空天資源智能任務規(guī)劃方法

定　價：￥59.00

作　者：	王原、邢立寧、李豪、程適、楊敬輝、陳立棟
出版社：	清華大學出版社
叢編項：
標　簽：	暫缺

購買這本書可以去

ISBN：	9787302622581	出版時間：	2022-12-01	包裝：	平裝-膠訂
開本：	16開	頁數(shù)：		字數(shù)：

內容簡介

　　本文針對空天資源的聯(lián)合任務規(guī)劃進行了研究和闡述，主要內容包括：第一章介紹了研究背景和國內外研究現(xiàn)狀。第二章介紹了空天資源聯(lián)合任務規(guī)劃中存在的主要問題。第三章提出了基于深度學習的資源 - 任務智能化匹配技術。第四章提出了面向空天資源的任務智能化分配技術。第五章提出了基于蟻群優(yōu)化的天基資源任務智能規(guī)劃技術。第六章提出了基于演化計算的空基資源任務智能規(guī)劃技術。第七章進行了總結與展望。主要特色和創(chuàng)新點： 1. 提出了基于深度學習的資源 - 任務智能化匹配技術，解決了空天資源智能任務規(guī)劃問題中的資源 - 任務快速篩選問題。 2. 設計了面向空天資源的任務智能化分配技術，解決了空天任務分配問題中增加任務頻次的需求和降低服務成本的需求的沖突的問題。 3. 設計了基于蟻群優(yōu)化的天基資源任務智能規(guī)劃技術，解決了天基資源的任務規(guī)劃問題。 4. 設計了基于演化計算的空基資源任務智能規(guī)劃技術，解決了空基資源的任務規(guī)劃問題。讀者對象：從事任務規(guī)劃問題研究的專業(yè)人員，高校與科研院所的研究員。

作者簡介

　　王原，于2021年獲國防科技大學管理科學與工程專業(yè)博士學位，主要研究方向為智能優(yōu)化與決策技術、智能優(yōu)化方法、基于深度學習的優(yōu)化理論等。以第一作者在《Swarm and Evolutionary Computation》等權威期刊發(fā)表SCI論文多篇，一篇入選ESI引用前10%。

圖書目錄

第 1 章緒論 1
1.1 研究背景及意義 1
1.1.1 研究背景 1
1.1.2 研究意義 4
1.2 國內外研究現(xiàn)狀 5
1.2.1 空天資源任務規(guī)劃問題 5
1.2.2 天基資源任務規(guī)劃問題 12
1.2.3 空基資源任務規(guī)劃問題 18
1.2.4 智能優(yōu)化方法 21
1.2.5 現(xiàn)狀分析及總結 27
1.3 本書主要工作 28
1.3.1 研究路徑設計 28
1.3.2 研究思路分析 30
1.3.3 主要創(chuàng)新點 31
1.4 本章小結 32
第 2 章空天資源任務規(guī)劃問題 33
2.1 問題描述 33
2.1.1 需求描述 33
2.1.2 問題界定 34
2.1.3 資源界定 36
2.1.4 協(xié)同方式界定 37
2.1.5 任務界定 39
2.2 求解框架 40
2.2.1 空天資源-任務匹配階段 41
2.2.2 空天任務協(xié)同分配階段 42
2.2.3 天基任務規(guī)劃階段 42
2.2.4 空基任務規(guī)劃階段 42
2.3 問題分析 44
2.3.1 空天資源-任務匹配問題 44
2.3.2 空天任務協(xié)同分配問題 46
2.3.3 天基資源任務規(guī)劃問題 48
2.3.4 空基資源任務規(guī)劃問題 50
2.4 本章小結 52
第 3 章優(yōu)化算法基本常識 53
3.1 深度 Q 網絡簡介 53
3.2 蟻群算法簡介 55
3.3 模擬退火算法簡介 57
3.4 本章小結 59
第 4 章基于深度學習的資源-任務智能化匹配技術 60
4.1 基于作業(yè)車間調度的問題描述 60
4.1.1 空天資源-任務匹配問題的圖模型 61
4.1.2 空天資源-任務匹配問題的向量表示 63
4.2 基于圖神經網絡的問題特征提取 64
4.2.1 空天資源-任務匹配問題的圖神經網絡模型 64
4.2.2 空天資源-任務匹配問題的圖神經網絡訓練 64
4.3 基于雙重深度 Q 網絡的問題求解 66
4.3.1 雙重深度 Q 網絡基本定義 67
4.3.2 基于雙重深度 Q 網絡的空天資源-任務匹配問題求解 67
4.3.3 雙重深度 Q 網絡模型的訓練 68
4.4 仿真實驗及分析 70
4.4.1 仿真實驗設計 70
4.4.2 算法效能分析 70
4.4.3 計算時間代價分析 72
4.4.4 訓練時間代價分析 73
4.4.5 大規(guī)模問題泛化性實驗 73
4.5 本章小結 77
第 5 章面向空天資源的任務智能化分配技術 78
5.1 問題建模 78
5.2 求解方法 81
5.2.1 算法框架 81
5.2.2 改進蟻群算法 83
5.2.3 多目標模擬退火算法 86
5.2.4 鄰域搜索算子設計 87
5.3 仿真實驗及分析 88
5.3.1 仿真實驗設計 88
5.3.2 算法基本表現(xiàn)分析 91
5.3.3 算法超體積表現(xiàn)分析 93
5.4 本章小結 95
第 6 章基于蟻群優(yōu)化的天基資源任務智能規(guī)劃技術 97
6.1 問題建模 97
6.2 求解方法 100
6.2.1 算法框架 100
6.2.2 多蟻群算法 101
6.2.3 鄰域搜索算子設計 105
6.3 仿真實驗及分析 106
6.3.1 仿真實驗設計 106
6.3.2 MAS-LS 算法參數(shù)調優(yōu)實驗結果 107
6.3.3 蟻群算法求解效能對比實驗 108
6.3.4 客戶選擇規(guī)則測試 109
6.3.5 對比實驗結果分析 109
6.4 本章小結 114
第 7 章基于演化計算的空基資源任務智能規(guī)劃技術 115
7.1 空基資源任務規(guī)劃模型 115
7.1.1 基本假設 116
7.1.2 無人機速度更新模型 117
7.1.3 速度更新規(guī)則系統(tǒng) 120
7.2 基于演化計算的無人機集群控制模型優(yōu)化方法 121
7.2.1 編碼操作 122
7.2.2 交叉操作 122
7.2.3 變異操作 123
7.2.4 環(huán)境選擇 123
7.2.5 種群多樣性控制 123
7.2.6 評價指標 125
7.3 仿真實驗及分析 127
7.3.1 實驗設計 127
7.3.2 算法性能試驗分析 128
7.3.3 控制模型性能試驗分析 132
7.3.4 路徑規(guī)劃結果 133
7.4 本章小結 134
第 8 章總結與展望 136
8.1 研究工作總結 136
8.2 未來工作展望 138
參考文獻 140
附錄 A 算法代碼及實驗結果 150
A.1 雙重深度 Q 學習網絡的訓練 150
A.2 MOSA-ACO 算法表現(xiàn)分析 151
A.2.1 算法基本表現(xiàn)分析匯總 151
A.2.2 算法超體積分析表現(xiàn)分析匯總 156
A.3 天基資源任務規(guī)劃問題仿真實驗結果 158
A.4 無人機集群控制模型和路徑規(guī)劃結果 163
A.4.1 控制模型性能試驗分析結果 163
A.4.2 路徑規(guī)劃詳細結果 164
附錄 B 縮寫詞列表 167