基于STK/Scheduler的空间天文卫星任务规划研究

空间天文卫星任务规划是一类复杂的NP难问题,将STK/Scheduler(Satellite Tool Kit/ Scheduler,卫星仿真工具包/任务规划)商业软件从对地观测任务规划领域拓展应用至空间天文卫星任务规划领域,对于获取可靠解算结果、快速构建地面运控仿真环境、提供解算参考基准具有重要意义。根据空间天文卫星任务规划问题,建立了以最大获取科学回报为目标的多约束任务规划模型,开展了基于STK/Scheduler的空间天文卫星任务规划解算和实例验证。实验结果表明:利用STK/Scheduler开展空间天文卫星任务规划能够适应多种规划时段和解算要求,具有求解稳定等特点,可以满足空间天文卫星任务规划的基本需求。     

基于改进遗传算法的反舰导弹协同任务规划

在进行协同任务规划时应同时考虑协同航路规划和任务分配这两个问题,合理选择进攻目标、确定攻击航路以及分配恰当的突击力量于突击目标。针对这一问题提出了目标分配及协同航路选择的优化模型,并且给出了编码结构;针对遗传算法存在的不足,提出了一些改进;然后采用改进的遗传算法对协同任务规划模型进行了仿真验证。仿真结果表明该方法可以有效地规划出协同航路。     

基于PDDL的对地观测卫星任务规划建模研究

传统的数学模型方法是解决复杂卫星任务规划问题的一种途径,但其抽象性给建模人员带来很大难度。PDDL(Planning Domain Definition Language)可以针对卫星任务规划问题建立清晰有效的模型,并能把模型的知识转化成计算机易于接受的形式。用PDDL描述对地观测卫星的任务规划问题,分析了卫星执行任务时涉及的约束、相关活动和所需的资源,建立任务规划模型的域文件(domain file)和问题(problem file)文件,并针对所建模型提出求解模型的算法流程,最后通过一个算例验证模型和算法是有效地。     

基于GA的电子侦察卫星任务规划问题研究

电子侦察卫星是现代战争中获取电子情报的重要手段,在快速作战决策方面具有独特的作用.电子侦察卫星任务规划问题是一类重要的任务规划问题,涉及各种复杂的约束条件.首先通过对电子侦察卫星工作原理的分析提出了基本假设和预处理的基本方法,并建立了CSP模型,然后采用遗传算法(GA)对模型进行求解.算法针对电子侦察卫星任务规划的特点设计了符号型编码以及相应的OBC交叉算子及多点交换变异算子.最后采用所设计的遗传算法和简单贪婪算法分别对不同规模的问题进行了求解,实验结果表明算法有效地解决了针对固定目标的电子卫星侦察任务规划问题.     

提高卫星服务寿命的任务规划方法研究

基于组网卫星协同工作规划可提高复杂任务处理的基础上,本文探索降低规划风险,提高卫星服务寿命的卫星任务规划方法.从提高卫星服务寿命角度,建立用于描述资源使用期望的目标规划模型;建立卫星任务规划模型,在任务方案与资源使用中考虑了规划风险要素,并将资源使用目标模型引入到任务规划模型中,以期在规划中同时优化卫星服务寿命要素;基于邻域贪心扩展改善遗传禁忌求解算法,并运用分布并行技术提高工程实用性;利用STK提供基础仿真数据,对模型与算法进行了验证.     

对地观测卫星任务规划的实践及发展

卫星任务规划是卫星地面系统的核心技术之一。本文立足于对地观测卫星任务规划技术的工程应用,结合多年卫星地面系统研制及管理实践,对卫星任务规划的研究与应用现状及其未来发展趋势进行综述。本文强调了可靠性、可控性、可理解性等概念,以及规划架构设计在任务规划研究中的重要性。在此基础上,着重阐述和分析了应急卫星任务规划、多系统协同任务规划、高低轨卫星联合任务规划、低轨组网卫星任务规划一体化、星地协同任务规划、基于机器学习的任务规划等技术挑战,最后就技术挑战进行了总结和展望。     

面向多星任务规划问题的改进遗传算法

卫星数量的快速增加为管控卫星的工作增加了很大的难度,如何有效地进行任务规划,有效管理卫星资源,成为了卫星领域的一个重要问题.针对此问题,本文构建了多星任务规划的数学模型,将最大化任务收益作为优化目标.本文分析了问题的难点并提出了一种包含两种优化策略的改进遗传算法,包括全局优化和局部优化两部分.全局优化和局部优化根据种群改进情况进行自适应切换.通过两种优化方法的结合可以提升任务规划的效果.本文还提出了一种任务规划算法,用于为改进遗传算法得到的任务序列选择合适的任务执行时间.仿真实验证明本文提出的改进遗传算法可以很好地解决多星任务规划问题,与对比算法相比可以得到更优的规划结果.改进遗传算法有很好的工程应用前景.     

基于协商对策的卫星任务规划冲突消解

主要对卫星任务规划过程中预处理阶段的目标冲突进行研究.为了更合理地确定卫星应用任务的时间窗口及个时间窗口的属性值,更有效地利用昂贵的卫星资源,首先对卫星任务规划预处理阶段的目标冲突进行了分析,给出了冲突的数学描述,针对冲突的特点提出了基于协商对策的冲突消解方法及协商流程,最后通过实例分析验证了方法在卫星任务规划中对目标冲突消解的有效性.     

卫星任务规划算法综合评价技术研究

研究卫星任务规划算法综合评价技术,构建一个基于AHP层次结构的指标体系,引入基于AHP算法及Delphi算法的综合评价模型,根据不同评价目的,对几类现有任务规划算法进行综合评价,界定规划算法的适用范围,其评价结果在算法选择和后续算法扩展中具有一定应用价值。     

基于蚁群算法的卫星地面站任务规划方法

卫星在运行过程中,与地面站之间存在许多可见窗口,只有在可见窗口之内,地面站才能直接对卫星进行观测和操作,因此,如何合理调度地面站资源,实现最大化利用星地可见窗口是一个重要的课题。本文定义卫星与地面站之间的可见窗口为任务集合,将蚁群算法应用于构造有效的任务调度序列,求解任务最大执行时间,即可利用的可见窗口时间最长。实验数据显示,蚁群算法有着优良的调度结果,同时其调度结果亦优于FCFS和贪婪算法。由此可以看出,该算法能有效求解卫星地面站任务调度问题。     

基于改进遗传算法的土地复垦规划空间优化

土地复垦空间优化是对复垦区土地再利用类型进行数量配置和空间布局,是土地复垦的重要内容和主要方面.根据土地复垦空间优化问题的特性对传统遗传算法添加了小生境算法、自适应参数算法和倒位算法等改进算法,构建了土地复垦空间优化模型,并将遗传算法和GIS融合,增强了复垦土地空间结构优化的空间处理能力.以北京市门头沟区矿业废弃地复垦空间优化为例进行仿真,结果表明:改进的遗传算法更加准确高效,对空间布局的优化结果与门头沟区实际情况相符.     

改进遗传算法在机器人路径规划中的应用研究

针对静态环境下机器人全局无碰撞的路径规划问题,提出了一种将顶点图像法与遗传算法结合起来的路径规划的方法。利用顶点图像法建立了机器人的路径模型,将候选路径表示为二进制位串的形式。在此路径模型的基础上设计了适应度增量计算法,提高了算法的收敛速度。提出了将差距大的染色体进行配对的改进染色体配对方式,保证了种群的多样性。仿真实验结果验证了该方法的有效性和可行性。     

基于改进遗传算法的资源优化配置研究

当前在解决资源优化配置问题时往往使用贪婪算法、遗传算法等.但贪婪算法只能选择一个最优度量标准,所以只能获得度量意义下的最优解而不是该问题的最优解,而如果直接使用遗传算法又存在搜索空间过大、耗时过长的问题.提出了一种新的算法.先基于贪婪算法获得问题的初始解空间,然后对初始解空间进行冲突检测与消解,最后运用改进的遗传算法进行优化获得最优方案.测试算例表明大大缩小了遗传算法的搜索空间,在保证获得最优解的条件下加快了收敛速度并有效防止了种群的退化.提出的算法在突发事务的处理方面具有一定的意义.     

支持复杂产品并行拆卸序列规划的遗传算法

为高效求解复杂产品的并行拆卸序列规划问题,提出基于遗传算法的复杂产品并行拆卸序列规划方法.针对并行拆卸序列规划问题中拆卸序列长度和每步拆卸零部件个数不确定的特点,提出并行序列染色体编码方法,分别将拆卸单元序列和拆卸步长作为染色体的前段和后段,以此表示一个拆卸序列.基于该染色体编码,采用拆卸混合图描述产品零部件间装配约束关系和拆卸优先级,并导出拆卸约束矩阵和邻接矩阵,由矩阵随机获取可行的初始染色体种群;将基本拆卸时间和不可行拆卸惩罚因子作为优化目标来构建适应度函数,确保最优解的可行性;在初始染色体种群的基础上,适应度函数最小为优化目标,通过遗传、交叉和变异遗传算子实现并行拆卸序列的优化.最后通过实例验证了该方法的可行性和实用性.     

基于改进遗传算法的移动机器入路径规划

介绍基于改进遗传算法的移动机器人路径规划,仿真结果证明该算法能够快速收敛到全局最优,对机器人工作空间的变化具有一定的适应能力。     

基于改进遗传算法的网络差异数据挖掘算法

网络差异数据的准确挖掘方法在数据处理领域占据十分重要的地位.利用传统算法进行网络差异数据挖掘,遇到特征相似性干扰时,以模糊规则建立挖掘关联规则,但是,在建立模糊规则时,一旦特征过于接近,需要加入很多约束条件建立规则,导致规则复杂,具有较强的局限性,计算过程较为繁琐.提出了基于混合式遗传算法的网络差异数据挖掘方法,改进原有遗传算法应用的局限性,把模糊理论融合到大变异操作中,形成模糊大变异操作,并利用自适应遗传算法和最佳选择策略机制与过滤操作的思想,将其应用于网络差异数据挖掘中.实验结果证明,基于混合式遗传算法的网络差异数据挖掘方法效率高,精准度高.     

GP——基于规划图的遗传规划算法

图规划是智能规划领域近年来出现的一种新的规划方法,对智能规划的发展有着重要的影响.图规划的规划产生过程分为两个主要步骤,首先用动作的前提条件和效果产生一个谓词和动作交错出现的图--规划图,然后在规划图中抽取规划解.而第二步往往更为困难和耗时.文章依据遗传算法对规划图提出一种新的解抽取方法,以一种简明、直观的形式给出染色体的编码方式,并在此基础上定义了各种遗传操作算子,将遗传算法引入图规划算法,充分利用遗传算法的并行全局搜索能力实现规划解的搜索.实验表明,在求解大规模的规划问题时,文中的遗传规划算法在求解速度和找到的规划解的质量两方面均显示出优越性.     

基于遗传算法初始群体优化的台风中心自动定位

针对误差梯度求导方法求解台风中心自动定位最优目标函数时,具有解的局部优化问题以及最优解获取困难的不足,本文将遗传算法应用到卫星云图台风中心自动定位的优化求解中,实现了台风中心的准确自动定位。同时,考虑到标准遗传操作中初始群体的随机生成对最优解的搜索具有很强的敏感性和不确定性问题,本文根据台风云系的灰度分布特征,对初始群体的生成进行了改进与优化,求得了最优数值解。多个台风中心定位仿真试验结果验证了该方法的合理性和可靠性。