[논문 리뷰] Simulated annealing based heuristic for multiple agile satellites scheduling under cloud coverage uncertainty

Chao Han, Yi Gu외 2명|arXiv (Cornell University)|2020. 03. 14.

Satellite Communication Systems참고 문헌 58인용 수 13

한 줄 요약

이 논문은 기상 구름에 의한 관측 불확실성을 고려한 다중 고도 조절 위성 스케줄링을 위한 개선된 시뮬레이티드 어닐링 기반 휴리스틱(ISA)을 제안한다. 확률 제약 프로그래밍과 샘플 근사법을 사용하여 불확실성을 모델링하고 관측 수익을 최대화한다. ISA는 솔루션 품질과 계산 시간에서 ALNS, GA, BDP-ILS를 모두 능가하여 대규모 불확실성 하에서 높은 효율성과 효과성을 입증한다.

ABSTRACT

Agile satellites are the new generation of Earth observation satellites (EOSs) with stronger attitude maneuvering capability. Since optical remote sensing instruments equipped on satellites cannot see through the cloud, the cloud coverage has a significant influence on the satellite observation missions. We are the first to address multiple agile EOSs scheduling problem under cloud coverage uncertainty where the objective aims to maximize the entire observation profit. The chance constraint programming model is adopted to describe the uncertainty initially, and the observation profit under cloud coverage uncertainty is then calculated via sample approximation method. Subsequently, an improved simulated annealing based heuristic combining a fast insertion strategy is proposed for large-scale observation missions. The experimental results show that the improved simulated annealing heuristic outperforms other algorithms for the multiple AEOSs scheduling problem under cloud coverage uncertainty, which verifies the efficiency and effectiveness of the proposed algorithm.

연구 동기 및 목표

• 기상 구름에 의한 영향으로 관측 가능성이 크게 저하되는 다중 고도 조절 위성 스케줄링 문제에 도전한다.
• 에너지, 메모리, 자세 조작 제약 조건을 충족하면서 사전 정의된 신뢰 수준 이하에서 총 관측 수익을 최대화한다.
• 시간-슬랙 기반 시작 시간 선택 및 불확실성 전파의 복잡성을 다룰 수 있는 계산 효율성이 높은 휴리스틱을 개발한다.
• 불확실한 기상 조건을 가진 대규모 스케줄링 인스턴스에서 제안된 방법의 효과성과 확장성을 검증한다.

제안 방법

• 기상 구름에 의한 불확실성을 모델링하기 위해 확률 제약 프로그래밍(CCP)을 사용하여 솔루션의 타당성을 주어진 신뢰 수준 내에서 보장한다.
• 불확실성 하에서의 관측 수익을 추정하기 위해 샘플 근사법을 적용하여 계산이 불가능한 CCP 수식을 해석 가능한 확률적 근사로 대체한다.
• 각 목표물에 대한 최적의 관측 시작 시간을 결정하기 위해 시간 슬랙 기반 최적화 하위 문제를 도입하여 에너지 및 전이 시간 제약 조건을 균형 있게 조절한다.
• 해결 공간을 효율적으로 탐색하고 수렴 속도를 향상시키기 위해 빠른 삽입 전략을 통합한 개선된 시뮬레이티드 어닐링 기반 휴리스틱(ISA)을 개발한다.
• 지속적인 국소 최적값 탈출을 가능하게 하면서도 높은 수익을 얻는 스케줄링 구성 요소를 선호하는 동적 수용 기준을 도입한다.
• 각 후보 스케줄에 대해 자세 조작에 필요한 에너지를 계산하여 에너지 제약 조건을 반복적으로 평가함으로써 타당성을 보장한다.

실험 결과

연구 질문

• RQ1 어떻게 하면 다중 고도 조절 위성 스케줄링에서 기상 구름에 의한 불확실성을 효과적으로 모델링하여 주어진 신뢰 수준에서 솔루션의 타당성을 확보할 수 있는가?
• RQ2 다양한 신뢰 수준과 샘플 근사 파라미터가 스케줄링 솔루션의 품질과 계산 비용에 어떤 영향을 미치는가?
• RQ3 대규모 스케줄링 문제에서 기존 메타휴리스틱(ALNS, GA, BDP-ILS)과 비교할 때 제안된 ISA 휴리스틱의 솔루션 품질과 실행 시간은 어떠한가?
• RQ4 ISA의 빠른 삽입 전략은 기존 메타휴리스틱에 비해 불확실성 하에서 스케줄링의 효율성을 얼마나 향상시키는가?

주요 결과

• ISA 휴리스틱은 ALNS, GA, BDP-ILS에 비해 뛰어난 솔루션 품질을 달성하며, 특히 고도 수가 많은 시나리오(예: 950개 목표물)에서 관측 수익 측면에서 다른 알고리즘을 능가한다.
• ISA는 BDP-ILS 및 ALNS-500보다 높은 계산 효율성을 보이며, 빠른 삽입 전략과 효율적인 시작 시간 결정 덕분에 뚜렷이 짧은 실행 시간을 기록한다.
• 샘플 근사법은 신뢰 수준과 솔루션의 보수성 사이를 효과적으로 균형 잡으며, ε가 높을수록(신뢰 수준이 낮을수록) 더 높은 수익을 얻을 수 있지만 타당성 보장은 감소한다.
• 민감도 분석을 통해 알고리즘이 다양한 신뢰 수준(1−α = 0.80에서 0.90)과 샘플 정확도(1−ε = 0.85에서 0.99)에서도 안정적으로 유지되며 높은 성능을 보임을 확인하였다.
• 알고리즘의 성능은 안정적이고 확장 가능하며, 목표물 수가 500개에서 950개로 증가함에 따라 수익 최적화 측면에서 일관되게 뛰어난 성능을 유지도한다.