求解多星任务规划问题的演化学习型蚁群算法

任务规划在成像卫星指挥控制过程中起着非常关键的作用, 在成像卫星应用系统中处于神经中枢的地位. 提出了一种求解多星任务规划问题的演化学习型蚁群算法: 在参数绩效知识的指导下, 采用动态参数模型为下次迭代随机选择较为合理的参数组合; 从优化过程中不断地抽取构件知识, 采用构件知识指导人工蚂蚁在后续优化过程中构建可行方案. 在蚁群算法、动态参数决策模型和构件知识的共同作用下, 演化学习型蚁群算法的优化绩效得到了极大提高. 采用多星任务规划问题的21个测试实例进行实验, 结果表明演化学习型蚁群算法在优化性能方面优于其他两种方法.     

航天器发射多任务并行调度模型及算法

航天器发射高频度常态化和航天产品可靠度的增加,客观上要求航天器发射采用并行调度模式以提高发射资源利用率。针对工序迭代可能引发的航天器发射系统死锁,构建了死锁预测和损失评价机制,建立了最小化任务时间和最小化加权滞后时间综合的目标函数,设计了多任务并行调度模型,开发了多类agent协同工作的优化算法,并使用调度实例验证了模型和算法的可行性和有效性。模型和算法在“天宫一号”和“神舟八号”发射任务中得到初步应用,效果较好。     

敏捷成像卫星时间依赖型调度问题、模型与算法

针对敏捷成像卫星时间依赖型调度问题展开研究,将时间依赖调度与敏捷成像卫星调度相结合,在分析主要约束条件的基础上,建立了问题的数学模型.根据成像质量随成像时间动态变化的特点,设计了随时间动态变化的收益函数,并将轮盘赌思想和时间窗口裁剪概念引入到求解方法中,提出了一种启发式算法.实验数据显示,通过对时间依赖的考虑,更多的任务能够在最佳观测时刻点附近成像,同时也表明了模型的合理性以及算法的有效性.     

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。     

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.     

动态武器目标分配问题中策略优化的改进算法

动态武器目标分配(Weapon Target Assignment,WTA)中的目标选择策略问题可以通过建立马尔可夫决策过程(Markov decision processes,MDP)模型进行研究,但目前尚无有效求解此类较大规模的MDP问题中最优策略的算法.通过分析动态WTA问题的MDP模型特点,给出了求解该问题最优策略的改进算法.该算法主要在初始策略选取规则、策略改进规则以及最优策略的判断准则等方面进行了改进.该算法具有计算量小,节省内存,并可得到最优解等优点.最后,通过算例将该算法与传统算法进行了比较.改进算法可以用于解决较大规模的动态WTA中的策略优化问题.