論文の概要: A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode
- arxiv url: http://arxiv.org/abs/2408.16300v1
- Date: Thu, 29 Aug 2024 06:57:45 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-30 14:43:40.494758
- Title: A Distance Similarity-based Genetic Optimization Algorithm for Satellite Ground Network Planning Considering Feeding Mode
- Title（参考訳）: フィードモードを考慮した衛星地上ネットワーク計画のための距離類似性に基づく遺伝的最適化アルゴリズム
- Authors: Yingying Ren, Qiuli Li, Yangyang Guo, Witold Pedrycz, Lining Xing, Anfeng Liu, Yanjie Song,
- Abstract要約: 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。
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)を提案する。
シミュレーション実験の結果,DSGAはSGNPFM問題を効果的に解くことができることがわかった。
- 参考スコア（独自算出の注目度）: 53.71516191515285
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: With the rapid development of the satellite industry, the information transmission network based on communication satellites has gradually become a major and important part of the future satellite ground integration network. However, the low transmission efficiency of the satellite data relay back mission has become a problem that is currently constraining the construction of the system and needs to be solved urgently. Effectively planning the task of satellite ground networking by reasonably scheduling resources is crucial for the efficient transmission of task data. In this paper, we hope to provide a task execution scheme that maximizes the profit of the networking task for satellite ground network planning considering feeding mode (SGNPFM). To solve the SGNPFM problem, a mixed-integer planning model with the objective of maximizing the gain of the link-building task is constructed, which considers various constraints of the satellite in the feed-switching mode. Based on the problem characteristics, we propose a distance similarity-based genetic optimization algorithm (DSGA), which considers the state characteristics between the tasks and introduces a weighted Euclidean distance method to determine the similarity between the tasks. To obtain more high-quality solutions, different similarity evaluation methods are designed to assist the algorithm in intelligently screening individuals. The DSGA also uses an adaptive crossover strategy based on similarity mechanism, which guides the algorithm to achieve efficient population search. In addition, a task scheduling algorithm considering the feed-switching mode is designed for decoding the algorithm to generate a high-quality scheme. The results of simulation experiments show that the DSGA can effectively solve the SGNPFM problem.
- Abstract（参考訳）: 衛星産業の急速な発展に伴い、通信衛星に基づく情報伝送ネットワークは、徐々に、将来の衛星地上統合ネットワークの重要かつ重要な部分となっている。
しかし、衛星データリレーバックミッションの低送信効率は、現在システムの構築を制約している問題であり、緊急に解決する必要がある。
資源を合理的にスケジューリングすることで、衛星地上ネットワークのタスクを効果的に計画することは、タスクデータの効率的な送信に不可欠である。
本稿では,衛星地上ネットワーク計画において,摂食モード(SGNPFM)を考慮したネットワークタスクの利益を最大化するタスク実行方式を提案する。
SGNPFM問題を解決するために,リンク構築タスクの利得を最大化するための混合整数計画モデルを構築し,衛星の様々な制約をフィードスイッチングモードで考慮する。
本稿では,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重み付きユークリッド距離法を提案する。
より高品質なソリューションを得るために、個人をインテリジェントにスクリーニングするアルゴリズムを支援するために、異なる類似性評価方法が設計されている。
DSGAはまた、類似性メカニズムに基づいた適応的クロスオーバー戦略を使用して、効率的な人口探索を実現するアルゴリズムを誘導する。
また、フィードスイッチングモードを考慮したタスクスケジューリングアルゴリズムは、アルゴリズムをデコードして高品質なスキームを生成するように設計されている。
シミュレーション実験の結果,DSGAはSGNPFM問題を効果的に解くことができることがわかった。
関連論文リスト
- Collaborative Ground-Space Communications via Evolutionary Multi-objective Deep Reinforcement Learning [113.48727062141764]
地中直接通信を実現するために,分散コラボレーティブビームフォーミング(DCB)に基づくアップリンク通信パラダイムを提案する。
DCBは、低軌道(LEO)衛星と効率的な直接接続を確立することができない端末を分散アンテナとして扱う。
本稿では,進化的多目的深層強化学習アルゴリズムを提案する。
論文 参考訳（メタデータ） (2024-04-11T03:13:02Z) - Satellite Federated Edge Learning: Architecture Design and Convergence Analysis [47.057886812985984]
本稿では,FEDMEGAという新しいFEELアルゴリズムを提案する。
軌道内モデルアグリゲーションのための衛星間リンク(ISL)を統合することにより、提案アルゴリズムは低データレートと断続的なGSLの使用を著しく削減する。
提案手法は,環全リデューサに基づく軌道内アグリゲーション機構と,グローバルモデルアグリゲーションのためのネットワークフローベースのトランスミッションスキームを組み合わせたものである。
論文 参考訳（メタデータ） (2024-04-02T11:59:58Z) - Toward Autonomous Cooperation in Heterogeneous Nanosatellite
Constellations Using Dynamic Graph Neural Networks [0.0]
本稿では,星座とCPを動的ネットワークとしてモデル化し,その課題を克服する新しい手法を提案する。
トレーニングされたニューラルネットワークは、平均絶対誤差3.6分でネットワーク遅延を予測することができる。
シミュレーションの結果,提案手法は大型衛星ネットワークの接触計画の設計に成功し,従来のアプローチと同様,遅延率を29.1%向上させることができた。
論文 参考訳（メタデータ） (2024-03-01T17:26:02Z) - Security-Sensitive Task Offloading in Integrated Satellite-Terrestrial Networks [15.916368067018169]
本稿では,衛星・地上ネットワーク(ISTN)構造にLEO衛星エッジを配置し,テキストセキュリティに敏感な計算タスクのオフロードを支援することを提案する。
本研究では,タスク割り当ておよびタスクオフロード順序問題を協調最適化問題としてモデル化し,タスクオフロード遅延,エネルギー消費,攻撃回数の最小化と信頼性制約を満たす。
論文 参考訳（メタデータ） (2024-01-20T07:29:55Z) - Optimal Entanglement Distribution using Satellite Based Quantum Networks [16.797145253236607]
衛星量子通信は、地理的に非常に長距離に分離された地上局間で高品質な量子絡み合いを分散することができる。
この研究は、軌道を公転する衛星の星座を用いて、一対の地上局に二部体の絡み合いを最適に分配することに焦点を当てている。
論文 参考訳（メタデータ） (2022-05-24T20:32:00Z) - Data-Driven Random Access Optimization in Multi-Cell IoT Networks with
NOMA [78.60275748518589]
非直交多重アクセス(NOMA)は、5Gネットワーク以降で大規模なマシンタイプ通信(mMTC)を可能にする重要な技術です。
本稿では,高密度空間分散マルチセル無線IoTネットワークにおけるランダムアクセス効率向上のために,NOMAを適用した。
ユーザ期待容量の幾何学的平均を最大化するために,各IoTデバイスの伝送確率を調整したランダムチャネルアクセス管理の新たな定式化を提案する。
論文 参考訳（メタデータ） (2021-01-02T15:21:08Z) - Bottom-up mechanism and improved contract net protocol for the dynamic
task planning of heterogeneous Earth observation resources [61.75759893720484]
地球観測資源は、災害救助、被害評価、関連する領域においてますます不可欠になりつつある。
観測要求の変更や悪天候の発生、資源の失敗など、予測できない多くの要因は、スケジュールされた観測計画が実行不可能になる可能性がある。
不均質な地球観測資源の動的タスク計画を容易にするため、ボトムアップ分散協調フレームワークと改良された契約網を提案する。
論文 参考訳（メタデータ） (2020-07-13T03:51:08Z) - Mission schedule of agile satellites based on Proximal Policy
Optimization Algorithm [0.0]
衛星のミッションスケジュールは、近年の宇宙活動において重要な部分である。
本稿では、強化学習アルゴリズムを組み込んで、その問題を記述するための新しい方法を見つける。
論文 参考訳（メタデータ） (2020-07-05T14:28:44Z) - 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。