《空天資源智慧型任務規劃方法》是清華大學出版社於2022年出版的圖書，作者是王原、邢立寧、李豪、程適、楊敬輝、陳立棟
基本介紹
- 中文名：空天資源智慧型任務規劃方法
- 作者：王原、邢立寧、李豪、程適、楊敬輝、陳立棟
- 出版時間：2022年12月1日
- ISBN：9787302622581
- 定價：59 元
內容簡介,作者簡介,圖書目錄,
內容簡介
本文針對空天資源的聯合任務規划進行了研究和闡述，主要內容包括： 第一章介紹了研究背景和國內外研究現狀。 第二章介紹了空天資源聯合任務規劃中存在的主要問題。 第三章提出了基於深度學習的資源 - 任務智慧型化匹配技術。 第四章提出了面向空天資源的任務智慧型化分配技術。 第五章提出了基於蟻群最佳化的天基資源任務智慧型規劃技術。 第六章提出了基於演化計算的空基資源任務智慧型規劃技術。 第七章進行了總結與展望。
作者簡介
王原,於2021年獲國防科技大學管理科學與工程專業博士學位，主要研究方向為智慧型最佳化與決策技術、智慧型最佳化方法、基於深度學習的最佳化理論等。以第一作者在《Swarm and Evolutionary Computation》等**期刊發表SCI論文多篇，一篇入選ESI引用前10%。
圖書目錄
第 1 章 緒論 1
1.1 研究背景及意義 1
1.1.1 研究背景 1
1.1.2 研究意義 4
1.2 國內外研究現狀 5
1.2.1 空天資源任務規劃問題 5
1.2.2 天基資源任務規劃問題 12
1.2.3 空基資源任務規劃問題 18
1.2.4 智慧型最佳化方法 21
1.2.5 現狀分析及總結 27
1.3 本書主要工作 28
1.3.1 研究路徑設計 28
1.3.2 研究思路分析 30
1.3.3 主要創新點 31
1.4 本章小結 32
第 2 章 空天資源任務規劃問題 33
2.1 問題描述 33
2.1.1 需求描述 33
2.1.2 問題界定 34
2.1.3 資源界定 36
2.1.4 協同方式界定 37
2.1.5 任務界定 39
2.2 求解框架 40
2.2.1 空天資源-任務匹配階段 41
2.2.2 空天任務協同分配階段 42
2.2.3 天基任務規劃階段 42
2.2.4 空基任務規劃階段 42
2.3 問題分析 44
2.3.1 空天資源-任務匹配問題 44
2.3.2 空天任務協同分配問題 46
2.3.3 天基資源任務規劃問題 48
2.3.4 空基資源任務規劃問題 50
2.4 本章小結 52
第 3 章 最佳化算法基本常識 53
3.1 深度 Q 網路簡介 53
3.2 蟻群算法簡介 55
3.3 模擬退火算法簡介 57
3.4 本章小結 59
第 4 章 基於深度學習的資源-任務智慧型化匹配技術 60
4.1 基於作業車間調度的問題描述 60
4.1.1 空天資源-任務匹配問題的圖模型 61
4.1.2 空天資源-任務匹配問題的向量表示 63
4.2 基於圖神經網路的問題特徵提取 64
4.2.1 空天資源-任務匹配問題的圖神經網路模型 64
4.2.2 空天資源-任務匹配問題的圖神經網路訓練 64
4.3 基於雙重深度 Q 網路的問題求解 66
4.3.1 雙重深度 Q 網路基本定義 67
4.3.2 基於雙重深度 Q 網路的空天資源-任務匹配問題求解 67
4.3.3 雙重深度 Q 網路模型的訓練 68
4.4 仿真實驗及分析 70
4.4.1 仿真實驗設計 70
4.4.2 算法效能分析 70
4.4.3 計算時間代價分析 72
4.4.4 訓練時間代價分析 73
4.4.5 大規模問題泛化性實驗 73
4.5 本章小結 77
第 5 章 面向空天資源的任務智慧型化分配技術 78
5.1 問題建模 78
5.2 求解方法 81
5.2.1 算法框架 81
5.2.2 改進蟻群算法 83
5.2.3 多目標模擬退火算法 86
5.2.4 鄰域搜尋運算元設計 87
5.3 仿真實驗及分析 88
5.3.1 仿真實驗設計 88
5.3.2 算法基本表現分析 91
5.3.3 算法超體積表現分析 93
5.4 本章小結 95
第 6 章 基於蟻群最佳化的天基資源任務智慧型規劃技術 97
6.1 問題建模 97
6.2 求解方法 100
6.2.1 算法框架 100
6.2.2 多蟻群算法 101
6.2.3 鄰域搜尋運算元設計 105
6.3 仿真實驗及分析 106
6.3.1 仿真實驗設計 106
6.3.2 MAS-LS 算法參數調優實驗結果 107
6.3.3 蟻群算法求解效能對比實驗 108
6.3.4 客戶選擇規則測試 109
6.3.5 對比實驗結果分析 109
6.4 本章小結 114
第 7 章 基於演化計算的空基資源任務智慧型規劃技術 115
7.1 空基資源任務規劃模型 115
7.1.1 基本假設 116
7.1.2 無人機速度更新模型 117
7.1.3 速度更新規則系統 120
7.2 基於演化計算的無人機集群控制模型最佳化方法 121
7.2.1 編碼操作 122
7.2.2 交叉操作 122
7.2.3 變異操作 123
7.2.4 環境選擇 123
7.2.5 種群多樣性控制 123
7.2.6 評價指標 125
7.3 仿真實驗及分析 127
7.3.1 實驗設計 127
7.3.2 算法性能試驗分析 128
7.3.3 控制模型性能試驗分析 132
7.3.4 路徑規劃結果 133
7.4 本章小結 134
第 8 章 總結與展望 136
8.1 研究工作總結 136
8.2 未來工作展望 138
參考文獻 140
附錄 A 算法代碼及實驗結果 150
A.1 雙重深度 Q 學習網路的訓練 150
A.2 MOSA-ACO 算法表現分析 151
A.2.1 算法基本表現分析匯總 151
A.2.2 算法超體積分析表現分析匯總 156
A.3 天基資源任務規劃問題仿真實驗結果 158
A.4 無人機集群控制模型和路徑規劃結果 163
A.4.1 控制模型性能試驗分析結果 163
A.4.2 路徑規劃詳細結果 164
附錄 B 縮寫詞列表 167
