上海科技大学知识管理系统

在低轨卫星星座的构型设计领域中，评估星座的覆盖性能会消耗大量计算资源，而传统进化算法会生成大量冗余样本，对样本利用效率较低，为解决由此导致的星座设计算法效率低下的问题，将低轨卫星星座设计问题建模为马尔可夫决策过程，并提出一种基于改进蒙特卡洛树搜索的星座设计算法。首先，通过少量采样，结合领域知识，对每个星座设计变量本身对应奖励的分布进行初始化，而后采用改进的蒙特卡洛树搜索算法对星座构型进行优化。在算法的参数选择阶段，采用前一步获得的预估分布改进原算法中的参数选择策略进行选取；在随机模拟阶段，采用了ϵ-greedy策略从而加快收敛速度，提高样本利用效率；在回溯阶段，根据模拟结果更新预估分布。仿真实验结果表明，本文算法相比遗传算法，在walker星座与无构型星座优化问题中分别获得了39.6%和 36.2% 的收敛速度提升。