Jul, 2022

用于主动成像灵活地球观测卫星的多带观测调度问题

HTML
PDF
TL;DR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。
发现论文，激发创造
  • 机载调度技术领域的创新

    本文提出一种基于线性整数规划和基于分支定界求解器的机载任务调度器，旨在提高太空任务操作的自主性和降低成本，并在地球观测场景进行了性能测试。

    May, 2022

  • RL-GA: 一种基于强化学习的遗传算法用于电磁探测卫星调度问题

    本文提出了一个用于电磁探测卫星调度问题（EDSSP）的混合整数编程模型和基于强化学习的遗传算法（RL-GA）。在算法中，我们设计了奖励函数来更新Q值，并使用一种新的<状态，动作>组合来指导种群搜索过程。最终基于RL-GA提出了一个任务时间窗口选择算法（TTWSA），通过多个实验验证，证明了RL-GA的有效性和高性能。

    Jun, 2022

  • 多卫星重采样粒子群优化算法调度大区域目标观测

    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

  • 断点续传模式下的卫星下行调度

    研究了一种新问题，即在断点恢复模式下的卫星下行链路调度问题（SDSP-BRM），提出了混合整数规划模型，证明了其NP难度，设计了一种简单而有效的启发式算法（SEHA）来解决问题，该算法经过实验验证，在效率上比通用CPLEX求解器更好。

    Jul, 2022

  • 主动成像AEOS的观测调度问题的三种多目标蚁群算法

    本研究提出了一个双目标优化模型，名为具有可变图像时间的敏捷地球观测卫星观测调度问题(OSWVID)，并设计了三个多目标基因算法来解决该问题，分别为PD+ NSGA-II，LA+ NSGA-II 和ALNS+ NSGA-II。在现有实例的基础上，本研究通过广泛的模拟实验，分析了这三种算法的关键参数优化、算子演化和效率。

    Jul, 2022

  • 带有家庭属性的卫星图像数据下行调度问题：模型与算法

    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

  • 卫星调度问题的数学模型和基于强化学习的进化算法框架

    本文介绍了两种卫星调度问题模型，并提出了基于强化学习的进化算法框架，以应对复杂组合优化问题中的NP难题，为卫星任务规划提供了解决方案。

    Jan, 2023

  • 卫星图像拼接选择问题的约束模型

    卫星图像拼接技术的约束和混合整数线性规划公式被提出并应用于卫星图像马赛克选择问题，该问题是对多边形覆盖问题的多目标扩展，并且我们提供了由SPOT、Pléiades和Pléiades Neo卫星星座捕捉的现实而具有挑战性的数据集进行评估和比较。

    Dec, 2023

  • 蒙特卡洛树搜索下的云覆盖不确定性卫星调度

    在动态环境中，高效利用卫星资源仍然是卫星排程中的一个具有挑战性的问题。本文解决了多卫星集合排程问题（m-SatCSP），旨在优化在云覆盖等不确定条件下对卫星星座进行任务排定。通过使用蒙特卡洛树搜索（MCTS），探索了两个版本的MCTS来有效地安排卫星。进行超参数调整以优化算法的性能。实验结果表明了MCTS方法的有效性，在解决质量和效率方面均优于现有方法。与其他排程算法的比较分析展示了有竞争力的表现，将MCTS定位为动态环境卫星任务排程的一个有前景的解决方案。

    May, 2024

  • 基于图神经网络的地球观测卫星调度

    本研究解决了地球观测卫星调度中的优化问题，该问题面临请求观测数量过多和约束条件复杂的挑战。本文提出了一种基于图神经网络和深度强化学习的新方法，通过从图中提取信息并驱动搜索，从而优化观测的选择与调度。结果表明，该方法在小规模问题上学习有效，能够推广到更大的实际应用中，并与传统方法相比表现出极具竞争力的性能。

    Aug, 2024