論文の概要: GEO satellites on-orbit repairing mission planning with mission deadline
constraint using a large neighborhood search-genetic algorithm
- arxiv url: http://arxiv.org/abs/2110.03878v1
- Date: Fri, 8 Oct 2021 03:33:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-03-12 01:12:32.846698
- Title: GEO satellites on-orbit repairing mission planning with mission deadline
constraint using a large neighborhood search-genetic algorithm
- Title(参考訳): 大近傍探索-ジェネティックアルゴリズムを用いたミッション期限制約付き地球衛星軌道修正ミッション計画
- Authors: Peng Han, Yanning Guo, Chuanjiang Li, Hui Zhi, Yueyong Lv
- Abstract要約: 本稿では,多対多の軌道修正ミッション計画のための大規模近傍探索適応型遺伝的アルゴリズム(LNS-AGA)を提案する。
多くの軌道上の修理シナリオでは、いくつかのサーベイリング宇宙船とターゲット衛星がGEO軌道にあり、RAANと真の異常がある。
ミッションの目的は、すべての衛星が修理された全ての衛星の総コストを最小化するために、すべての衛星の最適なサービスシーケンスと軌道ランデブー時間を見つけることである。
- 参考スコア(独自算出の注目度): 2.106508530625051
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper proposed a novel large neighborhood search-adaptive genetic
algorithm (LNS-AGA) for many-to-many on-orbit repairing mission planning of
geosynchronous orbit (GEO) satellites with mission deadline constraint. In the
many-to-many on-orbit repairing scenario, several servicing spacecrafts and
target satellites are located in GEO orbits which have different inclination,
RAAN and true anomaly. Each servicing spacecraft need to rendezvous with target
satellites to perform repairing missions under limited fuel. The mission
objective is to find the optimal servicing sequence and orbit rendezvous time
of every servicing spacecraft to minimize total cost of all servicing
spacecrafts with all target satellites repaired. Firstly, a time-dependent
orbital rendezvous strategy is proposed, which can handle the mission deadline
constraint. Besides, it is also cost-effective compared with the existing
strategy. Based on this strategy, the many-to-many on-orbit repairing mission
planning model can be simplified to an integer programming problem, which is
established based on the vehicle routing problem with time windows (VRPTW)
model. In order to efficiently find a feasible optimal solution under
complicated constraints, a hybrid adaptive genetic algorithm combining the
large neighborhood search procedure is designed. The operations of "destroy"
and "repair" are used on the elite individuals in each generation of the
genetic algorithm to enhance local search capabilities. Finally, the
simulations under different scenarios are carried out to verify the
effectiveness of the presented algorithm and orbital rendezvous strategy, which
performs better than the traditional genetic algorithm.
- Abstract(参考訳): 本稿では,地球同期軌道(GEO)衛星の多対多の軌道修正ミッション計画のための大規模近傍探索適応遺伝的アルゴリズム(LNS-AGA)を提案する。
多くの軌道上の修理シナリオでは、いくつかのサーベイリング宇宙船とターゲット衛星がGEO軌道にあり、RAANと真の異常がある。
それぞれの宇宙船は、限られた燃料で修理ミッションを行うために、ターゲット衛星とランデブーする必要がある。
ミッションの目的は、全てのサービテーション宇宙船の最適なサービッキングシーケンスと軌道ランデブー時間を見つけ、すべてのターゲット衛星が修理されたサービッキング宇宙船の総コストを最小化することである。
まず、ミッション期限の制約を処理可能な、時間に依存した軌道ランデブー戦略が提案されている。
また、既存の戦略に比べてコスト効率も高い。
この戦略に基づいて、多対多の軌道修正ミッション計画モデルを、時間ウィンドウ(VRPTW)モデルを用いた車両ルーティング問題に基づいて確立した整数プログラミング問題に単純化することができる。
複雑な制約下で実現可能な最適解を効率的に見つけるために,大規模な近傍探索手法を組み合わせたハイブリッド適応遺伝的アルゴリズムを設計する。
遺伝的アルゴリズムの各世代におけるエリート個人の「破壊」と「修復」の操作は、局所探索能力を高めるために使用される。
最後に,従来の遺伝的アルゴリズムよりも優れた提案アルゴリズムと軌道ランデブー戦略の有効性を検証するために,異なるシナリオ下でシミュレーションを行った。
関連論文リスト
- Optimal Ground Station Selection for Low-Earth Orbiting Satellites [36.896695278624776]
本稿では,低地球軌道(LEO)ミッションにおける最適な地上局選択の問題に対する解決法を提案する。
ミッションオペレーターは、地上セグメントの性能とコストを正確に設計することができる。
論文 参考訳(メタデータ) (2024-10-04T22:48:50Z) - Revisiting Space Mission Planning: A Reinforcement Learning-Guided Approach for Multi-Debris Rendezvous [15.699822139827916]
目的は、与えられたすべての破片を訪問して、ミッション全体のランデブーを最小限に抑えるシーケンスを最適化することである。
ニューラルネットワーク(NN)ポリシーが開発され、さまざまなデブリフィールドを持つシミュレーションされた宇宙ミッションで訓練される。
強化学習アプローチは計画効率を著しく向上させる。
論文 参考訳(メタデータ) (2024-09-25T12:50:01Z) - A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode [53.71516191515285]
衛星データ中継ミッションの送信効率の低さは、現在システムの構築を制約している問題となっている。
本研究では,タスク間の状態特性を考慮した距離類似性に基づく遺伝的最適化アルゴリズム(DSGA)を提案し,タスク間の類似性を決定するための重み付きユークリッド距離法を提案する。
論文 参考訳(メタデータ) (2024-08-29T06:57:45Z) - Solving Complex Multi-UAV Mission Planning Problems using
Multi-objective Genetic Algorithms [4.198865250277024]
本稿では、複雑なミッション計画問題(MPP)を解決するための多目的遺伝的アルゴリズムを提案する。
ソリューションが有効かどうかを確認するために,制約満足度問題(CSP)を用いてハイブリッドフィットネス関数を設計した。
実験の結果、新しいアルゴリズムは優れた解を得ることができるが、問題がより複雑になると、最適解を見つけることも困難になる。
論文 参考訳(メタデータ) (2024-02-09T16:13:21Z) - Quantum algorithms applied to satellite mission planning for Earth
observation [0.0]
本稿では,衛星計画問題の解法として,量子アルゴリズムのセットを紹介する。
この問題は、実際のデータセットで完了した高優先度タスクの数を最大化するものとして定式化されている。
ハイブリッド化量子強化学習エージェントは、高優先度タスクに対して98.5%の完了率を達成することができる。
論文 参考訳(メタデータ) (2023-02-14T16:49:25Z) - Innovations in the field of on-board scheduling technologies [64.41511459132334]
本稿では、ミッション自律のためのソフトウェアフレームワークに組み込まれた、オンボードスケジューラを提案する。
スケジューラは線形整数プログラミングに基づいており、ブランチ・アンド・カット・ソルバの使用に依存している。
この技術は地球観測のシナリオでテストされており、その性能を最先端のスケジューリング技術と比較している。
論文 参考訳(メタデータ) (2022-05-04T12:00:49Z) - AutoSpace: Neural Architecture Search with Less Human Interference [84.42680793945007]
現在のニューラルネットワークアーキテクチャ検索(NAS)アルゴリズムは、ネットワーク構築のための検索空間を設計するための専門知識と努力を必要とします。
探索空間を最適なものに進化させる新しい微分可能な進化フレームワークであるAutoSpaceを提案する。
学習した検索空間では、最近のNASアルゴリズムの性能は、以前手作業で設計した空間に比べて大幅に改善できる。
論文 参考訳(メタデータ) (2021-03-22T13:28:56Z) - A Maximum Independent Set Method for Scheduling Earth Observing
Satellite Constellations [41.013477422930755]
本稿では,衛星スケジューリング問題の解法として,実現不可能なグラフ表現を生成する手法を提案する。
光衛星のスカイサット星座と、最大24個の衛星のシミュレートされた星座の、要求された最大10,000の撮像位置のシナリオでテストされている。
論文 参考訳(メタデータ) (2020-08-15T19:32:21Z) - Jump Operator Planning: Goal-Conditioned Policy Ensembles and Zero-Shot
Transfer [71.44215606325005]
本稿では,シーケンシャルなサブゴールタスクの超指数空間における解を高速に計算するための,Jump-Operator Dynamic Programmingという新しいフレームワークを提案する。
このアプローチでは、時間的に拡張された行動として機能する、再利用可能な目標条件付き警察のアンサンブルを制御する。
すると、この部分空間上の目的関数のクラスを、解がグラウンド化に不変であるものとして特定し、最適ゼロショット移動をもたらす。
論文 参考訳(メタデータ) (2020-07-06T05:13:20Z) - Dynamic Multi-Robot Task Allocation under Uncertainty and Temporal
Constraints [52.58352707495122]
本稿では,不確実性およびマルチエージェント協調の下での逐次意思決定における重要な計算課題を分離するマルチロボット割当アルゴリズムを提案する。
都市におけるマルチアームコンベヤベルトピック・アンド・プレイスとマルチドローン配送ディスパッチの2つの異なる領域における広範囲なシミュレーション結果について検証を行った。
論文 参考訳(メタデータ) (2020-05-27T01:10:41Z) - Integrating LEO Satellite and UAV Relaying via Reinforcement Learning
for Non-Terrestrial Networks [51.05735925326235]
低軌道軌道(LEO)衛星のメガコンステレーションは、低レイテンシで長距離通信を可能にする可能性がある。
軌道上の星座から選択されたLEO衛星を用いて、2つの遠距離地上端末間でパケットを転送する問題について検討する。
エンドツーエンドのデータレートを最大化するためには、衛星アソシエーションとHAPロケーションを最適化する必要がある。
本稿では, 深部強化学習(DRL)と新しい動作次元低減技術を用いてこの問題に対処する。
論文 参考訳(メタデータ) (2020-05-26T05:39:27Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト(すべての情報・翻訳含む)の品質を保証せず、本サイト(すべての情報・翻訳含む)を使用して発生したあらゆる結果について一切の責任を負いません。