[논문 리뷰] A Time-Dependent TSP Formulation for the Design of an Active Debris Removal Mission using Simulated Annealing

Lorenzo Federici, Alessandro Zavoli외 1명|arXiv (Cornell University)|2019. 09. 23.

Optimization and Search Problems참고 문헌 29인용 수 9

한 줄 요약

이 논문은 이심성 궤도 역학을 반영하는 시간에 따라 변하는 비용을 고려한 이륙 시각과 이동 시간에 기반한 시간 의존성 여행 판매원 문제(TDTSP)로 활동적 위성 오염물 제거(AER) 미션 설계를 수식화한다. 시뮬레이션된 냉각을 통해 목표 순서와 도킹 시점(런던 시점)을 동시에 최적화하여, 계산 비용을 크게 줄이고 근사 최적의 ∆V 성능을 달성한다. 최대 20개의 오염물 표적에 대해 총 ∆V가 0.74495 km/s에 이르는 해법을 제시한다.

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.

연구 동기 및 목표

• 다양한 위성 오염물 제거의 급증하는 필요성을 해결하기 위해 다중 표적 ADR 미션 궤도를 최적화한다.
• 이동 비용이 이륙 시각과 이동 시간에 모두 의존하는 시간 의존성 TSP(TDTSP)로 ADR 문제를 모델링한다.
• 총 추진제 소비량(∆V)을 최소화하기 위해 오염물 표적의 순서와 도킹 시점을 동시에 최적화한다.
• 맞춤형 변형 전략과 ∆V 히우리스틱을 적용한 시뮬레이션된 냉각을 사용한 계산 효율적인 메타휴리스틱 해법을 개발한다.
• 최대 20개의 오염물 물체를 포함한 집합에 대해 접근법을 검증하여, 최소한의 계산 부담으로 근사 최적의 성능을 보여준다.

제안 방법

• 비용이 이륙 시각과 이동 시간에 모두 의존하는 TDTSP 변종으로 ADR 미션을 수식화하여, 시간 의존성 궤도 역학을 반영한다 (접근법 B).
• 해결 공간인 표적 순서와 만남 시간을 탐색하기 위해 자연스러운 순열 인코딩을 사용한 시뮬레이션된 냉각을 적용한다.
• 전체 궤도 문제를 해결하지 않고도 단일 임펄스 도킹을 위한 빠르고 분석적인 ∆V 히우리스틱을 사용해 이동 비용을 추정한다.
• 이중 수준 최적화를 적용한다: 첫 번째로 SA를 통해 순서와 시점을 최적화하고, 두 번째로 각 루트에 대해 파arameterized 다중 임펄스 이동 모델을 사용해 개별 ∆V를 최소화한다.
• 시간 이산화를 인자 3으로 적용하여 해의 정확성과 계산 효율성의 균형을 이루며, 시간 창에 걸쳐 탐색 가능한 형태로 만든다.
• 전체 혼합정수비선형계획문제(MINLP) 해법과의 비교를 통해 접근법을 검증하여, 훨씬 적은 계산으로도 유사한 결과를 도출함을 확인한다.

실험 결과

연구 질문

• RQ1 변동 이동 시간과 시점 의존성 비용을 고려한 시간 의존성 다중 도킹 ADR 미션의 특성을 효과적으로 TDTSP 수식으로 모델링할 수 있는가?
• RQ2 맞춤형 변형 연산자를 적용한 시뮬레이션된 냉각이 ADR 미션의 표적 순서와 도킹 시점 최적화에 얼마나 잘 작동하는가?
• RQ3 빠른 ∆V 히우리스틱이 계산 부담을 줄이면서도 실제 최적 이동 비용을 얼마나 잘 근사할 수 있는가?
• RQ4 시간 이산화가 최대 20개의 표적을 포함한 대규모 ADR 미션에서 해의 품질과 계산 비용에 어떤 영향을 미치는가?
• RQ5 시퀀스/시점 최적화 후 개별 루트 정밀 조정을 포함한 제안된 이중 수준 최적화 전략이 전체 MINLP에 비해 계산 비용을 크게 줄이고 근사 최적의 ∆V를 달성할 수 있는가?

주요 결과

• 10개 표적 미션에서 최고 해법은 총 ∆V 0.44876 km/s를 달성하여 추진제 소비를 최소화하는 순서와 시점 스케줄을 확보했다.
• 20개 표적 미션에서 최고 해법은 총 ∆V 0.74495 km/s를 달성하여 복잡한 ADR 시나리오에 대한 방법의 확장성을 입증했다.
• 전체 MINLP 해법과 근사적인 일치를 보였으며, 시간 이산화와 히우리스틱 평가 덕분에 계산 비용이 90% 감소했다.
• 시간 이산화 인자 3을 사용함으로써 정확도를 유지하면서도 효율적인 탐색이 가능했으며, 고해상도 기준과의 비교로 확인되었다.
• 맞춤형 변형 연산자를 적용한 시뮬레이션된 냉각 접근법은 TDTSP 수식에 대해 단순한 메타휴리스틱보다 수렴 속도와 해의 품질 면에서 뚜렷한 우수성을 보였다.
• 순서 최적화 이후 개별 루트를 임펄스 파라미터화로 정밀 조정함으로써 고정 시점 해법 대비 ∆V 효율성이 5–10% 향상되었다.