几何精度因子（GDOP,Geometry Dilution of Precision）及导航运算量的关系,基于遗传算法提出了一种以满足用户定位精度需求为条件的快速选星方法——快速遗传选星法.根据用户需求确定选星数目初值、选星数目最大值和GDOP阈值,构造选星方案的初始种群,在进化代数上限为1的条件下对种群进行选择、交叉和变异运算,获得初始选星解,根据初始解的GDOP与阈值的关系确定是否依据GDOP最小原则对初始解进行优化,直至满足算法终止条件,输出选星解.仿真结果表明,该算法可以在一次进化之内以不低于92.45%的概率满足GDOP阈值在2.5-6的要求,同时可有效降低54.75%以上的导航运算量.展开更多
文摘传统的选星方法通常以遍历为手段,在可见星较多的情形下往往计算量很大。常规的遗传算法通常固定交叉和变异概率,产生不必要的时间消耗。针对这些问题,提出了引入成熟因子映射交叉概率和变异概率的双系统遗传选星算法,目的在于快速地找到最优解或可接受的次优解。该方法以几何精度因子(Geometric Dilution of Precision,GDOP)为适应度,构造单染色体种群,定义成熟度来指导交叉变异操作,再经过每代精英保留策略和隔代种群数量控制,最终搜索得到符合门限的可接受解。实验结果表明,在进化200代的条件下,成熟因子映射遗传算法比常规遗传算法的搜索时间平均节省约24.75%,引入种群数量控制机制后搜索时间进一步节省了约55.32%。该方法可以快速获得稳定数学期望的可用选星集合。
文摘分析了选星数目与几何精度因子（GDOP,Geometry Dilution of Precision）及导航运算量的关系,基于遗传算法提出了一种以满足用户定位精度需求为条件的快速选星方法——快速遗传选星法.根据用户需求确定选星数目初值、选星数目最大值和GDOP阈值,构造选星方案的初始种群,在进化代数上限为1的条件下对种群进行选择、交叉和变异运算,获得初始选星解,根据初始解的GDOP与阈值的关系确定是否依据GDOP最小原则对初始解进行优化,直至满足算法终止条件,输出选星解.仿真结果表明,该算法可以在一次进化之内以不低于92.45%的概率满足GDOP阈值在2.5-6的要求,同时可有效降低54.75%以上的导航运算量.
