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.     

任务调度启发式信息的卫星数传ACO算法应用

针对卫星数传调度问题,建立了任务调度启发式信息体系框架,提出了基于任务开始时间、任务调度收益、任务可用资源灵活度和任务调度冲突度的启发式信息,研究了任务调度启发式信息在卫星数传蚁群优化算法中的应用。针对不同规模场景的仿真结果表明,任务调度启发式信息有助于蚁群算法求解卫星数传调度问题。     

面向应急需求的成像卫星单任务综合规划

针对应急条件下成像卫星任务规划问题,在分析任务响应过程的基础上建立了面向任务需求的应急条件下单任务综合规划模型,模型以完成任务需求最早为优化目标,综合考虑了任务规划过程中卫星、测控及数传资源的分配,并提出了基于深度优先搜索的模型求解算法。算例分析结果表明,所提出的模型及算法有效,规划结果能够就现有卫星、测控及数传资源条件下,为应急成像任务需求提供星地资源调度解决方案。     

蚁群算法在卫星数传调度问题中的应用

为求解卫星数传调度问题,将数传任务在调度序列中的可能位置抽象为结点,构造了信息素分布于结点的矩阵解构造图,提出了基于该图的蚁群算法.算法通过随机转移概率决策模型进行结点转移,在算法迭代中利用精英保留策略进行全局信息素更新.仿真结果表明,基于矩阵解构造图的蚁群算法是求解卫星数传调度问题的有效方法,并具有较好的收敛性和鲁棒性.     

基于试探性的卫星数传任务调度算法研究

卫星数传任务调度问题是一个非常复杂的组合优化问题,即如何合理为每个任务分配地面站资源及其服务时间以最大限度满足任务需求的问题。根据卫星数传任务的特点,首先建立了卫星数传任务框架模型,进而提出了任务执行灵活度、执行冲突度等概念,在此基础上提出了一种基于试探性的卫星数传任务调度算法。最后利用AFIT基准数据进行仿真验证,结果表明该算法是可行的。     

考虑多数传模式组合的卫星数传调度方法

研究了一类过站时间较长的可见光对地观测卫星数传调度问题.通过分析该类卫星工作特点及数据传输约束条件,利用其长可见时间窗特性建立一种考虑多数传模式组合的约束满足模型,在此基础上给出了基于最大收益损失比的卫星数传调度算法.仿真实验结果表明该方法能够有效解决该类卫星数传调度问题.     

卫星数传资源负荷均衡调度模型及蚁群优化算法

建立了卫星数传资源负荷均衡调度模型,提出了调度方案效能评价函数和模型求解的蚁群优化算法.调度模型中主要考虑任务调度收益和资源负荷均衡两个优化目标,蚁群算法通过遍历矩阵解构造图来逐步构造可行解,利用基于调度方案效能评价函数的全局信息素更新规则同时优化数传任务调度收益和数传资源负荷均衡两个目标.算例仿真表明,本文提出的调度模型和蚁群优化算法所求得的调度方案取得了较好的任务调度收益和资源负荷均衡指标评价值,说明模型与算法正确可行.     

基于改进粒子群算法的卫星数传任务调度

建立了卫星数传任务调度模型,讨论了约束条件和调度目标.设计了一种自适应规模粒子群算法,该算法采用基于星地可视时间窗的十进制编码,各粒子编码表示不同可视时间窗内可分配数传作业的概率.在迭代过程中根据粒子群整体差异度动态调整种群规模,删除部分差异度小的粒子,同时增加新粒子以保证种群多样性.通过实例仿真表明,自适应规模粒子群算法在解决卫星数传任务调度问题中具有调度结果优、收敛速度快等优点,并对算法的控制参数取值进行了分析.     

基于动态任务合成的多星观测调度方法

合成观测可以提高卫星的观测效率,研究了遥感卫星的动态合成观测调度问题.分析了卫星对多个任务合成观测的条件,在此基础上,建立了任务需求度、资源竞争度以及任务合成中的最小侧摆、最小数据冗余启发式,提出了基于动态任务合成的多星观测调度启发式算法.仿真实例表明,此方法可以有效提高卫星的观测效率.     

基于解构造图的卫星数传调度ACO算法

针对卫星数传调度问题,建立了基于任务调度关系（弧模式）和基于任务调度位置（结点模式）的解构造图,提出了基于解构造图的卫星数传调度蚁群优化(ant colony optimization, ACO)算法。算法利用伪随机概率转移规则进行路径搜索,通过划分冲突任务集来限制蚁群的搜索邻域。算法根据迭代最优解和至今最优解进行全局信息素更新,并将构造图中的信息素浓度限制在一定范围内。仿真结果表明,文中提出的两种解构造图及ACO算法是正确可行的,基于结点模式解构造图的ACO算法能获得更优的解。     

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.     

卫星数据传输全流程调度及优化算法

卫星数据传输过程包括两个环节:一是卫星到地面站的星地传输环节,二是地面站到数据中心的地面传输环节。卫星数据的传输问题即合理分配地面接收资源和数据传输链路资源,高效传输卫星数据。以在最短时间内获取卫星数据为目标,建立了包含星地传输和地面传输两个环节的全局调度优化模型,包括星地传输过程中的冲突消解模型和地面传输过程中数据传输模型。利用成像软件生成不同规模的调度任务,采用动态规划和遗传算法的混合算法求解。实验结果表明,与传统调度将两个环节分开优化相比,所提的全局优化能够明显缩短卫星数据传输总时间。     

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。     

多飞艇协同对地观测和数据传输调度模型与算法研究

浮空器已经发展成为空间遥感信息获取的重要平台之一.本文针对飞艇的资源特性和需求的复杂性,设计了多飞艇协同对地观测和数据传输工作体系.综合考虑多飞艇协同对地观测和数据传输任务的协调优化,将观测任务和数据传输任务视为有向图中顶点,用飞艇在执行先后序列任务的地理位置间的巡航时间来度量有向图中顶点间的距离,将问题转换为带时间窗口的多车场开放式车辆路径问题(multi depot open vehicle routing problem with time windows,MDOVRPTW),并以最大化总收益作为优化目标,构建多飞艇协同对地观测和数据传输任务调度的混合整数规划模型.提出一种文化基因算法(memetic algorithm,MA),嵌套广义阈值算法(generalized threshold algorithm,GTA)计算染色体中各飞艇总巡航时间最短的任务序列,实现对地观测和数据传输资源的优化分配.研究发现,针对不同规模的算例,并与CPLEX计算结果比较,算法能够在较短的时间内获得满意的解.     

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。     

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。