论文部分内容阅读
引力波是时空的涟漪,在1916年爱因斯坦基于广义相对论预言了引力波的存在。研究引力波可以使人类更好地认识量子引力,时空结构和宇宙奥秘,对引力波事件的观测成为现代空间科学研究的重要方向,是未来科学领域前沿课题。2017年8月17日,美国引力波探测器LIGO和意大利引力波探测器处女座Virgo共同探测到引力波事件GW170817,在该事件发生的随后几秒内NASA的Fermi卫星和ESA的INTEGRAL卫星都探测到了一个极弱的短时伽马暴。这是人类历史上第一次使用引力波和电磁波同时观测到同一个天体物理事件,标志着一个新的时代的开始—多信使天文学（Multi-messenger astronomy）。天文观测是进行空间科学探索研究工作的重要手段,宇宙空间中的机遇目标（Target of Opportunity,ToO）,包括引力波（Gravitational Wave,GW）、伽马暴（Gamma Ray Burst,GRB）等现象。对ToO目标特别是引力波ToO目标观测的规划,是天文卫星任务规划系统的重要功能。ToO目标有着时效性要求高的特点,同时存在需求上的多样性和约束上的复杂性,需要任务规划系统快速响应,以获得更高的科学观测收益。本文依据实际工程任务需求,研究在Tiling覆盖策略场景下的天文卫星ToO任务规划方法。在调研国内外卫星任务规划领域方面的建模和求解算法。深入分析了Tiling覆盖策略场景下的天文卫星ToO任务规划的特点,对该问题进行了数学建模和算法设计,并进行了实验和结果分析。最后,在上述算法的基础上做了进一步的优化改进。本文的主要工作和创新点如下:（1）针对Tiling覆盖策略的天文卫星ToO任务规划问题进行问题分析和数学建模。从规划问题的场景和需求出发,对Tiling覆盖策略下的天文卫星ToO目标任务规划问题进行了描述。在不影响问题解决和算法研究的情况下,对复杂的问题进行了抽象和简化。结合实际问题给出了基本假设,完成数学模型的建立。（2）针对Tiling覆盖策略下天文卫星ToO任务规划问题进行算法设计和算法改进,通过实验进行了算法验证与分析。设计两个求解算法分别是基于规则的Tiling-TPA算法和基于遗传算法的Tiling-TPA算法,并进行了优化改进。实验验证了两类算法的有效性,但基于遗传算法的Tiling-TPA算法的在收敛速度上远不及基于规则的Tiling-TPA算法。基于规则的Tiling-TPA算法需要启发式函数设计者有一定的经验知识要求,针对性强;基于遗传算法的Tiling-TPA算法,在面对可行解随着规模呈指数增长的寻优问题中有着很强的优势,扩展性强。（3）对两种求解算法进行组合优化为解决基于遗传算法的规划算法收敛速度慢的问题,设计从初始化种群方面入手进行算法优化。将基于规则的Tiling-TPA算法和基于遗传算法的Tiling-TPA算法进行组合优化,前者的规划结果作为后者的初始化输入。该方案大大提高了基于遗传算法的Tiling-TPA算法的收敛速度,得益于该算法有着能够跳出局部最优解的能力,改进后的算法能够迭代出更好的规划结果。