基于混合进化算法的卫星网络星间数传方法

星间链路在卫星网络数据传输中发挥着非常重要的作用，可以解决我国地面站布局受限的问题。然而，卫星网络拓扑时变，网络资源有限，使得星间数据传输具有很大的挑战性。为了克服这个难点，首先利用存储时间聚合图建模卫星网络，在考虑网络资源约束的条件下，构建了数据传输整数规划模型。然后，设计了知识型混合进化算法(knowledge-guided hybrid evolutionary algorithm, KGHEA)对模型进行求解，该算法融合了局部搜索算法、路径流量分配算法，以及多种知识型算子。最后，设计了仿真实验，验证了KGHEA的性能，并分析了各项参数对数据传输性能的影响，为星间网络建设提供参考。     

基于深度强化学习的卫星光网络波长路由算法

针对由卫星光网络拓扑动态变化、业务多样化和负载不均引起的路由收敛慢和波长利用率低的问题, 提出了一种基于深度强化学习的卫星光网络波长路由分配方法。基于软件定义中轨/低轨(medium earth orbit/low earth orbit, MEO/LEO)双层卫星网络架构, 利用深度强化学习算法动态感知网络当前的业务负载和链路状况, 构造基于时延、波长利用率和丢包率的奖励函数进行选路决策。为了解决单跳链路对整个光路的影响, 引入链路瓶颈因子, 搜索符合服务质量(quality of service, QoS)约束的最优路径。研究结果表明, 与传统卫星网络分布式路由(satellite network distributed routing algorithm, SDRA)算法和Q-routing算法相比, 所提算法降低了网络的时延、丢包率, 提高了波长利用率, 同时也降低了高优先级业务的阻塞率。     

LEO&GEO双层卫星网络的动态路由技术

基于低地球轨道和静止地球轨道（low Earth orbit & geo-synchronous Earth orbit, LEO&GEO）双层卫星网络结构,对其覆盖特性和星间链路（inter satellite link,ISL）特性进行了仿真分析。提出了分层分簇的管理方法,只有主簇头与GEO卫星有连接关系,简化了互联关系的复杂性。在该卫星组网结构中,利用星座网络拓扑的特点,提出一种负载均衡的动态路由算法,综合考虑了路径时延和ISL链路负载。与单层卫星网络相比,双层卫星网络可以更加均匀地分配通信量,仅在低层LEO卫星路由跳数超出一定阈值或者卫星网络链路利用率超过某个门限范围时,才利用上层GEO卫星进行中转传输,仿真结果表明,所提路由算法可以实现更低的时延、延迟抖动以及更优的服务质量性能。     

LEO/MEO卫星通信系统ISL网络路由及切换性能研究

为了研究高度不同的卫星通信网络的路由和切换性能,采用Walkerdelta型星座构成两种非静止轨道卫星通信系统,分析和比较了LEO和MEO卫星通信网络构成特点和星间链路的俯仰角、方位角和星间链路长度变化。采用不同的路由策略以满足不同服务质量的要求,分析该策略下的卫星网络性能。设计了一种混合路由策略,综合考虑时延、时延抖动、切换和通信中断4项指标,进而比较不同高度的两种卫星网络应用不同路由策略时的性能。结果表明,混合路由策略上述服务质量的综合指标最优,该策略能够为各种用户提供不同的服务质量,提高卫星通信系统有效性和可靠性。     

基于不确定链路参数的卫星网络路由算法

对于卫星链路参数在复杂空间环境中存在不确定性的问题,研究了一种基于不确定链路参数的卫星网络路由算法。首先,采用三角模糊数描述链路参数的不确定性;在此基础上,建立卫星网络多约束路由模型;然后,设计保证路径有效性的遗传操作,通过遗传算法对路由模型进行求解;最后,通过仿真分析表明,该算法可以在复杂环境中实现高效路由,在平均时延、时延抖动和丢包率等方面有较好的效果。     

面向双层卫星网络的多业务负载均衡算法

卫星网络中由于卫星高动态拓扑和地面用户分布不均,导致卫星网络易出现区域负载失衡。设计高效的动态路由算法是当前卫星网络的研究热点,为此,提出了一种面向双层卫星网络的多业务负载均衡算法。该算法根据卫星链路上的数据传输量进行拥塞判断,根据链路时延因素和链路负载因素进行负载代价计算,不同服务质量(quality of service, QoS)需求的业务进行不同路径选择,通过分流均衡网络流量。仿真结果表明,该算法能够减少数据包的排队时延和丢包率,提高整网吞吐量。     

低轨卫星星座星际链路后向切换的时延指标

设计高效的卫星星间链路切换协议是LEO卫星网络设计中的一个重要问题 ,卫星切换协议必须保证为移动终端用户提供无缝连接 ,也就是切换速度足够快 ,对系统性能影响尽量小的切换策略。针对LEO网络卫星的星间链路切换 ,提出了后向切换策略 ,详细定义了后向切换方式的信令交换过程 ,从理论上分析了后向切换对切换时延和端到端时延的影响。通过系统的仿真 ,证明了后向切换及切换后的重路由对上述两个时延参数的影响     

多射频多信道Ad Hoc网络跨层功率分配

为了提高多射频多信道Ad Hoc网络容量，降低网络间无线干扰，提出从跨层优化综合考虑信道与功率联合分配问题，将信道与功率分配问题转化为混合整数非线性规划模型，针对模型设计两阶段子问题求解迭代算法。算法在第一阶段采用启发式算法分配信道，在第二阶段采用分布式算法进行功率分配。仿真实验结果表明,信道与功率联合分配相对于固定信道下功率分配具有更好的效果，联合优化两阶段迭代算法可有效提高网络整体效用，同时降低节点间相互干扰。     

基于机器学习-优化混合算法的离散交通网络双层规划模型

为求解离散交通网络设计的大规模双层规划问题(Bi-level Programming Program,BPP),提出一种机器学习-优化(ML-OP)混合算法。首先,基于分解方法的求解思路,将双层规划问题转换为:下层一个典型的非线性规划问题(NLP),上层一个整数规划问题来处理。研究设计的混合方法,上层问题用源于机器学习的替代问题代替,采用监督学习算法求解(SLA),下层问题为交通分配问题(TAP),是一个凸非线性规划问题,用Frank-Wolfe算法求解。其次,为了验证机器学习-优化算法的有效性,用一个真实的大规模数据集来测试,并与经典分支定界算法(Branch-and-Bound)进行比较。数据结果表明在处理大规模双层规划问题时,ML-OP混合算法在计算能力方面有较好的表现。     

基于双重窗口的MEO-LEO卫星网络路由切换检测

MEO-LEO卫星网络路由是新一代卫星通信系统中要研究的一个重要问题,但目前对卫星路由切换检测的意义和实现还缺乏深入研究.结合空间环境因素建立了多尺度路由切换基准,提出了一种基于双重窗口的卫星网络路由检测算法,可以直接确定路由切换时间点,简化星上路由表来减少星上路由存储开销,并提供针对失效节点和失效链路的适应性.最后通过仿真分析和比较,验证这种算法在有/无失效节点情况下的检测查全率和查准率都达到90%以上,能够提供准确依据优化卫星网络集中式路由机制.     

基于拉格朗日松弛的预约调度模型与算法

针对带有爽约的预约调度问题,在假定未爽约病人都在相应预约段的起始点准时到达的情况下,构建了一个以预约人数为优化变量的整数规划模型.目标函数包括服务病人收益、病人等待费用及系统超时费用.通过松弛各时间段剩余人数概率的关联约束,提出了基于拉格朗日松弛的求解算法,其松弛问题通过动态规划求解,对偶问题通过经典的次梯度法求解.数值实验表明,针对小规模的预约段数,该算法都能找到最优解;当预约段数较大时,算法找到的最好解整体上优于文献中已有的算法,从而验证了算法的有效性.     

求解多项目组合选择问题的奔德斯分解算法

随着我国经济的快速发展,项目组合选择问题所面临的待选项目集日益膨胀.而项目组合选择模型通常表示为整数规划或混合整数规划的形式,过多的待选项目会对项目组合选择模型的高效求解带来巨大的挑战.针对这一问题,本文研究了多项目组合选择模型的奔德斯分解算法.将原问题分解成仅考虑从待选项目集中选出最优组合的主问题与对已选项目进行排序的子问题,通过主子问题间的迭代逐步逼近最优解.通过算法性能分析,发现直接使用奔德斯分解算法存在着收敛速度慢,子问题不可行的缺点.为了加速算法的收敛速度,对主问题进行了修正,提出了一种利用潜在的最优项目及有效不等式改进主问题的新思路.最后,通过算例分析,对比了直接使用分支定界法与使用奔德斯分解算法两类求解方法的求解效率,验证了本文所提出方法的有效性与合理性.     

基于任务合成的对地观测卫星应急调度方法

针对应急条件下对地观测任务时敏度高、动态性强的特点,提出了基于任务动态合成的多星应急调度方法。首先,建立了多星动态应急调度数学规划模型。然后,提出了任务动态合成(dynamic merging,DM)策略,并设计了候选合成任务集合构建(candidate merging task set establishment, CMTSE)算法。最后,提出了基于任务动态合成的多星动态应急调度(dynamic merging based dynamic emergency scheduling, DM DES)算法。为验证DM DES算法的有效性,通过大量仿真实验将DM DES与基于迭代修复的启发式算法(repair based heuristic algorithm, RBHA)和不考虑任务合成的动态应急调度(dynamic emergency scheduling, DES)算法进行比较。实验结果表明,DM DES算法能有效提高调度质量,适用于多星动态应急调度。     

敏捷卫星调度的时间约束推理方法

敏捷卫星机动能力的增强带来观测机会的增多和观测时间窗口的增长,具有很大的应用潜能。但管控中由于观测开始时间是一个具有连续值域的变量,传统非敏捷卫星调度问题的组合优化建模方法不再适用。本文介绍了敏捷卫星的时间依赖、可控与不可控事件混合、资源过度受限等特性;给出了时间约束网络概念及敏捷卫星调度中的时间约束推理问题描述;分析时间约束网络与距离图的等价性,借鉴Johnson 算法对稀疏网络的特殊处理,采用重赋权技术,提出针对敏捷卫星调度的改进循环检测算法检查时间约束;建立了分支剪枝搜索算法,以约束规划方式获得时间一致解。最后通过实例验证本文方法的有效性,实验结果表明本文方法能够较好地实现敏捷卫星调度的时间约束的一致性检验和搜索求解。     

多飞艇协同对地观测和数据传输调度模型与算法研究

浮空器已经发展成为空间遥感信息获取的重要平台之一.本文针对飞艇的资源特性和需求的复杂性,设计了多飞艇协同对地观测和数据传输工作体系.综合考虑多飞艇协同对地观测和数据传输任务的协调优化,将观测任务和数据传输任务视为有向图中顶点,用飞艇在执行先后序列任务的地理位置间的巡航时间来度量有向图中顶点间的距离,将问题转换为带时间窗口的多车场开放式车辆路径问题(multi depot open vehicle routing problem with time windows,MDOVRPTW),并以最大化总收益作为优化目标,构建多飞艇协同对地观测和数据传输任务调度的混合整数规划模型.提出一种文化基因算法(memetic algorithm,MA),嵌套广义阈值算法(generalized threshold algorithm,GTA)计算染色体中各飞艇总巡航时间最短的任务序列,实现对地观测和数据传输资源的优化分配.研究发现,针对不同规模的算例,并与CPLEX计算结果比较,算法能够在较短的时间内获得满意的解.     

基于规则导向的柔性作业车间多目标动态调度算法

设计了一种具有柔性资源约束的多目标集成优化方法,建立了包括最小完工时间、最小生产成本、最大设备利用率、最大交货满意度和最优人工分配在内的多目标组合优化模型;为降低模型的复杂度,抑制组合优化模型的状态爆炸效应,采用规则导向的资源调度思想,通过调整规则概率使概率大的规则被优先选中,从而"推动"搜索过程向预期目标方向移动;采用改进的非支配排序遗传算法—NSGA-Ⅱ获得不同规则概率值的Pareto解集,并结合动态规划法求解最优人员分配方案;仿真对比与算例验证,本文算法可以有效解决柔性作业车间多目标调度优化问题.     

基于PA的卫星网络动态带宽分配在线算法及仿真

为解决卫星网络带宽分配问题,基于离散事件动态系统理论中的PA方法,提出了一种在线算法.该算法把动态带宽分配问题描述为约束优化问题,以一次计算机仿真的数据为基础,通过PA方法求出网络平均延时相对于分配带宽的梯度,以优化网络平均延时为目标,构造带宽约束条件下的迭代公式,在线地分配带宽,有效解决了一般计算机仿真中需要进行多次重复仿真而导致的大量机时问题,克服了一般算法须假定信息流的统计特性的限制.仿真结果表明,该算法能明显改善网络的平均延时性能.     

多集装箱堆场空间分配与车辆调度集成问题的建模与优化

论文研究卸载集装箱堆场空间分配与车辆调度的集成作业问题. 在该问题中,卸载集装箱动态到达,车辆循环使用,需要同时决策集装箱堆放位置及车辆的分配和路线. 对此问题建立整数规划数学模型,考虑车辆调度约束以及堆场吊机操作等实际约束,目标函数为最小化makespan. 根据问题的特点设计两阶段禁忌搜索算法来求解此问题. 在实验中,通过将禁忌搜索算法的结果同标准优化软件CPLEX所求得的最优解或下界比较,算法求得了其中7组算例的最优解且剩余算例平均偏差小于5%,说明所设计的算法可以有效地解决该集成问题.     

基于动态规划的装配线物料搬运节能调度方法

为有效提升混流装配线的生产效率与环境效益,提出了装配线多载量小车物料搬运节能调度方法.以最小化最大线边库存与总能耗为目标,建立了多目标混合整数规划模型.通过问题性质分析,将混合优化问题转为离散优化问题,降低了模型复杂度.针对动态规划算法维数灾问题,提出了基于剪枝规则的多目标规划算法:通过剪枝规则剪除被支配状态,缩减搜索空间以提高计算效率.其中,为满足动态规划的马尔可夫性,定义了新的状态表示方式.最后,仿真实验验证了所提出的调度方法的优越性与算法的有效性.     

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。