論文の概要: A Genetic Algorithm Framework for Optimizing Three-Impulse Orbital Transfers with Poliastro Simulation
- arxiv url: http://arxiv.org/abs/2508.03466v1
- Date: Tue, 05 Aug 2025 14:03:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-06 18:18:55.997091
- Title: A Genetic Algorithm Framework for Optimizing Three-Impulse Orbital Transfers with Poliastro Simulation
- Title（参考訳）: ポリアストロシミュレーションによる3インパルス軌道移動の最適化のための遺伝的アルゴリズムフレームワーク
- Authors: Phuc Hao Do, Tran Duc Le,
- Abstract要約: 本稿では, 遺伝的アルゴリズム(GA)とポリアストロ軌道力学ライブラリを結合して, 燃料最適3パルス移動軌道を自律的に発見する計算フレームワークを提案する。
低地球軌道(LEO)から地球静止軌道(GEO)への低エネルギー移動と、LEOの20倍の半径を持つ遠方の軌道への高エネルギー移動である。
LEO-to-GEO転送では、GAは古典的なホーマン変換に正確に収束し、同じ$Delta V$の3853.96 m/sを達成し、検証する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Orbital maneuver planning is a critical aspect of mission design, aimed at minimizing propellant consumption, which is directly correlated with the total velocity change ($\Delta V$). While analytical solutions like the Hohmann and Bi-elliptic transfers offer optimal strategies for specific cases, they lack the flexibility for more general optimization problems. This paper presents a computational framework that couples a Genetic Algorithm (GA) with the Poliastro orbital mechanics library to autonomously discover fuel-optimal, three-impulse transfer trajectories between coplanar circular orbits. We validate this framework across two distinct scenarios: a low-energy transfer from Low Earth Orbit (LEO) to a Geostationary Orbit (GEO), and a high-energy transfer to a distant orbit with a radius 20 times that of LEO. Our results demonstrate the framework's remarkable adaptability. For the LEO-to-GEO transfer, the GA precisely converges to the classical Hohmann transfer, achieving an identical $\Delta V$ of 3853.96 m/s and validating the method's accuracy. Conversely, for the high-energy transfer, the GA identifies a superior Bi-elliptic trajectory that yields a significant $\Delta V$ saving of 213.47 m/s compared to the Hohmann transfer. This fuel efficiency, however, necessitates a trade-off, extending the mission duration from approximately 1 day to over 140 years. This work demonstrates an accessible and powerful toolchain for the rapid prototyping of optimal trajectories, showcasing how combining evolutionary algorithms with open-source libraries provides a robust method for solving complex astrodynamics problems and quantifying their critical design trade-offs.
- Abstract（参考訳）: オービタル・オペレーショナル・プランニング(Orbital maneuver planning)は、推進剤の消費を最小化することを目的としたミッション設計の重要な側面であり、これは全速度変化と直接的に相関している。
ホーマン変換や双楕円変換のような解析解は特定の場合に対して最適な戦略を提供するが、より一般的な最適化問題に対する柔軟性は欠如している。
本稿では, 遺伝的アルゴリズム(GA)とポリアストロ軌道力学ライブラリを結合して, コプラナー円軌道間の燃料最適3パルス移動軌道を自律的に発見する計算フレームワークを提案する。
低地球軌道(LEO)から地球静止軌道(GEO)への低エネルギー移動と、LEOの20倍の半径を持つ遠方の軌道への高エネルギー移動である。
私たちの結果は、フレームワークの顕著な適応性を示しています。
LEO-to-GEO転送では、GAは古典的なホーマン変換に正確に収束し、同じ$\Delta V$の3853.96 m/sを達成し、メソッドの精度を検証する。
逆に、高エネルギー移動では、GAはホフマン移動と比較して213.47m/sのデルタVを節約できる優れた双楕円軌道を識別する。
しかし、この燃料効率はトレードオフを必要とし、ミッションの期間はおよそ1日から140年に及ぶ。
この研究は、最適な軌道の高速なプロトタイピングのためのアクセス可能で強力なツールチェーンを示し、進化的アルゴリズムとオープンソースライブラリの組み合わせが、複雑な天体力学の問題を解決し、重要な設計トレードオフを定量化するための堅牢な方法を提供することを示す。
関連論文リスト
- Towards Robust Spacecraft Trajectory Optimization via Transformers [17.073280827888226]
我々は,非最適制御問題をリアルタイムに解くための自律生成モデルを開発した。
我々はARTの能力を拡張し、確率制約のある最適制御問題に対処する。
この作業は、宇宙船のような安全クリティカルな自律システムにAI駆動のソリューションを確実に展開するための最初のステップである。
論文 参考訳（メタデータ） (2024-10-08T00:58:42Z) - Geometric Optimization of Quantum Control with Minimum Cost [1.8142288667655777]
微分幾何学的観点から量子制御の最適化について検討する。
我々の手法では、最適制御は量子状態の進化に伴うコストを最小限に抑える。
このフレームワークは、断熱駆動にショートカットを最適化するための幾何学的手法を提供する。
論文 参考訳（メタデータ） (2024-09-22T17:15:34Z) - Accelerating 3D Molecule Generation via Jointly Geometric Optimal Transport [25.89095414975696]
本稿では,高速かつ効率的な3次元分子生成のための新しい3次元分子生成フレームワークGOATを提案する。
基本分布と対象データ分布の間の多モード特徴をマッピングするコストを測定するための幾何輸送公式を定式化する。
GOATは幾何的最適輸送の解法を効率よく行うことができることを示す。
論文 参考訳（メタデータ） (2024-05-24T06:22:01Z) - 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) - A Computational Framework for Solving Wasserstein Lagrangian Flows [48.87656245464521]
一般に、最適密度経路は未知であり、これらの変動問題の解法は計算的に困難である。
本稿では,これらすべての問題に統一的な視点からアプローチする,新しいディープラーニングベースのフレームワークを提案する。
提案手法は, 単セル軌道推定における従来の手法より優れていることを示す。
論文 参考訳（メタデータ） (2023-10-16T17:59:54Z) - Fast Computation of Optimal Transport via Entropy-Regularized Extragradient Methods [75.34939761152587]
2つの分布間の最適な輸送距離の効率的な計算は、様々な応用を促進するアルゴリズムとして機能する。
本稿では,$varepsilon$加法精度で最適な輸送を計算できるスケーラブルな一階最適化法を提案する。
論文 参考訳（メタデータ） (2023-01-30T15:46:39Z) - Manifold Interpolating Optimal-Transport Flows for Trajectory Inference [64.94020639760026]
最適輸送流(MIOFlow)を補間するマニフォールド補間法を提案する。
MIOFlowは、散発的なタイムポイントで撮影された静的スナップショットサンプルから、連続的な人口動態を学習する。
本手法は, 胚体分化および急性骨髄性白血病の治療から得られたscRNA-seqデータとともに, 分岐とマージによるシミュレーションデータについて検討した。
論文 参考訳（メタデータ） (2022-06-29T22:19:03Z) - Joint Spatial-Temporal and Appearance Modeling with Transformer for
Multiple Object Tracking [59.79252390626194]
本稿ではTransSTAMという新しい手法を提案する。Transformerを利用して各オブジェクトの外観特徴とオブジェクト間の空間的時間的関係の両方をモデル化する。
提案手法はMOT16, MOT17, MOT20を含む複数の公開ベンチマークで評価され, IDF1とHOTAの両方で明確な性能向上を実現している。
論文 参考訳（メタデータ） (2022-05-31T01:19:18Z) - Distributed Multi-agent Meta Learning for Trajectory Design in Wireless
Drone Networks [151.27147513363502]
本稿では,動的無線ネットワーク環境で動作するエネルギー制約型ドローン群に対する軌道設計の問題点について検討する。
値ベース強化学習(VDRL)ソリューションとメタトレイン機構を提案する。
論文 参考訳（メタデータ） (2020-12-06T01:30:12Z) - A differential evolution-based optimization tool for interplanetary
transfer trajectory design [0.5792385818430937]
本稿では,CODE (Cooperative Differential Evolution) と呼ばれる強力な微分進化に基づく最適化ツールを提案する。
CODEは、初期のプロセスでグローバルな構造を学ぶことに集中し、異なる局所空間の構造を自己適応的に学習する傾向がある2段階の進化過程を採用している。
最も複雑なMessenger(フル)問題に対して、目的関数が3.38km/sに等しい最良のソリューションは、他のスワム知能アルゴリズムが容易に到達できないレベルである。
論文 参考訳（メタデータ） (2020-11-13T06:35:17Z) - Domain Adaptive Person Re-Identification via Coupling Optimization [58.567492812339566]
ドメイン適応型人物再識別(ReID)は、ドメインのギャップとターゲットシナリオに対するアノテーションの不足のために困難である。
本稿では,ドメイン不変写像 (DIM) 法とグローバル局所距離最適化 (GLO) を含む結合最適化手法を提案する。
GLOはターゲットドメインの教師なし設定でReIDモデルをトレーニングするために設計されている。
論文 参考訳（メタデータ） (2020-11-06T14:01:03Z) - Real-Time Optimal Guidance and Control for Interplanetary Transfers
Using Deep Networks [10.191757341020216]
最適な例の模倣学習は、ネットワークトレーニングパラダイムとして使用される。
G&CNETは、宇宙船の最適誘導制御システムの実装をオンボードでリアルタイムに行うのに適している。
論文 参考訳（メタデータ） (2020-02-20T23:37:43Z)
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。