[논문 리뷰] An adaptive Simulated Annealing-based satellite observation scheduling method combined with a dynamic task clustering strategy

Guohua Wu, Huilin Wang외 5명|arXiv (Cornell University)|2014. 01. 14.

Satellite Communication Systems참고 문헌 32인용 수 17

한 줄 요약

이 논문은 위성 관측 스케줄링을 위한 동적 작업 클러스터링과 통합된 적응형 시뮬레이티드 어닐링 알고리즘인 ASA-DTC를 제안한다. 작업을 동적으로 그룹화하고 적응형 온도 제어, 탭우-리스트 재방문 방지, 하이브리드 이웃 구조를 통해, 특히 대규모 또는 고밀도로 분포된 목표 집합에서 스케줄링 효율을 크게 향상시킨다. 시뮬레이션 연구에서 정적 클러스터링 접근 방식보다 뛰어난 성능을 보였다.

ABSTRACT

Efficient scheduling is of great significance to rationally make use of scarce satellite resources. Task clustering has been demonstrated to realize an effective strategy to improve the efficiency of satellite scheduling. However, the previous task clustering strategy is static. That is, it is integrated into the scheduling in a two-phase manner rather than in a dynamic fashion, without expressing its full potential in improving the satellite scheduling performance. In this study, we present an adaptive Simulated Annealing based scheduling algorithm aggregated with a dynamic task clustering strategy (or ASA-DTC for short) for satellite observation scheduling problems (SOSPs). First, we develop a formal model for the scheduling of Earth observing satellites. Second, we analyze the related constraints involved in the observation task clustering process. Thirdly, we detail an implementation of the dynamic task clustering strategy and the adaptive Simulated Annealing algorithm. The adaptive Simulated Annealing algorithm is efficient, with the endowment of some sophisticated mechanisms, i.e. adaptive temperature control, tabu-list based revisiting avoidance mechanism, and intelligent combination of neighborhood structures. Finally, we report on experimental simulation studies to demonstrate the competitive performance of ASA-DTC. Moreover, we show that ASA-DTC is especially effective when SOSPs contain a large number of targets or these targets are densely distributed in a certain area.

연구 동기 및 목표

• 정적 작업 클러스터링의 비효율성을 해결하기 위해 동적 클러스터링을 도입함으로써 위성 관측 스케줄링의 효율성을 향상시키기 위해.
• 복잡한 제약 조건과 높은 작업량 하에서 Earth 관측 위성을 위한 스케줄링 성능을 향상시키기 위해.
• 수렴성과 해 품질을 향상시키기 위한 지능형 메커니즘을 갖춘 적응형 시뮬레이티드 어닐링 알고리즘을 개발하기 위해.
• 메타휴리스틱 탐색과 동적 작업 그룹화를 통합하여 위성 스케줄링의 자원 활용도를 최적화하기 위해.
• 대규모 및 고밀도로 분포된 관측 작업에서 제안된 방법의 열등한 성능을 입증하기 위해.

제안 방법

• 궤도 역학, 작업 제약 조건, 자원 가용성을 반영한 수학적 모델을 사용하여 위성 관측 스케줄링 문제를 수식화하기 위해.
• 사전에 결정하지 않고 최적화 과정 중 공간적·시간적 근접성을 기반으로 관측 작업을 그룹화하는 동적 작업 클러스터링 전략을 도입하기 위해.
• 탐색과 탐색의 균형을 이루기 위해 동적 온도 감소 전략을 적용한 적응형 시뮬레이티드 어닐링 알고리즘을 구현하기 위해.
• 이전에 탐색한 해를 다시 방문하는 것을 방지하고 탐색 효율을 향상시키기 위해 탭우-리스트 메커니즘을 통합하기 위해.
• 국소 탐색 효과성과 해의 다양성을 향상시키기 위해 여러 이웃 구조를 지능적으로 조합하기 위해.
• 최적화 과정 중에 실시간으로 작업 그룹화를 적응시킬 수 있도록 동적 클러스터링을 시뮬레이티드 어닐링 프레임워크에 통합하기 위해.

실험 결과

연구 질문

• RQ1 동적 작업 클러스터링은 정적 클러스터링에 비해 위성 스케줄링 효율을 얼마나 향상시키는가?
• RQ2 지능형 메커니즘을 갖춘 적응형 시뮬레이티드 어닐링 알고리즘은 복잡한 위성 스케줄링 문제를 해결하는 데 표준 SA보다 뛰어난 성능을 보일 수 있는가?
• RQ3 대규모 수의 관측 작업을 스케줄링할 경우 동적 클러스터링의 영향은 해 품질에 어떤 영향을 미치는가?
• RQ4 관측 목표의 공간적 고밀도 분포 상황에서 제안된 방법은 어떻게 성능을 발휘하는가?
• RQ5 적응형 온도 제어 및 탭우-리스트 메커니즘의 통합은 수렴성과 해 품질 향상에 어느 정도 기여하는가?

주요 결과

• ASA-DTC는 특히 복잡한 상황에서 기존 정적 클러스터링 방법에 비해 스케줄링 성능을 크게 향상시킨다.
• 동적 작업 클러스터링 전략은 최적화 과정 중 공간적·시간적 근접한 작업을 더 효과적으로 그룹화함으로써 해 품질을 향상시킨다.
• 온도 제어 및 탭우-리스트 메커니즘을 갖춘 적응형 시뮬레이티드 어닐링 알고리즘은 중복 탐색을 줄이고 수렴 속도를 가속화한다.
• ASA-DTC는 목표 수가 많거나 특정 지역에 고밀도로 분포한 목표를 스케줄링할 때 뛰어난 성능을 보인다.
• 시뮬레이션 결과는 동적 클러스터링과 적응형 SA의 통합이 자원 활용도 향상과 함께 더 높은 품질의 스케줄을 도출함을 확인한다.