對地觀測衛(wèi)星不確定任務規(guī)劃

目錄
第1章 緒論 1
1.1 對地觀測衛(wèi)星調(diào)度問題研究的背景和意義 1
1.2 對地觀測衛(wèi)星調(diào)度研究概述 2
1.2.1 對地觀測衛(wèi)星確定調(diào)度問題研究現(xiàn)狀 2
1.2.2 不確定條件下對地觀測衛(wèi)星調(diào)度問題研究現(xiàn)狀 9
1.2.3 不確定條件下調(diào)度理論方法研究現(xiàn)狀 11
參考文獻 14
第2章 不確定條件下對地觀測衛(wèi)星調(diào)度問題 28
2.1 對地觀測衛(wèi)星工作原理 28
2.1.1 有效載荷和成像方式 28
2.1.2 衛(wèi)星軌道和對地覆蓋 31
2.1.3 對地觀測衛(wèi)星工作流程 32
2.1.4 對地觀測約束條件分析 33
2.2 對地觀測衛(wèi)星調(diào)度問題 35
2.2.1 概述 35
2.2.2 基本假設及簡化 37
2.2.3 基本要素 38
2.3 不確定因素影響分析及建模 40
2.3.1 需求不確定性 41
2.3.2 資源不確定性 41
2.3.3 氣象環(huán)境不確定性 42
2.4 不確定條件下對地觀測衛(wèi)星調(diào)度 44
2.4.1 不確定條件下對地觀測衛(wèi)星調(diào)度框架 44
2.4.2 不確定條件下衛(wèi)星觀測調(diào)度的特點和難點 45
參考文獻 46
第3章 需求不確定條件下多星動態(tài)應急調(diào)度 49
3.1 引言 49
3.2 多星動態(tài)應急調(diào)度模型 50
3.2.1 任務、資源和觀測機會 50
3.2.2 調(diào)度約束 51
3.2.3 調(diào)度目標 52
3.3 任務合成 53
3.3.1 合成約束 53
3.3.2 模型與算法 55
3.4 多星動態(tài)應急調(diào)度算法 58
3.4.1 任務插入 58
3.4.2 規(guī)則 60
3.4.3 算法描述 61
3.5 模擬測試結(jié)果與分析 62
3.5.1 測試方法與參數(shù) 63
3.5.2 任務規(guī)模對算法的影響 64
3.5.3 任務到達率對算法的影響 65
3.5.4 期望完成時間對算法的影響 67
3.5.5 有效完成時間對算法的影響 68
參考文獻 69
第4章 需求不確定條件下多星動態(tài)實時調(diào)度 71
4.1 引言 71
4.2 多星動態(tài)實時調(diào)度問題 71
4.3 任務動態(tài)合成策略 75
4.4 動態(tài)實時調(diào)度算法 76
4.5 性能分析 80
4.5.1 仿真方法及參數(shù) 80
4.5.2 任務規(guī)模對算法性能的影響 81
4.5.3 任務到達時間間隔對算法性能的影響 83
4.5.4 任務截止期對算法性能的影響 84
參考文獻 86
第5章 資源不確定條件下多星容錯調(diào)度 87
5.1 引言 87
5.2 系統(tǒng)模型 87
5.2.1 任務模型 87
5.2.2 失效模型 89
5.2.3 調(diào)度目標 90
5.3 重疊設計與分析 90
5.3.1 BB重疊 91
5.3.2 PB重疊 93
5.3.3 PP合成 95
5.3.4 合成約束 96
5.4 容錯調(diào)度算法 97
5.4.1 主版本調(diào)度 97
5.4.2 副版本調(diào)度 101
5.5 性能評估 104
5.5.1 模擬方法和參數(shù) 104
5.5.2 任務數(shù)量對算法的影響 105
5.5.3 任務到達率對算法的影響 107
5.5.4 任務截止期對算法的影響 108
5.5.5 參數(shù)u 對算法的影響 110
參考文獻 111
第6章 云層遮擋不確定條件下期望值模型及求解算法 113
6.1 隨機期望值模型 113
6.1.1 參數(shù)及符號定義 113
6.1.2 基于“流變量”的數(shù)學規(guī)劃模型 114
6.2 分支定價求解算法 115
6.2.1 Set packing主問題 116
6.2.2 列生成算法 117
6.2.3 定價子問題 118
6.2.4 動態(tài)規(guī)劃算法 119
6.2.5 分支定價求解框架 123
6.3 實驗與結(jié)果分析 125
6.3.1 測試問題實例構(gòu)造 125
6.3.2 算法性能評估 126
6.4 隨機期望值模型的不足 128
參考文獻 129
第7章 云層遮擋不確定條件下機會約束規(guī)劃模型及求解算法 131
7.1 機會約束規(guī)劃模型 131
7.1.1 機會約束規(guī)劃指派模型 131
7.1.2 機會約束規(guī)劃“流變量”模型 133
7.2 樣本近似算法 134
7.2.1 樣本近似問題模型 134
7.2.2 樣本容量 135
7.3 分支割平面求解算法 135
7.4 列生成啟發(fā)式求解算法 140
7.4.1 Set packing模型 140
7.4.2 列生成算法 141
7.4.3 定價子問題 141
7.4.4 列生成啟發(fā)式算法 142
7.5 實驗結(jié)果與分析 143
7.5.1 測試問題實例構(gòu)造 143
7.5.2 樣本近似算法有效性驗證 144
7.5.3 分支割平面算法不同求解策略性能分析 146
7.5.4 求解算法性能評估 147
參考文獻 149
第8章 云層遮擋不確定條件下魯棒模型及求解算法 150
8.1 前攝式調(diào)度魯棒模型 150
8.2 精確求解算法 151
8.2.1 方案選擇主問題和枚舉算法 152
8.2.2 路徑規(guī)劃子問題和動態(tài)規(guī)劃算法 153
8.2.3 案例 154
8.3 啟發(fā)式求解算法 157
8.3.1 隨機采樣 157
8.3.2 算法描述 158
8.4 實驗結(jié)果與分析 164
8.4.1 測試問題實例構(gòu)造 164
8.4.2 小規(guī)模問題算法性能分析 164
8.4.3 大規(guī)模問題算法性能分析 172
參考文獻 177
第9章 云層遮擋不確定條件下反應式調(diào)度模型及求解算法 178
9.1 問題描述 178
9.2 反應式調(diào)度多目標優(yōu)化模型 181
9.3 反應式調(diào)度機制及擾動事件分析 183
9.4 反應式調(diào)度啟發(fā)式調(diào)整算法 184
9.4.1 單次調(diào)度任務觀測失敗 185
9.4.2 多次調(diào)度任務觀測失敗 186
9.4.3 多次調(diào)度任務觀測成功 187
9.5 實驗結(jié)果與分析 187
9.5.1 測試問題實例構(gòu)造 187
9.5.2 反應式調(diào)度有效性驗證 188
9.5.3 前攝式調(diào)度建模方法性能比較 191
參考文獻 193
第10章 新領域分析與研究展望 194
10.1 不確定條件下敏捷對地觀測衛(wèi)星調(diào)度 194
10.2 兩階段/多階段隨機規(guī)劃模型 197
10.3 機器學習對衛(wèi)星調(diào)度問題的輔助 200
參考文獻 201