面向区域目标的遥感卫星任务规划算法

面向区域目标的遥感任务规划问题主要解决如何在多遥感卫星条件下,对区域目标进行合理的任务分解和分配。提出了一种动态划分方法,通过加入卫星观测范围因素,改进了现有的静态划分方法。该方法划分生成的候选条带数量大大增加,使算法求解难度增大。基于邻域搜索思想,综合贪婪规则、随机模式和变邻域等因素提出了快速求解区域目标任务规划问题的贪婪随机变邻域搜索算法。最后通过实例进行了验证,结果证明应用该算法能较快得到比较好的解。     

敏捷成像卫星快速需求筹划算法

敏捷成像卫星需求筹划主要解决如何判断敏捷卫星对地观测需求是否可执行以及何时执行的问题。首先,根据敏捷卫星对地观测的约束和特点,将敏捷卫星对地观测场景抽象成基于力学的理想弹簧系统,提出了常量机动时间和劲度系数的计算方法,实现模型关键参数的映射;然后,提出了一种启发式算法,利用理想弹簧系统的平衡状态时对应观测综合角度和最小的特点,通过计算系统的力平衡状态求解多个观测需求的整体最佳观测时间;最后,利用实际的观测需求,通过仿真对比验证了算法的有效性。仿真结果显示,所提算法提高了观测需求满足率和需求的优先级权重和,并且整体成像质量最优。     

基于变领域遗传算法的生产流水线物流调度

生产计划和调度是制造企业的核心问题,工件的延迟或提前会带来额外库存、价格变动、产品损耗等多种问题。文中基于准时化模式的生产理念,研究考虑机器准备时间的两阶段生产流水线物流的工件最佳排序问题。以最小化最大拖期和提前期为目标函数,提出了一种变邻域遗传搜索算法。该算法将遗传算法求得的最优解作为变邻域搜索的初始解,利用变邻域搜索较好的局部搜索能力进行精细搜索,以提高算法的求解质量。通过仿真实验和算法比较验证了变邻域遗传搜索算法的有效性。     

复杂约束对地观测卫星成像调度技术研究

 对地观测卫星成像调度需要考虑卫星动作时间切换、存储容量、星上能量等复杂约束,确定要观测的观测目标序列,是一个具有强NP-Hard特性的组合优化问题,一般研究者都对问题约束进行了不同程度的简化.针对一类可见光对地观测卫星小问题规模下的应用,考虑上述多种约束,建立顶点和边都带权的无环路有向图模型,并基于标记更新最短路径算法,采用分层支配和分治思想,提出了复杂约束成像卫星调度算法(SISACC)进行完全路径搜索,得到问题精确解;在此基础上,给出了算法改进措施,分析了完全算法和改进方法的性质;最后通过大量实验验证了算法的适用条件和可行性.该方法已成功应用于某在轨卫星的日常成像调度任务中.     

一种两阶段的敏捷卫星任务并行调度技术

敏捷卫星灵巧的姿态机动能力令其观测能力和使用效率得到大幅提升,也使得卫星任务调度变得更加复杂和困难.首先,通过分析敏捷卫星的工作模式、任务调度特点和使用约束,构建了基于任务重要性、任务满足度和任务成像质量等目标的敏捷卫星任务调度优化模型;然后,通过对敏捷卫星多种成像模式进行统一编码,设计了一种新的差分变异策略——基于排名的变异算子,提出了基于主从式的改进并行差分进化算法;最后,和基于时间轴的成像质量贪心算法相结合,给出一种新的两阶段敏捷卫星观测任务调度方法,并通过仿真对比验证了方法的有效性.     

基于改进遗传算法的敏捷卫星姿态路径规划

针对基于双框架控制力矩陀螺(DGCMG)的敏捷卫星姿态快速机动控制问题,提出一种改进的遗传算法进行基于DGCMG的敏捷卫星的姿态路径规划。根据敏捷卫星姿态机动的特点,采用启发式方法生成初始种群,从而提高算法的搜索效率;同时,以DGCMG消耗的能量作为适应度函数,保证DGCMG远离奇异状态;并对星体角速度及其角加速度提出平滑变异算子以保证卫星的星体角速度和指令力矩平滑。仿真结果表明:在控制输入有界、执行机构饱和、奇异测度约束和星体角速度限制等多种约束下,改进的遗传算法能够规划出满足机动能力指标且能量较优的有效路径。     

基于存储器的数传资源任务规划技术分析

研究数传资源任务规划对提高航天系统的综合应用效益具有重要的意义。针对现有研究不能建立有效问题表述模型的不足,建立一种带互斥约束的多地面站数传资源任务规划有向模型进行问题描述,将问题规约为带约束的图路径搜索问题。在此基础上,基于序列置换问题编码,改进邻域搜索过程,提出一种新的改进模拟退火求解算法。以试验的方法比较了不同算法的有缺点,试验结果证明了改进的模拟退火方法的可行性和有效性。     

一种新型的变领域搜索算法

一般变邻域搜索算法在连续优化问题的可行解空间上难以找到局部最优解。提出了一种结合SQP算法的变邻域搜索算法,该算法将SQP算法引入到变邻域搜索算法的局部搜索过程中,以SQP算法寻找局部最优解,以变邻域搜索算法跳出局部最优解的低谷,进而寻找到全局最优解。另外还对变邻域搜索算法的初始解和扰动过程进行了改进。数值实验表明,该算法具有良好的收敛性和搜索精度,求解效果优于文献算法。     

一种基于离散粒子群的多星任务规划算法

对地观测卫星的任务规划是卫星管控中的关键内容,其本质是一个优化决策的过程。面向多对地观测卫星任务规划的问题特点,建立了问题的数学模型,提出了一种基于离散粒子群的优化算法,设计了离散粒子群的位置变化公式。仿真结果表明,离散粒子群算法具有收敛速度快、寻优能力强等优点,能够有效地解决多约束条件下的多星任务规划问题。     

基于差分进化算法的卫星任务未安排原因分析

在卫星任务规划过程中,由于卫星资源有限、卫星约束限制与任务冲突导致卫星任务未安排,在实际工程中需要确切地了解其任务未安排的具体原因。针对以上问题,提出了一种基于差分进化算法的卫星任务未安排原因分析方法,通过将未安排的任务插入原观测序列,采用差分进化算法演化接收窗口,并对演化结果进行约束处理及评价,得到其在规划过程中未安排的原因。实验结果表明,该方法能够准确给出未安排任务的原因,方便用户对任务进行决策。     

敏捷成像卫星需求筹划系统应用探析

作为一类具有大范围、快速机动能力的对地观测卫星,敏捷成像卫星在提高卫星观测效率的同时,也使得卫星需求的筹划与调度变得更加的复杂和困难,给卫星需求筹划技术带来了新的挑战。针对敏捷成像卫星的多种特殊工作模式,分析了敏捷成像卫星需求筹划的技术特点和约束条件,从工程应用实际出发,建立了一套基于复杂需求分解和动态规划调整的敏捷卫星地面需求筹划系统,并根据实际的应用需求,给出了相应的应用实例,最后进一步展望了未来敏捷成像卫星需求筹划的发展方向。     

基于模拟退火的卫星地面站任务规划方法

卫星地面站系统任务规划问题是一个基于约束的组合优化问题,是优化卫星任务规划的前提,是影响卫星任务规划结果的重要环节。鉴于此,问题中考虑了可视时间窗口、任务权重以及地面站天线转换时间的约束,以最大化完成任务的优先级之和为目标,建立了调度模型。提出了一种有效求解该问题的结合自适应搜索的模拟退火算法,给出了示例,并对算法进行了仿真验证。     

自适应遗传灰狼优化算法求解带容量约束的车辆路径问题

带容量约束的车辆路径问题是NP难的组合优化问题,精确算法无法在合理的时间内得到有效的解.本文提出了一种采用灰狼空间整数编码和先路由后分组解决方案生成策略的自适应遗传灰狼优化算法用于求解带容量约束的车辆路径问题.该算法提出了移动平均自适应灰狼更新策略和灰狼基因遗传策略提高全局收敛能力,同时提出带3-opt的劣势点启发邻域搜索策略来增强算法的全局和局部搜索能力.实验结果表明：所提出算法具有较高的计算精度和较强的寻优能力,有较高的鲁棒性,通过与自适应扫描和速度推测粒子群优化算法、K均值聚类和灰狼优化混合算法、大邻域搜索和蚁群优化混合算法、基于精英选择的多种群人工蜂群算法、基于集覆盖的扩展节省算法、混合变邻域生物共栖搜索算法等6个算法对比证明了算法的有效性.     

基于动作标准序列的3D视频人体动作识别

基于3D视频的人体动作识别近年来受到越来越广泛的关注。基于动态时间规整的算法考虑了动作的时序信息,并能较好地解决人体运动在时间上的不确定性,但是随着训练样本增加,效率会变得较低。本文提出了一种基于动作标准序列的动作识别方法。通过特征提取将3D动作视频样本构建为动作序列,在动态时间规整度量下将动作标准序列学习建模成一个序列平均的优化问题,并使用动态时间规整重心平均算法(DBA)求解。对于动作类别类中存在显著差异的场景,研究了多重动作标准序列学习,并针对无监督学习的情况,提出了DBA-K-means聚类算法。实验结果表明,该方法可进一步提高动作识别的效率和准确率。     

基于禁止搜索的非线性时间匹配优化算法

动态时间规整算法DTW(Dynamic Time Warping)作为一种非线性时间匹配技术已成功地应用于语音识别系统中。DTW算法使用动态规划技术来搜索两个时间序列的最优规整路径,虽然这种算法计算量小,运算时间较短,但只是一种局部优化算法。禁止搜索TS(Tabu Search)算法是一种具有短期记忆的广义启发式全局搜索技术,适用于解决许多非线性优化问题。本文将该技术用于语音识别系统中,提出了基于禁止搜索的非线性时间规整的优化算法TSTW,使得时间规整函数尽可能逼近全局最优。仿真结果表明,TSTW比DTW有更高的识别率,且运行时间比遗传时间规整算法GTW大大减少。     

基于高程信息的卫星访问计算方法

成像卫星任务规划的基础是访问分析,而其核心是计算卫星对目标的访问信息,即卫星对目标的观测时间和观测姿态角度。现有卫星任务管控系统中使用的卫星访问信息计算方法通常没有考虑目标高程信息,这使得对高海拔地区目标的观测姿态角度计算不够准确。提出一种基于目标高程信息改进的卫星访问信息计算方法,在构建卫星与目标的空间计算模型时,考虑目标的高程信息,计算得出更为准确的观测姿态角度,使得按此角度做规划后的卫星能够精确地拍摄到目标位置。实验结果表明,该算法降低了系统误差,提高了卫星观测精度。     

基于多策略SSO和改进A*算法的无人机动态航迹规划

针对无人机遇到突发威胁动态航迹规划问题,提出了一种基于多策略SSO和改进A*算法的无人机动态航迹规划方法。该方法将无人机航迹规划划分为静态航迹规划和突发威胁实时规避两个阶段:首先,对于静态航迹规划阶段,采用多策略SSO优化算法对极坐标航迹规划模型进行求解,通过引入完全弹性碰撞、自适应跳跃等机制,在有效满足飞行性能约束的同时,提高了航迹规划结果的可行性;其次,对于突发威胁实时规避阶段,采用改进A*算法对局部区域进行航迹重规划,通过拓展A*算法搜索邻域个数和引入最小"弯折"估计代价函数,在保证实时性要求的同时,能够规划出更加平滑的最优航迹。仿真结果表明,提出的方法能够有效地给出更为满意的无人机动态航迹规划路线。     

基于改进人工蜂群算法的无人机的航迹规划

针对无人机飞行任务规划系统中的航迹规划问题,提出了一种改进的人工蜂群算法,将其应用于无人机的航迹规划。该算法将航迹规划问题转换成函数优化问题,以蜂群为搜索单位,通过群体之间的信息交流与优胜劣汰机制,使蜂群向更优方向进化。在雇佣蜂搜索阶段采用自适应搜索策略来加快算法收敛速度;在跟随蜂搜索阶段引入一种新的概率选择方式来保证种群的多样性;在侦察蜂搜索阶段利用混沌搜索算子提高算法的全局搜索能力。通过标准函数测试与航迹规划仿真对改进后的算法进行验证,结果表明,改进后的算法提高了全局收敛能力,在收敛速度和精度上优于传统的人工蜂群算法,可有效解决无人机的航迹规划问题。     

改进元胞粒子群算法求解JSP问题

为求解离散JSP(作业车间调度)问题,设计了基于四方形网格的元胞粒子群算法。引入变异策略增强了算法跳出局部最优的能力,对每代粒子群引入变邻域搜索提高了算法的局部搜索能力。数值实验表明,改进的元胞粒子群优化算法具有好的收敛性与求解精度。     

面向家庭环境的移动机器人自主导航系统

移动机器人在家庭环境下使用传统A*算法规划经过门的路线时,存在因规划的路径靠近障碍物而导致定位失败的问题.针对该问题,设计一种面向家庭环境的自主导航系统,并提出基于栅格-拓扑混合地图的SHS(Segmented Hybrid Search,SHS)路径规划方法.首先,在已建立的栅格地图上选取拓扑点构建栅格-拓扑混合地图;其次,通过Dijkstra算法搜索先验安全航路点序列,将航路点视为局部目标节点;最后,采用A*算法实现分段路径搜索.实验结果表明,在较复杂的家庭环境中,所提的算法能快速规划通过门的安全无碰撞路径.