使用列生成方法优化探索任务概念操作中的分类选择

空间任务，特别是复杂的大规模探索任务，常常涉及其概念操作中的许多离散决策或事件。尽管存在各种方法用于优化任务设计中的连续变量，但概念操作中存在的离散事件会干扰使用依赖于具有明确连续数学表达式来定义系统的方法。通常情况下，任务构架师会通过解决每个分类决策的所有排列组合来规避这一问题，或在不可行时使用元启发式求解器。然而，这在计算时间方面可能是 prohibitively 昂贵的。或者，可以使用二进制变量表示概念操作中的分类决策。如果 naively 实现，商业可用的混合整数线性规划(MILP)求解器仍然较慢。该类的问题可以使用列生成方法更高效地解决。此处，通过删除大量变量来创建受限问题。求解受限问题，然后对未使用的变量进行定价，以测试如果将其添加，是否会提高受限问题的目标值。列生成方法是特定于问题的，因此不存在保证解决这些分类问题的方法。因此，本文提出了定义代表太空探索任务概念操作的受限问题的指南。描述了列生成过程，然后应用于两个案例研究：一个针对 crewed火星任务的ConOps，在该任务中，使用离散决策对跨火星 spacecraft 的设计、装配和分阶段进行建模；以及在扩展的Artemis表面探索任务背景下，对转月物流的有效载荷交付排程进行建模。