引入微元法思想的混合测控资源联合调度方法

针对混合测控资源联合调度中存在的资源属性繁多、偏好差异大以及可能出现的调度弧段冲突等问题,借鉴单体制测控网调度研究中的任务需求描述方法,对混合测控任务需求的特点进行分析,给出其任务需求的规范化描述.以测控调度收益值最大为目标,建立混合资源联合调度模型;引入微元法思想,提出了可用弧段扩展复用方法,以此为基础提出了基于改进...     

基于改进遗传算法的多类测控资源调度方法

为了研究一类利用不同测控(telemetry, track and command, TT&C)网联合执行TT&C任务的多类TT&C资源联合调度问题, 首先对国有和商业TT&C网的不同特点进行归纳总结。其次，对问题中的约束条件进行分析和规范化描述, 并在满足所选约束的前提下, 建立问题的数学模型。进而根据问题特点, 以遗传算法为基础, 通过设计适当的编码方法和交叉、变异算子以及约束冲突处理方法, 提出一种改进遗传算法。最后，实例仿真表明, 引入的多类TT&C资源联合调度方法较传统未引入联合调度的方法能有效提高TT&C资源利用效率, 证明了所提算法求解此类TT&C调度问题具有较好的性能。     

卫星测控资源调度CSP模型研究

对卫星测控调度问题的建模技术进行了研究,分析了问题的特点。首先对场景、需求和任务进行了形式化建模;然后针对测控调度问题中涉及的资源、时间、关系等主要约束类型进行了分析和模型描述,并按照不同类型的测控需求确定了测控调度的目标函数;最后在此基础上建立了问题的约束满足问题(constraint satisfied problem, CSP)模型,并针对模型进行了求解方法研究。     

基于HLA的测控资源调度仿真系统设计

基于HLA架构对航天测控资源调度系统设计进行了研究。从测控调度问题的基本特点和流程出发,对软件的总体结构,功能设计、各主要类的设计和相互关系、调度模型和调度算法的设计等关键技术进行了研究。在建立基于CSP的系统描述模型和启发式调度算法的基础上,设计开发了具备联邦成员特点,能够与未来航天总体仿真系统顺利集成能力的航天测控资源调度软件系统.通过仿真试验,验证了系统的可用性。     

航天测控资源调度问题建模与求解研究综述

航天测控资源调度为测控方案决策和航天测控资源网络建设提供支持,具有重要的研究意义。介绍了航天测控资源调度问题的分类和解决流程。分析了该问题的建模方法及其相关的目标函数设计、约束条件分析、优先级确定等关键技术。归纳了该问题的求解算法和冲突消解方法,对主要算法分类进行了评述。总结了航天测控资源调度效果评价的主要研究内容。综合分析了航天测控资源调度问题的研究发展情况,并结合发展需求,分析了相关技术的研究方向。所做的工作对航天测控资源调度问题研究具有很好的理论参考意义。     

基于协同进化的航天测控资源优化调度

航天测控资源调度是一个具有很强工程背景的复杂问题,针对其特点,研究了一种基于协同进化的优化调度算法。在描述问题并给出调度模型的基础上,基于协同进化的思想,设计了和问题特征结合的遗传算法编码,对算法的算子和进化策略进行了描述,给出了算法的完整流程。通过算例表明,该算法整体上优于先到先服务（first coming first serving, FCFS）算法、任务综合优先度（task synthesis priority, TSP）算法和简单遗传算法（simple genetic algorithm, SGA）。     

面向需求的航天测控资源调度算法

针对如何调度测控资源以满足航天器的长期管理阶段测控需求的问题进行了研究。分析了长期管理阶段需求的特点及对调度过程的影响,建立了测控任务模型,给出了测控需求满足程度的计算方法。在此基础上,设计了面向需求的航天测控资源调度算法,能够较好地保证卫星的测控需求得到满足。通过仿真算例验证了所提算法的有效性。     

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。     

卫星地面站测控资源调度CSP模型

研究了测控系统资源调度问题的描述与建模问题.在系统阐述综合航天测控网资源调度中涉及的资源、任务、事件、约束基础上,使用变结构半环CSP模型,描述测控调度中涉及的事件窗、时间约束、状态约束、周期性任务、抢先式任务、变长任务等硬、软约束,提出处理任务优先级和不确定性因素的途径.提出的模型对测控系统效能评价及资源调度算法研究也有一定的参考价值.     

基于Agent的航天测控资源调度问题建模分析

为了研究航天测控资源调度与优化问题,需要建立问题的标准化描述模型.通过对航天测控工程需求的分析,明确了与航天测控资源调度有关的各仿真对象定义及测控调度过程,并指出了需要考虑的规刖和约束.采用基于Agent技术的对象属性、交互、规则、状态的描述方法,建立了可扩展的航天测控资源调度问题中各时象描述模型和资源分配过程模型.通过一个实例验证了该建模分析方法的可行性.     

一种基于ES法的卫星测控资源调度仿真及实现

针对陆基测控网“星多站少”而导致测控设备与航天器测控冲突问题，以中低轨道航天器作为研究对象，应用离散事件系统中的事件调度(ES)法对陆基测控资源调度问题进行了研究，提出了解决测控冲突的技术途径，确定了测控弧段优先级及量化方法。同时根据陆基测控网实际和航天器测控需求，抽象出排除测控冲突的数学模型以及在计算机上可实现的实用算法，最后应用模糊综合评价法对仿真结果满意度进行了评估。该测控资源调度方法已成功地应用于航天工程实践，达到了陆基测控网资源的合理分配。     

基于强化学习的连续型机械臂自适应跟踪控制

针对空间主动碎片清除操作中连续型三臂节机器人系统跟踪问题，提出一种基于强化学习的自适应滑模控制算法。基于数据驱动的建模方法，采用BP神经网络对三臂节连续型机械臂进行建模，并作为预测模型指导强化学习实时调节所提出滑模控制器的控制参数，从而实现连续型机器人运动的实时跟踪控制。仿真结果表明：提出的数据驱动的预测模型对随机轨迹预测的相对误差保持在\pm \mathrm{1}\mathrm{\%}以内，能够高精度地反映系统动态特性。对比固定参数的滑模控制器，提出的自适应控制器在保证系统达到控制目标的同时具有更低的超调量和更短的调节时间，表现出更好的控制效果。     

半导体晶圆节能分布式制造与预维护联合优化

针对半导体晶圆节能分布式制造与预维护联合优化问题,构建了同时考虑制造阶段和检测修复阶段,以最小化最大完工时间、总碳排放和总预维护成本为优化目标的两阶段绿色调度模型,提出了 改进的混合多目标灰狼优化(improved hybrid multi-objective grey wolf optimization,IHMGWO...     

Design and realization of a novel multitask TT&C operation pattern

With the sharp increase of China＇s in-orbit spacecraft and the constraint TT＆C resources, a mathematical model for optimal TT＆C resource allocation is proposed, and the TT＆C facility remote monitoring function is designed to achieve the multitask operation pattern under the unified management of the network management center. With this pattern, the TT＆C network management and the spacecraft management are separated, which is quite different from the previous pattern. Further, a novel spacecraft TT＆C technique based on spacecraft control language is developed, and the telecommanding pattern is designed to address the spacecraft operation problems. The engineering application shows that this pattern fundamentally improves the TT＆C network capability, increases the resource efficiency, and satisfies the efficient, accurate, and flexible operation of spacecraft.     

基于深度强化学习的云作业调度及仿真研究

针对复杂瞬变的多用户多队列多数据中心云计算环境中作业调度困难的问题,提出一种基于深度强化学习的作业调度方法.建立了云作业调度系统模型及其数学模型,并建立了由传输时间、等待时间和执行时间三部分构成的优化目标.基于深度强化学习设计了作业调度算法,给出了算法的状态空间、动作空间和奖赏函数.设计与开发了云作业仿真调度器,完成作...     

改进Q学习算法在作业车间调度问题中的应用

为解决动态环境下作业车间调度问题,提出了一种基于改进Q学习算法和调度规则的动态调度算法。以“剩余任务紧迫程度”的概念来描述动态调度算法的状态空间;设计了以“松弛越高,惩罚越高”为宗旨的回报函数;通过引入以Softmax函数为主体的动作选择策略来改进传统的Q学习算法,使改进后的Q学习算法在前期选择不同动作的概率更加平等,同时改善了贪婪策略在学习后期还会选择次优动作的现象。仿真结果表明：该调度算法相较于改进前,性能指标平均提升约6.5%;相较于IPSO算法和PSO算法,性能指标平均提升分别约为38.3%和38.9%,调度结果明显优于使用单一调度规则以及传统优化算法等常规方法。     

基于机器学习的地铁行人流在线优化控制研究

为了实现高峰期地铁站行人流管控的在线优化，设计了基于机器学习的地铁站行人流管控算法框架。以某地铁车站早高峰的行人流管控流程为研究对象，利用Agent技术搭建地铁站行人流管控仿真模型。多次运行仿真模型可以获得深度学习网络的训练数据。通过对网络进行充分训练，得到优化调度策略。将网络接入地铁站行人流实时运行数据，实现实时优化管控。仿真实验表明：引入的深度强化学习框架可以实现在线优化，调度结果优于传统方法。