[发明专利]基于自适应遗传算法的行星际轨道控制优化方法

权利要求书

1. 一种基于自适应遗传算法的行星际轨道控制优化方法，其特征在于，包括如下步骤：

步骤1，建立目标行星B平面；

步骤2，求取轨道控制的速度增量和B平面位置残差；

步骤3，利用自适应遗传算法优化中途修正的时机。

2. 如权利要求1所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在于，所述步骤2利用微分修正法求取轨道控制的速度增量和B平面位置残差，首先选择控制变量的一个初值V0，对轨道动力学方程进行数值积分计算，得到B平面上与标称目标参数的偏差△B，同时根据一定的数值方法计算得到敏感矩阵S；其次，由控制参数和目标参数的关系得到控制变量变化量△V，将其与V0相加得到下一次迭代的初值，然后按此过程反复计算，直到最终△B的减小到满足设定的精度要求，最后得到的△V即为要求的轨道控制速度增量，△B为B平面残余误差。

3. 如权利要求1所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在于，所述步骤3中优化中途修正的时机首先对优化变量的个体进行二进制编码，利用适应度值来进行搜索，设定遗传算子及控制参数，进而优化中途修正的时机。

4. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在于，遗传算法优化过程中，对表示可行解的个体二进制编码施加选择、交叉、变异等遗传操作，来达到计算目的，编码后的个体就是问题的遗传基因型。

5. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在于，遗传算法的搜索过程是以适应度函数为依据，利用个体的适应度值来进行搜索，适应度函数是由目标函数变换而成的。

6. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在于，所述遗传算子包括选择算子、交叉算子和变异算子；

遗传算法使用选择算子来对群体中的个体进行优胜劣汰操作，选择过程是使用某种方法选取优等个体遗传到下一代群体的一种遗传运算，是建立在对个体的适应度进行评价的基础之上；交叉算子是指对两个相互配对的染色体按某种方式相互交换其部分基因，从而形成两个新的个体；交叉运算是产生新个体的主要方法；变异运算是将个体染色体编码串中某些基因座上的基因值用该基因的其它等位基因来替换，从而形成一个新的个体；对于二进制编码的个体，变异操作就是将个体在变异点上的基因值取反。

7. 如权利要求3所述的基于自适应遗传算法的行星际轨道控制优化方法，其特征在于，步骤3包括：

3-1）产生初始种群，个体数目一定；遗传算法就是从这一初始种群开始，模拟生物进化过程，优胜劣汰，最后选择出最优秀的个体，便为所要求的设计优化值；

3-2）计算每个个体的适应度值；

3-3）根据适应度选择再生个体，适应度高的个体被选中的概率高，适应度值低的个体被淘汰的概率高；

3-4）以一定交叉概率和规则进行交叉计算，生成新的个体；

3-5）以一定变异概率和规则进行变异计算，生成新的个体；

3-6）由3-4）、3-5）生成新一代的群体，回到3-2），若满足设定进化终止条件，则终止计算，输出结果，若不满足则继续循环计算，直到满足遗传进化终止条件。