[論文レビュー] A Time-Dependent TSP Formulation for the Design of an Active Debris Removal Mission using Simulated Annealing

Lorenzo Federici, Alessandro Zavoli+1 more|arXiv (Cornell University)|Sep 23, 2019

Optimization and Search Problems参考文献 29被引用数 9

ひとこと要約

本稿では、出港時刻と移動時間に依存する時間依存コストを考慮した、時間依存巡回セールスマン問題（TDTSP）としてのアクティブデブリリムーブ（ADR）ミッション設計を定式化し、シミュレーテッドアニーリングを用いてターゲット順序とリムーブ時刻を同時に最適化する。この手法は、計算コストを著しく削減しながらも、近似的最適なΔV性能を達成し、最大20個のデブリターゲットに対して合計ΔVが0.74495 km/sにまで低減されることを示している。

ABSTRACT

This paper proposes a formulation of the Active Debris Removal (ADR) Mission Design problem as a modified Time-Dependent Traveling Salesman Problem (TDTSP). The TDTSP is a well-known combinatorial optimization problem, whose solution is the cheapest mono-cyclic tour connecting a number of non-stationary cities in a map. The problem is tackled with an optimization procedure based on Simulated Annealing, that efficiently exploits a natural encoding and a careful choice of mutation operators. The developed algorithm is used to simultaneously optimize the targets sequence and the rendezvous epochs of an impulsive ADR mission. Numerical results are presented for sets comprising up to 20 targets.

研究の動機と目的

• 宇宙デブリ低減の急務な課題に対処するため、複数ターゲットを対象としたADRミッション軌道を最適化すること。
• 移動コストが出港時刻と移動時間の両方に依存する時間依存型TSP（TDTSP）としてADR問題をモデル化すること。
• 合計推進剤消費量（ΔV）を最小化するために、デブリターゲットの順序とリムーブ時刻を同時に最適化すること。
• 時間依存の軌道力学を反映した、特化した変異戦略とΔVヒューリスティックを備えた計算効率の高いメタヒューリスティック解法を構築すること。
• 最大20個のデブリオブジェクトを対象としたセットに対してアプローチを検証し、計算負荷を最小限に抑えつつ近似的最適な性能を示すこと。

提案手法

• 移動コストが出港時刻と移動時間の両方に依存する（アプローチB）TDTSPの変種としてADRミッションを定式化し、時間依存の軌道力学を捉える。
• 自然な順列符号化を用いたシミュレーテッドアニーリングを採用し、ターゲット順序と到着時刻の解空間を探索する。
• 完全な軌道問題を解かずに、単一インパルスリムーブの高速で解析的なΔVヒューリスティックを用いて移動コストを推定する。
• 二段階最適化を実装する：まず、SAを用いて順序と時刻を最適化し、次に各移動区間をパラメータ化された多インパルス軌道モデルで精緻化して個々のΔVを最小化する。
• 時間離散化を要因3で実施し、解の精度と計算効率のバランスを図り、時間窓全体における探索を現実可能な範囲に保つ。
• 完全な混合整数非線形プログラミング（MINLP）解と比較することで、本アプローチの妥当性を検証し、はるかに少ない計算量で類似した結果を得られた。

実験結果

リサーチクエスチョン

• RQ1 出港時刻と移動時間の両方に依存する可変移動時間と時刻依存コストを有する複数リムーブAIDミッションを、TDTSP定式化で効果的にモデル化できるか？
• RQ2 特化した変異演算子を備えたシミュレーテッドアニーリングは、ADRミッションにおけるターゲット順序とリムーブタイミングを同時に最適化する際に、どの程度の性能を示すか？
• RQ3 高速なΔVヒューリスティックは、計算負荷を削減しつつも、真の最適移動コストをどの程度正確に近似できるか？
• RQ4 時間離散化は、最大20ターゲットを有する大規模ADRミッションにおいて、解の品質と計算コストにどのような影響を及えるか？
• RQ5 順序／時刻最適化と個別区間の精緻化から成る二段階最適化戦略は、完全なMINLPと比較して、著しく計算負荷を低減しつつも近似的最適なΔVを達成できるか？

主な発見

• 10ターゲットミッションでは、最良の解が合計ΔV 0.44876 km/sを達成し、推進剤消費を最小化する順序と時刻スケジュールを実現した。
• 20ターゲットミッションでは、合計ΔV 0.74495 km/sを達成し、複雑なADRシナリオへの本手法のスケーラビリティを示した。
• 完全なMINLP解に非常に近い解を達成したが、時間離散化とヒューリスティック評価のおかげで計算コストが90%削減された。
• 時間離散化要因3の使用により、高い解の品質を維持しながらも、計算効率の良い探索が可能であり、高分解能ベンチマークと比較して確認された。
• 特化した変異演算子を備えたシミュレーテッドアニーリングは、TDTSP定式化において、単純なメタヒューリスティクスを上回る収束速度と解の品質を一貫して示した。
• 順序最適化後にインパルスパラメータライゼーションを用いて個別区間を精緻化した結果、固定時刻解と比較してΔV効率が5～10%向上した。