1.一种基于建链概率的低轨卫星星座抗毁性优化方法，其特征在于，包括以下步骤：

101，建立低轨卫星网络模型，对低轨卫星网络进行动态分析，推导出建链概率矩阵以表征动态拓扑；

102，基于建链概率，从节点和链路两个方面来量化卫星星座的抗毁性；

103，在覆盖重数、建链数量以及连通性的约束条件下，最优化卫星星座的抗毁性，建立卫星星座抗毁性优化模型；

104，最后设计一种基于反向学习策略的禁忌遗传算法对卫星星座抗毁性优化模型进行优化，生成具有最佳抗毁性的卫星星座；

所述步骤101具体包括：

利用卫星运行的周期性，将动态拓扑划分为一系列周期性的切片，每个切片看成一个静态拓扑；

利用两个卫星节点在一个周期内总的通信时长与周期的比值来表示动态网络中两个卫星节点保持连接状态的概率；

所述将动态拓扑划分为一系列周期性的切片，每个切片看成一个静态拓扑，具体包括：假设卫星i和卫星j在一个周T期内建立通信链路的切片有SN个，i,j分别表示卫星序号，在每个时间片中建立链路的起始时间和终止时间分别为bs,es，s∈[0,SN]，那么这两颗卫星在周期T内总的通信时长tij可表示为：所述利用两个卫星节点在一个周期内总的通信时长与周期的比值来表示动态网络中两个卫星节点保持连接状态的概率，具体包括：建链概率表示为：

利用邻接矩阵的概念，如果卫星i和卫星j建立了星间链路，则aij＝aji＝1，aij＝aji表示卫星i和卫星j之间的权值，反之aij＝aji＝0，将元素0和1替换成建链概率，以此来得到建链概率矩阵AT：所述步骤102量化节点对卫星星座抗毁性的影响，具体包括：计算重要性均衡度和节点抗攻击能力；

要计算重要性的均衡度，必须先量化节点重要性，由信息论启发，在网络G＝(V,E)中，节点vi和节点vj之间的互信息为I(i,j)，当两卫星节点间建立了链路时，有：若没有建立链路，I(i,j)的值为0，式中，pik表示节点vi的边vivk出现的概率，pjk表示节点vj的边vjvk出现的概率；基于建链概率矩阵和互信息的定义，得到卫星i,j在周期T内的互信息量：其中N为卫星星座中的卫星数量，Pim、Pjm为建链概率；当i＝j时，有I(i,j)＝0，节点vi的信息量I(i)是它与所有其他节点的互信息量的总和，即：节点的信息量越大即表示节点越重要，重要性均衡度 则由它们的均方差来计算，表示为：节点抗攻击能力通过卫星截获攻击信号的能力来进行计算，与截获距离d和截获灵敏度ω有关，因此，节点抗攻击能力NI表示为：其中， 为理论平均截获距离，duser为用户预期距离，Pi为入侵信号发射功率，Gti为入侵信号发射天线增益，Gri为入侵信号接收天线增益，f为信号波长，L0为各种损耗之和，ω为截获机灵敏度；

其中，k是玻尔兹曼常数，T1是截获机热噪声温度，δ是截获机噪声系数，B0是截获机有效信号带宽， 是截获机信噪比；

所述步骤102中，量化链路对抗毁性的影响，具体包括：计算冗余度和链路抗攻击能力；

冗余度通过自然连通度进行量化，自然连通度将任意两节点的链路冗余转化为从任意一个点出发的闭途径的数量，基于建链概率矩阵，结合自然连通度理论，冗余度 量化为：其中 是建链概率矩阵AT的特征值，N为卫星星座中的卫星数量；

链路抗攻击能力通过链路抵御攻击或干扰信号的能力进行计算，链路抗攻击能力LI表示为：其中，(c/n)user为用户设定链路预算阈值，c表示已调信号的平均功率，n为各项噪声之和，(c/n)是链路预算：所述步骤103中，运用卫星星座整体抗毁性评估公式，将抗毁性作为优化目标，建立卫星星座抗毁性优化模型，具体模型为：其中， 分别表示卫星星座的抗毁性、冗余度的最大值和重要性均衡度的最大值；COV表示覆盖重数，X是卫星星座生成的某个时间片下的目标邻接矩阵，λ2(X)为拉普拉斯矩阵的第二小特征值，也称为代数连通性，如果λ2＞0，则卫星星座是全连通的；

对于 由于每颗卫星链路的数量不超过4到8，因此生成的邻接矩阵有最大度的限制；h表示卫星轨道高度，N表示卫星总数；

所述步骤104中，对禁忌搜索算法进行改进，对初始解采用反向学习策略进行优化，在搜索邻域表时采用遗传算法对邻域表中的数据进行交叉变异；通过基于反向学习策略的禁忌遗传算法来求解最佳抗毁性的卫星星座，具体包括：(1)由Walker星座作为基础构型，在约束范围内改变卫星星座的参数；

(2)根据卫星星座的参数，通过STK软件对卫星星座进行仿真，获取这些卫星星座的星间链路建链时刻表，得到建链概率矩阵；

(3)在MATLAB软件上编写基于反向学习策略的禁忌遗传算法，结合建链概率矩阵计算目标函数，搜索具有最佳抗毁性的卫星星座；

所述基于反向学习策略的禁忌遗传算法具体包括：

1)生成初始禁忌列表、初始解集，根据初始解集生成反向解集；

2)将初始解集和反向解集带入星座网络性能仿真计算模块，计算适应度函数，选择适应度最好的解作为最终的初始解集；

3)对初始解的邻域表中的数据进行交叉、变异操作产生候选解集，将候选解集带入星座网络性能仿真计算模块，计算适应度函数；

4)判断候选解集中的最好解是否优于当前全局最好解，如果是，则选择候选解集中最好解，否则选择候选解集中没有被禁忌的最好解；

5)更新当前解集，更新禁忌表，判断迭代终止次数是否达到；如果是，则停止算法，找到最优解；否则转到步骤3并重复整个过程；

结合建链概率矩阵计算目标函数，搜索具有最佳抗毁性的卫星星座；

在反向学习‑禁忌搜索遗传算法求解过程中，星座网路性能仿真计算模块通过参数解码、STK软件仿真，根据覆盖约束、建链约束模型和网络性能目标模型计算出相应的建链概率矩阵，联合MATLAB软件动态的更新步骤2)和步骤3)中的适应度函数值。