前 言 当代，国民生活对空天信息的需求越来越大，对各类空天信息获取的时效性、综合性、复杂性要求越来越突出。尤其在响应国土资源测绘、防灾减灾、应急搜救等典型需求时，通常需要多类卫星或无人机等资源在复杂的任务条件下互相配合，共同完成一个或多个复杂需求。同时，空天信息的用户开始呈现下沉趋势，具体表现在用户对空天信息获取的工作流程熟悉程度下降，用户中非专家用户的比例上升。这就要求空天资源调配和控制系统能够充分理解用户的使命级需求，并在系统内现有资源的条件下，精准匹配用户需求，快速给出合理的空天资源分配和调度方案。 本书所述方法旨在帮助空天资源管控系统有效理解用户需求，结合系统内当前资源情况，快速给出合理的任务分配和资源调度方案。另外，在任务分配和资源调度方案基础上，结合不同类型资源的实际应用场景，针对不同类型资源的使用特点进行方案的智能优化。 本书将该问题划分为以下四个阶段：空天任务-资源匹配阶段、空天任务协同分配阶段、天基任务规划阶段、空基任务规划阶段。其中，空天任务-资源匹配阶段结合系统内现有资源的情况，以及空天信息用户的信息需求，生成对应的空天任务清单-空天资源匹配方案。空天任务分配阶段则在前一阶段产生的空天任务清单-空天资源匹配方案的基础上，结合系统内不同资源的特点和任务执行需求，对空天任务进行合理分配。天基任务规划阶段在空天任务协同分配方案和基础上，针对天基任务执行资源的使用特征，对天基任务执行方案进行优化。空基任务规划阶段则针对空天任务分配方案中的空基任务，在多目标优化方法和仿真实验的基础上，给出空基资源控制系统优化策略，辅助空基资源任务执行。本书的主要内容包括： （1）针对空天资源-任务匹配阶段的具体问题，结合当前空天资源-任务匹配阶段对于处理速度和处理精度的需求，研发了基于深度学习的资源-任务智能化匹配技术。该技术首先采用图神经网络对空天资源分配问题进行了建模和特征提取，然后采用深度学习方法对图神经网络的输出结果进行了求解。最后，设计仿真实验对基于深度学习的资源-任务智能化匹配技术的效能进行了验证。 （2）针对空天任务协同分配阶段中包含的具体问题，结合空天任务协同分配阶段对于分配结果的鲁棒性要求，研发了面向空天资源的任务智能化分配技术。该技术首先总结了空天任务分配问题的特征，并以此为基础将空天任务分配问题建模为一类特殊的周期车辆路径问题。然后，设计一种基于改进蚁群算法和模拟退火算法相结合的优化算法，对该问题进行了求解。最后，设计仿真实验对面向空天资源的任务智能化分配技术的效能进行了验证。 （3）针对天基任务规划阶段的具体问题，结合天基资源任务规划问题中关于任务可用执行时长的优化需求，提出了基于蚁群优化的天基资源任务智能规划技术。该技术首先总结了天基资源任务规划问题中的核心要素，并将该问题抽象为一类特殊的带时间窗车辆路径问题。然后，设计相应的改进多目标多蚁群算法对该问题进行了求解。最后，设计仿真实验对基于蚁群优化的天基资源任务智能规划技术的效能进行了验证。 （4）考虑空基任务规划阶段中的具体问题，结合空基任务规划阶段中的控制模型优化问题，提出了基于演化计算的空基资源任务智能规划技术。该策略首先提出了一种具有灵活性和可扩展性的空基资源控制模型，然后以此模型为基础提出了基于智能优化和仿真的空基资源控制模型优化方法。最后，设计相应的仿真场景和实验对该优化方法及控制模型的效能进行了验证。 本书的出版得到了如下基金项目资助：国家自然科学基金（71901213）、广东省自然科学基金（2019A1515011648）、湖南省自然科学基金面上项目（2022JJ30671），在此表示感谢。 作者 2022 年7 月

• 暂无课件
• 样章下载
• 暂无网络资源

扫描二维码
下载APP了解更多

版权图片链接