多星测控调度是指对高中低轨等各类卫星合理地分配天地基测控资源以满足卫星的测控任务需求。多星测控调度问题是一个具有多时间窗口等复杂约束的大规模组合优化问题,涉及要素多且关系复杂,对其进行深入研究不仅可以为工程应用提供调度方案和方案评价结果,还可以对调度算法进行探索和分析,并在此基础上改进算法性能。本文针对多星测控调度问题的遗传算法框架,研究了相关的遗传算法。主要工作和创新如下：在模型方面,借鉴低轨卫星测控调度任务需求描述方式,在对中高轨卫星的轨道测量和轨道保持等需求进行分析的基础上,给出了高中低轨任务需求规范化描述；针对天基和地基测控资源的测控特点,以卫星任务需求加权满足率最大为目标,建立了测控资源的调度模型。遗传算法是一种具有全局搜索性能的随机搜索算法,在类似于多星测控调度问题的诸多领域取得了很好的应用效果。由于多星测控调度问题的搜索空间巨大,不易求解,而搜索策略又决定遗传算法的求解性能,因此,首先对遗传算法的求解策略进行研究,并在此基础上得出求解框架。遗传算法可以对整个解空间进行大范围的全局型搜索,也可以对解空间的部分区域进行细致的局部型搜索,虽然全局型搜索原理上可以得到问题的最优解,但对算法的实现技术有较高的要求,局部型搜索虽然从原理上不能保证得到最优解,但可以对重点区域进行详细搜索,稳定地得到满意解甚至是最优解,两种策略各具优势,因此,本文提出了基于全局和局部两种搜索策略的求解框架,并对两种策略共同使用的算法组件进行了设计。在全局型求解算法方面,由于搜索空间巨大,对随机型的遗传算法而言,容易造成收敛速度慢和求解时间长,而且还易陷入局部最优。针对初始算法求解易陷入局部最优和不稳定的缺陷,借鉴分散搜索多样化采样及局部寻优的思想,在原始GA全局的随机搜索中嵌入分散搜索,对多样化初始集产生方法、参考集更新方法、解组合方法和解提高方法等分散搜索要素进行了设计。针对长染色体和基因间较弱的相关性,借鉴路径连接的思想,提出了一种基于局部路径连接的定向交叉算子,利用构成初始解和引导解的要素的差异性,构建从初始解出发的分层搜索邻域,然后将邻域中满足模型约束的解作为交叉的结果。出于减少运算时间的考虑,提出了两阶段递进遗传算法,鉴于模型的目标函数在时间上具有一定的可分性,而且可以对调度方案的局部作出理想化的假设,以时间为依据将被调度弧段划分成两个部分。在对第一部分形成种群并作进化求解的基础上,将其最优解与第二部分弧段组合,并作进一步的进化求解。在局部型求解算法方面,要求能在减小搜索范围的同时尽可能地减小优秀解的丢失,确保算法的稳定性。针对问题特点,提出了合作型协同进化调度算法,为实现上述目的,加强协同性是算法设计的关键和难点。由于采用传统的子种群代表个体最优选择和随机选择容易使求解效果不稳定,综合考虑代表个体的协同性和计算开销,依据贪婪性强弱从每个子种群选择三个代表个体,并利用正交表进行个体适应度计算。其次,针对现有合作协同进化主要通过所有子种群代表个体拼接的全局协同进行整个种群进化、较少利用局部协同信息的现象,对每个个体设定一个能表明其与所有相邻子种群合作效果的进化性能指标——局部交互值,并将该交互值作为评价个体优劣和个体进行自适应变异的尺度之一,从机理上减少由于子种群代表个体选择的非全局性而造成的优秀个体的丢失。最后通过算例对所设计算法的整体性能和所作改进的效果进行了验证,结果表明本文设计的两种遗传进化策略都可以得到各种规模问题的高质量解,其中合作协同进化相比两阶段递进进化能以较多的时间来更稳定地获取更好的解。两种求解策略结合使用能够满足不同求解质量和求解时间要求下的多星测控调度需求。