空天資源智能任務(wù)規(guī)劃方法

第 1 章 緒論  1 
1.1 研究背景及意義  1 
1.1.1 研究背景  1 
1.1.2 研究意義  4 
1.2 國內(nèi)外研究現(xiàn)狀  5 
1.2.1 空天資源任務(wù)規(guī)劃問題  5 
1.2.2 天基資源任務(wù)規(guī)劃問題  12 
1.2.3 空基資源任務(wù)規(guī)劃問題  18 
1.2.4 智能優(yōu)化方法  21 
1.2.5 現(xiàn)狀分析及總結(jié)  27 
1.3 本書主要工作  28 
1.3.1 研究路徑設(shè)計  28 
1.3.2 研究思路分析  30 
1.3.3 主要創(chuàng)新點  31 
1.4 本章小結(jié)  32 
第 2 章 空天資源任務(wù)規(guī)劃問題  33 
2.1 問題描述  33 
2.1.1 需求描述  33 
2.1.2 問題界定  34 
2.1.3 資源界定  36 
2.1.4 協(xié)同方式界定  37 
2.1.5 任務(wù)界定  39 
2.2 求解框架  40 
2.2.1 空天資源-任務(wù)匹配階段  41 
2.2.2 空天任務(wù)協(xié)同分配階段  42 
2.2.3 天基任務(wù)規(guī)劃階段  42
2.2.4 空基任務(wù)規(guī)劃階段  42 
2.3 問題分析  44 
2.3.1 空天資源-任務(wù)匹配問題  44 
2.3.2 空天任務(wù)協(xié)同分配問題  46 
2.3.3 天基資源任務(wù)規(guī)劃問題  48 
2.3.4 空基資源任務(wù)規(guī)劃問題  50 
2.4 本章小結(jié)  52 
第 3 章 優(yōu)化算法基本常識  53 
3.1 深度 Q 網(wǎng)絡(luò)簡介  53 
3.2 蟻群算法簡介  55 
3.3 模擬退火算法簡介  57 
3.4 本章小結(jié)  59 
第 4 章 基于深度學習的資源-任務(wù)智能化匹配技術(shù)  60 
4.1 基于作業(yè)車間調(diào)度的問題描述  60 
4.1.1 空天資源-任務(wù)匹配問題的圖模型  61 
4.1.2 空天資源-任務(wù)匹配問題的向量表示  63 
4.2 基于圖神經(jīng)網(wǎng)絡(luò)的問題特征提取  64 
4.2.1 空天資源-任務(wù)匹配問題的圖神經(jīng)網(wǎng)絡(luò)模型  64 
4.2.2 空天資源-任務(wù)匹配問題的圖神經(jīng)網(wǎng)絡(luò)訓練  64 
4.3 基于雙重深度 Q 網(wǎng)絡(luò)的問題求解  66 
4.3.1 雙重深度 Q 網(wǎng)絡(luò)基本定義  67 
4.3.2 基于雙重深度 Q 網(wǎng)絡(luò)的空天資源-任務(wù)匹配問題求解  67 
4.3.3 雙重深度 Q 網(wǎng)絡(luò)模型的訓練  68 
4.4 仿真實驗及分析  70 
4.4.1 仿真實驗設(shè)計  70 
4.4.2 算法效能分析  70 
4.4.3 計算時間代價分析  72 
4.4.4 訓練時間代價分析  73 
4.4.5 大規(guī)模問題泛化性實驗  73 
4.5 本章小結(jié)  77 
第 5 章 面向空天資源的任務(wù)智能化分配技術(shù)  78 
5.1 問題建模  78 
5.2 求解方法  81 
5.2.1 算法框架  81 
5.2.2 改進蟻群算法  83 
5.2.3 多目標模擬退火算法  86 
5.2.4 鄰域搜索算子設(shè)計  87 
5.3 仿真實驗及分析  88 
5.3.1 仿真實驗設(shè)計  88 
5.3.2 算法基本表現(xiàn)分析  91 
5.3.3 算法超體積表現(xiàn)分析  93 
5.4 本章小結(jié)  95 
第 6 章 基于蟻群優(yōu)化的天基資源任務(wù)智能規(guī)劃技術(shù)  97 
6.1 問題建模  97 
6.2 求解方法  100 
6.2.1 算法框架  100 
6.2.2 多蟻群算法  101 
6.2.3 鄰域搜索算子設(shè)計  105 
6.3 仿真實驗及分析  106 
6.3.1 仿真實驗設(shè)計  106 
6.3.2 MAS-LS 算法參數(shù)調(diào)優(yōu)實驗結(jié)果 107 
6.3.3 蟻群算法求解效能對比實驗  108 
6.3.4 客戶選擇規(guī)則測試  109 
6.3.5 對比實驗結(jié)果分析  109 
6.4 本章小結(jié)  114 
第 7 章 基于演化計算的空基資源任務(wù)智能規(guī)劃技術(shù)  115 
7.1 空基資源任務(wù)規(guī)劃模型  115 
7.1.1 基本假設(shè)  116 
7.1.2 無人機速度更新模型  117 
7.1.3 速度更新規(guī)則系統(tǒng)  120 
7.2 基于演化計算的無人機集群控制模型優(yōu)化方法  121 
7.2.1 編碼操作  122 
7.2.2 交叉操作  122 
7.2.3 變異操作  123 
7.2.4 環(huán)境選擇  123 
7.2.5 種群多樣性控制  123 
7.2.6 評價指標  125 
7.3 仿真實驗及分析  127 
7.3.1 實驗設(shè)計  127 
7.3.2 算法性能試驗分析  128 
7.3.3 控制模型性能試驗分析  132 
7.3.4 路徑規(guī)劃結(jié)果  133 
7.4 本章小結(jié)  134 
第 8 章 總結(jié)與展望  136 
8.1 研究工作總結(jié)  136 
8.2 未來工作展望  138 
參考文獻  140 
附錄 A 算法代碼及實驗結(jié)果  150 
A.1 雙重深度 Q 學習網(wǎng)絡(luò)的訓練  150 
A.2  MOSA-ACO 算法表現(xiàn)分析  151 
A.2.1 算法基本表現(xiàn)分析匯總  151 
A.2.2 算法超體積分析表現(xiàn)分析匯總  156 
A.3 天基資源任務(wù)規(guī)劃問題仿真實驗結(jié)果  158 
A.4 無人機集群控制模型和路徑規(guī)劃結(jié)果  163 
A.4.1 控制模型性能試驗分析結(jié)果  163 
A.4.2 路徑規(guī)劃詳細結(jié)果  164 
附錄 B 縮寫詞列表  167