“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。

Many-to-many On-orbit Refuelling Mission Planning for GEO Satellites