基于基因表达式编程的多星成像任务规划算法

doi:10.7523/j.issn.2095-6134.2020.04.013

中国科学院大学学报 ›› 2020, Vol. 37 ›› Issue (4): 532-538.DOI: 10.7523/j.issn.2095-6134.2020.04.013

基于基因表达式编程的多星成像任务规划算法

明卫鹏^1,2, 马广彬¹, 章文毅¹

1. 中国科学院遥感与数字地球研究所, 北京 100094;
2. 中国科学院大学, 北京 100049

收稿日期:2018-11-30 修回日期:2019-03-04 发布日期:2020-07-15
通讯作者: 马广彬
基金资助:
天空地一体化协同观测、数据整合与应急信息提取技术研究国家重点研发计划（2016YFB0502502）资助

Multi-satellite imaging task planning algorithms based on gene expression programming

MING Weipeng^1,2, MA Guangbin¹, ZHANG Wenyi¹

1. Institute of Remote Sensing and Digital Earth, Chinese Academy of Sciences, Beijing 100094, China;
2. University of Chinese Academy of Sciences, Beijing 100049, China

Received:2018-11-30 Revised:2019-03-04 Published:2020-07-15
Supported by:

摘要/Abstract

摘要： 通过分析区域目标多星成像任务规划的约束条件，建立相应的约束满足模型，并分析模型的数学复杂度。为改善遗传算法应用于多星成像任务规划问题时，全局搜索能力较弱的缺点，首次提出使用基因表达式编程求解此问题。在算法实现的过程中，设计出倒置遗传算子增强最优解的搜索，并引入知识库保留迭代过程中的精英个体。结果表明，基因表达式编程不仅有效和合理地解决了多星成像规划问题，而且极大地提高了解的精度。

关键词: 基因表达式编程, 区域目标, 多星成像规划, 遗传算法

Abstract: The constraint-satisfaction model is established by analyzing the constraints of multi-satellite imaging mission planning for regional targets, and the mathematical complexity of the model is analyzed. In order to improve the weak global searching ability of the genetic algorithm in multi-satellite imaging mission planning, the gene expression programming (GEP) is first proposed in this work to solve the problem. In the process of algorithm implementation, the inverted genetic operator is designed to enhance the search ability for the optimal solution, and the repository is introduced to preserve elite individuals in the iteration process. The results show that the gene expression programming (GEP) is effective and reasonable in solving multi-satellite imaging planning problems and greatly improves the accuracy of the solution.

Key words: gene expression programming(GEP), regional target, multi-satellite imaging planning, genetic algorithm

中图分类号:

P236
TP212

明卫鹏, 马广彬, 章文毅. 基于基因表达式编程的多星成像任务规划算法[J]. 中国科学院大学学报, 2020, 37(4): 532-538.

MING Weipeng, MA Guangbin, ZHANG Wenyi. Multi-satellite imaging task planning algorithms based on gene expression programming[J]. , 2020, 37(4): 532-538.

参考文献

[1] 江威,何国金,彭燕,等.夜光遥感在"一带一路"战略中的应用潜力展望[J].中国科学院大学学报, 2017, 34(3):296-303.
[2] 冯健翔.人工智能航天应用研究[M].北京:宇航出版社,1999.
[3] 公雪霜,于丽君,聂跃平,等.辽宁西部地区先秦时期聚落遗址空间格局分析[J].中国科学院大学学报, 2016,33(3):373-379.
[4] 袁益琴,何国金,王桂周,等.背景差分与帧间差分相融合的遥感卫星视频运动车辆检测方法[J].中国科学院大学学报,2018,35(1):50-58.
[5] 张凤霞,李正强,李凯涛,等.京津唐地区气溶胶直接辐射强迫的遥感观测[J].中国科学院大学学报,2016,33(2):155-161.
[6] 陈克伟,安蓓,王炎娟,等.基于PDDL的成像卫星任务规划建模[J]. 兵工自动化,2008,27(12):41-44.
[7] Lematre M, Verfaillie G, Jouhaud F, et al. Selecting and scheduling observations of agile satellites[J]. Aerospace Science and Technology, 2002, 6(5):367-381.
[8] 经飞,王钧,李军,等. 面向海洋观测的成像卫星任务规划方法[J]. 中国空间科学技术,2011,31(2):72-78.
[9] Pinedo M L. Scheduling:theory, algorithms, and systems[M]. 3rd ed. Berlin:Spring, 2008.
[10] 王建江,朱晓敏,吴朝波,等. 面向应急条件的多星动态调度方法[J]. 航空学报,2013,34(5):1151-1164.
[11] Zhu K J, Li J F, Baoyin H X. Satellite scheduling considering maximum observation coverage time and minimum orbital transfer fuel cost[J]. Acta Astronautica, 2010, 66(1/2):220-229.
[12] Wolfe W J, Sorensen S E. Three scheduling algorithms applied to the earth observing systems domain[J]. Management Science, 2011, 46(1):148-166.
[13] Song D, Frank A, Stappen V, et al. An exact algorithm optimizing coverage-resolution for automated satellite frame selection[C]//IEEE International Conference on Robotics and Automation, 2004:63-70.
[14] 贺仁杰,李菊芳,姚锋,等.成像卫星任务规划技术[M].北京:科学出版社,2011:33-36.
[15] 朱政霖,马广彬,黄鹏,等.基于任务分解的多星成像规划模型建立与求解[J]. 航天器工程,2018,27(2):6-13.
[16] 韩琼,章文毅. 多星联合成像编程技术研究[J]. 遥感信息,2013,28(4):19-23,56.
[17] 常盛,郑世钰. 通用型信息管理系统的探索与研究[J]. 硅谷,2011(24):82.
[18] 彭昱忠,元昌安,麦雄发,等. 基因表达式编程的理论研究综述[J]. 计算机应用研究,2011,28(2):413-419,438.
[19] Hoots F R, Roehrich R L. Models for propagation of NORAD element sets[R]. Spacetack Report No.3,1980:1-79.
[20] 周岳昆,章文毅.基于影像浏览技术的卫星成像编程申请服务的实现[J].微计算机信息,2010,26(18):21-23,31.
[21] 刘华伟,陈耀元,叶莹.多目标优化的新方法:幂加权和法及数值仿真[J].武汉理工大学学报(交通科学与工程版),2007,31(5):835-838.
[22] 梁旭,黄明.现代智能优化混合算法及其应用[M].北京:电子工业出版社,2011:34-35.

基于基因表达式编程的多星成像任务规划算法

Multi-satellite imaging task planning algorithms based on gene expression programming

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 10

编辑推荐

Metrics

本文评价

访问统计

联系我们

[1]	桑睿, 吴杰, 许华, 郭强. 基于改进的遗传算法的后非线性盲源分离[J]. 中国科学院大学学报, 2012, 29(5): 707-713.
[2]	陈刚, 王宏琦, 孙显. 基于核函数原型和自适应遗传算法的 SVM模型选择方法[J]. 中国科学院大学学报, 2012, 29(1): 62-69.
[3]	刘丽峰, 张树清. 人工免疫算法规划复杂环境下三维飞行航迹[J]. 中国科学院大学学报, 2011, 28(6): 746-751.
[4]	王翠平, 郭立, 王昱洁, 陈运必. 音频DCT系数分布函数的建模[J]. 中国科学院大学学报, 2011, 28(6): 752-758.
[5]	赵冬, 赵光恒. 基于改进遗传算法的高光谱图像波段选择[J]. 中国科学院大学学报, 2009, 26(6): 795-802.
[6]	徐菡;　张敏洪. 大规模逆向物流网络非线性优化模型的研究[J]. 中国科学院大学学报, 2007, 24(6): 749-755.
[7]	罗德林; 沈春林; 王彪 ; 吴文海. 基于混合自适应遗传算法的协同多目标攻击空战决策（英文）[J]. 中国科学院大学学报, 2006, 23(3): 382-389.
[8]	贵刚, 于军, 苏丽杰, 聂义勇. 压力铸造充型过程多工艺参数的优化选择[J]. 中国科学院大学学报, 2004, 21(4): 532-537.
[9]	甘国辉, 刘长岐, 杨丹. 基于遗传算法的农业用地结构优化研究——以北京市通州区为例[J]. 中国科学院大学学报, 2004, 21(1): 50-55.
[10]	孔祥蕾, 张先燚, 罗晓琳, 李海洋. 一种引入强制变异的改进遗传算法[J]. 中国科学院大学学报, 2003, 20(3): 316-320.