[论文解读] Genetic algorithm for robotic telescope scheduling

P. Kubánek|arXiv (Cornell University)|Jan 31, 2010

Metaheuristic Optimization Algorithms Research参考文献 6被引用 5

一句话总结

本文提出一种基于NSGA-II的多目标遗传算法用于机器人望远镜调度，采用可见性、高度、距离和目标多样性等适应度函数。实验模拟表明，该方法能快速收敛至Pareto最优调度方案，在性能上优于单目标方法，并提供了一个可扩展、可扩展的自主天文台网络调度框架。

ABSTRACT

This work was inspired by author experiences with a telescope scheduling. Author long time goal is to develop and further extend software for an autonomous observatory. The software shall provide users with all the facilities they need to take scientific images of the night sky, cooperate with other autonomous observatories, and possibly more. This works shows how genetic algorithm can be used for scheduling of a single observatory, as well as network of observatories.

研究动机与目标

• 为解决涉及多个冲突目标和约束的自主机器人望远镜调度复杂性问题。
• 开发一种灵活、可扩展的调度框架，支持在不进行启发式调优的情况下动态添加新目标和约束。
• 通过提供稳健、自动化的解决方案，实现跨多个自主天文台的网络化调度。
• 用多目标优化方法替代单目标、贪心式调度，以平衡科学产出效率与运行效率。
• 提供可投入生产的软件实现，以便集成至RTS2机器人天文台系统。

提出的方法

• 使用非支配排序遗传算法II（NSGA-II）演化观测调度方案的种群。
• 将每个调度表示为编码目标观测顺序的染色体。
• 采用二元锦标赛选择、两点交叉和随机变异生成新调度方案。
• 应用多个适应度函数：可见性比率、高度优势（与最优仰角成正比）、观测距离（单位：度）以及目标多样性。
• 对观测时长、可见窗口和望远镜转向极限施加约束。
• 使用非支配排序和拥挤度距离，以保持多样性并收敛至Pareto前沿。

实验结果

研究问题

• RQ1 多目标遗传算法能否有效平衡望远镜调度中的多个竞争性标准，如仰角、可见性和转向距离？
• RQ2 NSGA-II在调度质量与收敛速度方面与单目标贪心调度相比表现如何？
• RQ3 所提出的框架在不重构核心逻辑的前提下，能在多大程度上扩展以支持新增目标或约束？
• RQ4 该算法能否为整晚观测规划生成稳定、高质量的Pareto最优调度？
• RQ5 该方法是否具备可扩展性，适用于多个自主天文台之间的网络化调度？

主要发现

• 该算法在100代以内即实现对全局最优的快速收敛，平均可见性比率接近1.0，最大比率稳定在1.0。
• 种群收敛迅速，平均可见性适应度在20代内即达到近似最优，证实了算法的高效性。
• 随机调度的平均可见性适应度为0.5，表明该算法显著优于随机选择。
• NSGA-II在不同种群规模（100、500、1000）下均生成了清晰的Pareto最优前沿，证明了其鲁棒性与可扩展性。
• 模拟结果表明，基于NSGA-II的调度器在仰角和距离优势指标上均优于现有单目标函数方法。
• 系统被认为已具备生产部署条件，预计将于2009年第一季度在RTS2网络中部署，网络调度计划于2009年第二季度实施。