[发明专利]基于遗传算法的空间碎片主动清除任务规划方法

摘要

基于遗传算法的空间碎片主动清除任务规划方法，涉及一种空间碎片主动清除任务规划方法。本发明为了解决现有的遗传算法的编码方式和交叉、变异操作容易导致空间碎片主动清除任务规划陷入局部最优的问题。本发明将任务规划的方法用到碎片抓捕路径优化问题上，首先针对平台的任务特点，设定碎片清除任务；然后将平台任务规划问题数学建模为旅行商城市路径最短问题。针对于空间碎片的特点分别设计了适用于机械臂抓捕方案的适应度函数以及适用于飞网和机械臂抓捕方案的适应度函数；并设定特定的遗传参数，采用遗传算法进行优化求解，能够很快的实现收敛，规划出空间碎片的抓捕路径。本发明适用于空间碎片主动清除任务规划。

主权项

基于遗传算法的空间碎片主动清除任务规划方法，其特征在于，包括以下步骤：步骤1、编码：碎片清除任务考虑采用机械臂进行碎片抓取，机械臂从平台触发进行碎片清除；设碎片的数量为n‑1；考虑将平台视为第1个城市，碎片作为第2～n个城市；以城市的遍历次序作为编码，即(z1,z2,...,zn)是{1,2,...,n}的一个全排列，其中z1,z2,...,zn表示每次遍历所有城市的次序，将每次遍历所有城市的次序z1,z2,...,zn作为编码；共有(n‑1)！种可能，！表示阶乘；将每种可能产生的次序编码作为个体，所有可能的次序编码组合起来作为初始种群；步骤2、初始化群体：根据碎片清除任务所给出的碎片相对位置得到各个城市间的距离矩阵；距离矩阵表示在空间中随机分布的空间碎片之间的位置关系；定义哈密顿圈的长度为机械臂从平台出发清除所有碎片后回到平台所经历的路径长度其中Ci表示次序编码中zi所对应的城市，Ci+1表示zi+1对应的城市；d(Ci,Ci+1)表示两个城市之间的距离；以哈密顿圈的长度的倒数作为适应度函数；初始化群体、种群大小M、最大迭代次数T1、交叉概率pc＝0.5、变异概率pm＝0.01；步骤3、个体适应度计算：计算每个个体的适应度：步骤4、选择中间群体：计算种群中所有个体的适应度总和；计算每个个体的相对适应度大小，即各个个体在选择操作中被选中的概率；使用模拟赌盘操作，来确定各个个体被选中的次数，得到中间群体；步骤5、交叉操作：对选择操作得到的中间群体进行以下操作：以交叉概率pc从中间群体中随机地选出需要进行交叉的个体，对这些个体随机地两两配对；在2～n之间产生两个随机数k和l；k,l表示交叉点的位置；对已经配对的两个个体分别记为个体A和个体B，取出个体A和个体B编码中第k位与l之间的基因片段，分别记为a和b；将基因片段a与个体B进行比对，将个体B每位上的编码与基因片段a每位上的编码相同的编码删除,形成编码片段β，并将基因片段a连接在编码片段β的后面形成个体B′，个体B′为个体B交叉后的个体；利用基因片段b对个体A进行相同的交叉操作，得到个体B交叉后的个体A′；步骤6、变异操作：针对交叉操作之后的群体，以变异概率pm随机地从群体中选出的个体上，首先在2～n之间产生两个随机数g，h；这两个数表示变异点的位置；将个体编码中第g位与h位上对应的基因互换，得到变异后的个体；步骤7、确定清除的任务规划：针对变异后的群体，返回步骤3，直至最大迭代次数T1，结束操作，得到机械臂从平台触发进行碎片清除的任务规划。