面向能力需求的武器装备体系组合规划模型与算法

基于能力的规划逐渐成为发展武器装备体系的主流思想, 但目前研究成果中缺少定量的模型和算法, 实现基于能力的规划. 针对该问题, 研究了基于能力的武器装备体系组合规划建模和求解. 首先提出了能力需求的定量描述, 然后基于组合优化和范数理想点法, 构建了武器装备体系组合规划模型, 并设计了基于差分进化的求解算法, 最后通过某侦察预警监视体系规划论证示例, 验证了本文所提模型和算法的有效性. 本模型和算法可为基于能力的武器装备体系规划和论证提供决策支持.     

面向应急需求的成像卫星单任务综合规划

针对应急条件下成像卫星任务规划问题,在分析任务响应过程的基础上建立了面向任务需求的应急条件下单任务综合规划模型,模型以完成任务需求最早为优化目标,综合考虑了任务规划过程中卫星、测控及数传资源的分配,并提出了基于深度优先搜索的模型求解算法。算例分析结果表明,所提出的模型及算法有效,规划结果能够就现有卫星、测控及数传资源条件下,为应急成像任务需求提供星地资源调度解决方案。     

成像卫星任务规划模型、算法及其应用

近年来, 成像卫星数量越来越多,成像任务需求呈现出多样化、复杂化和快速 增长的趋势,成像卫星任务规划问题在卫星管控中的作用越来越突出.在对成像卫星任务规划基础理论进行 阐述的基础上,总结了成像卫星任务规划的基本模型和主要求解算法. 建立了考虑任务合成的成像卫星调度模型, 提出了求解该模型的快速模拟退火算法.成像卫星调度模型、求解 方法和任务规划技术,已运用到成像卫星的日常管控中, 取得了很好的效果.     

对地观测卫星任务规划问题研究述评

卫星任务规划是卫星系统核心模块,其性能直接影响到卫星系统的工作效益。针对卫星任务规划的几个关键问题对现有的一些研究方法进行总结分析,并对未来研究进行展望。首先分析了多用户任务需求,梳理了任务需求的辅助分析过程,然后总结归类现有的区域目标分解和任务聚类的方法,在此基础上分别对单星和多星任务规划模型及求解算法进行述评,最后阐述了卫星任务规划调度需要进一步研究的问题。     

成像卫星协同任务规划模型与算法

作为一类重要的对地观测卫星,成像卫星多星组网协同工作可提高处理复杂任务的能力,其中的任务规划属于多时间窗口、多优化目标和多约束条件的组合优化问题。针对任务协同规划技术,主要完成两项工作：第一,建立协同规划模型,引入了元任务间的3类协同作用关系,并进一步考虑了风险控制的要素;第二,在阐述引入启发式信息的遗传禁忌选择的求解算法基础上,提出算法协同进化模型求解技术。最后,利用卫星工具箱（satellite tool kit, STK）提供仿真数据,评价几种典型的求解算法,并验证了本文算法在收敛速度和鲁棒性上的有效性。     

求解多星任务规划问题的演化学习型蚁群算法

任务规划在成像卫星指挥控制过程中起着非常关键的作用, 在成像卫星应用系统中处于神经中枢的地位. 提出了一种求解多星任务规划问题的演化学习型蚁群算法: 在参数绩效知识的指导下, 采用动态参数模型为下次迭代随机选择较为合理的参数组合; 从优化过程中不断地抽取构件知识, 采用构件知识指导人工蚂蚁在后续优化过程中构建可行方案. 在蚁群算法、动态参数决策模型和构件知识的共同作用下, 演化学习型蚁群算法的优化绩效得到了极大提高. 采用多星任务规划问题的21个测试实例进行实验, 结果表明演化学习型蚁群算法在优化性能方面优于其他两种方法.     

卫星观测系统整体调度的收发问题模型及求解

探讨了一类涉及多星、多地面站、多任务的卫星观测系统整体调度问题,该问题要求从过多赋权卫星观测需求中,选择有能力完成的一个任务子集,并为相应的拍照和数据下传活动安排资源和时间,以实现特定的优化目标.用一种变体形式的收发问题模型描述了该问题,并给出了其约束规划和禁忌搜索相结合的求解方法.最后用随机生成的问题示例检验了求解算法的性能.     

基于改进合同网协议的分布式卫星资源调度

随着卫星和任务的增加以及卫星智能化的提升, 传统的集中式任务规划已无法满足规划需求。本文研究分布式卫星任务规划问题, 首先, 针对分布式任务规划中全局和局部目标的不一致性建立双层规划数学模型, 最大化观测收益、最小化任务观测完成时间、最优化负载均衡。其次, 提出可解约循环合同网, 设计包含全任务投标策略和二次中标策略的并发机制以减少协商次数, 建立多属性评标机制完善评标过程。设计基于自适应退火的可解约循环合同网算法求解分布式卫星任务规划问题。最后, 通过数值实验结果证明所提算法求解问题的有效性和合理性。     

考虑发射失败的多中心多卫星发射任务协同规划方法

在中国未来卫星发射需求急剧增加和卫星发射中心发射能力有限的情况下,为多颗卫星协调发射中心和发射时间变得日趋困难。为解决大量卫星发射任务的协同规划问题,以发射成本最少、发射失败概率最低为优化目标,建立了多中心多卫星发射任务协同优化的多目标混合整数规划模型。基于非支配排序的多目标优化算法(non-dominated sorting genetic algorithm II, NSGA II)框架,设计了求解模型的多目标进化算法,提出了发射中心选择的整数编码方案,给出了基于启发式搜索的发射时间规划解码算法,并设计了染色体质量检查与修正算法。基于中国现有的4个卫星发射中心和可能面临的6类发射任务,设计了包含10颗卫星发射任务的小规模案例和30颗卫星发射任务的大规模案例,对模型和算法进行了仿真验证。实验结果表明该方法能有效解决多中心多发射任务协同规划问题。     

针对多星多任务仿真调度的关键路径遗传算法

卫星任务规划问题的求解空间随卫星数量和目标数量的增多而快速增大,针对大规模多星多任务规划问题,提出一种基于关键路径-遗传算法的卫星任务规划分层优化方法。该方法将卫星任务规划问题分解成任务分配和单星任务处理2个子问题,其中,任务分配通过遗传算法实现,一个分配结果对应种群中的一个个体,在单星任务处理子问题中引入关键路径法,用于求解每个个体的适应度,在提高优化效率的同时,确保得到当前任务分配条件下的最大观测效益,提高算法的全局优化能力。仿真结果表明,对于给定的6组大规模卫星任务规划算例,平均任务完成率均超过了99.7%,证明了该方法具有良好的稳定性和全局搜索能力;同时,相比于已有方法,该方法在优化效率上也有大幅提高,且任务规模越大,优化效率提升越大。     

基于综合优先度的卫星数传调度算法

研究了在地面站资源有限、数传任务急剧增多的情况下,合理分配资源以有效实现卫星数传任务的调度问题.首先建立了卫星数传任务模型和调度问题模型,提出了综合优先度的概念及其各个指标,对每个指标进行了详细分析.在此基础上,提出了一种基于综合优先度的卫星数传调度算法。仿真结果表明该算法能够取得较好的调度结果.     

基于试探性的卫星数传任务调度算法研究

卫星数传任务调度问题是一个非常复杂的组合优化问题,即如何合理为每个任务分配地面站资源及其服务时间以最大限度满足任务需求的问题。根据卫星数传任务的特点,首先建立了卫星数传任务框架模型,进而提出了任务执行灵活度、执行冲突度等概念,在此基础上提出了一种基于试探性的卫星数传任务调度算法。最后利用AFIT基准数据进行仿真验证,结果表明该算法是可行的。     

面向复杂关联测控需求的冲突规避调度算法

对卫星测控资源调度问题的现状进行了分析, 根据现有场景、需求和任务建立了目标约束满足模型。在系统阐述测控资源、可见弧段、任务需求的基础上, 考虑到测控任务需求间复杂的相互关联关系, 提出了一种基于任务冲突规避的测控资源调度算法。相比其他传统方法, 该算法考虑了全局任务对资源的需求和任务间复杂的关联性, 引入了可行解接受度函数, 避免了传统启发式算法过分贪婪的缺点。实验结果表明, 该算法应用于大规模测控任务资源调度时, 能有效提高任务调度的成功率。     

任务调度启发式信息的卫星数传ACO算法应用

针对卫星数传调度问题,建立了任务调度启发式信息体系框架,提出了基于任务开始时间、任务调度收益、任务可用资源灵活度和任务调度冲突度的启发式信息,研究了任务调度启发式信息在卫星数传蚁群优化算法中的应用。针对不同规模场景的仿真结果表明,任务调度启发式信息有助于蚁群算法求解卫星数传调度问题。     

基于多目标遗传算法的卫星成像任务调度技术

针对成像卫星的任务调度问题,考虑多种约束条件,提出了成像任务约束图模型。基于多目标优化和遗传算法思想,提出了一种应用于卫星成像任务调度的多目标遗传算法,详细分析了算法的各个关键步骤的设计思想,能够求得基于成像约束图模型的满意解,生成卫星的优化拍摄计划。卫星成像任务调度原型系统的实现和实验结果验证了该模型和算法的合理性和有效性。     

天基预警调度方法研究

作为一种复杂多传感器跟踪任务, 天基预警过程可视作一种多维离散时间序列监控与预测问题. 预警任务具有高实时性、动态性、高低轨配合、多星协作等特点, 因而调度模型需能够优化利用预警资源完成有效预警. 本文从实际问题出发, 主要阐述两项工作: 第一, 提出基于信息增益的多目标优化预警调度模型, 第二, 阐述免疫克隆选择算法, 并给出一种分布式并行调度求解方法, 以改善调度算法的收敛速度和鲁棒性, 解决实际需要. 最后, 通过基于HLA的仿真系统, 以美国SBIRS为背景, 验证了本文调度模型和算法的有效性.     

基于状态转移的UAV单机侦察任务调度策略研究

针对不确定环境中侦察无人机执行多任务时不同的任务调度顺序对代价和收益的影响, 根据多任务执行过程的特征, 建立了任务执行过程的状态转移模型. 通过对模型推导获得了一个最优性判据, 根据该判据对任务进行降序排列能够得到最优调度. 仿真实验结果证明了文中所提调度策略的最优性, 将文中所提策略产生的表调度算法与遗传算法和穷举搜索进行实验对比, 实验结果与理论推导一致, 说明了文中所提策略的最优性和高效性.     

卫星与浮空器协同侦察任务规划方法

针对卫星和浮空器协同对地侦察任务规划问题,提出了一种分阶段任务规划方法,将卫星与浮空器协同任务规划分为任务聚类、任务组分配和任务排程3个相继的阶段。使用层次聚类算法进行任务聚类,通过聚类形成多个任务组;给出了任务组分配的规划模型,将任务组与平台资源进行匹配;建立了任务排程的混合整数规划模型,并使用粒子群算法进行求解,将任务最终分配到相应的平台上。仿真结果表明,所提出的方法可行且有效。     

基于HTLBO算法的舰载机机群机库维修任务调度

舰载机机库维修能力是制约舰载机机群可用度乃至出动、作战能力的关键要素, 为提升舰载机机库维修效率并减轻传统人工制定维修计划的负担, 研究了舰载机机群机库维修任务调度方法。首先, 系统分析了舰载机机群机库维修任务调度的作业流程模式, 基于维修资源约束, 面向实际维修任务需求, 提出了将舰载机机群波次可用度指标和机库维修人员负载均衡性指标作为分层优化目标, 建立了舰载机机群机库维修任务调度模型。其次, 将模型抽象为多技能资源受限项目调度问题, 提出了基于资源约束推进的串行调度机制, 并设计了混合教与学优化算法。最后, 通过设计仿真案例和算法对比, 验证了模型和算法的可行性与有效性, 所提出的混合教与学算法具备更好的收敛速度和优化性能, 有一定的工程借鉴意义。     

基于解构造图的卫星数传调度ACO算法

针对卫星数传调度问题,建立了基于任务调度关系（弧模式）和基于任务调度位置（结点模式）的解构造图,提出了基于解构造图的卫星数传调度蚁群优化(ant colony optimization, ACO)算法。算法利用伪随机概率转移规则进行路径搜索,通过划分冲突任务集来限制蚁群的搜索邻域。算法根据迭代最优解和至今最优解进行全局信息素更新,并将构造图中的信息素浓度限制在一定范围内。仿真结果表明,文中提出的两种解构造图及ACO算法是正确可行的,基于结点模式解构造图的ACO算法能获得更优的解。