近地小行星的巡天项目不断涌现,得到了海量的观测数据.而巡天观测方式使获得的数据弧段过短,传统方法在定轨和识别上存在极大困难,加之短弧定轨问题本身的病态性,如何有效利用这些短弧数据对于发现、监测和评估小行星的威胁具有重要意义.在进化算法下构建极短弧定轨的计算框架,选用三变量的(a, e, M)优选法,保持维数较低的同时,使优化结果不再依赖观测量.采用参数较少、操作简便的差分进化算法,利用不同偏心率小行星的轨道模拟数据进行试验,对获得的最优解及其分布聚集区域进行分析,大偏心率轨道由于其本身的复杂性,会对算法搜索的灵敏度产生影响,需缩小搜索空间以提高搜索能力.结果表明算法在小偏心率问题中表现较好,可以得到有效结果为后续工作提供参考信息,大偏心率问题在传统方法失效的情况下,虽然最优解在整体分布中并不明显,但分布仍包含真实解,可结合分布密度和适值大小进行分析.未来需要对大偏心率问题作进一步研究,考虑其观测位置和观测时刻对算法产生的影响,分类计算.
采用遗传算法解决极短弧定轨问题时,由于遗传算法不同于经典方法的计算过程,野值剔除方法不再适用.在遗传算法中通过在适值函数中采用不同损失函数实现了稳健估计,解决了极短弧定轨中的野值处理问题.在遗传算法中不同损失函数的引入较经典方法大大简化.通过对多种损失函数的计算比较,表明采用最小中值二乘(LMS,Least Median Square)和截尾最小二乘(LTS,Least Trimmed Square)估计可大幅度提高极短弧定轨的稳健性,具有极高的崩溃点.
