不确定条件下卫星鲁棒性调度问题

在对地观测卫星调度过程中，存在着很多不确定性因素，其中云层覆盖变化是主要的不确定性来源。本文针对考虑云层覆盖不确定性的卫星调度问题，借鉴了连续函数的鲁棒性优化思想，提出了一种基于邻域的鲁棒性指标，用于衡量卫星调度方案的鲁棒性。在此基础上，建立了卫星鲁棒性调度的CSP模型，设计了基于分级优化策略的随机变邻域禁忌搜索算法。实例研究表明，本文提出的模型和求解算法能够在保证调度方案性能的基础上，获得鲁棒性强的调度方案。     

多星联合对地观测调度问题的列生成算法

多星联合对地观测调度问题作为一类大规模组合优化问题, 其求解算法往往采用启发式或超启发式. 运用列生成思想对该问题设计了完全搜索算法. 在建立了问题的整数规划模型之后, 将原问题分解为集合配置主问题和含时间窗口的最短路径子问题, 其中集合配置主问题采用主单纯型法通过CPLEX求解, 含时窗的最短路径子问题采用动态规划求解, 该动态规划算法围绕观测冲突时段这一关键资源进行最优子路径的扩展. 只有在子问题的最优解对主问题的优化目标仍有改进时, 主问题的约束矩阵列才被扩展. 该算法针对部分算例得到了最优解, 其余算例也在指定的时间内得到了相比一种基于优先级的启发式算法更优的解.     

不确定环境下多阶段多目标决策模型

在贝叶斯网络的基础上进行扩展,提出了一种不确定多阶段多目标(Uncertainty,multistageand multi-object,UMM)决策模型来求解不确定环境下的多阶段多目标决策问题.首先描述了不确定环境下多目标多阶段决策问题的数学描述,然后给出了决策模型的定义,详述了其构建方法及求解算法.采用此模型求解决策问题时,决策者只需考虑某节点与其父节点之间的依赖关系,降低了思考的复杂程度,适用于大规模的复杂问题求解.实际案例分析表明基于贝叶斯网络的决策模型描述、建模及求解方法对不确定环境下的多阶段多目标决策问题是有效的.     

卫星观测联合调度问题的VRP与JSP模型

针对一类具有车辆路线和加工调度混合特征的卫星观测联合调度问题，对车辆路线和加工调度两类常见的优化问题模型及其求解技术进行了比较研究，探讨了两类模型的相互转化形式及模型特征与求解技术问的相互关系，在此基础上，给出了一种可行的卫星观测联合调度问题的建模方式，并利用约束规划工具软件进行了实现。与其它形式模型的比较表明，所建模型的求解效率和质量更适合大规模卫星调度问题的实际应用需求。     

不确定环境下舰载机保障预反应式动态调度优化

针对舰载机机务勤务保障过程中的不确定性和动态特性,研究舰载机保障预反应式动态调度优化问题。在预调度阶段设计双种群遗传算法,融合左右种群双向对齐迭代技术提高解的全局最优性,结合设定的保障期限求得带有工期保护缓冲的鲁棒性预调度方案。在反应性调度阶段,建立以最小化保障完工时间和最小化调度调整损失成本为目标函数的反应性调度模型,设计针对单一个体的自适应分层双目标变邻域优化算法,对预调度方案进行局部调整,优化反应性调度的效率和稳定性。提出5种不同反应性调度调整策略,对多种扰动类型下的不同保障机组的预调度方案进行局部调整和分析。为不确定环境下舰载机基准预调度计划的制定和反应性调度方案的调整提供了决策支持。     

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.     

面向应急成像观测任务的多星协同调度方法

针对应急条件下的成像观测任务,设计了多星协同调度框架,将多星协同调度问题分解为任务排序主问题和资源匹配子问题。分析了多星协同调度中的主要约束条件,以任务收益为优化目标构建问题的约束满足模型,并应用改进粒子群优化算法进行求解。详细介绍了算法中的编码、解码、移动、变异等操作,给出算法时间复杂度的计算公式。通过仿真实验,对算法的有效性进行了验证。     

不确定条件下的flow shop问题的免疫调度算法

生产调度是企业生产过程中一个重要部分，而且实际的生产过程中会存在各种各样的不确定性，针对不确定条件下的flow shop（流水车间作业）调度问题，采用模糊数学的方法来处理数据的不确定性，在基于模糊规划理论的基础上建立了相应的调度模型，并结合免疫算法的特点，提出了解决此类问题的模糊免疫调度算法．通过仿真试验，证明了模型和算法的可行性和有效性．     

基于约束满足的多卫星调度模型研究

卫星调度是空间资源管理的一项重要内容,其本身也是一类复杂的资源分配问题。约束满足技术是求解复杂资源分配问题(constraintsatisfactionproblem,CSP)的有效方法。在约束满足问题的理论基础上,首先分析了多卫星调度问题的约束条件(包括任务约束、关联约束和互斥约束);建立了多卫星调度问题的模型;最后,以地球资源观测卫星为对象,给出了示例。     

不确定条件下的含存储时间有限的FlwoShop生产调度

针对企业中的不确定性因素 ,研究了不确定条件下的 Flow Shop生产调度问题 ,建立了基于模糊规划理论的模糊处理时间下的含存储时间有限型中间储罐的 Flow Shop的调度模型 ,将“中间值最大隶属度”算法从线性推广到非线性的调度模型中来 ,将模糊的优化问题转换为普通的优化问题 ,最后结合模拟退火算法 ( SA)进行优化求解 ,仿真结果证明了采用该算法的可行性     

不确定需求下基于分布式鲁棒机会约束的车辆调度问题研究

随着新能源汽车共享模式的迅速发展,允许异地还车导致车辆不均衡问题日益突出.本文考虑不确定的车辆需求,基于需求量的均值和方差等部分信息,最小化最坏情况下系统可用车辆和空闲停车位的机会约束,建立分布式鲁棒优化机会约束车辆调度模型,以总成本最小化为目标,得出模型的数学性质和易求解的等价形式,确定停车桩之间的车辆调度数量.最后,以北京市15个停车桩的车辆调度为例,确定最优的车辆调度方案.结果表明,随着服务水平的增加,调度成本和车辆调度数量增加明显,当服务水平增加到一定程度后,应增加系统的车辆数和停车位以满足服务水平的要求.决策者可根据自己的偏好及系统的服务要求,选择恰当的服务水平参数组合,以获得最优的车辆调度方案.     

动态加强CPT解job-shop调度约束满足优化问题

带有相同到达期与交货期的job-shop调度问题(JSSP)作为多种实际生产调度问题简化模型,是一类典型强NP-hard问题.对优化目标是最小化最大完工时间的JSSP问题,建立了约束满足优化问题模型(JSSC-SOP).利用弧一致约束传播算法和深度优先启发式构造活动调度,逐步加入新约束,实现活动调度集的部分列举与寻优.提出3种动态加强约束传播技术(CPT),嵌入搜索过程,提高求解效率.最后通过随机生成的实例,验证了各方法可行性与有效性.     

Multi-satellite observation integrated scheduling method oriented to emergency tasks and common tasks

Satellite observation scheduling plays a significant role in improving the efficiency of satellite observation systems.Although many scheduling algorithms have been proposed,emergency tasks,characterized as importance and urgency(e.g.,observation tasks orienting to the earthquake area and military conflict area),have not been taken into account yet.Therefore,it is crucial to investigate the satellite integrated scheduling methods,which focus on meeting the requirements of emergency tasks while maximizing the profit of common tasks.Firstly,a pretreatment approach is proposed,which eliminates conflicts among emergency tasks and allocates all tasks with a potential time-window to related orbits of satellites.Secondly,a mathematical model and an acyclic directed graph model are constructed.Thirdly,a hybrid ant colony optimization method mixed with iteration local search(ACO-ILS) is established to solve the problem.Moreover,to guarantee all solutions satisfying the emergency task requirement constraints,a constraint repair method is presented.Extensive experimental simulations show that the proposed integrated scheduling method is superior to two-phased scheduling methods,the performance of ACO-ILS is greatly improved in both evolution speed and solution quality by iteration local search,and ACO-ILS outperforms both genetic algorithm and simulated annealing algorithm.     

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。     

资源约束条件下任务调度算法研究

如何解决资源约束条件下的任务调度问题,保证在资源使用存在冲突情况下, 多个任务高效执行, 其中合理的任务调度和资源冲突消解是影响任务执行效果的关键因素。基于工作流图模型提出了一套资源约束条件下任务调度的框架, 并针对调度过程中产生的资源冲突, 提出了两种任务调度算法: 一种算法通过任务关键度确定优先级, 并基于贪心策略和调整工作流图拓扑结构的方法, 在任务开始前确定任务调度方案; 另一种算法采取弹性资源调度的方式, 使产生冲突的任务优先在资源不足的条件下开始执行, 任务调度和执行交替进行。最后, 通过地震救援案例验证了相关算法可行性, 与求解资源约束条件下任务调度问题的两类典型方法中具有代表性的算法进行对比实验, 分析了所提两种算法的优势与意义。仿真结果表明,所提算法具有适用地震救援资源紧缺特点的优势。     

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.     

面向收益不均等区域目标的多星调度问题

利用多星对区域目标的协同观测在工程应用方面的需求日益复杂化,当目标区域内待观测目标的重要性不同,其对应的观测收益不同。那么如何在资源有限的情况下,安排观测方案使观测总收益最大是亟待解决的问题。考虑区域目标内部观测收益不均等的实际情况,建立了区域目标内部收益随时间可变的多星调度优化模型,设计了条带动态分割方法(dynamic stripe segmentation method, DSSM),提出了基于权重优先策略的启发式算法(weight priority strategy heuristic, WPSH)和基于随机邻域的局部搜索算法(random neighborhood local search, RNLS),使求解结果对应的观测收益最大,最后通过仿真实验验证DSSM算法比并行分割算法观测收益提高约19%,覆盖率提高约22%;RNLS算法比WPSH算法的基础上平均提升观测收益约4.5%,且求解质量较稳定。     

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。     

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.