面向即时响应的卫星在轨分布式协商智能任务规划OA北大核心CSTPCD
On-orbit Distributed Negotiation Intelligent Mission Planning for Instant Response
低轨遥感星座任务规划是一个复杂的多目标优化问题,目前基于深度强化学习的卫星任务规划研究存在试验数据星座规模小、优化目标单一、任务重复安排或模型适应性差等问题.针对上述问题,提出CON_DQN(Contract network and Deep Q Network)算法,采用主从星在轨分布式协商机制,从星基于规划决策,主星基于深度强化学习算法决策,从任务优先级、资源代价和负载均衡等方面进行多目标优化,实现面向即时响应的卫星在轨分布式协商智能任务规划…查看全部>>
The mission planning of LEO remote sensing constellation is a complex multi-objective op-timization problem.At present,there are some problems in satellite mission planning research based on deep reinforcement learning,such as small scale of test data constellation,single optimization objective,repeated task arrangement and poor model adaptability.To solve the above problems,the CON_DQN(Contract network and Deep Q Network,CON_DQN)algorithm is proposed in thi…查看全部>>
李英玉;史好迎;赵通
中国科学院国家空间科学中心 北京 100190||中国科学院大学 北京 100049中国科学院国家空间科学中心 北京 100190||中国科学院大学 北京 100049北京大学计算机学院 北京 100871
在轨任务规划即时响应分布式协商深度强化学习多目标优化
On orbit mission planningInstant responseDistributed negotiationDeep reinforcement learningMultiple objective optimization
《空间科学学报》 2024 (1)
159-168,10
中国科学院重点部署项目资助(ZDRW-KT-2016-02)
评论