[论文解读] Simulated annealing based heuristic for multiple agile satellites scheduling under cloud coverage uncertainty

Chao Han, Yi Gu+2 more|arXiv (Cornell University)|Mar 14, 2020

Satellite Communication Systems参考文献 58被引用 13

一句话总结

该论文提出了一种基于改进模拟退火的启发式算法（ISA），用于在云覆盖不确定性条件下调度多颗敏捷地球观测卫星，采用机会约束规划和样本近似方法建模不确定性，以最大化观测收益。ISA在解的质量和计算时间方面均优于ALNS、GA和BDP-ILS，证明了其在不确定性条件下大规模调度中的高效性与有效性。

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.

研究动机与目标

• 解决在云覆盖不确定性条件下调度多颗敏捷地球观测卫星的挑战，该不确定性显著影响观测的可行性与收益。
• 在预设置信水平下，最大化总观测收益，同时遵守能量、内存和姿态机动约束。
• 开发一种计算高效的启发式算法，以处理基于时间松弛的开始时间选择与不确定性传播的复杂性。
• 在具有不确定云条件的大规模调度实例上，验证所提方法的有效性与可扩展性。

提出的方法

• 采用机会约束规划（CCP）建模云覆盖不确定性，确保解在给定置信水平下的可行性。
• 应用样本近似方法估计不确定性下的观测收益，将难以处理的CCP公式替换为可处理的随机近似。
• 引入基于时间松弛的优化子问题，以确定每个目标的最优观测开始时间，平衡能量与过渡时间约束。
• 开发一种改进的基于模拟退火的启发式算法（ISA），集成快速插入策略，以高效探索解空间并提升收敛性。
• 在模拟退火中采用动态接受准则，允许逃离局部最优解，同时偏好高收益的调度配置。
• 通过迭代计算每个候选调度所需的姿态机动能量，实现对能量约束的评估，确保可行性。

实验结果

研究问题

• RQ1 如何在多颗敏捷卫星调度中有效建模云覆盖不确定性，以确保在给定置信水平下的解可行性？
• RQ2 不同置信水平和样本近似参数对调度解质量与计算成本有何影响？
• RQ3 在大规模调度问题中，所提出的ISA启发式算法与现有元启发式算法（如ALNS、GA和BDP-ILS）相比，在解质量与运行时间方面表现如何？
• RQ4 ISA中的快速插入策略相较于标准元启发式算法，在不确定性调度中能多大程度上提升效率？

主要发现

• ISA启发式算法在解的质量方面优于ALNS、GA和BDP-ILS，尤其在高目标场景（如950个目标）下，其观测收益表现更优。
• ISA在计算效率方面优于BDP-ILS和ALNS-500，由于其快速插入策略和高效的开始时间确定机制，运行时间显著缩短。
• 样本近似方法有效平衡了置信水平与解的保守性，ε值较高（置信水平较低）时可获得更高收益，但可行性保障降低。
• 敏感性分析表明，该算法在不同置信水平（1−α = 0.80 至 0.90）和样本精度（1−ε = 0.85 至 0.99）下均保持鲁棒性，性能稳定。
• 该算法性能稳定且具备可扩展性，即使目标数从500增加到950，其在收益最大化方面仍保持一致的优越性。