基于混沌粒子群的多飞艇资源配置规划方法

J4 ›› 2014, Vol. 36 ›› Issue (10): 1972-1978.

基于混沌粒子群的多飞艇资源配置规划方法

李龙梅，伍江江，翟保荣，李军，景宁

（国防科学技术大学电子科学与工程学院，湖南长沙 410073）

收稿日期:2013-03-29 修回日期:2013-05-29 出版日期:2014-10-25 发布日期:2014-10-25
基金资助:
国家自然科学基金资助项目（61174159，61101184）

A planning method for multi-airship resource deployment
based on chaotic particle swarm optimization

LI Longmei,WU Jiangjiang,ZHAI Baorong,LI Jun,JING Ning

（College of Electronic Science and Engineering,National University of Defense Technology,Changsha 410073,China）

Received:2013-03-29 Revised:2013-05-29 Online:2014-10-25 Published:2014-10-25

摘要/Abstract

摘要：

对地观测具有任务繁多、约束复杂、资源有限等特点，对观测资源配置进行合理规划具有重要意义。面向多飞艇多载荷对地观测任务，结合经典粒子群算法，研究了满足任务完成度、分辨率要求和负载均衡度等多目标的资源配置规划方法。在经典粒子群算法的基础上利用混沌优化技术进行改进，并设计实现了原型系统。实验验证了该资源配置规划方法的有效性。

关键词: 多飞艇, 资源配置, 粒子群算法, 混沌优化

Abstract:

Since the observation tasks are various,task restrictions are complex while observing resources are limited,it is important to schedule the resource deployment rationally.Based on multiairship multi-payload earth observation tasks, the classic Particle Swarm Optimization (PSO) is utilized to fulfill resource deployment, satisfying observation goals such as task completion, resolution and payloads equilibrium.A method involving Chaotic optimization is proposed so as to improve classic PSO,and an application is developed based on ArcGIS Engine and Visual Studio.Experiments show that the proposed planning method for resource deployment is effective.

Key words: multi-airship;resource deployment;particle swarm optimization (PSO);chaotic optimization

李龙梅，伍江江，翟保荣，李军，景宁. 基于混沌粒子群的多飞艇资源配置规划方法[J]. J4, 2014, 36(10): 1972-1978.

LI Longmei,WU Jiangjiang,ZHAI Baorong,LI Jun,JING Ning. A planning method for multi-airship resource deployment
based on chaotic particle swarm optimization [J]. J4, 2014, 36(10): 1972-1978.

[1]	崔振礼, 罗宇. 一种嵌入式双操作系统架构中外设资源动态迁移的研究与实现[J]. 计算机工程与科学, 2022, 44(01): 9-15.
[2]	王翼虎, 王思明. 基于改进粒子群算法的无人机路径规划[J]. 计算机工程与科学, 2020, 42(09): 1690-1696.
[3]	王永琦, 江潇潇. 基于混合灰狼算法的机器人路径规划[J]. 计算机工程与科学, 2020, 42(07): 1294-1301.
[4]	闫盼盼，俞海珍，史旭华，万凯. 基于Pareto支配的MPRM电路面积与功耗优化[J]. 计算机工程与科学, 2020, 42(04): 596-602.
[5]	覃远年，梁仲华. 基于混合粒子群算法的运动估计研究[J]. 计算机工程与科学, 2019, 41(04): 758-764.
[6]	邱云飞，李智义. 改进人工鱼群算法在SVM参数优化中的应用[J]. 计算机工程与科学, 2018, 40(11): 2074-2079.
[7]	南敬昌，陆亚男，高明明. 基于改进混合算法优化RBF网络的滤波器建模[J]. 计算机工程与科学, 2018, 40(07): 1329-1336.
[8]	赵婧1,魏彬2. 标签SNPs选择及重构算法研究[J]. 计算机工程与科学, 2016, 38(11): 2328-2334.
[9]	熊聪聪1，耿世洁1，董昊2. 基于混合算法的降水集成预报研究[J]. 计算机工程与科学, 2016, 38(10): 2147-2152.
[10]	余胜威，曹中清. 基于分数阶达尔文粒子群FODPSO算法的图像分割[J]. 计算机工程与科学, 2016, 38(09): 1836-1842.
[11]	李锋刚1,2，骆林1,2，陈亚波1,2,蒋祥飞1,2. 求解均值-CVaR投资组合模型的改进粒子群算法[J]. 计算机工程与科学, 2016, 38(09): 1870-1877.
[12]	戴荣倩1，左德承1，张展1，李士雷2. 云计算弹性评测模型的研究与实现[J]. 计算机工程与科学, 2016, 38(08): 1581-1587.
[13]	赵平，吴昊. 差分进化混合粒子群算法求解装配式住宅项目进度优化问题[J]. 计算机工程与科学, 2016, 38(07): 1495-1501.
[14]	卢志刚，申康. 基于粒子群蚁群算法的供应链合作伙伴选择研究[J]. J4, 2016, 38(05): 946-953.
[15]	刘欢1，2,肖根福3，欧阳春娟1. 基于互学习的自适应PSO算法的亚像素定位研究[J]. J4, 2016, 38(04): 747-754.