目 录
第1章 绪论 1
1.1 研究背景与意义 1
1.1.1 研究背景 1
1.1.2 研究意义 5
1.2 国内外研究现状与总结 6
1.2.1 移动目标运动预测问题研究现状 6
1.2.2 敏捷能力下的单星自主调度问题研究现状 9
1.2.3 多星自主协同规划问题研究现状 14
1.2.4 机器学习方法在组合优化问题中应用现状 17
1.2.5 现状分析与总结 19
1.3 本书主要工作 20
1.3.1 研究内容 20
1.3.2 组织结构 22
1.3.3 创新点 24
第2章 问题描述与求解框架 26
2.1 目标——资源分析 26
2.1.1 移动目标特征与分类 26
2.1.2 天基遥感卫星资源特征与分类 28
2.1.3 面向移动目标跟踪的星座资源 29
2.2 面向移动目标跟踪的多星协同规划与自主调度问题 33
2.2.1 问题约束特征 34
2.2.2 问题优化目标 40
2.2.3 问题分析总结 41
2.3 多星协同规划与自主调度问题通用求解框架 41
2.3.1 多星协同规划与自主调度的分层式通用求解框架 42
2.3.2 通用求解架构下的多星协同规划与自主调度问题分解 43
2.4 本章小结 48
第3章 面向移动目标跟踪的星上自主任务管理 49
3.1 移动目标运动模型与预测方法 49
3.1.1 非时敏移动目标运动模型与预测方法 49
3.1.2 时敏移动目标运动模型与预测方法 61
3.2 面向移动目标的星上自主任务生成 65
3.2.1 任务生成时间决策 66
3.2.2 任务生成要素决策 68
3.3 面向移动目标的任务优先级统筹 69
3.3.1 面向非时敏移动目标的任务优先级统筹 69
3.3.2 面向时敏移动目标的目标优先级统筹 72
3.4 本章小结 74
第4章 面向非时敏移动目标跟踪的单星自主任务调度技术 75
4.1 问题描述与建模 76
4.1.1 问题假设 76
4.1.2 符号说明 77
4.1.3 问题模型 77
4.1.4 敏捷姿态机动能力下时间依赖转换时间约束处理 81
4.2 基于图注意力网络的问题特征提取 83
4.2.1 图注意力网络 83
4.2.2 单星自主任务调度问题特征提取 84
4.2.3 单星自主任务调度问题的图注意力网络结构 88
4.3 基于近端策略优化的深度强化学习的问题求解 90
4.3.1 问题求解框架 91
4.3.2 强化学习中的基本概念 92
4.3.3 基于GAT的问题求解 93
4.3.4 基于PPO的网络模型训练 93
4.4 仿真实验及分析 96
4.4.1 仿真实验设计 96
4.4.2 训练过程分析 99
4.4.3 算法可行性分析 100
4.4.4 算法效能分析 102
4.5 本章小结 109
第5章 面向非时敏移动目标跟踪的多星协同任务分配技术 111
5.1 问题描述与建模 112
5.1.1 多星协同任务分配问题 112
5.1.2 问题假设 113
5.1.3 符号说明 114
5.1.4 问题模型 114
5.1.5 问题复杂性分析与求解思路 115
5.2 基于自适应机制的启发式多星协同任务分配方法 116
5.3 基于基因表达式编程演化构造启发式多星协同任务分配方法 121
5.3.1 问题求解框架 122
5.3.2 问题特征选取与归一化 122
5.3.3 基于GEP的规则演化方法 127
5.4 仿真实验及分析 135
5.4.1 仿真实验设计 135
5.4.2 演化过程分析 135
5.4.3 算法可行性分析 139
5.4.4 算法效能分析 140
5.5 本章小结 145
第6章 面向时敏移动目标跟踪的多星自主协同规划技术 147
6.1 问题描述与建模 148
6.1.1 多星协同任务规划问题 148
6.1.2 问题假设 152
6.1.3 符号说明 153
6.1.4 问题模型 154
6.2 分散式多星自主协同任务规划方法 158
6.2.1 问题求解分析 159
6.2.2 面向时敏移动目标的星上自主任务管理 159
6.2.3 基于知识规则的单星自主调度方法 160
6.2.4 基于RRB的多星在线协同机制 164
6.3 仿真实验及分析 167
6.3.1 仿真实验设计 167
6.3.2 算法可行性分析 168
6.3.3 算法参数分析 174
6.3.4 候选子任务选择策略分析 176
6.4 本章小结 177
第7章 结论与展望 178
7.1 结论 178
7.2 展望 180
参考文献 183
附录A 缩略语表 194
