基于自适应模拟退火的大规模星座测控资源调度算法

doi:10.7527/S1000-6893.2022.27759

电子电气工程与控制

本期目录 | 过刊浏览 | 高级检索

前一篇 | 后一篇

基于自适应模拟退火的大规模星座测控资源调度算法

伍国华(), 王天宇

中南大学交通运输与工程学院，长沙 410073

收稿日期:2022-07-04 修回日期:2022-07-20 接受日期:2022-08-04 出版日期:2023-06-25 发布日期:2022-08-08
通讯作者: 伍国华 E-mail:guohuawu@csu.edu.cn
基金资助:
国家自然科学基金(62073341)

Large-scale constellation TT&C resource scheduling algorithm based on adaptive simulated annealing

Guohua WU(), Tianyu WANG

School of Traffic and Transportation Engineering，Central South University，Changsha 410073，China

Received:2022-07-04 Revised:2022-07-20 Accepted:2022-08-04 Online:2023-06-25 Published:2022-08-08
Contact: Guohua WU E-mail:guohuawu@csu.edu.cn
Supported by:
National Natural Science Foundation of China(62073341)

摘要/Abstract

摘要：

随着在轨卫星数量快速增长，使得本就相对匮乏的测控（TT＆C）资源更加紧张。面向大规模星座的测控资源调度问题受到多重约束条件的限制，是一个冲突性很强的复杂组合优化问题。为提高卫星测控系统的测控能力和测控任务的完成收益，提出一种改进的自适应模拟退火算法以解决大规模星座测控资源调度问题。首先分析卫星测控资源调度问题的业务流程，针对卫星测控任务需求和资源使用约束，建立了以最大化任务完成总收益为优化目标的约束满足模型，并且提出一种评估任务选择可用测控弧段冲突度的方法，设计了基于适应度的任务分配算法以生成一个质量较优的初始可行解。然后设计了结合扰动策略和禁忌表的自适应模拟退火算法，即在算法迭代过程中自适应的控制温度和邻域结构选择概率的更新，通过禁忌表的短期记忆机制避免重复搜索，结合扰动策略对解进行一定的扰动，从而跳出局部最优解，增强算法的寻优性能。最后为验证所提出算法的有效性，开展大量的仿真实验，将该算法与模拟退火算法、遗传算法、基于适应度的任务分配算法和最大权重最先分配算法进行对比。实验结果表明：所提算法相比传统算法在任务收益率方面分别提高了10.34%、23.59%、23.20%和46.51%。

关键词: 大规模星座, 测控资源调度, 冲突度, 模拟退火算法, 自适应

Abstract:

With the rapid growth of the number of satellites in orbit， the already relatively scarce Tracking Telemetry and Command （TT&C） resources are becoming even more scarce. The TT&C resource scheduling problem for large-scale constellation is restricted by multiple constraints， and is a complex combinatorial optimization problem with strong conflicts. An improved adaptive simulated annealing algorithm is proposed to solve the TT&C resource scheduling problem for large-scale constellation in order to improve the capability of TT&C systems and the revenue from completing TT&C tasks. Firstly， the satellite TT&C process is analyzed. According to satellite TT&C task requirements and resource usage constraints， a constraint satisfaction model is established aiming to maximize the total profits from task completion. A method for evaluating the conflict degree of available TT&C opportunities is proposed， and a fitness based task allocation algorithm is designed to generate a high-quality initial solution. Then， an adaptive simulated annealing algorithm combining perturbation strategy and tabu mechanism is designed， which adaptively controls the update of temperature and neighborhood structure selection probability during the optimization process of the algorithm. The short-term memory mechanism of the tabu table is used to avoid repeated searches. The perturbation strategy is combined to diverse the solution to a certain extent， thereby jumping out of the local optima and enhancing the optimization performance of the algorithm. Finally， in order to verify the effectiveness of the proposed method， a large number of simulation experiments were conducted to compare the algorithm with simulated annealing algorithm， genetic algorithm， fitness based task allocation algorithm， and maximum weight first allocation algorithm. Experimental results show that compared with traditional algorithms， the proposed algorithm improves the solution by 10.34%， 23.59%， 23.20%， and 46.51%， respectively.

Key words: large-scale constellation, TT&C resource scheduling, conflict degree, simulated annealing algorithm, self-adaptive

中图分类号:

伍国华, 王天宇. 基于自适应模拟退火的大规模星座测控资源调度算法[J]. 航空学报, 2023, 44(12): 327759-327759.

Guohua WU, Tianyu WANG. Large-scale constellation TT&C resource scheduling algorithm based on adaptive simulated annealing[J]. ACTA AERONAUTICAET ASTRONAUTICA SINICA, 2023, 44(12): 327759-327759.

图/表 25

图 1

图 2

图 3

图 4

图 5

图 6

图 7

图 8

图 9

图 10

图 11

图 12

图 13

图 14

表 1

表 2

ASATP参数

参数	数值
温度的最小值 $θ m$	0.3
温度的权重系数 $μ$	1
温度的改变系数 $λ$	10
惯性权重 $ω$	0.6
邻域概率更新的迭代次数NItr	15
局部扰动的迭代次数PItr	10
禁忌表长度L	N/100
最大迭代次数MaxItr	10N
最优解的目标函数值没有改进的连续迭代次数MaxConItr	N/10

表 2

表 3

参数取值范围

算法参数	取值范围
$θ m$	${0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9}$
$μ$	${0.1,0.2,0.5,0.8,1, 1.2,1.5,1.8,2}$
$λ$	${5,6, 7,8, 9,10,11,12,13,14,15}$
$ω$	${0.1,0.2,0.3,0.4,0.5,0.6,0.7,0.8,0.9}$
$N I t r$	${2,4, 6,8, 10,12,15,18,20}$
$P I t r$	${2,4, 6,8, 10,12,15,18,20}$

表 3

图 15

表 4

表 5

表 6

不同测试用例下各算法求解结果对比

实验编号	HWFA			TAAFV			GA			SA			ASATP			t-test
实验编号	Avg	Std	Times/s	Avg	Std	Times/s	Avg	Std	Times/s	Avg	Std	Times/s	Avg	Std	Times/s	t-test
Case1	2 520.7	36.94	0.009 4	2 938.7	39.48	0.043 6	3 097.9	24.32	31.044 9	3 253.0	0.00	0.043 3	3 253.0	0.00	0.093 4	+
Case2	3 628.9	48.24	0.016 1	4 316.6	47.12	0.096 4	4 452.1	31.31	64.261 5	5 223.1	25.84	0.169 7	5 355.9	19.73	0.556 0	+
Case3	4 422.1	44.75	0.023 3	5 317.6	51.65	0.165 2	5 314.5	32.08	102.321 0	6 107.4	35.43	0.211 7	6 654.5	46.43	1.119 3	+
Case4	5 175.1	75.01	0.031 8	6 182.8	42.96	0.239 8	6 070.5	36.51	146.884 2	6 797.1	55.00	0.247 2	7 665.9	75.62	1.575 3	+
Case5	5 599.6	62.52	0.040 9	6 635.8	52.07	0.320 3	6 440.4	51.79	182.731 3	7 090.5	44.71	0.280 9	8 290.2	53.22	2.414 2	+
Case6	2 531.4	33.02	0.009 5	2 968.8	34.17	0.043 4	3 142.6	21.29	38.255 8	3 355.0	0.00	0.050 9	3 355.0	0.00	0.099 6	+
Case7	3 331.3	35.11	0.014 6	3 953.4	43.27	0.085 1	4 103.7	35.36	66.788 5	4 786.7	16.83	0.178 6	4 826.8	8.49	0.464 6	+
Case8	4 193.3	47.17	0.020 4	5 043.0	54.88	0.130 2	5 110.9	54.65	97.668 9	5 947.4	24.45	0.216 2	6 354.4	49.27	0.812 9	+
Case9	4 600.8	76.44	0.026 0	5 533.4	62.14	0.184 1	5 497.9	49.09	131.269 3	6 282.5	37.85	0.237 4	6 916.9	61.47	1.154 4	+
Case10	5 169.9	81.26	0.032 4	6 162.0	51.51	0.244 8	6 037.9	34.59	166.942 2	6 768.6	39.63	0.267 5	7 711.3	64.90	1.779 8	+
Case11	5 621.0	80.41	0.039 4	6 632.1	55.63	0.325 5	6 449.4	40.44	243.349 5	7 065.3	53.9	0.298 2	8 258.1	90.01	2.313 8	+
Case12	5 940.6	79.95	0.047 4	6 976.3	69.88	0.397 0	6 768.1	40.43	248.744 1	7 277.5	67.11	0.325 1	8 556.3	83.45	2.426 8	+
Case13	2 542.8	35.47	0.009 5	2 972.3	27.56	0.043 2	3 145.1	21.24	30.201 0	3 301.0	0.00	0.039 7	3 301.0	0.00	0.097 3	+
Case14	3 654.6	42.35	0.016 1	4 408.5	40.78	0.096 2	4 514.5	38.32	63.870 5	5 310.2	26.95	0.170 4	5 460.7	21.61	0.591 9	+
Case15	4 610.7	77.17	0.023 9	5 515.5	52.03	0.163 4	5 503.2	40.77	102.720 8	6 354.4	67.42	0.210 7	6 866.2	45.55	1.052 7	+
Case16	5 142.0	72.55	0.031 4	6 145.0	42.06	0.239 2	6 015.3	47.48	146.184 1	6 745.8	52.81	0.245 1	7 654.1	60.33	1.815 2	+
Case17	5 569.1	63.77	0.037 9	6 662.6	54.73	0.314 8	6 428.5	71.28	182.681 3	7 081.9	60.89	0.275 2	8 129.2	97.97	2.127 1	+
Case18	2 504.4	32.69	0.009 6	2 922.5	30.50	0.043 3	3 095.7	22.92	37.934 4	3 317.0	0.00	0.050 3	3 317.0	0.00	0.104 0	+
Case19	3 431.4	45.69	0.014 7	4 063.5	49.33	0.083 6	4 206.5	30.47	66.694 7	4 914.5	18.91	0.178 1	4 957.8	7.54	0.422 4	+
Case20	4 084.8	77.68	0.020 2	4 937.5	49.03	0.131 1	4 988.9	34.52	97.671 0	5 802.2	26.40	0.206 1	6 113.1	41.93	0.734 3	+
Case21	4 681.1	70.10	0.026 1	5 598.2	47.48	0.185 0	5 570.2	44.24	131.433 8	6 392.2	47.77	0.241 7	7 029.9	42.57	1.186 7	+
Case22	5 072.1	68.20	0.032 4	6 046.2	54.56	0.244 8	5 949.4	42.56	167.252 5	6 665.4	50.41	0.265 8	7 693.3	116.89	1.805 0	+
Case23	5 444.8	85.77	0.038 6	6 417.7	43.35	0.320	6 287.7	52.38	221.200 8	6 817.9	68.51	0.299 2	8 120.9	78.22	2.391 6	+
Case24	5 751.4	51.60	0.045 6	6 783.2	30.82	0.393 7	6 552.4	49.51	264.016 6	7 067.2	68.47	0.324 2	8 326.7	144.29	2.479 9	+

表 6

表 7

Wilcoxon有符号秩检验结果

算法对比	$R +$	$R -$	p-value
ASATP vs SA	295	5	0.000 088 58
ASATP vs GA	300	0	0.000 018 22
ASATP vs TAAFV	300	0	0.000 018 22
ASATP vs HWFA	300	0	0.000 018 22

表 7

图 16

图 17

图 18

参考文献 38

1	李峰，禹航，丁睿，等. 我国空间互联网星座系统发展战略研究［J］. 中国工程科学， 2021， 23（4）： 137-144.
	LI F， YU H， DING R， et al. Development strategy of space Internet constellation system in China［J］. Strategic Study of CAE， 2021， 23（4）： 137-144 （in Chinese）.
2	赵键，杨芳. 中国高分辨率敏捷小卫星的技术创新及应用实践［J］. 航天器工程， 2021， 30（6）： 23-30.
	ZHAO J， YANG F. Technical innovation and application of Chinese agile small satellites［J］. Spacecraft Engineering， 2021， 30（6）： 23-30 （in Chinese）.
3	杨元喜，任夏，王建荣. 集成型与智能型测绘卫星工程发展及其关键技术［J］. 测绘学报， 2022， 51（6）： 854-861.
	YANG Y X， REN X， WANG J R. Development of integrated and intelligent surveying and mapping satellite project with corresponding key technology［J］. Acta Geodaetica et Cartographica Sinica， 2022， 51（6）： 854-861.
4	方芳，吴明阁. “星链”低轨星座的主要发展动向及分析［J］. 中国电子科学研究院学报， 2021， 16（9）： 933-936.
	FANG F， WU M G. Development trend and analysis of “Starlink” LEO Satellites Constellation［J］. Journal of China Academy of Electronics and Information Technology， 2021， 16（9）： 933-936 （in Chinese）.
5	康国栋，张楠，王崇，等. 面向大规模星座的多波束测控天线及应用［J］. 空间电子技术， 2021， 18（2）： 72-78.
	KANG G D， ZHANG N， WANG C， et al. Multiple-beam TT & C antenna and its application for large scale satellite constellation［J］. Space Electronic Technology， 2021， 18（2）： 72-78 （in Chinese）.
6	安元元，李伟超，王伟，等. 一种低轨卫星星座测控地面站调度策略研究［J］. 时间频率学报， 2021， 44（2）： 120-131.
	AN Y Y， LI W C， WANG W， et al. Research on schedule strategy of ground stations for LEO satellites［J］. Journal of Time and Frequency， 2021， 44（2）： 120-131 （in Chinese）.
7	王伟，王钦钊，刘钢锋，等. 地面无人系统反制研究及关键技术分析与综述［J］. 航空学报， 2022， 43（7）： 025489.
	WANG W， WANG Q Z， LIU G F， et al. Research on countering unmanned ground system and analysis and review of key technology［J］. Acta Aeronautica et Astronautica Sinica， 2022， 43（7）： 025489 （in Chinese）.
8	MARINELLI F， NOCELLA S， ROSSI F， et al. A Lagrangian heuristic for satellite range scheduling with resource constraints［J］. Computers & Operations Research， 2011， 38（11）： 1572-1583.
9	康宁，武小悦. 基于拉格朗日松弛的航天测控调度上界求解算法［J］. 国防科技大学学报， 2011， 33（3）： 38-43.
	KANG N， WU X Y. TT & C scheduling upper bound solution algorithm based on Lagrangian relaxation［J］. Journal of National University of Defense Technology， 2011， 33（3）： 38-43 （in Chinese）.
10	刘建平，李晶，张天骄. 航天测控网调度的混合构造启发式算法［J］. 系统工程与电子技术， 2015， 37（7）： 1569-1574.
	LIU J P， LI J， ZHANG T J. Hybrid constructive heuristics of space measurement and control network scheduling problem［J］. Systems Engineering and Electronics， 2015， 37（7）： 1569-1574 （in Chinese）.
11	辛立强，张超，赵灵芝，等. 面向复杂关联测控需求的冲突规避调度算法［J］. 系统工程与电子技术， 2022， 44（5）： 1581-1588.
	XIN L Q， ZHANG C， ZHAO L Z， et al. Conflict avoidance scheduling algorithm for complex associated TT & C requirements［J］. Systems Engineering and Electronics， 2022， 44（5）： 1581-1588 （in Chinese）.
12	ZHANG Z J， ZHANG N， FENG Z R. Multi-satellite control resource scheduling based on ant colony optimization［J］. Expert Systems With Applications， 2014， 41（6）： 2816-2823.
13	CHEN M， WEN J， SONG Y J， et al. A population perturbation and elimination strategy based genetic algorithm for multi-satellite TT&C scheduling problem［J］. Swarm and Evolutionary Computation， 2021， 65： 100912.
14	李玉庆，王日新，徐敏强，等. 基于改进遗传算法的一类多资源测控调度问题研究［J］. 宇航学报， 2012， 33（1）： 85-90.
	LI Y Q， WANG R X， XU M Q， et al. An improved genetic algorithm for a class of multi-resource range scheduling problem［J］. Journal of Astronautics， 2012， 33（1）： 85-90 （in Chinese）.
15	薛乃阳，丁丹，王红敏，等. 基于改进遗传算法的多类测控资源调度方法［J］. 系统工程与电子技术， 2021， 43（9）： 2535-2543.
	XUE N Y， DING D， WANG H M， et al. Multi-type TT & C resource scheduling method based on improved genetic algorithm［J］. Systems Engineering and Electronics， 2021， 43（9）： 2535-2543 （in Chinese）.
16	STOTTLER R， RICHARDS R. Managed intelligent deconfliction and scheduling for satellite communication［C］∥2018 IEEE Aerospace Conference. Piscataway： IEEE Press， 2018： 1-7.
17	BARBULESCU L， WATSON J P， WHITLEY L D， et al. Scheduling space–ground communications for the air force satellite control network［J］. Journal of Scheduling， 2004， 7（1）： 7-34.
18	XHAFA F， HERRERO X， BAROLLI A， et al. Evaluation of struggle strategy in Genetic Algorithms for ground stations scheduling problem［J］. Journal of Computer and System Sciences， 2013， 79（7）： 1086-1100.
19	VAZQUEZ R， PEREA F， GALÁN VIOQUE J. Resolution of an antenna-satellite assignment problem by means of iteger linear programming［J］. Aerospace Science and Technology， 2014， 39： 567-574.
20	SARKHEYLI A， BAGHERI A， GHORBANI-VAGHEI B， et al. Using an effective tabu search in interactive resources scheduling problem for LEO satellites missions［J］. Aerospace Science and Technology， 2013， 29（1）： 287-295.
21	SONG Y J， ZHANG Z S， SONG B Y， et al. Improved genetic algorithm with local search for satellite range scheduling system and its application in environmental monitoring［J］. Sustainable Computing： Informatics and Systems， 2019， 21： 19-27.
22	凌晓冬，武小悦，刘冰，等. 卫星测控资源调度CSP模型研究［J］. 系统工程与电子技术， 2012， 34（11）： 2275-2279.
	LING X D， WU X Y， LIU B， et al. Study on the CSP model of satellite TT & C resource scheduling［J］. Systems Engineering and Electronics， 2012， 34（11）： 2275-2279 （in Chinese）.
23	陈峰，武小悦. 天地测控资源调度的两阶段递进遗传算法［J］. 国防科技大学学报， 2010， 32（2）： 17-22.
	CHEN F， WU X Y. Two-stage successive genetic algorithm for space and ground TT & C scheduling［J］. Journal of National University of Defense Technology， 2010， 32（2）： 17-22 （in Chinese）.
24	陈峰，武小悦. 多星测控调度的遗传算法分析［J］. 北京航空航天大学学报， 2010， 36（5）： 534-539.
	CHEN F， WU X Y. Genetic algorithm analysis for multi-satellite TT & C scheduling［J］. Journal of Beijing University of Aeronautics and Astronautics， 2010， 36（5）： 534-539 （in Chinese）.
25	宋彦杰，王沛，张忠山，等. 面向多星任务规划问题的改进遗传算法［J］. 控制理论与应用， 2019， 36（9）： 1391-1397.
	SONG Y J， WANG P， ZHANG Z S， et al. An improved genetic algorithm for multi-satellite mission planning problem［J］. Control Theory & Applications， 2019， 36（9）： 1391-1397 （in Chinese）.
26	赵啸宇. 多星测控资源调度模型和算法研究［D］. 长沙：国防科技大学， 2019.
	ZHAO X Y. Research on multi-satellite TT&C resource scheduling models and algorithms［D］. Changsha： National University of Defense Technology， 2019 （in Chinese）.
27	鄢青青，沈怀荣，邵琼玲. 航天测控资源调度问题建模与求解研究综述［J］. 系统仿真学报， 2015， 27（1）： 1-12， 36.
	YAN Q Q， SHEN H R， SHAO Q L. Research overview on modeling and solution of aerospace TT & C scheduling problem［J］. Journal of System Simulation， 2015， 27（1）： 1-12， 36 （in Chinese）.
28	VAZQUEZ A J， ERWIN R S. On the tractability of satellite range scheduling［J］.Optimization Letters， 2015， 9（2）： 311-327.
29	孙刚，彭双，陈浩，等. 面向测控数传资源一体化场景的卫星地面站资源多目标优化方法［J］. 航空学报， 2022： 43（9）： 326114.
	SUN G， PENG S， CHEN H， et al. Multi-objective optimization method oriented to integrated scenario of TT&C resources and data transmission resources［J］. Acta Aeronautica et Astronautica Sinica， 2022： 43（9）： 326114 （in Chinese）.
30	SMITH D E. Choosing objectives in over-subscription planning［C］∥International conference of automated planning and scheduling， 2004： 393.
31	孙刚，陈浩，彭双，等. 一种基于偏好MOEA的卫星地面站资源多目标优化算法［J］. 航空学报， 2021， 42（4）： 524475.
	SUN G， CHEN H， PENG S， et al. Multi-objective optimization algorithm for satellite range scheduling based on preference MOEA［J］. Acta Aeronautica et Astronautica Sinica， 2021， 42（4）： 524475 （in Chinese）.
32	白保存，贺仁杰，李菊芳，等. 考虑任务合成的成像卫星调度问题［J］. 航空学报， 2009， 30（11）： 2165-2171.
	BAI B C， HE R J， LI J F， et al. Imaging satellite observation scheduling with task merging［J］. Acta Aeronautica et Astronautica Sinica， 2009， 30（11）： 2165-2171 （in Chinese）.
33	XHAFA F， HERRERO X， BAROLLI A， et al. A simulated annealing algorithm for ground station scheduling problem［C］∥2013 16th International Conference on Network-Based Information Systems. Piscataway： IEEE Press， 2013： 24-30.
34	王慧林，伍国华，马满好. 多类异构对地观测平台协同任务规划方法［J］. 航空学报， 2016， 37（3）： 997-1014.
	WANG H L， WU G H， MA M H. Coordinated task planning method of multiple heterogeneous Earth-observation platforms［J］. Acta Aeronautica et Astronautica Sinica， 2016， 37（3）： 997-1014 （in Chinese）.
35	李夏苗，廖文昆，伍国华，等. 基于两阶段迭代优化的空天观测资源协同任务规划方法［J］. 控制与决策， 2021， 36（5）： 1147-1156.
	LI X M， LIAO W K， WU G H， et al. A two-stage iterative optimazation method for the coordinated task planning of space and air observation resources［J］. Control and Decision， 2021， 36（5）： 1147-1156 （in Chinese）.
36	李夏苗，陈新江，伍国华，等. 考虑断点续传的中继卫星调度模型及启发式算法［J］. 航空学报， 2019， 40（11）： 323233.
	LI X M， CHEN X J， WU G H， et al. Scheduling model and heuristic algorithm for tracking and data relay satellite considering breakpoint transmission［J］. Acta Aeronautica et Astronautica Sinica， 2019， 40（11）： 323233 （in Chinese）.
37	CHEN X J， LI X M， WANG X W， et al. Task scheduling method for data relay satellite network considering breakpoint transmission［J］. IEEE Transactions on Vehicular Technology， 2021， 70（1）： 844-857.
38	WU G H， WANG H L， PEDRYCZ W， et al. Satellite observation scheduling with a novel adaptive simulated annealing algorithm and a dynamic task clustering strategy［J］. Computers & Industrial Engineering， 2017， 113： 576-588.

E-mail：hkxb@buaa.edu.cn

关于我们

期刊社服务

专业学科

封面文章

友情链接

主管单位：中国科学技术协会主办单位：中国航空学会北京航空航天大学

实验编号	Task	Sat	Station	Distribution
Case1	600	600	9	均匀分布
Case2	1 000	1 000	9	均匀分布
Case3	1 400	1 400	9	均匀分布
Case4	1 800	1 800	9	均匀分布
Case5	2 100	2 100	9	均匀分布
Case6	600	200	9	均匀分布
Case7	900	300	9	均匀分布
Case8	1 200	400	9	均匀分布
Case9	1 500	500	9	均匀分布
Case10	1 800	600	9	均匀分布
Case11	2 100	700	9	均匀分布
Case12	2 400	800	9	均匀分布
Case13	6 00	600	9	密集分布
Case14	1 000	1 000	9	密集分布
Case15	1 400	1 400	9	密集分布
Case16	1 800	1 800	9	密集分布
Case17	2 100	2 100	9	密集分布
Case18	600	200	9	密集分布
Case19	900	300	9	密集分布
Case20	1 200	400	9	密集分布
Case21	1 500	500	9	密集分布
Case22	1 800	600	9	密集分布
Case23	2 100	700	9	密集分布
Case24	2 400	800	9	密集分布

[1]	郑峰婴, 沈志敏, 李雅琴, 徐楷钊, 王新华. 共轴高速直升机增益自适应多模式切换控制[J]. 航空学报, 2024, 45(9): 529088-529088.
[2]	仇钰清, 李俨, 郎金溪, 刘育衔, 王重. 高速直升机过渡模态鲁棒自适应姿态控制[J]. 航空学报, 2024, 45(9): 529927-529927.
[3]	龚煜廉, 张建国, 吴志刚, 褚光远, 范晓铎, 黄赢. 主动学习基自适应PC⁃Kriging模型的复合材料结构可靠度算法[J]. 航空学报, 2024, 45(8): 228982-228982.
[4]	蔡章博, 张征宇, 余皓, 占书恒. 荧光油膜速度场的自适应快速光流解法[J]. 航空学报, 2024, 45(7): 128047-128047.
[5]	王一凡, 陈浩颖, 张海波. 面向巡航任务的自适应循环发动机进/发匹配[J]. 航空学报, 2024, 45(2): 128637-128637.
[6]	李海, 李勇军, 刘元皓, 赵卫虎, 李信, 赵尚弘. 基于ESWO的敏捷对地观测卫星任务调度算法[J]. 航空学报, 2024, 45(10): 329370-329370.
[7]	宁铠, 吴宝林. 基于事件驱动的航天器星下点轨迹维持控制[J]. 航空学报, 2024, 45(10): 329412-329412.
[8]	肖冰, 张海朝. 航天器姿态稳定强化学习鲁棒最优控制方法[J]. 航空学报, 2024, 45(1): 628890-628890.
[9]	方乐言, 蒙晗, 侯明哲. 带有参数精确估计的迭代学习滑模控制及应用[J]. 航空学报, 2024, 45(1): 628889-628889.
[10]	段广全, 刘国平. 基于全驱系统方法的组合航天器位姿自适应预设性能控制[J]. 航空学报, 2024, 45(1): 628837-628837.
[11]	刘哲, 张羲格, 韦常柱, 崔乃刚. 亚轨道飞行器再入轨迹高精度自适应凸规划[J]. 航空学报, 2023, 44(S2): 729430-729430.
[12]	郭洪振, 陈谋, 戴永东, 王茂飞. 分布式自适应事件触发四旋翼无人机编队控制[J]. 航空学报, 2023, 44(S2): 729917-729917.
[13]	马高杰, 安刚, 史佑民, 康宁, 孙军帅. 民用飞机高升力系统先进技术及发展[J]. 航空学报, 2023, 44(S1): 727516-727516.
[14]	孙笑云, 吴树范, 沈强. 基于LMI的输出跟踪自适应鲁棒无拖曳控制[J]. 航空学报, 2023, 44(S1): 727654-727654.
[15]	胡润昌, 王子安, 陈永亮, 周大鹏, 杨大鹏, 龚正. 基于L1自适应推力矢量型V/STOL飞行器增稳控制[J]. 航空学报, 2023, 44(S1): 727642-727642.

基于自适应模拟退火的大规模星座测控资源调度算法

Large-scale constellation TT&C resource scheduling algorithm based on adaptive simulated annealing

RichHTML

PDF (PC)

可视化

摘要/Abstract

引用本文

使用本文

图/表 25

参考文献 38

相关文章 15

编辑推荐

Metrics

本文评价