-
题名基于智能优化算法引擎的可演进星群智能任务规划
- 1
-
-
作者
杜永浩
黎磊
徐世龙
陈名
陈盈果
-
机构
国防科技大学系统工程学院
-
出处
《电子与信息学报》
北大核心
2025年第6期1645-1657,共13页
-
文摘
自21世纪以来,我国航天事业快速发展,遥感卫星已成为国土资源普查以及防灾减灾的关键资源。然而,点群、多频和大区域等复杂目标需求的涌现、卫星资源的差异化以及多类复杂目标一体化调度,对现有卫星任务规划技术提出了挑战。针对该问题,该文设计了一种可演进星群智能任务规划引擎架构,以解决异构星群多元目标的一体化调度问题。通过深入研究模型与算法,实现了“约束-决策-收益”模型的解耦,开发了“全局演化+局部搜索+数据驱动”的优化算法模块。在模型层面,通过目标分解来生成标准任务,并构建了多元复杂目标调度模型。在算法层面,提出了一种基于双模型演化的学习型模因算法(LMA),包括初始解生成策略、全局优化策略及通用化邻域搜索算子模板,增强了解的多样性和全局探索能力。此外,通过数据驱动优化策略和动态多阶段快速插入策略满足了动态调度需求。实验结果表明,该算法在求解质量和速度上均优于经典算法和先进算法,并具有良好的鲁棒性。消融实验验证了初始解生成策略、双模型演进及数据驱动策略的有效性。在不同难度的场景中,该算法能够快速提供高质量的调度方案,展示了其在航天任务调度中的应用潜力。
-
关键词
数据驱动优化
多维复杂目标
学习型模因算法
模型-算法解耦合
星群任务规划
-
Keywords
Data-driven optimization
Multi-dimensional complex targets
Learning Memetic Algorithm(LMA)
Model-algorithm decoupling
Satellite constellation task scheduling
-
分类号
TN209
[电子电信—物理电子学]
TP391
[自动化与计算机技术—计算机应用技术]
-
