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。     

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。     

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）。     

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。     

航天测控调度模型及其上界求解算法

通过分析航天测控调度问题的测控需求,建立了航天测控调度0-1整数规划模型,运用拉格朗日松弛方法对模型中的任务约束和设备约束进行了松弛,运用次梯度优化算法求得了拉格朗日对偶问题的上界.最后,通过对两个场景的试验分析,证明了次梯度优化算法所得上界的有效性.     

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。     

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。     

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.     

基于蚁群算法的Job-Shop多资源约束车间作业调度

针对多资源约束的车间调度问题,考虑资源种类变化的情况及资源在可用时间上的约束影响,建立了该类问题的通用调度模型。提出了一种基于蚁群算法的作业优化调度算法,在Job-Shop问题图形化定义的基础上,设计了状态转移规则、轨迹强度更新规则以及工序时间的决策规则,借鉴精英策略的思路,对多资源约束车间的具体调度进行了分析与实现。实例仿真表明,该方法对多资源的车间调度问题是可行的。     

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。     

地面测控资源调度效能评估指标体系

随着在轨航天器数量急剧增长,地面测控资源调度成为一个越来越复杂的系统工程问题。当前地面测控资源调度效能评估仍停留在人工统计数据、孤立指标评价的层次上,这些零散的指标比较片面且难以综合反映测控资源调度能力,缺乏科学合理的综合效能评估指标体系。基于地面测控资源调度实际情况,在研究确定测控资源调度评估指标要素的基础上,构建了分层、多维的测控资源调度效能评估指标体系,为后续资源调度效能评估提供了依据,促进了地面测控资源调度的不断优化。     

基于DQN的异构测控资源联合调度方法

以异构测控网资源联合调度为研究对象,提出一种基于强化学习的深度Q网络(deep Q network, DQN)算法。在充分分析异构测控资源联合调度问题特点后,用数学语言对影响问题求解的约束条件进行描述,建立了资源联合调度模型;从应用强化学习解决问题的角度,对求解的问题进行马尔科夫决策过程描述后,分别设计了2个结构相同的神经网络和基于ε贪婪算法的动作选择策略,并建立了DQN求解框架。仿真结果表明：基于DQN的异构测控资源调度方法较遗传算法能够找到调度收益更优的测控调度方案。     

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遗传算法的求解策略。仿真结果表明：所建模型和相应的解冲突算法能有效提高测控需求满足率和测控收益。     

Method for electromagnetic detection satellites scheduling based on genetic algorithm with alterable penalty coefficient

The electromagnetic detection satellite （EDS） is a type of earth observation satellites （EOSs）. The Information collected by EDSs plays an important role in some fields, such as industry, science and military. The scheduling of EDSs is a complex combinatorial optimization problem. Current research mainly focuses on the scheduling of imaging satellites and SAR satellites, but little work has been done on the scheduling of EDSs for its specific characteristics. A multi-satellite scheduling model is established, in which the specific constrains of EDSs are considered, then a scheduling algorithm based on the genetic algorithm （GA） is proposed. To deal with the specific constrains of EDSs, a penalty function method is introduced. However, it is hard to determine the appropriate penalty coefficient in the penalty function. Therefore, an adaptive adjustment mechanism of the penalty coefficient is designed to solve the problem, as well as improve the scheduling results. Experimental results are used to demonstrate the correctness and practicability of the proposed scheduling algorithm.     

Task scheduling for multi-electro-magnetic detection satellite with a combined algorithm

Task scheduling for electro-magnetic detection satellite is a typical combinatorial optimization problem. The count of constraints that need to be taken into account is of large scale. An algorithm combined integer programming with constraint programming is presented. This algorithm is deployed in this problem through two steps. The first step is to decompose the original problem into master and sub-problem using the logic-based Benders decomposition; then a circus combines master and sub-problem solving process together, and the connection between them is general Benders cut. This hybrid algorithm is tested by a set of derived experiments. The result is compared with corresponding outcomes generated by the strength Pareto evolutionary algorithm and the pure constraint programming solver--GECODE, which is an open source software. These tests and comparisons yield promising effect.