卫星测控仿真方法及系统

技术领域

本发明涉及卫星数字仿真技术领域，尤其涉及一种卫星测控仿真方法及系统。

背景技术

现有技术中，CN116306039A公开了一种卫星测控分系统全数字仿真平台，包括仿真系统和硬件层，硬件层用于支撑仿真系统运行，仿真系统用于对卫星测控分系统进行全数字仿真，仿真系统包括：数据层，为仿真系统的仿真运算提供数据；业务服务层，为卫星测控平台和星地测控链路提供可视化场景、通视和约束条件；业务应用层，进行卫星测控分系统仿真应用。

综上，现有技术虽然能够实现卫星测控的仿真，但无法根据测控需求调整仿真策略，因此需要一种方案解决现有技术中存在的问题。

发明内容

本发明实施例提供一种卫星测控仿真方法及系统，至少能解决现有技术中存在的部分问题。

本发明实施例的第一方面，提供一种卫星测控仿真方法，包括：

获取测控资源，遍历所述测控资源并确定每个测控资源对应的空闲时间窗口，确定所述空闲时间窗口的长度，结合中低轨卫星对所述测控资源的占用负载和最大占用负载，生成测控资源列表；

基于所述测控资源列表，对当前卫星的测控需求进行分析，基于测控数据的有效时间和传输时间确定测控需求的数据时效性，基于测控数据返回频率和地面站天线的接收频段确定信道一致性需求，基于信息数据量需求和数据传输速度确定所述卫星的最小数传时间，将所述数据时效性和所述信道一致性以及所述最小数传时间作为子优化目标，综合生成测控优化目标；

基于所述测控优化目标，通过预设的多目标优化算法生成初始萤火虫群体，对于所述初始萤火虫群体中的每个个体，计算相对亮度并基于所述相对亮度更新位置，通过基于冲突系数的序列交叉算子生成子代萤火虫，重复生成直至达到预设迭代次数，选择最优个体作为最优解，得到卫星测控需求，其中，所述多目标优化算法是基于改进的萤火虫算法构建的。

在一种可选的实施方式中，

所述获取测控资源，遍历所述测控资源并确定每个测控资源对应的空闲时间窗口，确定所述空闲时间窗口的长度，结合中低轨卫星对所述测控资源的占用负载和最大占用负载，生成测控资源列表包括：

获取当前可用的测控资源，通过查询数据库遍历所述测控资源，对于每个测控资源，获取当前测控资源的占用状态和占用计划，通过分析已经安排的任务以及当前占用情况确定空闲时间窗口，根据所述空闲时间窗口的开始时间和结束时间确定所述空闲时间窗口的长度；

对于每个测控资源，通过获取对中低轨卫星对测控资源的频率和波段以及带宽需求，确定不同中低轨卫星对应的占用负载和最大占用负载；

初始化一个空集合，将所述测控资源和所述测控资源对应的空闲时间窗口，占用负载添加至所述空集合中，生成测控资源列表。

在一种可选的实施方式中，

所述基于所述测控资源列表，对当前卫星的测控需求进行分析，基于测控数据的有效时间和传输时间确定测控需求的数据时效性，基于测控数据返回频率和地面站天线的接收频段确定信道一致性需求，基于信息数据量需求和数据传输速度确定所述卫星的最小数传时间，将所述数据时效性和所述信道一致性以及所述最小数传时间作为子优化目标，综合生成测控优化目标包括：

获取所述测控资源列表和当前卫星的测控需求，包括数据时效性要求，信道一致性需求和信息数据量需求；

基于测控数据的有效时间和卫星到达地面站的传输时间，分析测控数据的时效性需求，基于测控数据的返回频率和所述地面站天线的接收频段，结合数据通信的最低质量要求，确定信道一致性需求，基于地面站的信息数据量需求和卫星对所述测控数据的数据传输速度，计算卫星的最小数传时间；

将所述数据时效性和所述信道一致性以及所述最小数传时间作为子优化目标，综合生成测控优化目标。

在一种可选的实施方式中，

所述将所述数据时效性和所述信道一致性以及所述最小数传时间作为子优化目标，综合生成测控优化目标如下公式所示：

；

其中，

在一种可选的实施方式中，

所述基于所述测控优化目标，通过预设的多目标优化算法生成初始萤火虫群体，对于所述初始萤火虫群体中的每个个体，计算相对亮度并基于所述相对亮度更新位置，通过基于冲突系数的序列交叉算子生成子代萤火虫，重复生成直至达到预设迭代次数，选择最优个体作为最优解，得到卫星测控需求包括：

基于所述测控优化目标，通过预设的多目标优化算法生成初始萤火虫群体并确定所述初始萤火虫群体中个体的数量，最大迭代次数和萤火虫个体的光强度衰减系数及吸引度，并随机为每个萤火虫分配位置，其中，每个萤火虫表示一个测控优化目标对应的解；

对于所述初始萤火虫群体中的每个个体，基于在目标函数上的表现确定相对亮度，基于所述相对亮度进行两两对比，具有更高相对亮度值的个体保持位置不变，具有更低相对亮度值的个体向具有更高相对亮度值的个体移动，更新每个个体的位置，并基于帕累托支配进行评估，对于每个未被支配的个体，计算对应的适应度值；

基于每个个体对应的适应度值，通过基于冲突系数的序列交叉算子生成子代萤火虫并重复评估个体性能，重复生成直至达到预设的迭代次数，在最终的萤火虫群体中选择最优个体作为最优解，得到所述卫星测控需求。

在一种可选的实施方式中，

所述基于每个个体对应的适应度值，通过基于冲突系数的序列交叉算子生成子代萤火虫包括：

对于每个未被支配的个体，分别计算对应的适应度值并将所述适应度值进行降序排列，选择前两个适应度值对应的萤火虫个体，分别作为父染色体和母染色体；

对于所述父染色体，读取每个基因的冲突系数并计算所述父染色体中所有基因的冲突系数总和，计算每个基因的适应度比例，生成一个0到1之间的随机数作为轮盘指针，从所述父染色体的第一个基因开始 ，将每个基因对应的适应度比例进行累加，记为累计适应度比例，直至所述累计适应度比例大于所述轮盘指针，则选择最后一个被加入到累计适应度比例中的基因，重复选择直至达到预设的选择数量；

对于每个被选择的基因，在母染色体中确定每个基因对应的位置，并基于所述被选择的基因在所述父染色体的位置，调整所述母染色体中对应基因的位置，生成子代萤火虫。

在一种可选的实施方式中，

读取每个基因的冲突系数并计算所述父染色体中所有基因的冲突系数总和，计算每个基因的适应度比例如下公式所示：

；

其中，

本发明实施例的第二方面，提供一种卫星测控仿真系统，包括：

第一单元，用于获取测控资源，遍历所述测控资源并确定每个测控资源对应的空闲时间窗口，确定所述空闲时间窗口的长度，结合中低轨卫星对所述测控资源的占用负载和最大占用负载，生成测控资源列表；

第二单元，用于基于所述测控资源列表，对当前卫星的测控需求进行分析，基于测控数据的有效时间和传输时间确定测控需求的数据时效性，基于测控数据返回频率和地面站天线的接收频段确定信道一致性需求，基于信息数据量需求和数据传输速度确定所述卫星的最小数传时间，将所述数据时效性和所述信道一致性以及所述最小数传时间作为子优化目标，综合生成测控优化目标；

第三单元，用于基于所述测控优化目标，通过预设的多目标优化算法生成初始萤火虫群体，对于所述初始萤火虫群体中的每个个体，计算相对亮度并基于所述相对亮度更新位置，通过基于冲突系数的序列交叉算子生成子代萤火虫，重复生成直至达到预设迭代次数，选择最优个体作为最优解，得到卫星测控需求，其中，所述多目标优化算法是基于改进的萤火虫算法构建的。

本发明实施例的第三方面，

提供一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

本发明实施例的第四方面，

提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

本发明中，通过遍历测控资源，确定每个测控资源对应的空闲时间窗口，以及空闲时间窗口的长度，有助于有效利用测控资源，避免冲突，提高资源利用率，通过对测控资源列表和当前卫星的测控需求进行分析，确定测控需求的数据时效性、信道一致性需求和最小数传时间，将这些需求作为子优化目标，综合生成测控优化目标有助于对测控任务进行更全面、多方面的优化，通过计算相对亮度和基于冲突系数的序列交叉算子生成子代，迭代生成新的萤火虫群体，选择最优个体作为最优解，有助于在多目标优化问题中寻找全局最优解，综合考虑不同子目标的权衡，综上，本发明综合考虑了测控资源的可用性、卫星测控需求的多方面因素，并通过多目标优化算法有效地搜索最优解，有助于提高卫星测控系统的整体性能，确保资源的有效利用、任务的及时完成以及满足各项需求。

附图说明

图1为本发明实施例卫星测控仿真方法的流程示意图；

图2为本发明实施例卫星测控仿真系统的结构示意图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，下面将结合本发明实施例中的附图，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

下面以具体地实施例对本发明的技术方案进行详细说明。下面这几个具体的实施例可以相互结合，对于相同或相似的概念或过程可能在某些实施例不再赘述。

图1为本发明实施例卫星测控仿真方法的流程示意图，如图1所示，所述方法包括：

S1.获取测控资源，遍历所述测控资源并确定每个测控资源对应的空闲时间窗口，确定所述空闲时间窗口的长度，结合中低轨卫星对所述测控资源的占用负载和最大占用负载，生成测控资源列表；

所述测控资源指的是用于测量、监控和控制卫星状态的各种设备和系统，包括但不限于遥测设备、遥控设备、地面站等。所述空闲时间窗口指的是卫星可用于执行其他任务或接收指令的空闲时间段，所述占用负载指的是卫星上某个设备或系统当前正在执行任务、测量或其他操作的程度，所述最大占用负载是指卫星在其设计和规划中所能够承受的最大工作负载水平。

在一种可选的实施方式中，

所述获取测控资源，遍历所述测控资源并确定每个测控资源对应的空闲时间窗口，确定所述空闲时间窗口的长度，结合中低轨卫星对所述测控资源的占用负载和最大占用负载，生成测控资源列表包括：

获取当前可用的测控资源，通过查询数据库遍历所述测控资源，对于每个测控资源，获取当前测控资源的占用状态和占用计划，通过分析已经安排的任务以及当前占用情况确定空闲时间窗口，根据所述空闲时间窗口的开始时间和结束时间确定所述空闲时间窗口的长度；

对于每个测控资源，通过获取对中低轨卫星对测控资源的频率和波段以及带宽需求，确定不同中低轨卫星对应的占用负载和最大占用负载；

初始化一个空集合，将所述测控资源和所述测控资源对应的空闲时间窗口，占用负载添加至所述空集合中，生成测控资源列表。

所述占用状态指的是测控系统或卫星上特定资源目前的工作状态，所述占用计划是指对测控资源进行安排和规划的计划，以确保在给定时间内合理利用这些资源，所述测控资源列表是对所有测控系统和设备的清单，其中包括用于测量、监控和控制卫星的各种资源，如遥测设备、遥控设备、地面站等。

建立与测控资源数据库的连接，从数据库中查询所有测控资源的基本信息，包括资源名称、类型、频率、波段、带宽需求等，遍历每个测控资源，对于每个资源，查询数据库，获取当前测控资源的占用状态和占用计划信息，根据占用计划和实际占用情况，通过比较已安排任务和占用计划与资源的时间范围确定当前测控资源的空闲时间窗口，根据空闲时间窗口的开始时间和结束时间计算窗口的长度；

查询数据库，获取该测控资源对中低轨卫星的频率、波段和带宽需求等信息，根据卫星信息和测控资源的特性，确定当前占用负载和最大占用负载；

将每个测控资源的信息，包括资源名称、类型、频率、波段、带宽需求、空闲时间窗口、占用负载和最大占用负载，添加到测控资源列表中，将生成的测控资源列表返回供进一步使用；

本实施例中，通过查询数据库遍历测控资源，获取占用状态和占用计划，能够实现对测控资源的动态调度，有助于最大程度地利用资源，提高系统效率，通过分析已安排的任务和当前占用情况，确定空闲时间窗口的开始时间、结束时间和长度，有助于确定系统的空闲时段，使系统可以在这些时间段内执行其他任务，提高资源利用率，获取中低轨卫星对测控资源的频率、波段和带宽需求信息，可以确保测控资源与卫星之间的通信匹配，从而提高通信质量和效率，通过了解卫星的频率、波段和带宽需求，可以确定不同中低轨卫星对应的占用负载和最大占用负载，有助于规划和预测资源的使用情况，确保不超过资源的最大负载，综上，本实施例通过对测控资源进行综合分析和规划，提高了卫星测控系统的运行效率和资源利用率，同时确保卫星与测控资源之间的通信质量和协调性。

S2.基于所述测控资源列表，对当前卫星的测控需求进行分析，基于测控数据的有效时间和传输时间确定测控需求的数据时效性，基于测控数据返回频率和地面站天线的接收频段确定信道一致性需求，基于信息数据量需求和数据传输速度确定所述卫星的最小数传时间，将所述数据时效性和所述信道一致性以及所述最小数传时间作为子优化目标，综合生成测控优化目标；

所述数据时效性是指获取、处理和传递数据的速度和及时性，所述信道一致性指的是通信信道在传输数据时的稳定性和一致性，所述信息数据需求是指在特定任务或应用中对特定类型和质量的信息数据的需求，所述最小数传时间是指将测量数据从卫星传送到地面站所需的最短时间，所述测控优化目标是指在卫星测控系统中，通过调整和优化系统参数、资源分配等，以达到系统操作效率、稳定性或特定任务需求的目标。

在一种可选的实施方式中，

所述基于所述测控资源列表，对当前卫星的测控需求进行分析，基于测控数据的有效时间和传输时间确定测控需求的数据时效性，基于测控数据返回频率和地面站天线的接收频段确定信道一致性需求，基于信息数据量需求和数据传输速度确定所述卫星的最小数传时间，将所述数据时效性和所述信道一致性以及所述最小数传时间作为子优化目标，综合生成测控优化目标包括：

获取所述测控资源列表和当前卫星的测控需求，包括数据时效性要求，信道一致性需求和信息数据量需求；

基于测控数据的有效时间和卫星到达地面站的传输时间，分析测控数据的时效性需求，基于测控数据的返回频率和所述地面站天线的接收频段，结合数据通信的最低质量要求，确定信道一致性需求，基于地面站的信息数据量需求和卫星对所述测控数据的数据传输速度，计算卫星的最小数传时间；

将所述数据时效性和所述信道一致性以及所述最小数传时间作为子优化目标，综合生成测控优化目标。

所述返回频率是指无线通信系统中用于发送数据或信号的频率，在卫星通信中，卫星发送信息到地面站时所使用的频率即为返回频率，所述接收频段指的是用于接收无线信号的频率范围，在卫星通信中，地面站接收卫星发送的信息时所使用的频段即为接收频段。

查询测控资源列表，获取每个测控资源的信息，同时获取当前卫星的测控需求，包括数据时效性要求、信道一致性需求和信息数据量需求；

基于测控数据的有效时间和卫星到达地面站的传输时间，分析测控数据的时效性需求，基于测控数据的返回频率和地面站天线的接收频段，结合数据通信的最低质量要求，确定信道一致性需求，基于地面站的信息数据量需求和卫星对测控数据的数据传输速度，计算卫星的最小数传时间，将数据时效性、信道一致性和最小数传时间作为子优化目标，综合生成测控优化目标，

示例性地，假设有两个测控资源，地面站要求数据时效性要求为10分钟内，信道一致性要求为90%的时间内满足，信息数据量需求为100MB。卫星对测控数据的数据传输速度为1Mbps，测控资源1：频率1GHz，返回频率1.5GHz，数据时效性需求10分钟，信道一致性需求90%，信息数据量需求100MB，测控资源2：频率2GHz，返回频率2.5GHz，数据时效性需求10分钟，信道一致性需求90%，信息数据量需求100MB，数据需要在10分钟内可用，考虑卫星到达地面站的传输时间，设置合适的数据传输开始时间，根据返回频率和接收频段，以及最低质量要求，确定信道一致性的要求，确保通信信道的质量，基于信息数据量需求和数据传输速度，计算卫星的最小数传时间，将数据时效性、信道一致性和最小数传时间作为子优化目标，综合生成测控优化目标。

本实施例中，通过分析测控数据的有效时间和卫星到达地面站的传输时间，可根据实际需求设定合理的数据时效性要求，能够确保在规定的时间内获取并处理测控数据，使得系统对实时性要求更好，通过考虑返回频率、接收频段和数据通信的最低质量要求，确定信道一致性的需求，有助于维持通信信道的稳定性，提高数据传输的可靠性，确保信息质量，通过计算卫星的最小数传时间，可以确保测控数据能够在最短时间内传输到地面站，有助于及时获取数据，满足数据时效性要求，同时优化资源利用和传输效率，综上，本实施例能够更精确地量化和优化测控系统的运行，提高卫星测控的效率和可靠性，确保满足卫星任务的实时性和质量要求。

在一种可选的实施方式中，

所述将所述数据时效性和所述信道一致性以及所述最小数传时间作为子优化目标，综合生成测控优化目标如下公式所示：

；

其中，

本函数中，通过将数据时效性、信道一致性和最小数传时间等因素作为子目标综合考虑了实时性、信道质量和传输时长的情况下，能够在多个方面进行优化，能够在不同子目标之间进行平衡，根据实际需求找到一个最优的权衡点，通过使用二进制变量和传输时长、功耗等相关参数，可以灵活地进行任务和信道的分配，从而更好地满足多目标优化的需求，综上，本函数在综合考虑了时效性、信道一致性、功耗和传输时长等多个方面，能够使得测控系统更加智能、高效地运行，提高卫星测控系统的整体性能。

S3.基于所述测控优化目标，通过预设的多目标优化算法生成初始萤火虫群体，对于所述初始萤火虫群体中的每个个体，计算相对亮度并基于所述相对亮度更新位置，通过基于冲突系数的序列交叉算子生成子代萤火虫，重复生成直至达到预设迭代次数，选择最优个体作为最优解，得到卫星测控需求，其中，所述多目标优化算法是基于改进的萤火虫算法构建的。

所述初始萤火虫群体是指在多目标优化算法中算法开始时随机生成的一组萤火虫个体，算法开始时随机生成的一组萤火虫个体，所述相对亮度表示其适应度或目标函数值，亮度越大通常表示在搜索空间中的位置越好，所述冲突系数是在优化算法中用于管理搜索空间的一个参数，所述序列交叉算子通常用于遗传算法等优化算法中，用于生成新的个体。

在一种可选的实施方式中，

所述基于所述测控优化目标，通过预设的多目标优化算法生成初始萤火虫群体，对于所述初始萤火虫群体中的每个个体，计算相对亮度并基于所述相对亮度更新位置，通过基于冲突系数的序列交叉算子生成子代萤火虫，重复生成直至达到预设迭代次数，选择最优个体作为最优解，得到卫星测控需求包括：

基于所述测控优化目标，通过预设的多目标优化算法生成初始萤火虫群体并确定所述初始萤火虫群体中个体的数量，最大迭代次数和萤火虫个体的光强度衰减系数及吸引度，并随机为每个萤火虫分配位置，其中，每个萤火虫表示一个测控优化目标对应的解；

对于所述初始萤火虫群体中的每个个体，基于在目标函数上的表现确定相对亮度，基于所述相对亮度进行两两对比，具有更高相对亮度值的个体保持位置不变，具有更低相对亮度值的个体向具有更高相对亮度值的个体移动，更新每个个体的位置，并基于帕累托支配进行评估，对于每个未被支配的个体，计算对应的适应度值；

基于每个个体对应的适应度值，通过基于冲突系数的序列交叉算子生成子代萤火虫并重复评估个体性能，重复生成直至达到预设的迭代次数，在最终的萤火虫群体中选择最优个体作为最优解，得到所述卫星测控需求。

所述光强度衰减系数是指光线在传播过程中由于吸收和散射而减弱的速率，所述吸引度指的是一个物体或位置对其他物体或位置产生的引力或吸引力，所述帕累托支配是多目标优化中的一个概念，如果在优化问题中一个解在所有目标函数上至少与另一个解一样好，而在至少一个目标函数上比另一个解更好，则认为前者帕累托支配后者，用于定义多目标优化问题中解的优劣关系。

设置萤火虫群体的初始数量、最大迭代次数、光强度衰减系数和吸引度等参数，使用多目标优化算法的初始化方法，例如在搜索空间中随机生成一定数量的个体，每个个体表示一个可能的测控优化目标的解，对每个萤火虫的解进行评估，计算其在测控优化目标上的适应度值，即计算目标函数值；

基于目标函数值确定每个个体的相对亮度，对每对萤火虫进行两两对比，具有更高相对亮度值的个体保持位置不变，具有更低相对亮度值的个体向具有更高相对亮度值的个体移动，更新每个个体的位置，基于帕累托支配对每个个体进行评估，对于每个未被支配的个体，计算对应的适应度值，基于每个个体对应的适应度值，通过基于冲突系数的序列交叉算子生成子代萤火虫，重复操作直至达到预设的迭代次数；

在最终的萤火虫群体中选择最优个体，通常是根据帕累托支配的关系，选择非支配解或帕累托前沿上的解作为最优解，最优解即为满足卫星测控需求的解。

本实施例中，通过基于目标函数表现确定相对亮度，算法可以推导出萤火虫群体中个体的相对优势，较亮的个体保持其位置不变，而较暗的个体向较亮的个体移动有助于在搜索空间中集中搜索，并更有可能找到全局最优解，采用帕累托支配的方法，确保在个体之间有清晰的优劣关系，有助于筛选出帕累托前沿上的非支配解，提供决策者一个可选择的多样性解集，综上，本实施例通过相对亮度、帕累托支配、冲突系数等机制，使算法能够在高维、多目标优化问题中更有效地搜索和收敛，为卫星测控需求提供更优的解。

在一种可选的实施方式中，

所述基于每个个体对应的适应度值，通过基于冲突系数的序列交叉算子生成子代萤火虫包括：

对于每个未被支配的个体，分别计算对应的适应度值并将所述适应度值进行降序排列，选择前两个适应度值对应的萤火虫个体，分别作为父染色体和母染色体；

对于所述父染色体，读取每个基因的冲突系数并计算所述父染色体中所有基因的冲突系数总和，计算每个基因的适应度比例，生成一个0到1之间的随机数作为轮盘指针，从所述父染色体的第一个基因开始 ，将每个基因对应的适应度比例进行累加，记为累计适应度比例，直至所述累计适应度比例大于所述轮盘指针，则选择最后一个被加入到累计适应度比例中的基因，重复选择直至达到预设的选择数量；

对于每个被选择的基因，在母染色体中确定每个基因对应的位置，并基于所述被选择的基因在所述父染色体的位置，调整所述母染色体中对应基因的位置，生成子代萤火虫。

所述支配是指一个解在所有目标上至少与另一个解一样好，而在至少一个目标上更优越，所述轮盘指针是一种基于适应度值进行选择的方法，通常用于遗传算法等优化算法中，所述累计适应度比例是指在选择过程中，为每个个体计算一个累积的适应度比例，通常用于轮盘指针选择。

对于每个未被支配的个体，计算对应的适应度值，并将适应度值进行降序排列，从排序后的适应度值中选择前两个适应度值对应的个体，分别作为父染色体和母染色体；

对于父染色体，读取每个基因的冲突系数并计算总和，然后计算每个基因的适应度比例，生成一个0到1之间的随机数作为轮盘指针，从父染色体的第一个基因开始，将每个基因对应的适应度比例进行累加，直至累计适应度比例大于轮盘指针，选择最后一个被加入到累计适应度比例中的基因，重复上述选择过程，直至达到预设的选择数量；

对于每个被选择的基因，在母染色体中确定其位置，基于被选择的基因在父染色体中的位置，调整母染色体中对应基因的位置，生成子代萤火虫。

示例性地，假设有一个含有5个基因的染色体，其中冲突系数分别为 [0.1,0.3,0.5,0.2,0.4]。通过适应度比例，得到轮盘指针选择基因的顺序，假设轮盘指针为0.7，适应度比例累计为 [0.1,0.4,0.9,1.1,1.5]，轮盘指针为0.7，选择的基因为第3个基因（因为累计适应度比例中第一个大于0.7的是第3个基因），在选择过程中，可以根据轮盘指针的随机性和适应度比例的不同，得到不同的选择结果，即可得到父染色体基因到母染色体的基因位置的调整。

本实施例中，通过选择未被支配的个体有助于维持种群中的多样性，并集中搜索在帕累托前沿上，有助于在搜索空间中找到更全面的解集，通过使用轮盘指针选择，使得适应度更高的个体有更大的选择概率有助于保留优秀个体，并在父代和子代之间传递优秀的遗传信息，通过计算基因的冲突系数总和和适应度比例，综合考虑了每个基因的冲突情况，有助于确保在选择过程中更关注冲突较小的基因，以提高系统的整体性能，综上，本实施例结合了多目标优化和遗传算法的思想，通过对冲突系数、适应度比例和轮盘指针的综合利用，提高了优化算法在复杂问题中的搜索能力，进一步优化了卫星测控系统的性能。

在一种可选的实施方式中，

读取每个基因的冲突系数并计算所述父染色体中所有基因的冲突系数总和，计算每个基因的适应度比例如下公式所示：

；

其中，

本函数中，通过考虑每个基因的冲突系数，适应度比例将更多地倾向于具有较低冲突系数的基因有助于在选择父母染色体时，更有可能选择那些冲突较小的基因，以提高系统整体的性能，通过将每个基因的冲突系数与总和相除，得到的适应度比例是标准化的，使得比例更易于解释和比较，适应度比例的计算基于所有基因的冲突系数总和，反映了整个染色体的冲突情况，有助于在选择过程中引入全局的适应度信息，使得选择更全面、综合，综上，本函数通过综合考虑基因的冲突系数，提供了一个相对于整个染色体的适应度比例，为进化算法中的个体选择提供了更全面、综合的信息，有助于产生更好的父母染色体，从而优化卫星测控系统。

图2为本发明实施例卫星测控仿真系统的结构示意图，如图2所示，所述系统包括：

第一单元，用于获取测控资源，遍历所述测控资源并确定每个测控资源对应的空闲时间窗口，确定所述空闲时间窗口的长度，结合中低轨卫星对所述测控资源的占用负载和最大占用负载，生成测控资源列表；

第二单元，用于基于所述测控资源列表，对当前卫星的测控需求进行分析，基于测控数据的有效时间和传输时间确定测控需求的数据时效性，基于测控数据返回频率和地面站天线的接收频段确定信道一致性需求，基于信息数据量需求和数据传输速度确定所述卫星的最小数传时间，将所述数据时效性和所述信道一致性以及所述最小数传时间作为子优化目标，综合生成测控优化目标；

第三单元，用于基于所述测控优化目标，通过预设的多目标优化算法生成初始萤火虫群体，对于所述初始萤火虫群体中的每个个体，计算相对亮度并基于所述相对亮度更新位置，通过基于冲突系数的序列交叉算子生成子代萤火虫，重复生成直至达到预设迭代次数，选择最优个体作为最优解，得到卫星测控需求，其中，所述多目标优化算法是基于改进的萤火虫算法构建的。

本发明实施例的第三方面，

提供一种电子设备，包括：

处理器；

用于存储处理器可执行指令的存储器；

其中，所述处理器被配置为调用所述存储器存储的指令，以执行前述所述的方法。

本发明实施例的第四方面，

提供一种计算机可读存储介质，其上存储有计算机程序指令，所述计算机程序指令被处理器执行时实现前述所述的方法。

本发明可以是方法、装置、系统和/或计算机程序产品。计算机程序产品可以包括计算机可读存储介质，其上载有用于执行本发明的各个方面的计算机可读程序指令。

最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围。