研究目的
提出一个面向物联网成像卫星任务规划的通用数据驱动解决方案框架——成像卫星任务规划框架(ISMPF),以解决该领域缺乏标准化和通用化方案的问题。
研究成果
ISMPF框架为成像卫星任务规划提供了一种标准化、通用化的方法,通过集成多接入边缘计算(MEC)实现高效任务分配,并利用机器学习生成初始方案。实验结果表明,合理的算法选择能提升任务收益与完成率,但在模型-算法组合优化及软件开发方面仍需进一步研究。
研究不足
该框架的有效性通过仿真和数值示例得以验证,但未充分考虑实际应用中的通信延迟、硬件限制及环境因素等约束条件。针对特定问题类型,算法选择可能需要进一步优化。
1:实验设计与方法选择:
本研究设计了一个框架(ISMPF),包含利用移动边缘计算(MEC)进行任务分配的模块、采用机器学习与启发式算法进行规划调度的??橐约叭挝裰葱心??。通过数值算例和仿真实验进行验证。
2:样本选择与数据来源:
针对测控和数据下行业务设计了测试算例,任务规模为10至300,涉及多颗卫星与地面站。
3:实验设备与材料清单:
未明确提及;采用包含低轨(LEO)、中轨(MEO)、高椭圆轨道(HEO)卫星、地面站及MEC服务器的假设场景。
4:实验流程与操作步骤:
任务分配环节采用算法1根据资源消耗与紧急状态将任务分配给MEC服务器或移动终端;规划环节通过仿真实验运用BP神经网络与遗传算法生成并评估规划方案。
5:数据分析方法:
基于收益与任务完成率指标评估性能,对不同启发式算法的结果取平均值并进行比较。
独家科研数据包,助您复现前沿成果,加速创新突破
获取完整内容