使用受 ACO 启发的算法进行 MGA 轨迹规划

给定一组天体，寻找连接该集合元素的借力飞行、深空机动（DSM）和转移弧的最优序列问题在本质上是组合问题。可能路径的数量随天体数量呈指数增长。因此，最优多重引力辅助（MGA）轨迹的设计是一个 NP 困难的混合组合-连续问题。其自动化解决方案将极大地改善未来空间任务的设计，允许在短时间内评估大量备选任务方案。这项工作提出将多重引力辅助轨迹的完整自动设计表述为一个自主规划与调度问题。由此产生的调度计划将提供最优的行星序列以及对相关最优轨迹集的良好估计。轨迹模型由通过包含一个 DSM 的二维转移弧连接的天体序列组成。对于每条转移弧，在到达时刻的行星和航天器位置通过改变前一次借力飞行的近心点，或对于首段弧改变发射剩余速度的大小来匹配。对于每个出发日期，该模型生成一棵从出发到目标行星的可能转移的完整树。树的每个叶节点代表一次行星交会以及到达该行星的可能方式。设计了一种受蚁群优化（ACO）启发的算法来探索可能计划的空间。蚂蚁从出发到目的地探索该树，每次添加一个节点：每当蚂蚁位于一个节点时，使用概率函数来选择可行方向。这种自动轨迹规划方法被应用于设计前往土星以及在木星伽利略卫星之间的最优转移。