登录    注册    忘记密码

期刊文章详细信息

求解多星任务规划问题的演化学习型蚁群算法  ( EI收录)  

A learnable ant colony optimization to the mission planning of multiple satellites

  

文献类型:期刊文章

作  者:陈英武[1] 姚锋[1] 李菊芳[1] 贺仁杰[1] 邢立宁[1]

机构地区:[1]国防科技大学信息系统与管理学院管理系,长沙410073

出  处:《系统工程理论与实践》

基  金:国家自然科学基金(71031007;71101150;71071156;61203180;71101013)

年  份:2013

卷  号:33

期  号:3

起止页码:791-801

语  种:中文

收录情况:BDHX、BDHX2011、CSCD、CSCD2013_2014、CSSCI、CSSCI2012_2013、EI、IC、JST、NSSD、RCCSE、RWSKHX、SCOPUS、ZGKJHX、核心刊

摘  要:任务规划在成像卫星指挥控制过程中起着非常关键的作用,在成像卫星应用系统中处于神经中枢的地位.提出了一种求解多星任务规划问题的演化学习型蚁群算法:在参数绩效知识的指导下,采用动态参数模型为下次迭代随机选择较为合理的参数组合;从优化过程中不断地抽取构件知识,采用构件知识指导人工蚂蚁在后续优化过程中构建可行方案.在蚁群算法、动态参数决策模型和构件知识的共同作用下,演化学习型蚁群算法的优化绩效得到了极大提高.采用多星任务规划问题的21个测试实例进行实验,结果表明演化学习型蚁群算法在优化性能方面优于其他两种方法.

关 键 词:任务规划  参数绩效知识  参数动态调整  构件知识  蚁群算法

分 类 号:TP301.6]

参考文献:

正在载入数据...

二级参考文献:

正在载入数据...

耦合文献:

正在载入数据...

引证文献:

正在载入数据...

二级引证文献:

正在载入数据...

同被引文献:

正在载入数据...

版权所有©重庆科技学院 重庆维普资讯有限公司 渝B2-20050021-7
 渝公网安备 50019002500408号 违法和不良信息举报中心