.png){kind=icon}
返回
Multi-Layer LEO Constellation Optimization Based on D-NSDE Algorithm
.png){kind=icon}
OA
AI
DOI：10.3390/rs17060994.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
低地球轨道（LEO）卫星由于其低轨道、强着陆信号强度和低发射成本，在通信、导航和遥感方面具有独特优势。然而，优化LEO星座设计以获得满足不同任务的理想构型面临着巨大挑战。传统多目标优化算法在处理涉及复合函数的星座设计时，由于各种约束条件，往往难以应对，可能导致过早终止和局部最优问题。本文引入一种基于动态参数的非支配排序差分进化（D-NSDE）算法以获得更优解，该算法能够根据迭代过程动态调整可行解边界并修改算子，以缓解这些约束。此外，我们构建了具有多层结构的复合LEO星座模型，设计了2层/3层/4层构型，并纳入了第三代北斗导航卫星系统（BDS-3）导航星座的约束条件。随后，我们采用D-NSDE算法求解相应的多目标优化问题，并推导出最优解集。结果表明，D-NSDE能够在不同约束条件下生成完整且多层次的解集，其中75%的D-NSDE算法优化解能够实现95%全球覆盖的无缝定位。此外，在无BDS-3导航约束条件下，PDOP中位数值分别为5.12/4.23/2.97；在包含BDS-3导航约束条件下，PDOP中位数值分别为1.38/1.44/1.51。另外，在标准函数测试集上的仿真实验证实，D-NSDE算法生成的解集在分布和收敛性能方面优于非支配排序遗传算法（NSGA-III）。
Keyword:
constraint many-objective optimization
LEO constellation
composite LEO constellation
BDS-3
期刊
IF:
4.1
论文数:
7.6K
被引数:
15.1W
机构
引用论文
.png){kind=icon}
PlatEMO: A MATLAB Platform for Evolutionary Multi-Objective OptimizationPlatEMO: 用于进化多目标优化的MATLAB平台
OAAI
OAAI分享收藏Multiobjective evolutionary algorithms: A comparative case study and the Strength Pareto approach多目标进化算法: 比较案例研究和强度帕累托方法
PREAI
分享收藏Optimization design of two-layer Walker constellation for LEO navigation augmentation using a dynamic multi-objective differential evolutionary algorithm based on elite guidance基于精英引导的动态多目标差分进化算法对用于LEO导航增强的双层Walker星座的优化设计OAAI
OAAI分享收藏Hybrid constellation design using a genetic algorithm for a LEO-based navigation augmentation system
PREAI
分享收藏LEO navigation augmentation constellation design and precise point positioning performance analysis based on BDS-3基于BDS-3的低地球轨道导航增强星座设计与精密单点定位性能分析
PREAI
分享收藏
查看更多内容