主动成像 AEOS 的观测调度问题的三种多目标蚁群算法
本文研究了一个主动成像敏捷地球观测卫星(MOSP)的多带观测调度问题。我们提出了一个双目标优化模型和一个自适应双目标域搜索算法,该算法集成了自适应大领域搜索算法(ALNS)和非支配排序遗传算法 II(NSGA-II)的综合能力。实验结果表明,ALNS 和 NSGA-II 的联合工作产生了卓越的性能,我们的模型比现有模型更多功能,可以更好地解决应用问题。
Jul, 2022
本文提出了一个用于大区域目标的 EOS 观测调度问题的非线性整数规划模型,以及一种基于贪婪初始化的重采样粒子群优化算法;通过实验证明,算法优于传统粒子群优化和贪婪算法。
Jun, 2022
该研究提出了一种具有家族属性的卫星图像数据下行调度问题以及其优化模型和算法 —— 双阶段差分进化算法 (DE+NSGA-II), 其中采用快速分割运算符对大 OID 进行分割,实现在多个 VTW 中传输,并设计了数据传输失败率和分割次数等指标来评估影响因素。
Jul, 2022
用空中计算框架由高空平台和无人机组成,解决通过上行非正交多址接入连接的移动用户的任务完全卸载问题,通过调整无人机轨迹和资源分配来最小化用户的数据时延,使用多智能体深确定策略梯度和联邦强化学习两种方法优化求解,显示任务调度显著降低了数据时延。
May, 2023
本文提出了一种基于 MESH 算法的多目标优化方法来解决水力发电厂在亚日尺度运营中的短期出力计划问题,旨在在最大化发电量和最大化水库蓄水量的前提下,找到一个水库的最佳出力方案。研究结果表明,MESH 算法表现出比其他多目标算法更高的效率和准确性,并在实际应用中提供了显著的经济效益。
Jul, 2021
本研究提出一种新型的协调调度优化方法,通过减少平均等待时间和周转时间,提高了港口效率。实验结果表明,该方法的两种典范方法都能够有效地提高港口效率,其中滚动视界法可在 3 个月的数据集上减少到 20 分钟的运行时间。
Apr, 2022
该研究提出了一个基于多代理系统的分布式自组织搜索和追踪框架,其中智能代理协同追踪多个动态目标。使用模糊自组织协同共进化(FSC2)算法解决了多目标自组织搜索(SOS)、分布式任务分配和分布式单目标追踪三个方面的挑战。实验表明,该框架可以有效处理具有内在部分观测和分布式决策制定的问题,实现高达近 100%的成功捕获率。
Jun, 2022
本文研究了光学卫星通信(OSGC)中的自适应光学系统问题,并提出了使用强化学习(RL)来减小系统的延迟、大小和成本,通过与低成本四分之一光电二极管进行交互来学习控制策略的方案,并开发了一个 AO RL 环境来评估 RL 的性能。实证分析表明,PPO 优于 Soft-Actor-Critic 和 Deep Deterministic Policy Gradient,并且在 250 次训练之后,PPO 收敛到理想 Shack-Hartmann 传感器所能获得的最大奖励的 86%,表明强化学习在无波阵面传感器的 OSGC 中具有潜在的优势。
Mar, 2023
在现代炼油厂中,随着原油调度规模的扩大,涉及数千个二进制变量和非线性约束的大规模原油调度问题(LSCOSPs)变得越来越具有挑战性,难以通过传统的优化方法进行优化。为了解决 LSCOSPs,我们以一个海上进出口炼油厂的实际原油调度为例,从原油卸载、运输、原油蒸馏装置加工和中间产品库存管理方面对 LSCOSPs 进行建模。基于所提出的模型,我们开发了一个由启发式规则驱动的双阶段进化算法(DSEA/HR),其双阶段搜索机制包括全局搜索和局部优化。在全局搜索阶段,我们设计了几个基于经验操作知识的启发式规则,以在混合变量空间中生成良好性能的初始种群并加速收敛。在局部优化阶段,我们提出了一种修复策略,通过进一步优化局部连续变量,将不可行解移动到可行区域。在整个进化过程中,所提出的双阶段框架在探索和开发之间起着关键的平衡作用。实验结果表明,DSEA/HR 在合理的时间内优于现有的数学规划方法和元启发式算法,在 LSCOSP 实例上表现出色。
Jan, 2024
本文提出了两种基于信息熵和互信息准则的高效信息论路径规划方法,可以改进高斯过程模型中异性场的主动感知性能,并优化时间效率。该算法在实际应用中可以比现有技术更有效,计算时间较短。
Feb, 2013