基于重采样粒子群优化的多卫星大区域目标观测调度
天体物理仪器与方法
2022-06-22 v1 人工智能
摘要
过去几十年中，地球观测卫星（EOSs）数量迅速增加，导致 EOSs 调度日益复杂。鉴于大区域观测的广泛应用，本文旨在解决面向大区域目标的多 EOS 观测调度问题。首先提出了一种采用投影参考平面和多边形裁剪技术的快速覆盖计算方法。随后，我们针对该调度问题建立了一个非线性整数规划模型，其目标函数基于所提出的覆盖计算方法计算。提出了一种基于贪婪初始化的重采样粒子群优化（GI-RPSO）算法来求解该模型。所采用的贪婪初始化策略和粒子重采样方法有助于在进化过程中生成高效且有效的解。最后，进行了大量实验以说明所提方法的有效性和可靠性。与传统粒子群优化和广泛使用的贪婪算法相比，所提出的 GI-RPSO 分别可将调度结果提升 5.42% 和 15.86%。
引用
@article{arxiv.2206.10178,
title = {Large region targets observation scheduling by multiple satellites using resampling particle swarm optimization},
author = {Yi Gu and Chao Han and Yuhan Chen and Shenggang Liu and Xinwei Wang},
journal= {arXiv preprint arXiv:2206.10178},
year = {2022}
}
备注
This work has been submitted to IEEE TAES