非死锁合同网协议驱动的多机分布式时序任务分配

针对多无人机协同任务分配的时序约束问题，提出了基于非死锁合同网协议(DF CNP)的分布式时序任务分配方法，从理论上避免任务死锁，提升分配结果最优性。定义了局部信息条件下时序任务死锁判据，通过检测时序任务图环路状态与顶点可达性，判定分配方案的全局死锁状态，保证分配结果的可行性。定制了最近邻-深度优先混合搜索算法，在合同网排序过程中优先选择最近邻任务，并结合死锁判据递归回溯，在分布式架构下并行生成满足死锁约束的任务排序方案，提升分配结果的最优性。仿真对比结果表明：相比于非死锁遗传算法(TB GA)，DF CNP在求解效率方面具有显著优势；与耦合约束一致性束算法(CBBA TCC)相比，DF CNP结果最优性明显提升。     

基于任务分解的多星成像规划模型建立与求解

为解决多星成像规划模型中求解算法任务分配不合理、运算效率较低等问题,根据卫星性能指标和遥感器成像能力等约束条件,建立多星成像规划模型。求解该模型时,基于免疫算法设计任务分配方案,并基于图的最长路径算法设计单轨道圈次调度方案,使卫星能够尽可能多地对分配至该轨道圈次的点目标成像。将单轨道圈次调度结果作为反馈信息,调整任务分配方案,并通过多次迭代使得出的结果接近全局最优解。以多颗卫星对不同数量的点目标成像为条件,对模型进行测试,并与现有的规划模型对比。结果表明:文章提出的模型,能够在较短的时间内求解多星成像规划问题,得出较优的成像方案。     

基于时序逻辑的复杂环境下无人机运动规划算法

本文主要考虑基于时序逻辑的无人机运动规划问题。一般地，解决该问题的算法包括两个阶段:上层综合阶段生成一条可行的离散规划;低级综合阶段结合离散任务规划设计无人机的控制输入。但是当第一阶段失败时，即线性时序逻辑(LTL)任务在当前环境中无法实现时，我们希望系统能够进行一定的调整。本文提出了一种任务重规划算法，在深入理解模型检查原理的基础上，利用初始任务自动机生成一个松弛乘积自动机，进而获取有效的离散任务规划;同时设计一个自动机的权重函数，确保该规划在最小程度上违背初始任务所提出的约束。本文提出的重规划算法解决了时序逻辑在复杂环境中无法实现的难题，扩大了时序逻辑在无人机运动规划中的应用范围，同时增加了系统的鲁棒性。     

基于多阶段决策的侦察卫星任务规划研究

为解决侦察卫星任务规划中合理分配任务和避免信息传输冲突的问题,建立了基于多阶段决策的侦察卫星任务规划模型,包括任务分配模型和传输调度模型,并根据运筹学的基本原理,给出了求解模型的基本方法,从求解结果来看,该模型具有一定的理论与应用价值。     

无人机任务规划系统研究及发展

无人机任务规划系统是指根据所要完成的任务、无人机的数量及任务载荷的不同,对各架无人机进行任务分配并通过航路规划技术制定飞行路线。首先介绍了无人机任务规划系统的基本功能及组成结构。然后,详细分析了任务规划系统的建模技术及其优化算法的研究现状。最后指出了讨论了无人机任务规划存在的问题,并阐述了无人机任务规划系统的发展趋势。     

面向GEO目标的快速在线在轨服务任务规划

针对地球同步轨道多对多在轨服务任务规划问题,提出了一种基于拍卖算法和先验知识的改进启发式拍卖算法(IHAA)。首先,建立了基于Lambert变轨的任务规划问题表征,设计了给定变轨时长约束下的快速燃料最优估计策略。其次,针对考虑J 2摄动影响的航天器在轨服务规划问题,提出了一种基于拍卖算法的快速求解流程。其中,为确定每一轮拍卖算法任务列表,提出了基于变轨先验知识的目标优先级排序启发式策略,实现了快速的服务时序确定方法;此外,为减少因部分航天器服务能力低导致的分配失败情况,设计了一种基于失败任务再分配的重拍机制。最后,将所提算法与遗传算法、模拟退火算法进行了对比,结果表明IHAA可以快速给出相对适应度较高的规划结果,可用于突发事件星上在线自主规划,亦可提供优化算法初值以提升规划效率。     

基于蜂群与A*混合算法的三维多无人机协同

研究了一种基于蜂群与A~*混合算法的三维多机航迹规划方法。理论和仿真研究表明该混合算法较单独的A~*算法更易躲避威胁,整体路径更优;其次,基于该混合算法探讨了多无人机三维路径协同规划下的自适应时间协同。通过判断多无人机到达时间范围,多机自适应时间协同状态为同时到达、时序到达或者无法协同重新航迹规划。针对时序到达情况采用了到达时间差迭代选择,相比于固定到达时间差的时序到达,迭代过程加大了无人机满足时序到达的可能性,增强了多机协同打击能力。     

用启发式算法和基于冲突的回跳算法求解卫星测控资源调度问题

针对卫星用户提出的两种不同性质的申请,建立了问题的约束满足模型;根据申请的不同特点分别提出了启发式算法和基于冲突的回跳算法对模型进行求解,并设计了均衡原则、效能原则和就近原则,引导求解过程趋向多目标优化,在优先提高任务支持率的同时兼顾测控站的使用均衡和效能;最后,将算法应用于一个6站10星的调度问题,并进行数值仿真研究。仿真结果表明,本文提出的算法与遗传算法相比,能在更短时间内求得任务支持率更高且负载更均衡的解,证明了算法具有较好的寻优能力。     

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。     

基于混合细菌觅食算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键.本文首先深入分析多无人机任务分配问题的特点,建立了扩展的混合整数线性规划(MILP)任务分配模型.其次,通过分析细菌觅食优化算法和粒子群优化算法的优缺点,提出一种具有较强全局搜索能力且收敛速度快的混合细菌觅食优化算法.最后将该算法应用于多无人机协同任务分配中并进行了仿真...     

凸优化算法在有人/无人机协同系统航迹规划中的应用

为更好地发挥多智能体在空战中的优势,以凸优化理论为基础,提出一种有人/无人机协同系统的航迹规划方法。首先,分析协同系统的体系结构和控制流程,建立系统的运动模型。其次,根据协同系统中有人机与无人机的任务特点,分别设计航迹规划器与编队规划器,并在编队规划器中引入协同时空约束条件,进而对两规划器模型进行近似与凸化,利用凸优化算法进行求解。最后,通过对比仿真,验证所提方法的可行性。结果表明,凸优化算法能有效求解航迹规划器与编队规划器的优化模型,并且通过协同时空约束,能有效提高系统的飞行安全性及航迹变换的灵活性。     

敏捷成像卫星调度的改进量子遗传算法

针对敏捷成像卫星调度问题中解空间大,选择任务的搜索空间和确定任务观测时间的搜索空间分别是离散域和连续域的难题。建立了多种决策变量混合的敏捷成像卫星调度模型,提出一种改进的量子遗传算法对其求解,改进的量子遗传算法采用二进制与实数杂合的编码方式,降低染色体的基因位编码数目,提高了搜索效率,有效适应了敏捷成像卫星调度问题中离散与连续混合的解空间;以杂合编码为基础,设计对应的观测函数将敏捷成像卫星调度问题的解映射到相位空间,从而将量子优化机制引入敏捷成像卫星调度问题中,利用量子遗传算法在相位空间搜索的特性解决敏捷成像卫星解空间大、解空间离散与连续并存的问题。最后,通过不同规模的仿真校验对算法的调度效果进行测试和分析。结果表明,所提改进的量子遗传算法在收敛速度和方案收益方面都有较好的表现,能够满足敏捷成像卫星调度的需要。     

地球同步轨道卫星群在轨加注任务规划

以地球同步轨道卫星群为研究对象,开展“多对多”在轨加注任务规划问题研究。首先建立了任务规划的数学模型,该任务规划属于多目标规划问题,求解过程中需要解决TSP问题。其次,给出了该规划问题的求解方法及流程,采用遗传算法进行求解并设计了相应的遗传算子。最后,选取了14颗地球同步轨道卫星作为目标星进行求解,并在小角度近似条件下对计算结果进行了分析,计算结果验证了算法的有效性。     

基于UAV的空地协同任务卸载策略研究

随着各行业对大批量信息处理需求的增加,移动边缘计算（Mobile Edge Computing, MEC）技术应运而生。而在陆地障碍较多、MEC服务器搭载不便的情况下,研究了一种无人机（Unmanned Aerial Vehicle, UAV）中继辅助用户卸载任务到基站的场景。针对该场景,提出了一种基于博弈论的最优任务卸载方法,通过联合优化任务卸载比例和卸载策略使得系统时延最小化。由于这两个变量之间相互耦合,因此将原优化问题转化为两个子问题求解。首先,在确定策略的情况下,证明了系统时延最小值存在的条件,得到了用户的最优卸载比例闭合解。然后,将原优化问题转化为任务分配问题,并建立博弈论模型。在证明了该模型存在纳什均衡（Nash Equilibrium,NE）的前提下,经过多次迭代,求解得到基于时延最小的用户任务卸载策略集。仿真结果表明：上述方法有效降低了全局计算时延,在时效性上优于其他一些常见的卸载方法。     

“多对多”模式下GEO卫星在轨加注任务规划

随着在轨服务技术的发展和对航天器发射运营成本的控制，航天器在轨服务模式将由“一对一”服务逐步发展为“一对多”“多对多”的服务模式。在具有多个服务目标的模式下，针对服务航天器的任务分配与规划将变得尤为关键。因此，本文研究了多服务航天器为多个地球同步轨道(GEO)卫星进行在轨加注的任务规划问题。首先，考虑服务航天器容量约束、服务路径约束等多类约束条件，以最小化燃料消耗为优化指标，以每个服务航天器的服务顺序为决策变量，建立“多对多”在轨加注任务规划模型。其次，针对遗传算法局部搜索能力差、易陷入局部最优的缺陷，设计了一种将大邻域搜索算法和遗传算法相结合的混合启发式算法(LNS-GA)，用以求解该任务规划问题。该算法利用大邻域搜索算法中的“破坏”和“修复”思想，对遗传算法每一代种群中的精英个体进行进一步的迭代搜索，从而增强算法的局部搜索能力。最后，通过设定的仿真场景与单一遗传算法进行仿真对比，验证了本文所提出算法的有效性和优越性。     

大型星座混合模拟退火遗传算法测控任务规划

提出了一种基于拥挤度的混合模拟退火多层编码遗传算法,用于解决大型星座的测控任务规划问题。首先,建立了大型星座测控问题的约束满足模型,对任务规划过程中的各种约束条件和优化目标进行了形式化描述。第二,采用多层编码的方法建立测控方案与解空间的对应关系,并采用遗传算法的启发式方法进行全局搜索。第三,为了增加种群的多样性并加快收敛速度,在每代进化结束后对种群中最优的部分个体进行基于拥挤度的模拟退火。超180颗卫星,32个地面测控天线的真实大型星座测控任务规划试验表明,基于拥挤度的混合模拟退火遗传算法的任务完成率高达99%,归一化综合收益大于0.9,算法运行时间小于15 min,验证了该方法具备工程实用价值。     

一种面向节能的星载实时任务动态调度算法研究

星载嵌入式操作系统性能和任务能耗之间的平衡非常重要,采用合理的处理器和电压分配策略是一个重要手段。提出一系列基于计算概率的建模方法,用来解决星载实时嵌入式系统中对于具有数据依赖的非周期性任务的处理器和电压分配相关问题,并且能够确保所有的任务都能在时间约束下执行。首先设计一个处理器调度算法,将任务的有向无环图(DAG)映射到一组可变电压处理器上,然后使用动态编程算法为每个任务分配合适的电压。通过带有重启的局部搜索策略从候选解集中获取最优解,以解决局部最优陷阱问题。通过实验说明,所提出的算法与其他算法相比,在所有时间约束下具有更好的能效。     

压电自适应桁架结构控制一体化设计

针对压电自适应桁架结构,建立了含有主动元件位置的结构控制一体化设计数学模型,以结构重量作为目标函数,以结构静、动态响应作为约束函数,同时优化结构设计参数、控制参数和主动元件的位置。提出一种解决混合变量一体化设计问题的新方法,该方法将近似概念、遗传算法和对偶法相结合。首先采用组合多点近似函数建立原问题的序列近似问题,再对近似问题中的(0,1)离散变量和连续变量采用遗传算法和对偶方法分别寻优的分层优化策略。算例表明本文方法由于遗传算法只用于求解近似问题,因此只需要很少的结构分析次数就能得到最优解或近似最优解。     

应用改进多种群遗传算法的多星成像目标规划方法

针对目前多星成像目标规划求解算法容易陷入局部最优解,且对于大区域目标及规划时间周期较长时不能尽快规划出较优的成像方案问题,提出一种改进多种群遗传算法的多星成像目标规划方法。以成像规划方案周期最短、覆盖率最大为目标函数建立模型;利用改进的多种群遗传算法对模型进行求解,采用移民算子种群在多种群之间关联及更新种群,保留每代进化中的最优成像方案。利用多星对区域目标成像验证了所提出的方法,结果表明:此方法能够较好地用于模型的建立及求解,有效地规划出目标函数较优的成像方案。     

基于贝叶斯优化的无人机路径规划算法

提出了一种基于贝叶斯优化算法的无人机路径规划方法。把无人机路径编码为离散时间上的速度和航向变化序列，每一步的速度和航向变化量都限制在无人机相应最大变化量之内，所以这种编码方法对应的物理轨迹是无人机可飞的。利用每代种群中的优良解集构造贝叶斯网络，用贝叶斯网络的结构体现染色体基因位之间的联系，用贝叶斯网络参数体现染色体基因位之间的联系程度。设计了一个多变量K2度量评价网络的优劣。用贝叶斯网络产生新的染色体以体现种群的进化，这取代了传统遗传算法的交叉和变异过程。如果不满足终止条件，则用新一代种群的优良解集构造贝叶斯网络，直到满足终止条件。仿真结果验证了算法的有效性。