多星成像调度问题基于分解的优化算法

提出了一种求解多星成像调度问题的基于分解的优化算法,将问题分解为任务分配主问题与单星成像调度子问题.任务分配主问题生成不同卫星的任务分配方案,单星成像调度子问题则根据分配的任务进行优化,生成每颗卫星的成像调度方案.采用自适应的蚁群算法求解任务分配主问题,通过自适应参数调整策略及信息素平滑策略,实现全局搜索和快速收敛间的平衡.采用启发式算法及快速模拟退火算法求解单星成像调度子问题,通过综合多颗卫星的调度结果, 可以对任务分配方案进行评价,引导蚁群算法搜索优化的任务分配方案,最终得到多颗卫星的成像调度方案. 大规模测试算例验证了算法的效率.     

电子侦察卫星任务合成探测及混合调度

任务合成探测对于提高电子侦察卫星的侦察效益具有重要意义。分析了电子侦察任务合成探测的条件及性质,建立了多星合成探测调度问题的混合整数规划模型。提出了一种基于模型分解的优化求解算法,将模型分解为任务指派主问题与动态合成子问题,任务指派主问题通过遗传算法生成不同卫星的任务分配方案,动态合成子问题则根据指派的任务进行优化,生成完整的卫星侦察计划。测试案例验证了方法的有效性。     

面向成像卫星组网的群任务规划方法研究

本文基于提高用户任务需求的处理能力，探索可共享卫星资源组网卫星协同的群规划方法.研究中不仅考虑了一些部门存在特有的任务规划需求，还考虑到一些重要部门有卫星资源或者经申请有允许规划的卫星资源. 分析了群规划的模式需求及提出群规划框架；针对分层规划与可共享的资源服务，建立群规划多目标优化模型；针对任务规划这一高维离散组合优化问题，借鉴蚁群算法的快速收敛和遗传算法的强知识表示能力，阐述组合高低阶知识表示的改进遗传求解算法. 仿真实验验证了本文规划模型与求解算法的有效性.     

考虑子系统执行能力的多无人机协同任务规划

任务分配是提高无人机运维效率的关键技术之一。针对子系统执行能力约束条件下的无人机蜂群协同任务分配问题, 提出一种融合拍卖机制的改进狼群算法。首先, 定义子系统能力矩阵以实现无人机异构性和任务执行能力的统一描述。其次, 对个体狼采用矩阵编码, 针对违反攻击次数的非可行解, 提出基于拍卖机制的修正策略, 以进行处理。然后, 在个体狼位置更新过程中融入遗传算法思想, 在探索阶段和围捕阶段分别进行相邻行交换操作和间隔列交叉操作, 以实现快速寻优。最后, 将第三优狼引入到狼群更新过程中, 从而增强种群的多样性。仿真实验结果表明, 所提方法能够有效求解子系统执行能力约束下无人机蜂群协同任务规划问题; 且相比于其他改进进化算法, 所提方法具有更好的寻优性与收敛速度。     

基于多目标优化的传感器网络任务分配模型

由于网络节点资源受限,节点任务分配对传感器网络性能和网络服务质量影响很大.本文以优化系统时延、能量消耗及网络均衡度为目标,建立了基于多目标优化的传感器网络任务分配模型.同时为了有效协调多目标间的关系,采用目标协调优化方法构造目标函数.利用关键路径法解决通信路径选择,给出了基于遗传算法的最佳任务分配方案,进而最大限度地提高了传感器网络效率.最后,仿真结果表明了该模型和算法是合理的和有效的.     

基于混合遗传算法的FMS优化配置及其工艺路线规划

针对基于CQN模型的FMS优化配置问题提出了一种混合遗传算法,充分利用CQN模型中生产量函数和成本函数的单调性,设计了最大产量-成本梯度算子来引导新一代种群从不可行域进入可行域.同时,在求解相应的工艺路线规划问题的遗传算法中引入了具有启发式规则的余量随机分配算子,可以将超过约束条件的余量随机分配到个体中去,并通过按照一定规则的调整而保证所有个体的可行性.这样,一方面实现了利用遗传算法求解FMS配置的约束优化问题,另一方面加强了遗传算法的局部搜索能力.算例证明该算法的求解质量好于目前该领域常用的隐枚举算法.     

遗传算法在卫星数传调度问题中的应用

研究了一种基于遗传算法的卫星数传混合调度算法.首先建立了卫星数传任务模型和卫星数传调度模型,提出了卫星数传可能冲突及任务执行冲突度等概念,然后对基于冲突消解的遗传算法进行了设计,并给出了基于该遗传算法的卫星数传混合调度算法.该调度算法包括三部分:一是通过确定冲突任务集来限定问题规模,以此限定了遗传算法中个体的长度;二是利用遗传算法确定出冲突任务集中每个任务分配地面资源及执行时间的次序;三是在对每个任务具体分配地面资源及执行时间时,利用了任务执行冲突度的启发式信息,以尽可能降低冲突.最后给出一个算例仿真.     

分布式卫星集群博弈任务均衡分配方法

针对分布式卫星集群博弈任务中的分配不均衡问题，提出了一种基于偏好联盟博弈(hedonic coalition game, HCG)的任务分配方法。首先，在考虑燃料和时间最优的卫星集群任务分配模型的基础上，引入对敌毁伤概率以适应集群博弈背景；其次，为保证分配结果的均衡性，引入HCG设计个体联盟特征函数；最后，考虑卫量集群的一对多作战分配方式难以保证局部兵力优势，在一致性拍卖算法(consensus based auction algorithm, CBAA)结构上拓展性地提出了一种多对一任务分配算法。仿真结果表明，该算法在全局效益接近经典集中式算法全局效益98%的前提下，时间约为经典算法的70%,且该算法具有一定的问题规模拓展性。     

分布式卫星系统协作任务分配模型及优化算法

面向未来分布式卫星系统(DSS)自主协作运行模式,对DSS任务优化分配问题进行了分析和建模.在此基础上给出任务组的概念,并利用集覆盖理论将任务分配问题转化为集覆盖问题.从而引入MAS理论中的合同网协议,以系统完成任务目标的总耗能最少为原则,加入限定卫星可回应子任务数的约束后,提出了一种基于合同网的严格启发式的优化算法对分配模型进行求解.同时,证明了算法搜索结果的上确界;分析了算法的收敛性和时间复杂度.该算法具有分布性,搜索空间缩减快,适合于中小规模的任务分配.     

复杂环境中多无人机协同侦察的任务分配方法

现有多无人机协同规划方法往往将航迹规划与任务分配拆开单独解决,导致在复杂环境下协同方案并不是最佳。建立多无人机协同侦察异构目标的代价矩阵,针对复杂环境中多种障碍约束和无人机运动及航迹特点,以改进的PSO-AFSA（Particle Swarm Optimization-Artificial Fish Swarms Algorithm）求解单无人机航迹规划模型,利用匈牙利算法完成各架无人机侦察任务协同分配。仿真结果表明：该算法能使单无人机航程更短且航迹更光滑的同时,实现与任务协同分配紧耦合,使无人机集群总航程的全局总代价最低,提高了任务分配合理性。     

面向多无人机协同对地攻击的双层任务规划方法

无人机(unmanned aerial vehicles, UAVs)的任务规划包含任务分配、执行顺序确定以及航迹优化等。为了达到任务规划的全局最优,需要全盘梳理任务的各个方面,提出高效的优化策略。综合考虑任务规划过程中任务分配、执行顺序确定以及航迹优化等方面的需求和相互间影响,首先从优化框架出发, 设计了双层互耦的任务规划求解策略, 而后将任务规划模型分为上层任务分配和下层任务序列优化, 并对每一层的优化方法和优化步骤进行了详细设计。在任务分配问题中, 基于模拟退火算法, 提出了可跳出局部最优的模拟退火-撒点(simulated-annealing-shooting, SAS)算法, 并详细探讨了算法参数的设计原则。最后通过仿真分析, 验证了所提出的规划框架和SAS优化算法的有效性。     

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。     

面向敏捷卫星任务规划的云层建模及处理方法

针对云层遮挡影响光学卫星成像质量的问题,以新一代敏捷卫星任务规划问题为背景,对云层信息进行建模,提出了一种云层遮挡时间窗口计算方法,通过引入预判和二分法推进计算环节来提高遮挡窗口的求解效率。根据任务约束条件建立了考虑云层信息的敏捷卫星任务规划模型,并利用蚁群算法进行寻优计算。具体设计了状态转移规则、任务安排规则和信息素更新规则。通过10个不同规模的情景案例进行仿真对比分析,仿真结果验证了云层模型和提出的处理方法在敏捷卫星任务规划问题上的有效性。     

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。     

基于资源预留的成像卫星鲁棒性任务规划方法

随着新型成像卫星的智能化发展,成像卫星鲁棒性任务规划是一个迫切需要解决的理论和实践问题.综合考虑卫星姿态转换时间,固存和电量等约束条件,建立了成像卫星鲁棒性任务规划模型.在保证任务规划收益最大化的前提下,提出了一种基于资源预留的成像卫星任务鲁棒性规划方法.基于任务之间卫星的转换时间约束及资源预留规则,保证资源的高效利用及地面观测任务的有效安排.通过对不同规模的实例进行求解,实验结果表明本方法具有很好的鲁棒性.本文方法对其它相同类型相关问题具有指导及借鉴作用.     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题,本文提出一种基于概率图的作战任务智能规划方法,通过统计分析判定任务间因果关系,采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率,进而基于时间序列方法预测战场态势变化,实现辅助指挥员智能决策。最后,本文在某联合登岛案例中开展了方法验证,结果表明,所提出的方法可成功实现任务规划并具有可解释性,可实现对战场态势变化的预测和快速响应,在战场上为军队提供强有力的支持。     

基于概率图的作战任务智能规划方法

针对人工调配作战资源及规划方案效率低下的问题，本文提出一种基于概率图的作战任务智能规划方法，通过统计分析判定任务间因果关系，采用GNN抽取任务中的关键事件构建概率图并计算任务规划方案成功的概率，进而基于时间序列方法预测战场态势变化，实现辅助指挥员智能决策。最后，本文在某联合登岛案例中开展了方法验证，结果表明，所提出的方法可成功实现任务规划并具有可解释性，可实现对战场态势变化的预测和快速响应，在战场上为军队提供强有力的支持。     

装备保障任务分配建模与DLS-BCIWBA算法求解

针对以时效优先为目标的装备精确保障协同任务分配问题,设计考虑保障单元能力更新机制,提出基于动态列表规划 (dynamic list scheduling,DLS)和二进制混沌入侵杂草蝙蝠算法 (binary chaotic invasive weed bat algorithm,BCIWBA)的混合任务分配方法,通过DLS选择所需执行的任务,设计BCIWBA为选定任务分配保障单元。BCIWBA利用蝙蝠算法的全局寻优能力和迭代初期快速收敛性进行全局搜索,然后选取部分最优个体融合入侵杂草生长繁殖、空间扩散和竞争生存机制进行局部搜索,并通过学习因子和惯性权重的自适应协同更新以平衡探索和开发能力,结合脉冲频率、响度和发生率变化区间的混沌搜索避免早熟收敛。仿真算例表明,所提方法可对时序逻辑任务分配问题进行快速高效求解。     

基于混合优化算法的遗传算法参数设定研究

有限计算量条件下遗传算法的理论收敛条件难以完全满足,参数选择的恰当与否直接影响到算法性能的发挥。针对这一情况,在分析现有参数设定方法的基础上,将遗传算法参数设定问题描述为随机优化问题,并提出一种解决该问题的新的混合优化算法,即基于序优化的巢分区算法。该算法将序优化思想融入巢分区算法的局部搜索过程,大大提高了局部搜索效率,而巢分区的算法框架则保证了算法的全局收敛性。以典型旅行商问题为算例的仿真结果验证了该方法的高效性与可靠性。     

未知环境下基于感知自适应的多AUV目标搜索算法

针对未知环境下目标搜索的复杂性与环境特征的随机性问题,提出了基于分区域的感知自适应目标搜索算法,来解决传统的梳子形搜索模式或预先离线设计的全局优化航迹中,自主水下航行器不能灵活适应环境的目标搜索问题。该方法的主要特点是根据AUV视域内有环境目标特征时,实时设计最优一步的航迹规划,并利用贝叶斯估计来完成目标定位,无目标时,利用分区域栅格值并锁定任务区域的航迹规划,两种模式交替进行来提高搜索的灵活性。仿真结果表明,相比于传统搜索模式或全局优化航迹,该方法增强了环境适应能力,提高了目标搜索效率。