摘要 | 第12-14页 |
Abstract | 第14-16页 |
第一章 绪论 | 第17-41页 |
1.1 研究背景与意义 | 第17-18页 |
1.2 国内外研究现状及发展趋势 | 第18-34页 |
1.2.1 协同任务规划理论研究现状 | 第18-24页 |
1.2.2 单一平台任务规划方法研究现状 | 第24-26页 |
1.2.3 空天平台协同任务规划技术研究现状 | 第26-34页 |
1.3 空天资源对地观测协同任务规划的难点 | 第34-37页 |
1.4 论文研究内容与主要贡献 | 第37-39页 |
1.5 论文组织结构 | 第39-41页 |
第二章 空天资源对地观测协同任务规划问题分析与建模 | 第41-61页 |
2.1 空天资源对地观测协同任务规划问题概述 | 第41-42页 |
2.2 系统层次结构分析 | 第42-44页 |
2.3 Holonic组织模型下的协同任务规划问题分析 | 第44-52页 |
2.3.1 父holon与子holon之间的协同 | 第45-47页 |
2.3.2 子holon之间的协同 | 第47-49页 |
2.3.3 子holon内部的协同 | 第49-52页 |
2.4 规划要素分析与建模 | 第52-60页 |
2.4.1 观测任务要素 | 第52-54页 |
2.4.2 卫星观测资源要素 | 第54-57页 |
2.4.3 无人机观测资源要素 | 第57-59页 |
2.4.4 优化目标分析 | 第59页 |
2.4.5 空天资源对地观测协同任务规划模型 | 第59-60页 |
2.5 本章小结 | 第60-61页 |
第三章 卫星观测任务可调度性预测算法 | 第61-85页 |
3.1 问题分析与建模 | 第61-64页 |
3.1.1 特征选取 | 第62-63页 |
3.1.2 分类器性能评估指标 | 第63-64页 |
3.2 算法框架设计 | 第64-66页 |
3.3 鲁棒性决策树 | 第66-70页 |
3.4 支持向量机集成 | 第70-77页 |
3.4.1 支持向量机基本概念 | 第70-72页 |
3.4.2 支持向量机集成学习方法 | 第72-77页 |
3.5 仿真实验及分析 | 第77-84页 |
3.5.1 特征分类能力分析 | 第77-80页 |
3.5.2 构建鲁棒性决策树 | 第80-82页 |
3.5.3 算法参数分析 | 第82-83页 |
3.5.4 算法性能比较 | 第83-84页 |
3.6 本章小结 | 第84-85页 |
第四章 面向多阶段任务的空天资源对地观测任务规划方法 | 第85-123页 |
4.1 问题映射与建模 | 第85-90页 |
4.1.1 基本的MAS协同规划问题 | 第86-87页 |
4.1.2 异构MAS多阶段任务协同规划问题 | 第87-88页 |
4.1.3 异构MAS多阶段任务连续协同规划模型 | 第88-90页 |
4.2 异构MAS多阶段任务连续协同规划算法 | 第90-97页 |
4.2.1 优化目标分析 | 第90-91页 |
4.2.2 面向多阶段任务的异构MAS协同任务规划框架 | 第91-94页 |
4.2.3 三阶段市场协商机制 | 第94-96页 |
4.2.4 基于三阶段市场协商机制的异构MAS协同任务规划算法 | 第96-97页 |
4.3 HMAS-MPCCP算法的并行迭代策略研究 | 第97-106页 |
4.3.1 通信顺序进程 | 第98-100页 |
4.3.2 基于CSP的迭代算法设计 | 第100-103页 |
4.3.3 实验验证及分析 | 第103-106页 |
4.4 基于HMAS-MPCCP的空天资源对地观测协同任务规划算法框架 | 第106-108页 |
4.5 卫星资源Agent子群规划算法 | 第108-112页 |
4.5.1 卫星资源Agent子群迭代协商规划机制 | 第108-109页 |
4.5.2 资源Agent本地规划求解算法 | 第109-112页 |
4.6 空基资源Agent子群规划算法 | 第112-114页 |
4.7 基于HMAS-MPCPP的空天资源对地观测任务规划算法实验 | 第114-121页 |
4.7.1 实验的软硬件环境 | 第114-115页 |
4.7.2 实验数据及参数设置 | 第115-116页 |
4.7.3 仿真结果分析 | 第116-120页 |
4.7.4 案例研究 | 第120-121页 |
4.8 本章小结 | 第121-123页 |
第五章 面向应急观测的空天数据获取全链路任务规划方法 | 第123-153页 |
5.1 问题描述与分析 | 第123-128页 |
5.1.1 问题概述 | 第123-124页 |
5.1.2 快速响应卫星观测数据获取过程分析 | 第124-125页 |
5.1.3 无人机观测数据获取过程分析 | 第125-127页 |
5.1.4 技术挑战 | 第127-128页 |
5.2 问题映射与建模 | 第128-131页 |
5.2.1 规划框架设计 | 第129-130页 |
5.2.2 数学特性分析 | 第130页 |
5.2.3 求解模型建立 | 第130-131页 |
5.3 带有冲突消解的标签约束最短路径寻优方法 | 第131-141页 |
5.3.1 基本概念 | 第132-133页 |
5.3.2 标签约束条件下的最短路径寻优方法 | 第133-139页 |
5.3.3 冲突类型分析、消解策略与算法流程设计 | 第139-141页 |
5.4 基于LCSP-CR的空天数据快速获取全链路任务规划算法 | 第141-147页 |
5.4.1 数据预处理流程设计 | 第141-142页 |
5.4.2 观测任务冲突消解策略 | 第142-145页 |
5.4.3 空天数据快速获取全链路任务规划算法 | 第145-147页 |
5.5 仿真实验及分析 | 第147-152页 |
5.5.1 实验环境及实验数据 | 第147-148页 |
5.5.2 仿真实验结果及分析 | 第148-152页 |
5.6 本章小结 | 第152-153页 |
第六章 总结与展望 | 第153-157页 |
6.1 主要研究成果 | 第153-154页 |
6.2 下一步工作 | 第154-157页 |
致谢 | 第157-161页 |
参考文献 | 第161-179页 |
作者攻读博士学位期间取得的学术成果 | 第179-180页 |
作者攻读博士学位期间参与的科研工作 | 第180-181页 |
附录A 空天资源对地观测协同任务规划模型的形式化描述 | 第181-195页 |