电子侦察卫星任务合成探测及混合调度

任务合成探测对于提高电子侦察卫星的侦察效益具有重要意义。分析了电子侦察任务合成探测的条件及性质,建立了多星合成探测调度问题的混合整数规划模型。提出了一种基于模型分解的优化求解算法,将模型分解为任务指派主问题与动态合成子问题,任务指派主问题通过遗传算法生成不同卫星的任务分配方案,动态合成子问题则根据指派的任务进行优化,生成完整的卫星侦察计划。测试案例验证了方法的有效性。     

侦察卫星作战过程仿真及侦察效果评估

建立了侦察卫星星下点坐标计算、覆盖区域计算以及作战对象是否在覆盖区域判断等模型,在此基础上,完成了侦察卫星作战过程仿真模型,实现了该仿真系统。通过对大量仿真试验数据的分析研究,对影响作战对象被卫星侦察发现的因素进行了分析,并建立了各种侦察卫星对不同类型作战对象侦察效果的评估模型。     

成像侦察卫星识别目标能力分析

为分析成像侦察卫星的作战效能,针对光学成像侦察卫星和SAR卫星,建立了卫星识别目标的概率模型。在光学成像侦察卫星识别目标能力的模型中,引入效用函数确定由于光照、对比度、气象、卫星姿态稳定度等因素对其识别目标概率的影响。在SAR卫星识别目标能力的模型中,利用等效分辨率,并考虑了其识别目标的效用。仿真结果表明利用所建模型得到的结果与侦察实践的结果基本一致。     

考虑发射失败的多中心多卫星发射任务协同规划方法

在中国未来卫星发射需求急剧增加和卫星发射中心发射能力有限的情况下,为多颗卫星协调发射中心和发射时间变得日趋困难。为解决大量卫星发射任务的协同规划问题,以发射成本最少、发射失败概率最低为优化目标,建立了多中心多卫星发射任务协同优化的多目标混合整数规划模型。基于非支配排序的多目标优化算法(non-dominated sorting genetic algorithm II, NSGA II)框架,设计了求解模型的多目标进化算法,提出了发射中心选择的整数编码方案,给出了基于启发式搜索的发射时间规划解码算法,并设计了染色体质量检查与修正算法。基于中国现有的4个卫星发射中心和可能面临的6类发射任务,设计了包含10颗卫星发射任务的小规模案例和30颗卫星发射任务的大规模案例,对模型和算法进行了仿真验证。实验结果表明该方法能有效解决多中心多发射任务协同规划问题。     

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.     

基于贪婪算法的卫星地面站任务规划方法

针对卫星地面站系统任务规划问题 ,在可视时间和任务时间的约束条件下 ,为满足最大化资源利用的目标 ,基于贪婪算法提出了一种解决该问题的有效方法 ,为进一步研究该类问题 ,给出了一种新的思路。     

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.     

侦察卫星星座目标发现概率与最大访问间隔分析

以区域内特定目标的搜索为背景,分析侦察卫星对某地面区域内运动目标的探测类型和搜索方式,并建立目标发现概率与单星探测概率和星座最大访问时间间隔的关系模型。分别以大型舰船和飞机为探测目标,对光学侦察、电子侦察和雷达侦察等三种类型侦察卫星星座的技术性能指标和作战性能指标之间的关系进行了仿真分析。     

一种基于电子侦察和光学成像侦察的目标综合识别算法

利用电子支援措施(electronicsupportmeasure,ESM)和光学成像传感器等不同类型传感器进行目标综合识别,是现代综合电子战中的一个重要研究课题。提出了一种基于模糊集理论和D S证据理论的异类传感器目标综合识别算法,充分利用了电子侦察和光学成像侦察提供的独立、互补的信息,获得了对目标的有效识别。仿真结果证明了这种算法的有效性。     

时空约束下连铸车间天车调度的多目标建模与求解

针对钢厂炼钢-连铸车间天车调度的时空约束下NP难问题特点,考虑重钢包和空钢包吊运任务,以所有吊运任务等待被运输时间最短、总运输时间最短、天车之间负载时间差异最小为优化目标,按作业跨中多台天车执行吊运任务的时间空间约束、天车运行安全约束条件满足等为约束方程,建立了天车调度模型.设计了天车调度规则用于抽象表达其运行特征,即按吊运任务与天车的相对位置关系确定各天车与任务的匹配度,作为选择天车的指导;按天车状态及位置更新规则描述天车运行过程;按任务种类与预计起止时间先后确定吊运任务的优先级,作为天车运行过程中利用天车被动运输进行冲突消解的依据.设计了与模型特征相适应的改进遗传算法进行求解,采用某钢厂连铸跨的生产数据进行检验,通过与禁忌搜索法进行对比,证实了改进遗传算法的可行性和有效性,能够为生产过程中的天车调度提供指导.     

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。     

基于蚁群系统的工件排序问题的一种新算法

工件排序问题中如何使加工效率最高，一直是一个非常重要而且又非常困难的问题，特别是问题的规模很大时，目前各种算法计算就非常困难，有的甚至无法得到合理的方案，蚁群系统是近年来发展起来的解决组合优化问题的一种有效方法，根据工件排序问题的特点，建立了在不同种类的并行机上加工一批不同种类工件的优化数学模型，在蚁群算法的基础上对其进行改进，成功地把改进的蚁群算法用于工件排序问题的优化中，通过与其他算法的仿真比较，表明基于蚁群系统的算法是有效的，特别是问题规模很大时更显示其快较的收敛速度和较高的精度。     

Improved algorithms to plan missions for agile earth observation satellites

This study concentrates of the new generation of the agile （AEOS）. AEOS is a key study object on management problems earth observation satellite in many countries because of its many advantages over non-agile satellites. Hence, the mission planning and scheduling of AEOS is a popular research problem. This research investigates AEOS characteristics and establishes a mission planning model based on the working principle and constraints of AEOS as per analysis. To solve the scheduling issue of AEOS, several improved algorithms are developed. Simulation results suggest that these algorithms are effective.     

Job Shop调度问题的遗传退火算法

针对作业车间(JobShop)调度问题,提出了一个遗传退火算法。该算法构造了基于工作的遗传算子,因而保证了遗传进程中生成个体的可行性,有效地解决了工件机器顺序的约束限制。通过对最佳个体进行模拟退火,把模拟退火机制引入到遗传进化过程中,将模拟退火和遗传算法两者的优点有机地结合起来,从而进一步提高了算法的全局寻优能力。仿真计算表明了该算法的良好收敛性和有效性。     

基于状态转移的UAV单机侦察任务调度策略研究

针对不确定环境中侦察无人机执行多任务时不同的任务调度顺序对代价和收益的影响, 根据多任务执行过程的特征, 建立了任务执行过程的状态转移模型. 通过对模型推导获得了一个最优性判据, 根据该判据对任务进行降序排列能够得到最优调度. 仿真实验结果证明了文中所提调度策略的最优性, 将文中所提策略产生的表调度算法与遗传算法和穷举搜索进行实验对比, 实验结果与理论推导一致, 说明了文中所提策略的最优性和高效性.     

面向多核任务调度的混合遗传算法

多核处理器的并行任务调度一直是研究的热点话题,属于NP-hard问题。针对此问题,本文提出了一种集启发式算法、禁忌搜索算法、模拟退火算法于一体的改进混合遗传算法(modified hybrid genetic algorithm,MHGA)。MHGA改进如下:首先,采用启发式的分层调度来初始化种群,提高初始种群质量;其次,提出基于禁忌搜索(tabu search,TS)的随机编号交叉算子,提高种群的多样性;最后,采用基于模拟退火(simulated annealing, SA)的变异,提高个体质量。实验结果表明,与其他遗传算法(genetic algorithm,GA)相比,MHGA可以得到更小的任务调度时间和更快的最优解搜索能力。