考虑任务合成的成像卫星调度模型与优化算法研究

论文摘要

成像卫星是一类从太空中获取地面图像信息的对地观测卫星,在军事和经济等领域发挥了重要作用。随着成像卫星数量增多,成像任务需求也呈现出多样化、复杂化和快速增长趋势,如何根据各类成像任务需要和现有卫星资源能力,联合制定多颗卫星的优化成像方案,是提高卫星观测效率,充分发挥卫星系统整体效能的关键问题。许多成像卫星的侧摆机动性能较差,每个轨道圈次内的侧视成像次数有限,为提高该类卫星的观测效率,必须考虑将满足一定条件的任务合成并安排卫星观测。另外,成像任务分为点和区域目标两类目标,应用中需要将两类目标综合调度。本文研究了考虑任务合成的成像卫星调度问题,其是在满足资源和任务约束条件下,综合调度点和区域两类目标,并充分考虑任务间的优化合成,以制定成像卫星的调度方案并实现最大完成任务的目的。论文基于建模方法和优化理论,从问题模型和优化算法两方面开展研究,主要工作及创新点如下:（1）建立了考虑任务合成的成像卫星调度模型在深入分析卫星对各类目标的调度特点以及任务合成特性的基础上,建立了考虑任务合成的成像卫星调度模型。首先提出了区域目标动态分解方法,将区域分解为多个子任务,然后,将点目标视为特殊的“区域”,按照观测机会进行分解,并将两类目标统一为元任务。定义合成任务描述任务合成关系,并分析了合成任务与元任务的关系。最后,为两类目标分别构建收益函数,建立了考虑任务合成的成像卫星调度模型。论文建立的模型在综合调度两类目标的基础上,考虑了任务合成的优化因素,与其它的简化模型相比,更具有实际应用价值。（2）提出了基于整体优化策略的求解算法对问题进行整体建模后,提出了两种对问题进行整体优化求解的算法:动态合成启发式算法与快速模拟退火算法。首先定义了解的编码、基本邻域和评价函数等基础组件,为设计并实现多种算法提供支持。动态合成启发式算法中,提出了任务需求度、资源竞争度、时间窗口竞争度等参数指标,为任务选择最小冲突的卫星资源及时间窗口;提出了任务合成启发式选择任务的合成位置,使卫星能够以最小的侧视角度或最小的数据冗余对多个任务合成观测。快速模拟退火算法中,设计了多种邻域结构,实现对元任务的合成和合成任务的分解操作。采用“冒险”的接受概率和快速退火计划,提高算法的求解速度,同时,采用回火机制及多种分化策略,避免算法陷入局部最优。实验证明,动态合成启发式算法的速度较快,而快速模拟退火算法的结果更优。（3）提出了基于分解优化策略的求解算法为提高问题规模较大时的求解效率,借鉴大系统的“分解-协调”思想,提出了基于分解优化策略的求解算法。将问题分解为任务分配与任务合成两个子问题,任务分配为任务选择卫星资源及时间窗口,任务合成则针对该分配方案进行最优合成。建立任务合成的最大覆盖模型,并提出了基于动态规划的最优合成算法,能够在多项式时间内求得最优合成方案。采用蚁群算法求解任务分配问题,通过自适应参数调整及信息素平滑策略,实现全局搜索和快速收敛间的平衡。蚁群算法接收任务合成结果反馈,并引导蚁群搜索优化的任务分配方案。通过子问题之间的协调优化,得到了优化的任务合成观测方案。实验证明,该算法对大规模问题求解的性能较高。

论文目录

• 摘要
• ABSTRACT
• 第一章 绪论
• 1.1 研究背景及意义
• 1.2 国内外相关研究现状
• 1.2.1 成像卫星的发展现状
• 1.2.2 面向点目标的成像卫星调度
• 1.2.3 面向区域目标的成像卫星调度
• 1.2.4 考虑任务合成的成像卫星调度
• 1.2.5 研究现状分析
• 1.3 论文研究内容
• 1.4 论文组织结构
• 第二章 考虑任务合成的成像卫星调度问题
• 2.1 成像卫星工作原理与流程
• 2.1.1 成像卫星遥感器
• 2.1.2 成像卫星观测范围
• 2.1.3 成像卫星工作的约束条件
• 2.1.4 成像卫星指挥控制系统及工作流程
• 2.2 考虑任务合成的成像卫星调度问题
• 2.2.1 考虑任务合成的成像卫星调度问题概述
• 2.2.2 成像卫星对点和区域目标的综合调度
• 2.2.3 成像卫星调度中的任务合成分析
• 2.2.4 问题的输入输出要素
• 2.3 问题基本假设及求解过程
• 2.3.1 基本假设及问题简化
• 2.3.2 考虑任务合成的成像卫星调度问题求解过程
• 2.4 本章小结
• 第三章 考虑任务合成的成像卫星调度问题建模
• 3.1 区域目标分解
• 3.1.1 区域目标分解方法及分析
• 3.1.2 区域目标动态分解方法
• 3.2 考虑任务合成的成像卫星调度问题建模
• 3.2.1 元任务构造
• 3.2.2 合成任务定义及分析
• 3.2.3 收益函数构造
• 3.2.4 考虑任务合成的成像卫星调度模型
• 3.3 考虑任务合成的成像卫星调度模型分析
• 3.3.1 模型的合理性
• 3.3.2 模型的数学复杂性
• 3.4 模型求解策略
• 3.4.1 任务预先合成与动态合成策略
• 3.4.2 模型的整体优化与分解优化求解策略
• 3.5 本章小结
• 第四章 基于整体优化策略的问题求解
• 4.1 基于整体优化策略算法的基础组件
• 4.1.1 解的基本编码
• 4.1.2 解的基本邻域结构
• 4.1.3 解的评价函数及改进策略
• 4.2 任务动态合成启发式算法
• 4.2.1 任务选取规则
• 4.2.2 资源选取规则
• 4.2.3 任务合成的启发式规则
• 4.2.4 算法描述
• 4.3 快速模拟退火算法
• 4.3.1 邻域结构设计
• 4.3.2 接受概率
• 4.3.3 温度设置及退火计划
• 4.3.4 回火过程
• 4.3.5 终止规则
• 4.3.6 分化策略
• 4.3.7 算法描述
• 4.4 实验与结果分析
• 4.4.1 测试问题实例构造
• 4.4.2 对点和区域目标的综合调度与分阶段调度的比较
• 4.4.3 任务动态合成与预先合成的比较
• 4.4.4 快速模拟退火算法与动态合成启发式算法的比较
• 4.4.5 目标分布特性对调度结果的影响分析
• 4.4.6 各种机制对快速模拟退火算法性能的影响分析
• 4.5 本章小结
• 第五章 基于分解优化策略的问题求解
• 5.1 问题的分解优化策略
• 5.1.1 分解优化思想
• 5.1.2 问题分解及算法结构
• 5.2 卫星单轨最优合成观测问题
• 5.2.1 单轨最优合成观测的最大覆盖模型
• 5.2.2 单轨最优合成观测的动态规划算法
• 5.2.3 算法分析
• 5.2.4 算法实例
• 5.3 任务分配问题的自适应蚁群算法
• 5.3.1 蚁群算法概述
• 5.3.2 信息素模型
• 5.3.3 解的构造
• 5.3.4 信息素更新
• 5.3.5 自适应策略
• 5.3.6 解的修复
• 5.3.7 算法描述
• 5.3.8 算法复杂度分析
• 5.4 实验与结果分析
• 5.4.1 算法参数设置
• 5.4.2 实验结果及比较分析
• 5.4.3 自适应策略对算法性能影响分析
• 5.5 本章小结
• 第六章 总结与展望
• 6.1 论文工作总结
• 6.2 进一步的研究与展望
• 致谢
• 参考文献
• 作者在学期间取得的学术成果
• 作者在学期间参加的科研项目