低軌電磁探測衛星協同任務規劃模型與方法

杜永浩、宋彥傑、邢立寧、陳英武

  • 出版商: 清華大學
  • 出版日期: 2024-10-01
  • 定價: $444
  • 售價: 8.5$377
  • 語言: 簡體中文
  • ISBN: 7302674051
  • ISBN-13: 9787302674054
  • 相關分類: 電磁學 Electromagnetics
  • 下單後立即進貨 (約4週~6週)

  • 低軌電磁探測衛星協同任務規劃模型與方法-preview-1
  • 低軌電磁探測衛星協同任務規劃模型與方法-preview-2
  • 低軌電磁探測衛星協同任務規劃模型與方法-preview-3
低軌電磁探測衛星協同任務規劃模型與方法-preview-1

相關主題

商品描述

本書創造性地提出了低軌電磁探測衛星協同任務規劃模型與方法。本書從低軌電磁探測衛星協同任務規劃的實際需求出發,詳細闡述了協同任務規劃基礎模型與學習型進化算法框架;面向靜止目標、低速移動目標、高速移動目標探測的協同任務規劃,進一步擴展了任務規劃模型並設計了針對具體問題特點的學習型進化算法。

目錄大綱

目   錄

第 1 章 緒論  1

1.1 研究背景  1

1.2 研究意義  5

1.2.1 理論意義  5

1.2.2 實踐意義  6

1.3 國內外研究現狀  7

1.3.1 電磁探測衛星任務規劃模型研究現狀  7

1.3.2 學習型進化算法研究現狀  11

1.3.3 深度強化學習方法研究現狀  15

1.3.4 研究現狀分析  20

1.4 研究內容與創新點  23

1.4.1 研究內容  23

1.4.2 主要創新點  24

1.5 組織結構  26

第 2 章 低軌電磁探測衛星協同任務規劃基礎模型及學習型進化算法框架  28

2.1 低軌電磁探測衛星協同任務規劃概述  28

2.1.1 相關概念與解釋  28

2.1.2 衛星探測過程概述  29

2.1.3 探測衛星工作特點分析  31

2.1.4 協同探測任務特點分析  32

2.1.5 低軌電磁探測衛星協同任務規劃問題難點分析  33

2.2 業務處理流程概述  34

2.2.1 預處理階段  35

2.2.2 模型構建階段  36

2.2.3 算法求解階段  37

2.2.4 方案校驗與執行階段  38

2.3 協同探測任務規劃基礎模型  39

2.3.1 模型假設條件  40

2.3.2 優化目標函數設計  41

2.3.3 衛星能力約束  44

2.3.4 任務執行約束  49

2.3.5 規劃問題上界分析  53

2.4 學習型進化算法框架  58

2.4.1 進化算法特點分析  59

2.4.2 基於深度強化學習方法的算法組合思路  60

2.4.3 算法整體框架  61

2.5 本章小結  64

第 3 章 面向靜止目標探測的同構電磁探測衛星協同任務規劃模型與算法  66

3.1 問題描述與分析  66

3.1.1 問題描述  66

3.1.2 問題難點與特點  68

3.2 靜止目標協同探測任務規劃模型  69

3.2.1 符號和變量  69

3.2.2 問題基本假設  70

3.2.3 數學模型  70

3.3 基於算子自適應選擇的進化算法  72

3.3.1 算法流程  72

3.3.2 基於 DRL 的交叉算子選擇方法  75

3.3.3 種群進化操作  80

3.3.4 探測任務時間窗選擇方法  83

3.3.5 算法復雜度分析  86

3.4 模擬實驗與分析  87

3.4.1 模擬實驗設計與參數配置  87

3.4.2 實驗結果與分析  90

3.5 本章小結  99

第 4 章 面向低速移動目標探測的異構電磁探測衛星協同任務規劃模型與算法  100

4.1 問題描述與分析  100

4.1.1 問題描述  100

4.1.2 問題難點分析  103

4.2 低速移動目標協同探測任務規劃模型  104

4.2.1 符號和變量  104

4.2.2 基本假設  105

4.2.3 數學模型  105

4.3 問題求解算法  111

4.3.1 目標位置預測算法  111

4.3.2 優先級統籌算法  111

4.3.3 混合型學習進化算法  114

4.4 模擬實驗與分析  129

4.4.1 模擬實驗設計與參數配置  129

4.4.2 實驗結果與分析  132

4.5 本章小結  141

第 5 章 面向高速移動目標探測的異構電磁探測衛星協同任務規劃模型與算法  142

5.1 問題描述與分析  142

5.1.1 問題描述  142

5.1.2 問題難點分析  144

5.2 高速移動目標協同探測任務規劃模型  145

5.2.1 符號和變量  145

5.2.2 基本假設  145

5.2.3 數學模型  146

5.3 基於參數自適應學習的進化算法  152

5.3.1 算法流程  152

5.3.2 基於 GRU 模型的參數預測方法  155

5.3.3 基於 DRL 的 GRU 模型參數優化方法  157

5.3.4 種群進化操作  160

5.3.5 算法復雜度分析  164

5.4 模擬實驗與分析  165

5.4.1 模擬實驗設計與參數配置  165

5.4.2 實驗結果與分析  168

5.5 本章小結  178

第 6 章 總結與展望  179

6.1 研究工作總結  179

6.2 工作展望  181

參考文獻  183

附錄 縮寫詞列表  194