面向天文观测的空间科学卫星任务规划方法研究

面向天文观测的空间科学卫星任务规划是一个复杂的多目标优化问题.通过对天文观测类卫星的任务规划要素及约束条件进行抽象,建立了面向天文观测的多目标任务规划问题模型,在此基础上设计了基于NSGA-II的多目标观测任务规划算法,并通过实例进行了实验及结果分析.研究表明,该方法能够有效解决天文观测类卫星不同规模的任务规划问题.      

一种面向动态需求的多优先级天文观测卫星任务重规划方法

针对多优先级天文观测卫星任务动态规划问题，分析了高优先级任务动态插入以及未知事件中断原任务规划方案执行的情况，研究了原任务规划方案相应的动态规划问题.在关于SVOM （Space multi-band Variable Object Monitor）卫星任务规划系统的研究中，针对单星机遇目标任务重规划问题，提出一种基于滚动优化策略的任务重规划求解方案.在每个滚动周期内，优先安排高优先级动态到达任务，回滚处理原方案中受未知事件和高优先级机遇目标影响的任务，或者删除原方案中受影响的任务.目标函数综合考虑了全年卫星任务规划总时长和机遇目标的规划总时长.仿真验证结果表明，本文设计方法对于快速响应高优先级机遇目标以及提高服务质量具有一定意义.      

HXMT卫星长期任务规划算法

硬X射线调制望远镜（HXMT）卫星是中国首颗空间X射线天文卫星.为充分利用卫星资源,使科学产出最大化,需要进行长期任务规划.长期任务规划是一个复杂的多目标优化问题.通过分析HXMT观测特点和约束条件,建立了HXMT长期任务规划问题模型,并采用贪婪算法加遗传算法对模型进行求解.实例分析结果表明该方法能够有效解决HXMT长期任务规划问题.      

天区机遇目标空间探测任务规划算法

针对中法合作SVOM卫星的天区范围内机遇目标规划问题（ToO-MM），对其中的约束条件和优化目标进行抽象，建立了规划问题数学模型，设计实现了基于启发式规则的机遇目标规划算法TMHPA。以最大化卫星科学观测收益和最大化应急任务响应度为优化目标，考虑卫星姿态调整时间的影响，对观测任务和数传任务进行规划。通过仿真实验验证算法的有效性，结果表明该方法能够在保证算法收敛性和时效性同时，给出卫星在天区范围内的网格单元（tile）目标观测序列以及执行数传任务的时段安排，实现对ToO目标观测的快速响应，并及时下传机遇目标科学观测数据，满足规划算法的设计需求。     

基于改进遗传算法对小卫星星群任务规划研究

针对小卫星星群任务运行特点,建立小卫星星群多任务规划问题模型,提出了基于成像任务时间及任务均衡度的多指标优化函数.针对所建模型,采用改进型遗传算法,引入资源随机分配的解码策略及精英保留策略,保证了算法的全局收敛性,提高了算法的性能.通过仿真算例,验证了算法在解决小卫星星群多目标任务规划问题上的有效性.      

海洋一号卫星观测任务规划算法设计及系统应用

针对海洋一号卫星观测任务规划需求,提出并实现了基于遗传策略的任务规划框架,解决了卫星实际使用中成像任务受卫星其他业务影响的多类型约束成像规划问题。基于海洋一号卫星实际规划业务要求,对任务规划约束和优化目标建立数学模型,提出了由预处理、窗口约束处理和组合约束处理与优化组成的三阶段规划框架。设计了多约束任务规划优化目标函数,并利用交叉、变异和种群选择等遗传机制对优化问题进行了求解。基于海洋一号卫星实际观测需求数据,对提出的算法进行了有效性和性能验证,结果表明本算法能够给出满足多类型约束的观测规划方案,并在观测时间、观测覆盖率等方面较其他策略有显著提升。研究结果表明通过优化目标函数的设计遗传算法能够实现复杂约束条件的成像规划求解,算法框架可为与海洋卫星具有相似业务特点的对地观测规划系统设计提供借鉴。     

区域机动目标普查监视小卫星组网设计与仿真

针对海洋机动目标任务规划难、搜索难度大的特点,设计了一种面向海洋热点区域机动目标搜索监视的卫星组网星座。首先,根据机动目标搜索任务的特点,建立考虑时空约束条件的卫星成像条带拼接搜索策略;其次,根据机动目标搜索策略,设计了一种高时间分辨率组网星座构型;最后,构建以最小组网卫星侧摆角度和任务观测时间为优化目标的鲁棒模型,采用遗传算法对组网卫星进行优化求解,并给出算法实现流程。仿真结果表明,该卫星组网星座能够有效完成对目标区域机动目标覆盖监视,为热点区域海洋机动目标监视任务提供了一定的方法支撑。     

4基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

敏捷光学卫星密集区域推扫成像任务规划方法

敏捷成像卫星可以实现利用三轴姿态机动所形成的推扫成像模式,同时可以在机动过程中同步成像。在敏捷卫星成像任务的基础上,建立考虑推扫成像模式的敏捷卫星任务规划模型。通过高斯投影建立球面直线扫描条带的数学生成模型,并利用Matlab现有函数进行优化解算;由于模型解算的复杂性,将整体规划问题分为两层子问题分别进行处理,在条带任务分配中,设计了适用于计算机计算的含有条带分配策略的解算算法;在上层规划中,基于推扫成像的双向扫描特性,设计了基于启发式规则的敏捷卫星任务规划算法;之后,将不可规划条带拆作孤立点目标进行处理,最后通过再合成处理完成整体规划。仿真结果表明,文章所设计的算法可以有效处理实际情况下的敏捷卫星推扫成像任务规划问题。     

基于遗传禁忌混合算法的敏捷卫星任务规划

多星多载荷敏捷成像卫星自主任务规划是一个复杂的多约束、非线性NP困难问题.分析了卫星观测任务约束和星上资源约束,建立了多星多载荷自主任务规划模型.针对此任务规划模型的特点,以及传统遗传算法和禁忌搜索算法的优缺点,采用了一种遗传禁忌混合算法进行求解.混合算法将禁忌算法嵌入遗传算法作为禁忌算法变异算子,解决了遗传算法早熟的问题.仿真结果表明混合算法比遗传算法收敛速度更快,比禁忌算法优化效果更好.     

混沌多精英鲸鱼优化算法

针对无人机（UAV）的航迹规划问题，提出了一种基于混沌多精英鲸鱼优化算法（CML-WOA）的航迹规划方法。首先，在已知飞行环境下，建立3D飞行空间模型和航迹代价模型。通过引入罚函数，将有约束3D航迹规划问题转化为无约束多维函数优化问题，利用CML-WOA求解模型来获得最优航迹。其次，为克服WOA易陷入局部最优的缺陷，引入立方映射混沌算子改善初始种群，增强种群多样性，并通过自适应框架融入正余弦算法（SCA），利用多精英搜索策略有效地提高了算法开发能力和探索能力。最后，使用贪婪策略保证了收敛效率。通过20个基准函数测试和航迹规划仿真实验对提出的改进WOA进行验证。结果表明:所提算法相对其他算法，寻优性能明显提升，具有较强局部最优规避能力和更高的收敛精度与收敛速度；能够稳定快速地规划出代价最少、满足约束的安全可行的飞行航迹。      

面向卫星多目标重复观测任务的分层聚类规划

针对敏捷卫星多目标重复观测任务规划面临的可行任务执行序列集合规模庞大困难,提出了一种任务执行序列时间解耦的分层聚类任务规划方法。该方法以规划过程中的可观测窗口和任务执行窗口为聚类对象,通过单次可观测窗口聚类和多次任务执行窗口聚类将任务集合按任务窗口属性分解为一系列时间解耦的小规模集合,在两次任务执行窗口聚类间使用基于贪婪优化的搜索算法对聚类生成的小规模任务集合分别进行集合内任务规划,最后将各集合的任务规划结果合并后得到所有任务的执行序列。仿真结果表明,该分层聚类方法可有效降低全局优化复杂度,消解不同优先级观测任务的冲突,提高任务规划质量,能够在不降低目标点观测完成率的前提下对有多个观测机会的目标点进行重复观测,且算法稳定性好,能在数秒内得出规划结果,适用于星上自主任务规划。     

A multi-objective optimization framework of constellation design for emergency observation

To meet the urgent needs of emergency observation missions, a well-designed constellation is key to ensuring system performance. This paper presents a multi-objective optimization framework which is well suited for constellation designers to identify key trade-offs and make decisions. Firstly, this work investigates the metrics of responsiveness and coverage simultaneously to approximate to the actual conditions of emergencies, and a multi-objective mathematical model is constructed to explore solutions to enhance the overall system performance. Then, according to the characteristics of emergency missions, a hierarchical chromosome encoding method is proposed in the framework to encode a solution that explores different sized constellations without constraining its specific geometry. Finally, we propose the use of radial axes plots to help constellation designers to gain pragmatic insights for informed decision making. The simulation of disaster management verifies that the proposed chromosome encoding method effectively promotes the convergence of the algorithm, and the multi-objective optimization framework helps to generate a rapid and adequate observation satellite constellation to provide maximum coverage performance while ensuring timeliness.     

不可靠测试条件下基于NSGA-Ⅱ的多目标测试优化选择

针对测试不可靠因素严重影响测试优化选择结果以及现有方法不能很好解决多目标测试优化选择等问题，提出基于第二代非支配排序遗传算法(NSGA-Ⅱ)的多目标测试优化选择的方法。首先，描述了测试不可靠条件下多目标优化选择问题的数学模型；其次，在该数学模型下，将系统给出的故障检测率和隔离率作为约束条件，将测试代价、漏检率和虚警率作为优化目标，建立了多目标优化问题；然后，提出带有精英保留策略的NSGA-Ⅱ对多目标问题进行优化选择，利用NSGA-Ⅱ能够得到一组Pareto最优解，可根据实际需求选择最优的测试组合；最后，针对某装备进行实例分析，得到3组最优解，可以满足不同需求下的最优选择，验证了所提数学模型与多目标优化算法的可行性与有效性。      

小天体探测自主绕飞智能规划建模

针对小天体探测存在显著通讯延迟、任务执行效率低等问题,梳理了小天体探测智能规划需求,面向自主绕飞任务开展了智能规划研究。首先将该问题分解为平台任务智能规划和载荷任务智能规划两部分。针对平台任务智能规划问题,基于PDDL语言设计了探测器自主管理知识模型,提出了基于状态时间线扩展的求解算法;针对任务智能规划问题,建立了基于CSP问题的智能规划数学模型,提出了基于遗传策略的求解算法。最后开发了仿真系统进行算法验证。仿真结果表明:该方法可综合平台与载荷需求,在存储、能源、通信等多种约束条件下,对绕飞探测任务进行统一的任务规划,并得到指令序列和动作序列,能够提高任务管控的智能化程度,降低任务操作的复杂性。     

基于多目标优化与强化学习的空战机动决策

为了解决无人机自主空战中的机动决策问题,提出了一种将优化思想与机器学习相结合的机动决策模型。采用多目标优化方法作为决策模型核心,既解决了传统优化方法需要为多个优化目标设置权重的困难,又提高了决策模型的可拓展性;同时在多目标优化的基础上通过强化学习方法训练评价网络进行辅助决策,解决了决策模型在对抗时博弈性不足的缺点。为了测试决策模型的性能,以近距空战为背景,设计了3组仿真实验分别验证多目标优化方法的可行性、辅助决策网络的有效性以及决策模型的总体性能,仿真结果表明,决策模型可以对有机动的敌机进行有效的实时机动对抗。