敏捷成像卫星密集任务聚类方法

面向应急条件下的观测需求,为提高成像任务完成效率,对敏捷成像卫星密集任务聚类问题进行研究。分析了敏捷成像卫星观测过程,给出了任务聚类的俯仰、翻滚观测摆角及任务间过渡时间约束。建立了聚类图模型,给出了模型的构建算法。设计了一种基于最大最小蚂蚁系统的聚类算法,结合聚类模型特点设计蚁群策略,并对重叠和冲突的聚类任务进行处理。实验算例验证了模型和算法的有效性。

基于蚁群算法的灵巧卫星调度

灵巧卫星的出现将极大程度增加卫星对给定地面目标实施观测的可选方式和灵活度,使得灵巧卫星调度问题的高度组合特征更加突出,大大增加了卫星调度问题的复杂性和解搜索的寻优难度。分析了灵巧卫星调度问题的约束条件,建立了灵巧卫星调度的约束满足模型。提出了求解灵巧卫星调度方法的蚁群算法,对算法的状态转移规则、信息素更新规则以及安排观测窗口的规则做了详细描述;并提出了任务路径处理流程,以此产生调度方案,评价路径优劣,反馈给蚂蚁路径搜索阶段。通过实例计算,展现了灵巧卫星强大的观测能力以及方法的有效性。

同步卫星转发器二维时频资源蚁群调度算法

针对地球同步卫星转发器多任务时频资源调度问题,考虑任务执行时间和占用带宽需求,建立了以卫星系统总收益为目标的多约束规划模型,提出了基于任务频率时间窗口更新的蚁群调度算法。该算法综合考虑了任务优先级和时间灵活度,以增强蚁群在状态转移规则下的搜索能力;同时设计了虚拟任务、伪随机状态转移规则和信息素参数,保证算法向最优解逐步收敛。实例仿真表明,该算法相对于传统蚁群算法、遗传算法和启发式算法,在算法结果、寻优能力和稳定性方面具有显著优势。

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.

卫星数传调度的蚁群优化模型及算法

针对卫星数传调度问题,提出了基于任务-资源关联结点的新型解构造图模型,人工蚁群通过任务边和资源弧分阶段进行任务调度序列和资源分配序列构造,设计了任务调度和资源分配启发式信息,以增强蚁群在伪随机状态转移过程中的搜索能力。通过局部信息素更新防止算法陷入局部最优,利用全局信息素更新的信息素正反馈机制使算法逐渐收敛到全局最优。仿真结果表明,新型解构造图反映了任务与资源之间的密切联系,分阶段状态转移策略和启发式信息的利用有助于增强算法的寻优能力,算法正确可行,并具有良好的收敛性、鲁棒性。

基于不同信息素更新策略的卫星数传调度蚁群优化算法

针对具有时间窗口和数传资源限制卫星数传调度问题,提出了基于解构造图模型的蚁群优化算法。借鉴精英机制,设计了绝对精英策略、相对精英策略、收益精英策略和对等精英策略等四种信息素更新策略。通过对不同规模场景的仿真试验,验证了基于不同信息素更新策略的蚁群算法是求解卫星数传调度问题的有效途径。基于信息素平衡思想的相对精英策略、收益精英策略和对等精英策略相对于绝对精英策略而言,能够避免算法过早陷入局部最优或出现退化行为,在规模较大的场景中能够收敛到比绝对精英策略更优的解。在小规模场景中,相对精英策略和收益精英策略所得解最好,而在大规模场景中对等精英策略所得解最好。

基于改进蚁群算法的成像卫星调度方法

成像卫星调度问题中约束条件数量众多且复杂,战场环境中,快速决策的要求增加了成像卫星任务调度的难度。针对这个问题,提出了一种加入精英策略的改进蚁群算法的多卫星成像调度方法,对算法的状态转移规则、信息素更新规则做了详细描述;并提出了基于启发式规则的任务路径处理流程,以此产生调度方案,评价路径优劣,反馈给蚂蚁路径搜索阶段。通过实例计算,并与贪婪算法和遗传算法结果对比,说明本方法能够获得更高质量的求解结果。

基于任务合成机制的多星调度问题

传统模式下,卫星采取单任务观测方式,该种方式下任务的成像精度高但任务成像数量少且资源使用率极低。因此,在单任务观测方式的基础上设计了一种多任务合成机制(multi-task merging mechanism,MTMM),在保证用户最低成像要求的情况下对任务合成。首先,基于合成任务集,建立多星调度模型。然后,针对模型提出了基于任务合成的改进蚁群优化(improved ant colony optimization based on task merging,IACO-TM)算法,在算法中设计了自适应蚁窗策略、强制扰动机制以及算法参数动态调节策略,对蚂蚁搜索空间进行有效裁剪,避免算法陷入局部最优的同时提高算法的收敛速度。最后,通过大量仿真实验与不考虑任务合成的改进蚁群优化(improved ant colony optimization,IACO)算法和基于任务合成的传统蚁群优化(traditional ant colony optimization based on task merging,TACO-TM)算法对比,验证了所提MTMM和IACO-TM的有效性。

敏捷成像卫星多星密集任务调度方法

面向应急观测需求,对敏捷成像卫星多星密集点目标观测任务调度问题进行研究。针对敏捷成像卫星观测特点,综合考虑卫星可观测时间窗口、任务间卫星姿态调整时间、卫星最长连续工作时间、星上存储容量、卫星能量等约束,建立多星任务调度模型。提出了一种改进的蚁群优化(ACO)算法对调度模型进行求解。该算法借鉴了蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想,结合调度相关约束设计寻优策略和信息素更新策略。引入任务优先级、最早及最晚可观测时间等因素来控制转移概率。仿真结果验证了模型和算法的有效性。

基于改进蚁群算法的敏捷成像卫星任务调度方法

针对敏捷成像卫星观测任务调度问题,综合考虑卫星最长连续工作时间、任务间卫星姿态调整时间、能量、容量等约束建立了任务调度模型.考虑到密集任务间的相互影响,着重分析了任务间卫星姿态调整时间约束,并给出调姿时间求解方法.提出一种改进蚁群算法对问题进行求解,借鉴蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想设计寻优策略和信息素更新策略.并结合实际约束,引入最早、最晚可观测时间和任务优先级等因素来控制转移概率.实验算例验证了模型和算法的有效性.

基于改进蚁群算法设计的敏捷卫星调度方法

敏捷卫星与传统非敏捷卫星相比,增加了俯仰和偏航两个自由度,提升了卫星的成像能力,也加大了搜索空间,使敏捷卫星的调度问题交得更加复杂,组合优化难度加大.蚁群算法是可有效求解敏捷卫星调度问题的方法之一。针对蚁群算法优化性能严重依赖于算法参数以及各个组件的设计的问题,提出利用均匀设计的方法优化组合算法的各个组件,设计出能有效求解敏捷卫星调度问题的蚁群算法.利用7个不同规模的实例进行实验,实验结果表明了方法的有效性.

敏捷凝视卫星密集点目标聚类与最优观测规划

针对敏捷凝视卫星密集点目标观测规划问题,提出一种快速观测任务聚类策略和启发式蚁群优化算法.首先,针对敏捷凝视卫星视场范围特点,提出基于顶点度的团划分算法,解决密集点观测任务聚类问题,形成系列团观测目标,有效提高观测效率;其次,为得到最优团目标观测序列,考虑目标可见时间窗口约束以及卫星敏捷机动能力约束,构建基于多目标观测收益和姿态机动能耗的性能指标,实现能量高效的任务规划;再次,为克服传统蚁群算法易陷入局部极小值和收敛较慢的缺点,设计一种同时考虑目标点优先级、目标可见时间窗口、目标之间卫星姿态转换时间等因素的启发式蚁群算法;最后,选取大规模密集地面目标验证所提出算法的可行性和高效性.