典型文献
基于深度神经网络的多星测控调度方法
文献摘要：
卫星规模的急剧扩大给传统多星测控调度方法带来了巨大挑战.传统调度方法面临调度时间长、任务满足度低等问题,难以适应大规模卫星调度.为此,引入了支持大数据和并行计算且具有自主学习特性的深度神经网络(DNN)算法,提出了一种基于DNN的多星测控资源调度方法.根据多星测控资源调度的特点以及DNN算法的要求,对调度过程中影响调度结果的相关实体和约束等信息进行特性分析,选择对调度结果有较大影响的属性或约束,离散化处理后作为DNN的特征值.在此基础之上通过预处理将测控任务与测控资源间的全匹配缩减为有效匹配,减小求解空间,降低DNN的特征维度以及训练难度.然后基于抽取的特征值及调度特性构建DNN模型,并通过大量历史调度数据完成对该DNN模型的训练.最后经试验表明,DNN调度方法的任务满足度达到99％,且通过特征降维后,算法的运行时间缩减了83％,验证了算法的可行性和高效性.
文献关键词：
深度神经网络;多星测控;任务调度;特性分析;特征降维
中图分类号：
作者姓名：
李长德;徐伟;徐梁;王燕
作者机构：
航天恒星科技有限公司,北京 100086
文献出处：
引用格式：
[1]李长德;徐伟;徐梁;王燕-.基于深度神经网络的多星测控调度方法)[J].中国空间科学技术,2022(01):65-72
A类：
多星测控
B类：
深度神经网络,调度方法,满足度,卫星调度,并行计算,学习特性,DNN,测控资源,资源调度,中影,和约,离散化处理,减为,解空间,特征降维,运行时间,任务调度
AB值：
0.22812
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
