免费论文：蚁群算法在航天器轨道优化中的应用

本文研究蚁群算法及其在航天器轨道优化中的应用问题。首先对蚁群算法的生物学原理和两种基本蚁群算法蚂蚁系统(AS)及蚁群系统(ACS)进行介绍，分析得到了蚁群算法的基本思想和核心规则，为对基本的蚁群算法改进提供了基础和依据。同时介绍了优化算法评价方法和标准测试函数，为改进算法的性能考察提供的指标和算例。通过对可行解空间进行离散化，得到可用于连续优化问题的十进制蚁群算法，针对其局部搜索性能不足和收敛速度较慢的缺陷，在算法中引入了局部搜索策略和伪梯度信息得到G-LSI-DACA算法。然后将蚁群算法与遗传算法相结合，在十进制蚁群算法中引入遗传算法的交叉算子和变异算子，得到了遗传蚁群混合算法，同时引入了局部搜索策略和伪梯度信息得到G-LSI-GACA算法。最后通过算例对G-LSI-DACA算法和G-LSI-GACA算法的优化性能作了分析比较，证明两种改进算法具有优良的全局搜索性能和局部搜索性能。对Lambert最优变轨问题进行了研究，在初始位置、目标位置以及转移时间均可变的情况下，讨论了共面变轨和异面变轨两种情况，在传统的优化方法难以处理的情况下，G-LSI-GACA算法可以非常成功的解决这类优化问题，同时与自适应模拟退火遗传算法相比，前者优化精度和速度都具有较大优势。对于考虑近地轨道摄动情况下Lambert变轨初值修正问题，将其转化为对第一次速度脉冲值进行寻优问题，利用G-LSI-GACA 算法对该问题进行优化，结果证明对摄动力引起的转移轨道误差的修正效果非常明显，增加的燃料消耗也很少。针对基于最省燃料的月球软着陆轨迹优化问题进行了研究，首先通过改进的函数逼近法，将月球软着陆的轨迹优化问题转化为参数优化问题，并且使优化变量及状态变量均有明确的物理意义。然后利用G-LSI-DACA算法对该优化问题进行求解。仿真结果证明G-LSI-DACA算法能快速地搜索到满足终端约束条件的最优月球软着陆轨迹，而且燃料消耗也与采用极大值原理得到的最优燃料消耗相当。

来源：半壳优胜育转载请保留出处和链接！

本文链接：http://87cpy.com/271315.html