基于改进蚁群算法设计的敏捷卫星调度方法

敏捷卫星与传统非敏捷卫星相比,增加了俯仰和偏航两个自由度,提升了卫星的成像能力,也加大了搜索空间,使敏捷卫星的调度问题变得更加复杂,组合优化难度加大. 蚁群算法是可有效求解敏捷卫星调度问题的方法之一. 针对蚁群算法优化性能严重依赖于算法参数以及各个组件的设计的问题,提出利用均匀设计的方法优化组合算法的各个组件,设计出能有效求解敏捷卫星调度问题的蚁群算法. 利用7 个不同规模的实例进行实验,实验结果表明了方法的有效性.     

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.     

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.     

敏捷成像卫星密集任务聚类方法

面向应急条件下的观测需求,为提高成像任务完成效率,对敏捷成像卫星密集任务聚类问题进行研究。分析了敏捷成像卫星观测过程,给出了任务聚类的俯仰、翻滚观测摆角及任务间过渡时间约束。建立了聚类图模型,给出了模型的构建算法。设计了一种基于最大最小蚂蚁系统的聚类算法,结合聚类模型特点设计蚁群策略,并对重叠和冲突的聚类任务进行处理。实验算例验证了模型和算法的有效性。     

基于改进蚁群算法的敏捷成像卫星任务调度方法

针对敏捷成像卫星观测任务调度问题, 综合考虑卫星最长连续工作时间、任务间卫星姿态调整时间、能量、容量等约束建立了任务调度模型. 考虑到密集任务间的相互影响, 着重分析了任务间卫星姿态调整时间约束, 并给出调姿时间求解方法. 提出一种改进蚁群算法对问题进行求解, 借鉴蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想设计寻优策略和信息素更新策略. 并结合实际约束, 引入最早、最晚可观测时间和任务优先级等因素来控制转移概率. 实验算例验证了模型和算法的有效性.     

一种适应资源变化的电磁探测卫星动态调度方法

针对卫星资源随机故障(恢复)情况,结合电磁探测卫星约束特点,建立了基于条件约束满足问题(CCSP)的多星动态调度模型,提出了基于记忆效应Squeaky-Wheel Optimization(SWO)的电磁探测卫星多星动态调度算法.根据仿真数据进行实验及分析,表明该方法能有效解决卫星资源动态变化的电磁探测卫星多星动态调度问题.     

基于BFA的SPOT5卫星日常拍摄任务调度算法

地球影像需求日益旺盛,如何最优化调度日常成像卫星成为了一个亟待解决的问题.SPOT5是一颗典型的商用成像卫星,针对其日常成像调度问题的特点,开发了一个带修补策略的二进制萤火虫算法.该算法通过修补策略的丢项操作修复不可行解,通过修补策略的增项操作提升解的质量.修补策略优先处理具有高度稀疏性的逻辑约束,再处理信息存储容量约束,从而增强算法在大规模组合空间的寻优能力.在公开的SPOT5卫星基准测试问题集上的实验结果验证了所提算法的高效性,而且所得解的质量显著好于遗传算法的运行结果.     

成像卫星鲁棒性调度策略研究

针对不确定条件下的成像卫星调度问题,分析了鲁棒性调度要求,提出了鲁棒性调度策略,将成像卫星调度分为鲁棒性调度方案生成和鲁棒性调度方案动态调整两个阶段。在鲁棒性调度方案生成阶段,以调度方案收益和鲁棒性为优化目标,建立了成像卫星鲁棒性调度模型。在鲁棒性调度方案动态调整阶段,以调度方案收益和新老调度方案差异为优化目标,建立了成像卫星动态调度模型。仿真实例验证了成像卫星鲁棒性调度策略和模型的有效性。     

基于滚动优化策略的成像侦察卫星应急调度方法

针对成像侦察卫星应急调度问题进行研究, 在分析主要约束条件的基础上, 构建了多星调度问题的约束满足模型. 根据应急任务具有独立到达时刻与执行截止期需求的特点, 提出了基于滚动优化策略的调度算法. 该策略采用周期驱动与事件驱动相结合的混合驱动模式, 可将调度过程划分为一系列静态的调度区间. 通过优化各区间内任务的规划方案, 实现应急任务的动态调度. 在问题求解过程中, 将滚动优化策略与启发式算法结合, 形成了三种应急调度算法. 最后通过仿真实验, 对不同算法的调度效果进行对比, 验证了滚动优化策略的有效性.     

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DE算法的敏捷成像卫星前摄式调度

针对卫星资源失效或应急任务加入对敏捷成像卫星前摄式调度的影响,构建了鲁棒模型,提出了一种改进差分进化(differential evolution,DE)算法。首先,考虑卫星资源失效概率、任务执行主从窗口构建了期望收益和松弛时间指标,将这两个指标作为优化目标构建了前摄式调度鲁棒模型;然后,针对该模型的多目标优化特性,在传统DE算法的基础上,重新设计了变异、交叉和选择算子,增加了外部存档更新策略,优化了Pareto解集评价指标,提出一种多目标离散差分进化(multi-objective discrete differential evolution,MDDE)算法,并给出了算法的实现步骤;最后,仿真结果表明,与NSGA-Ⅱ算法相比,MDDE在Pareto解集评价指标上提高了10.42%左右,在求解时间上降低了9.72%左右,为敏捷成像卫星前摄式调度提供了一定的方法支撑。     

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。     

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。     

Solving the Observing and Downloading Integrated Scheduling Problem of Earth Observation Satellite with a Quantum Genetic Algorithm

This paper addresses the integrated Earth observation satellite scheduling problem. It is a complicated problem because observing and downloading operations are both involved. We use an acyclic directed graph model to describe the observing and downloading integrated scheduling problem.Based on the model which considering energy constraints and storage capacity constraints, we develop an efficient solving method using a novel quantum genetic algorithm. We design a new encoding and decoding scheme that can generate feasible solution and increase the diversity of the population.The results of the simulation experiments show that the proposed method solves the integrated Earth observation satellite scheduling problem with good performance and outperforms the genetic algorithm and greedy algorithm on all instances.     

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。