基于遗传算法的TT&C测控资源优化调度(英文)

TT&C测控资源调度是一个涉及卫星、测控站以及调度准则等多方面因素的复杂优化问题。针对这一优化问题,根据测控调度的一般原则和优化准则,建立了相应的优化模型,并给出了基于遗传算法求解该问题的方法和步骤;最后,通过两个示例分析,演示验证了该方法对于解决一般测控调度问题的有效性。

带局部交互的多星TT&C调度合作协同进化

针对现有合作协同进化机制较少利用局部协同信息的问题,通过对多星TT&C资源调度的合作协同进化求解进行改进,在全局协同的基础上加强局部交互,为每个个体设定一个表明其与所有相邻子种群合作效果的进化性能指标——局部交互值,将该值作为选择操作中衡量个体优劣的尺度之一,以局部交互值与各子适应度之和的差值决定个体变异率,使变异具有自适应性,从而减少由子种群代表个体选择的非全局性造成的优秀个体丢失现象。仿真实验结果表明该方法能较好地提高求解质量。

航天TT&C调度的拉格朗日松弛策略

根据航天遥测、跟踪和指挥(TT&C)调度的测控需求,建立航天测控调度问题的0-1整数规划模型,运用(λ,ν)、(μ,ν)和(λ,μ)3种策略对模型中的约束进行松弛,通过次梯度优化算法求得每种松弛问题的上界。利用2个场景验证上界(目标函数值)的有效性,调度结果表明,3种松弛策略中以次梯度优化算法得到的上界差别最小。

基于改进蚁群算法的TT&C资源配置方法

研究了航天测控网资源配置问题,它是在航天器-地面站有限的时间窗口内对航天器的测控任务进行合理的配置,给每个任务分配一个开始执行时间,在给定的调度时间下,使得任务完成的目标值最大。将引入了杂交算子的蚁群算法来求解该问题,合理地构造了与问题相适应的杂交算子和杂交段。具体的仿真实例表明,在相同的约束条件下该算法总是能最大化地完成任务,并且求得的目标值也有很大的改进。

卫星测控资源调度CSP模型研究

对卫星测控调度问题的建模技术进行了研究,分析了问题的特点。首先对场景、需求和任务进行了形式化建模;然后针对测控调度问题中涉及的资源、时间、关系等主要约束类型进行了分析和模型描述,并按照不同类型的测控需求确定了测控调度的目标函数;最后在此基础上建立了问题的约束满足问题(constraint satisfied problem,CSP)模型,并针对模型进行了求解方法研究。

带预估选择的Memetic算法求解多星测控资源调度问题

针对当前多星航天测控资源调度系统模型描述复杂、求解算法不适合大型算例的问题,利用系统约束条件的二元化特点建立了多星测控资源调度系统在一类特殊图上的最大独立集模型,进而针对该模型解空间结构多峰密布、欺骗性强的问题,提出了一种带预估选择机制的改进型Memetic算法.在分析交叉操作可达域的基础上,设计了一种能快速预估交叉操作最大收益的预估算子,通过预估运算,每个个体从几个待选交叉对象中可选择出最有利的一个对象,以在有希望区域间实现搜索的转移.大型Benchmark算例上的仿真结果表明,所提预估选择机制能减弱原模型欺骗性的影响,使Memetic算法的性能平均提高了17%.

卫星地面站测控资源调度CSP模型

研究了测控系统资源调度问题的描述与建模问题。在系统阐述综合航天测控网资源调度中涉及的资源、任务、事件、约束基础上,使用变结构半环CSP模型,描述测控调度中涉及的事件窗、时间约束、状态约束、周期性任务、抢先式任务、变长任务等硬、软约束,提出处理任务优先级和不确定性因素的途径。提出的模型对测控系统效能评价及资源调度算法研究也有一定的参考价值。

面向卫星常规测控任务的地面站资源调度

卫星测控任务的地面站资源调度问题是在特定的时间和约束条件下,根据卫星的常规任务要求,为卫星分配相应的地面站资源,从而得到能够满足卫星任务要求的资源分配和调度方案。基于实际应用,分析卫星测控任务的调度问题,考虑资源调度过程中涉及的卫星时间约束和资源约束,建立卫星测控任务中地面站资源调度的数学模型。设计2个阶段遗传算法,第一阶段选择卫星执行任务的圈数,第二阶段选择任务弧段,逐步减小搜索的解空间。仿真研究结果表明,2个阶段遗传算法能够较好地解决多卫星多约束的测控资源调度问题。

一种基于ES法的卫星测控资源调度仿真及实现

针对陆基测控网“星多站少”而导致测控设备与航天器测控冲突问题,以中低轨道航天器作为研究对象,应用离散事件系统中的事件调度(ES)法对陆基测控资源调度问题进行了研究,提出了解决测控冲突的技术途径,确定了测控弧段优先级及量化方法。同时根据陆基测控网实际和航天器测控需求,抽象出排除测控冲突的数学模型以及在计算机上可实现的实用算法,最后应用模糊综合评价法对仿真结果满意度进行了评估。该测控资源调度方法已成功地应用于航天工程实践,达到了陆基测控网资源的合理分配。

基于深度神经网络的多星测控调度方法

卫星规模的急剧扩大给传统多星测控调度方法带来了巨大挑战。传统调度方法面临调度时间长、任务满足度低等问题,难以适应大规模卫星调度。为此,引入了支持大数据和并行计算且具有自主学习特性的深度神经网络(DNN)算法,提出了一种基于DNN的多星测控资源调度方法。根据多星测控资源调度的特点以及DNN算法的要求,对调度过程中影响调度结果的相关实体和约束等信息进行特性分析,选择对调度结果有较大影响的属性或约束,离散化处理后作为DNN的特征值。在此基础之上通过预处理将测控任务与测控资源间的全匹配缩减为有效匹配,减小求解空间,降低DNN的特征维度以及训练难度。然后基于抽取的特征值及调度特性构建DNN模型,并通过大量历史调度数据完成对该DNN模型的训练。最后经试验表明,DNN调度方法的任务满足度达到99%,且通过特征降维后,算法的运行时间缩减了83%,验证了算法的可行性和高效性。

基于蚁群优化-模拟退火的天地测控资源联合调度

研究了一类约束条件复杂、具有多时间窗口特性的天地测控资源联合调度问题。建立了涵盖多种约束的问题数学模型和基于测控弧段时间序的无圈有向图模型,提出了一种蚁群优化-模拟退火算法(ACO-SA)求解问题。探讨了两种算法的融合策略,完成了包括状态转移规则、可行解生成策略、信息素更新准则、邻域结构、快速退火计划等关键技术的设计实现。多个算例仿真和结果分析表明,测控弧段时间序能保证ACO-SA得到高质量的优化结果,模拟退火机制能有效提高蚁群优化算法的收敛速度和求解质量,相比于基本遗传算法和先到先服务算法,ACO-SA能得到质量更好的解。

天地测控资源一体化调度模型

测控资源的天地一体化调度是一个具有多时间窗口、长时间窗口等复杂约束的优化问题。借鉴低轨卫星测控调度任务需求描述方式,在对中高轨卫星的轨道测量和轨道保持等需求进行分析的基础上,给出了适于调度算法设计的高中低轨任务需求规范化描述;针对天基和地基测控资源的测控特点,以卫星任务需求加权满足率最大为目标,建立了天地资源的一体化调度模型;并设计了基于遗传算法的调度策略。仿真表明,所建模型和算法是可行的。

大规模测控资源规划问题的改进遗传算法研究

随着航天任务的增多,测控资源越来越有限,传统的调度算法在问题规模变大时容易产生组合爆炸问题。本文通过对遗传算子的改进,设计了能够求解大规模任务规划调度问题的改进算法,仿真结果表明,算法能够在合理的时间内找到已知最优解。

基于混合蚁群优化的天地一体化调度方法

天地测控资源一体化调度问题是一个典型的大规模组合优化问题,优化过程极其复杂,采用单一优化机制的传统蚁群算法求解这类问题时,存在求解效率低且求解性能差的缺陷。鉴于此,提出了采用两种不同融合策略的新型遗传-蚁群优化方法(genetic-ant colony optimization hybrid algorithm,GA-ACO)求解问题。该方法利用遗传算法的快速搜索、群体性能等优势生成初始蚁群信息素分布,提高了蚁群算法由于运行初期信息素更新较慢导致的较低求解效率和后期早熟引起的较差求解质量。仿真结果表明,相比于基本蚁群算法和遗传算法,混合蚁群算法的寻优性能更好,求解效率更高,更适合解决天地测控资源一体化调度问题。

多星测控调度问题的禁忌遗传算法研究

对多星测控调度问题进行了研究,建立了测控调度模型。根据卫星测控需求及其调度特点,建立了可能任务模型,设计了一种各类型需求通用的编码方式,并在此基础上设计实现了一种禁忌遗传算法。完成了包括遗传算子设计、邻域设计、禁忌移动算子设计、算法流程等一系列关键技术的设计实现。并通过仿真验证了该算法的有效性。

面向需求的航天测控资源调度算法

针对如何调度测控资源以满足航天器的长期管理阶段测控需求的问题进行了研究。分析了长期管理阶段需求的特点及对调度过程的影响,建立了测控任务模型,给出了测控需求满足程度的计算方法。在此基础上,设计了面向需求的航天测控资源调度算法,能够较好地保证卫星的测控需求得到满足。通过仿真算例验证了所提算法的有效性。

基于协同进化的航天测控资源优化调度

航天测控资源调度是一个具有很强工程背景的复杂问题,针对其特点,研究了一种基于协同进化的优化调度算法。在描述问题并给出调度模型的基础上,基于协同进化的思想,设计了和问题特征结合的遗传算法编码,对算法的算子和进化策略进行了描述,给出了算法的完整流程。通过算例表明,该算法整体上优于先到先服务(first coming first serving,FCFS)算法、任务综合优先度(task synthesis priority,TSP)算法和简单遗传算法(simple genetic algorithm,SGA)。

天地测控资源调度的两阶段递进遗传算法

为对天地测控资源调度进行高效求解,设计了两阶段递进遗传算法对其进行优化调度。鉴于问题的目标具有一定的可分性,以时间为依据将被调度弧段划分成两个部分,在对第一部分形成种群并作进化求解的基础上,将其最优解与第二部分弧段组合,并作进一步的进化求解。为了缓解两阶段优化的局部搜索特性,在第一阶段个体适应度计算中,以一定概率设定虚拟弧段,保留具有潜在全局优势的个体。仿真表明该方法能在确保求解质量的前提下明显减少运算时间。

航天测控调度问题的拉格朗日启发式算法

通过分析航天测控调度问题的测控需求,建立了航天测控调度0-1整数规划模型,运用拉格朗日松弛方法对模型中的任务约束和设备约束进行了松弛,运用次梯度优化算法求得了航天测控调度问题上界,同时得到了决策变量对应的拉格朗日权重,可以作为决策变量在最优解中是否被调度的启发式信息,对拉格朗日权重进行分析,提出了求解问题可行解的拉格朗日启发式算法。最后,通过对两个场景的试验分析验证了拉格朗日启发式算法所求可行解的优越性。

多星测控调度问题综述

多星测控调度问题是指对多颗卫星和地面站之间的测控任务进行调度，是一类高约束、高计算复杂度的任务资源分配问题。本文对国内外相关领域研究情况进行了探讨，从问题的模型描述、解决算法以及最终方案优化等方面，对多星测控调度问题的研究情况进行了分析和总结。在此基础上指出多星测控调度问题的发展趋势。