基于指针网络的空间目标遍历交会序列规划

单航天器对多目标的遍历交会任务规划是一类复杂度极高的混合整数优化问题,涉及顶层交会序列组合优化和底层飞行轨迹连续优化。现有方法将离散变量和连续变量一体优化,计算效率低且难以求得最优序列。提出了一种基于指针网络的多目标遍历交会序列规划方法,可快速获得最优序列。首先,构建了多目标遍历交会序列规划的神经网络模型,作为序列规划的决策智能体。其次,提出了一种基于异步优势函数行动者-评论家算法的无监督学习方法,避免了求解训练标签数据的计算开销。最后,为提高奖励函数的计算效率,在训练中嵌入了一种快速估计实际转移成本的近似方法。应用算例分析表明:所提出的训练方法可显著提高训练效率,经训练的决策智能体能够以超过88.7%的正确率快速求得最优序列。

船舶燃油品质监测的无人机巡航路径优化

随着我国船舶排放控制区(SECA)建设从沿海向内河的推进,基于无人机和嗅探法的船舶燃油硫含量检测问题成为行业研究热点.基于移动目标旅行商理论(MTTSP),结合检测过程特点,提出一种航迹预测方法,构建无人机巡检路径优化模型(D-SSP).针对该模型设计一种遗传算法进行求解,并基于AIS信息服务平台历史数据,在12种不同场景下进行测试与分析.结果显示:随着船舶数量的增加,TSP模型的最优路径时间为D-SSP模型最优解的2.0~79.5倍,证明了D-SSP模型的科学性.算例分析结果可为无人机自动化巡检系统的建立提供参考.