基于贪婪随机自适应过程的多类型卫星联合任务规划技术

对地观测卫星任务规划问题需要考虑侧视、星上能量、数据容量和数据传输等多种约束,是一类复杂的组合优化问题,现有研究大多对问题进行了不同程度的简化。面向多种载荷类型卫星的联合任务规划问题,考虑上述多种约束,基于贪婪随机自适应搜索过程提出了一种新的混合算法对问题进行求解。实验结果表明,该混合算法在多星联合任务规划领域是可行有效的。     

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.     

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。     

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.     

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.     

卫星单轨任务合成观测问题及其动态规划算法

一类遥感卫星的侧摆机动性能较差,必须考虑将某些任务合成观测以提高观测效率。研究了卫星在单个轨道圈次内,任务间的最优合成观测问题。建立了问题的约束优化模型,分析合成任务性质,基于合成任务间存在角度相关及时序特征,将问题按照卫星的最大侧摆次数划分为多个阶段,利用动态规划思想,得到了问题的最优解。测试算例验证了算法的有效性。     

卫星地面站资源调度优化模型及启发式算法

针对涉及合理确定各地面站各类设备的数量及其分布,对设备进行最优调度,提高地面系统资源利用率等卫星地面站资源优化问题,建立了一种非线性泛函优化模型,并根据实际,在适当假设的基础上建立了系统的0-1规划模型。为了求解模型,提出基于地面站资源冲突消解策略,提出了一种启发式调度算法。利用该算法,研究了一个5站10星问题的调度方案,并与人工经验调度方案进行了比较。结果表明,采用这种启发式调度算法,卫星获得服务的时间增加,平均每天服务总圈数没有明显下降,说明该算法是有效的。     

求解卫星地面站调度问题的演化学习型蚁群算法

随着观测需求的日益增加,越来越多的卫星和地面站加入到对地观测系统中,迫切需要采用科学手段对卫星地面站资源进行合理分配。针对卫星地面站调度问题,构建了一种演化学习型蚁群算法。实验结果表明,该算法能有效求解卫星地面站调度问题。将蚁群优化模型和知识模型进行优势互补,可极大提高演化学习型蚁群算法的效率,为现有优化方法的改进提供了一种有益借鉴。     

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.     

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GA的小卫星星务规划的全局优化算法

小卫星任务规划是为确定飞行任务目标并根据飞行任务目标控制它运行的指令序列，小卫星的任务规划可以归结为资源受限的规划和调度问题，对于此类问题，目前有许多解决方案，但对于解决大规模问题仍然十分困难，并且在大多数情况下只能得到局部最优解。本文用基于GA的优化算法解决小卫星星务规划的优化问题，不仅可以得到全局最优解，而且在满足卫星上快速性和准确性方面显示出非常大的优势。     

卫星地面站资源配置仿真研究

首先从卫星用户需求观点和地面站资源拥有方观点两方面提出了评价卫星地面站系统的两类指标，然后根据地面站对卫星提供服务的时序，建立卫星地面站系统的面向对象Petri网模型，给出基于到站卫星冲突消解的一种有效的地面站资源调度算法。利用计算机仿真技术，对多种“卫星—地面站—设备”配置下的服务情况进行仿真，给出不同配置下的系统性能，通过分析比较，得到关于地面站及其设备配置、设备性能、地面站资源调度策略对系统性能指标影响的一些有益结论，最后提出了需要进一步研究的问题。     

多业务CDMA网络基站规划模型与算法研究

针对多业务CDMA网络基站规划问题,以最小化建设成本和功率损耗为目标,建立该问题的多目标数学优化模型.针对所建模型的特点,设计基于非支配排序遗传算法(NsGA-Ⅱ)的求解方法,给出算法实现的各种关键要素.通过对一个实际算例进行求解,仿真结果表明算法能够很好的逼近Pareto最优解集,在所有获得的规划方案中基站均匀的分布在目标规划区域内,与实际规划比较吻合,从而表明所建模型和算法的有效性,能够为实际CMDA网络基站规划提供有效的理论依据.     

指挥实体任务规划建模研究

建立了指挥实体任务规划的概念模型，分析了任务规划中指挥实体的思维过程，提出了与这一思维过程相适应的，案例和规则相结合的任务规划方法，对该方法中的知识袁示，案例检索和知识推理等内容分别进行了深入、细致地研究，建立了任务规划流程和任务规划下仿真运行流程。仿真应用结果表明，该任务规划方法适合仿真应用。     

基于MAS的分布式卫星系统任务规划研究

针对分布式卫星系统的规划与调度问题,提出了一种基于多Agent协商机制的分布式规划与调度方法.首先建立了分布式卫星系统的分层分布式多Agent控制结构,并详细设计了各个层次Agent的功能.其次,给出了卫星Agent之间基于合同网的交互协议,设计了基于优先级的招标任务选择策略以及基于任务动态插入的投标方法,并给出了实现全局优化的评标策略和目标函数.针对观测环境的动态情形,给出了相应的动态任务处理流程.最后通过一个卫星编队实例进行了验证.     

基于改进蚁群算法的钢铁企业合同计划方法

基于钢铁企业的合同计划管理要求,建立了以产能平衡和最小化拖期提前总惩罚为目标的多目标数学规划模型,综合考虑了工序的前序关系、工序的产能和库存的约束.将生产合同与生产工序转换为节点图,从而将合同计划问题抽象成一种改进的旅行商问题.根据模型和问题的特点设计了带交货期启发信息的蚁群算法,并以钢厂实际合同数据为例进行实验.结果表明,改进蚁群算法获得的最好解和计算成本都比较令人满意,模型和算法是有效的.     

基于自适应遗传算法的无人机航迹规划方法研究

随着攻防系统的发展与完善,实现飞行器有效突防越来越困难,而采用航迹规划技术能够有效的提高飞行器的突防概率.基于此,首先研究了参考航迹的角度、高度以及航迹段长度等约束条件;其次对航迹编码方式进行了改进,采用全实数的双向链表的编码方式;对自适应遗传算法的交叉和变异概率的计算方法、交叉算子和变异算子进行了改进,并应用该算法在求解航迹规划问题上进行了仿真研究,对采用不同的变异算子所得结果进行了对比分析.仿真计算的结果表明,该算法能够规划出一条满足要求的参考航迹,采用组合变异算子能取得比采用单个变异算子更优的参考航迹.     

基于突发任务多无人作战飞机攻击多目标研究

针对无人作战飞机在动态不确定环境中任务执行的路径规划问题,提出了一种基于突发任务的路径规划方法。在单机路径规划中,通过建立Voronoi有向图,并根据Dijkstra算法为每架无人作战飞机寻找最优、次优路径,针对路径规划中的多目标攻击和协同的问题,设计了一种多目标攻击任务规划器,结合突发任务的情况,给出了多目标攻击策略。仿真的结果表明所提方法是可行的。     

基于势场法优化的蚁群免疫网络路径规划研究

借鉴独特型网络假设和蚂蚁觅食行为的有关机理,提出了一种蚁群免疫网络路径规划算法.将机器人环境作为抗原,机器人行为策略作为抗体,通过抗原抗体的激励和抑制构建免疫网络,同时利用蚁群算法进行网络搜索,改善了免疫网络的最优规划.为了进一步提高算法收敛速度,将人工势场法的规划结果作为先验知识,通过疫苗抽取和接种实现网络初始化.仿真实验表明,新算法具有收敛速度快,规划路径短以及自学习的优点.     

基于小生境遗传算法的飞行航迹规划

提出了一种基于小生境遗传算法的飞行航迹规划方法.把航迹编码为离散时间上变长度的飞行器速度和航向变化序列,并以此序列作为遗传算法种群中的个体,在这个变化序列中,每一个元素都考虑了飞行器的性能约束,因而,每个变化序列对应的航迹郝是飞行器可飞的.初始种群不是随机生成,而是根据规划起点和终点的相对关系生成的.为了防止种群收敛于局部最优解,采用基于共享函数的小生境技术增加种群的多样性.仿真结果表明,算法能快速有效地在动态环境中规划出近最优的飞行航迹.