一种基于遗传蚁群模拟退火混合算法的卫星通信链路优化方法技术

本发明专利技术涉及一种基于遗传蚁群模拟退火混合算法的卫星通信链路优化方法，包含：S1、生成N个初始链路分配矩阵；S2、计算每个矩阵的适应度，并设定信息素；S3、遗传选择；S4、遗传交叉：并按交叉后矩阵的适应度调整信息素，确定较优的交叉方向与解矩阵；S5、对分配矩阵进行遗传变异操作，结合蚁群算法，确定较优的变异方向与局部最优解；S6、根据模拟退火的接受准则来接受调整；S7、重复S3

【技术实现步骤摘要】
一种基于遗传蚁群模拟退火混合算法的卫星通信链路优化方法


[0001]本专利技术涉及卫星通信链路优化
，特别涉及一种基于遗传蚁群模拟退火混合算法的卫星通信链路优化方法。

技术介绍

[0002]随着卫星通信技术逐步应用于军事科技与经济等重要的国家战略性领域，全球卫星通信系统在国家安全和经济发展中占据了重要地位，目前全球主要的卫星通信系统包括星链系统，GLONASS系统、Galileo系统、北斗卫星导航通信系统、GPS，以及北斗与GPS联合全球卫星导航通信系统等，各大卫星导航通信系统主要是通过直接与地面站通信来维持的，整个系统存在较大的不稳定性。随着卫星间链路技术的产生和GPS等系统的成熟应用，利用卫星间链路建立空间测控网络是各大卫星导航通信网络发展的趋势。
[0003]目前，工业中常用的星间链路天线类型有两种，一种是基于反射面天线的卫星间链路，第二种是基于点波束相控阵天线的卫星间链路。第一种类型的链路技术相对成熟，卫星网络中的卫星通过反射天线实现卫星通信建链，但是该建链方式调整机械化缺乏灵活性，无法适应长期自运行的空间环境。相较之下，第二种星间链路基于窄波束相控阵，其具有天线调整速度快、建链灵活高效且精度高等特点，较适合卫星间链路的工作模式。对于我国而言，目前无法在全球布设大量的地面站，因此大力发展星间链路技术，通过星间链路技术实现卫星之间测距与通信，实现卫星导航通信系统自主运行。
[0004]现有技术通过星间链路的规划优化卫星网络中星间测距和卫星通信性能。星间链路规划算法是卫星间链路组网的基础，星间测距要求卫星能够尽可能地于其他卫星建立卫星间链路，得到更多的星间测距信息，提高自主导航中轨道选择的精确度；卫星间通信的需求要求卫星具有最佳通信性能的链路，满足整网通信最优的目标。现有技术中的星间链路规划算法为传统的遗传算法，其中交叉率与变异率参数的选择大多是依靠经验设定的，不能即使利用结构网络中的反馈信息，算法搜索速度较慢。同时，常规遗传算法局部搜索能力较差，在遗传进化后期其搜索概率较低，容易产生过早收敛的问题，并且遗传算法缺乏并行能力，算法计算能力和运行效率较低。

技术实现思路

[0005]为了解决现有技术中星间链路规划算法缺乏并行能力、局部搜索能力差、速度慢、从而使算法的优化效率和准确率低的问题，本专利技术提供一种基于遗传蚁群模拟退火混合算法的卫星链路优化方法，通过融合遗传算法、蚁群算法和模拟退火算法形成的混合优化有效的提升了优化效率和准确率，能够高效率找出精准全局最优解。
[0006]具体方案如下所述：
[0007]一种基于遗传蚁群模拟退火混合算法的卫星通信链路优化方法，所述方法步骤如下：
[0008]S1：确定链路规划模型：生成可视化矩阵V并将其压缩为矩阵A并将其拆分生成N个初始化链路分配矩阵R，分别为R1＝{R
11
，R
12
，
…
，R
1k
}、R2＝{R
21
，R
22
，
…
，R
2k
}、
…
、RN＝{R
N1
，R
N2
，
…
，R
NK
},设定不同的时隙数；其中，K为一个链路分配周期内的时隙总数，RNK＝[r
i，j，k
]nxn
称为时隙k的链路分配矩阵，r
i，j，k
＝1表示卫星i与卫星j在时隙k建立了星间链路；
[0009]S2：利用蚁群算法的分布式并行性机制和蚁群信息素正反馈机制筛出较优矩阵与时隙数：首先把每一个链路分配矩阵R看作蚁群中的一个蚂蚁节点，多个蚂蚁节点进行并行寻优运算，再将蚂蚁节点输入到适应度函数F中，并根据适应度函数得到适应值以设定信息素并生成对应的信息素列表，所述正反馈机制为按比例m选择信息素浓度较高的链路分配矩阵为所述较优矩阵，m＝N/s向下取整，s为迭代次数；
[0010]S3、遗传选择：然后对S2中筛选出的链路分配矩阵利用遗传蚁群模拟退火算法进行遗传选择生成信息素浓度较高的链路分配矩阵为较优解矩阵并选择遗传选择方向和选择因子；
[0011]S4、遗传交叉：对S3中生成链路分配矩阵进行遗传交叉操作，设定不同的交叉方式，并根据交叉后解矩阵的适应度设定信息素，依照模拟退火接受准则接受遗传交叉调整，根据信息素浓度排名选择信息素浓度较高的交叉方式作为交叉方向并生成较优的链路分配矩阵为较优解矩阵；
[0012]S5、遗传变异：对S4中生成链路分配矩阵进行遗传变异操作，结合蚁群算法，设置交叉算子实现横纵位置的随机变异并输出局部最优解，即最优链路分配矩阵；
[0013]S6、根据模拟退火的接受准则来接受S5中的交叉变异调整局部最优解使其趋向于全局最优解；
[0014]S7、重复S3
‑
S6步骤进行循环迭代，当其达到该算法的最大迭代次数后输出全局最优解，即全局最优链路分配矩阵。
[0015]步骤S1包含：
[0016]S11、确定链路规划模型：生成可视化矩阵A和链路分配周期内时隙数K1，K2，
…
，K
n
；
[0017]所述链路规划模型为：
[0018][0019]其中，TS代表卫星、GS代表地面站、d(TS
‑
>GS)代表卫星与落地卫星以及与地面站之间的传输通信时延；
[0020]该模型的约束条件为：
[0021][0022]S12、将可视化矩阵A拆分为n个包含K
i
个链路分配矩阵的矩阵R
i
＝{R
11
，R
12
，
…
，R
1ki
},i＝1,2,3,
…
,n；其中，所述链路分配矩阵满足A＝R
11
+R
12
+
…
+R
1ki
+α，其中α未余项。
[0023]步骤S2包含：
[0024]S21、将S1中生成的链路分配矩阵作为蚁群中的蚂蚁节点，将其输入到适应度函数F中，根据函数F适应值调整信息素，生成对应的信息素列表；j＝A(i,k)表示卫星i在时隙k时与卫星j建立链路；
[0025]S22、根据S21中生成的信息素列表，按照比例m来筛选出较高信息素浓度的链路分配矩阵，其中m＝s/N，s为迭代次数；
[0026]步骤S3包含：
[0027]S31、使用轮盘赌选择法对S2中筛选出的链路分配矩阵进行遗传选择，其中，每个链路分配矩阵的选择概率与其适应度值成比例,
[0028]根据方程进行选择；F为适应度；
[0029]S32、计算第t代链路矩阵的适应度值之和F
sum
(R
i
)和它们分别对应的Pi；
[0030]S33、利用随机函数rand(.本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种基于遗传蚁群模拟退火混合算法的卫星通信链路优化方法，其特征在于，所述方法步骤如下所述：S1：确定链路规划模型：生成可视化矩阵V并将其压缩为矩阵A并将其拆分生成N个初始化链路分配矩阵R，分别为R1＝{R
11
，R
12
，
…
，R
1K
}、R2＝{R
21
，R
22
，
…
，R
2K
}、
…
、RN＝{R
N1
，R
N2
，
…
，R
NK
}，设定不同的时隙数；其中，K为一个链路分配周期内的时隙总数，R
NK
＝[r
i，j，k
]
nxn
称为时隙k的链路分配矩阵，r
i，j，k
＝1表示卫星i与卫星j在时隙k建立了星间链路；S2：利用蚁群算法的分布式并行性机制和蚁群信息素正反馈机制筛出较优矩阵与时隙数：首先把每一个链路分配矩阵R看作蚁群中的一个蚂蚁节点，多个蚂蚁节点进行并行寻优运算，再将蚂蚁节点输入到适应度函数F中，并根据适应度函数得到适应值以设定信息素并生成对应的信息素列表，所述正反馈机制为按比例m选择信息素浓度较高的链路分配矩阵为所述较优矩阵，其中s为迭代次数；S3、遗传选择：然后对S2中筛选出的链路分配矩阵利用遗传和模拟退火算法进行遗传选择生成信息素浓度较高的链路分配矩阵为较优解矩阵并选择遗传选择方向和选择因子；S4、遗传交叉：对S3中生成链路分配矩阵进行遗传交叉操作，设定不同的交叉方式，并根据交叉后解矩阵的适应度设定信息素，依照模拟退火接受准则接受遗传交叉调整，根据信息素浓度排名选择信息素浓度较高的交叉方式作为交叉方向并生成较优的链路分配矩阵为较优解矩阵；S5、遗传变异：对S4中生成链路分配矩阵进行遗传变异操作，结合蚁群算法，设置交叉算子实现横纵位置的随机变异并输出局部最优解，即局部最优链路分配矩阵；S6、根据模拟退火的接受准则来接受S5中的交叉变异调整局部最优解使其趋向于全局最优解；S7、循环迭代：重复S3
‑
S6步骤进行循环迭代，当其达到该算法的最大迭代次数后输出全局最优解，即全局最优链路分配矩阵。2.如权利要求1所述的一种基于遗传蚁群模拟退火混合优化方法，其特征在于，步骤S1包含：S11、确定链路规划模型：生成可视化矩阵A和链路分配周期内时隙数K1，K2，
…
，K
n
；所述链路规划模型为：其中，TS代表卫星、GS代表地面站、d(TS
‑
>GS)代表卫星与落地卫星以及与地面站之间的传输通信时延；该模型的约束条件为：
S12、将可视化矩阵A拆分为n个包含K
i
个链路分配矩阵的矩阵R
i
＝{R
11
，R
12
，
…
，R
1ki
},i＝1,2,3,
…
,n；其中，所述链路分配矩阵满足A＝R
11
+R
12
+
…
+R
1ki
+α，其中α为余项。3.如权利要求1所述的一种基于遗传蚁群模拟退火混合优化算法，其特征在于，步骤S2包含：S21、将S1中生成的链路分配矩阵作为蚁群中的蚂蚁节点，将其输入到适应度函数F中，根据函数F适应值调整信息素，生成对应的信息素列表；j＝A(i,k)表示卫星i在时隙k时与卫星j建立链路；S22、根据S21中生成的信息素列表，按照比例m来筛选出较高信息素浓度的链路分配矩阵，其中m＝s/N，s为迭代次数。4.如权利要求1所述的一种基于遗传蚁群模拟退火混合算法的卫星通信链路优化方法，其特征在于，步骤S3包含：S31、使用轮盘赌选择法对S2中筛选出的链路分配...

【专利技术属性】
技术研发人员：王定坤，吴中岱，韩德志，王骏翔，韩冰，
申请(专利权)人：上海海事大学上海船舶运输科学研究所有限公司，
类型：发明
国别省市：