Método de Asignación de Tareas para la Eliminación Activa de Escombros de Emergencia Basado en el Algoritmo Genético de Clasificación No Dominada Rápida y Elitista
Autores: Lei, Hao; Zhang, Xiang; Liao, Wenhe; Wei, Guoning; Fan, Shuhui
Idioma: Inglés
Editor: MDPI
Año: 2025
Acceso abierto
Artículo científico
2025
Método de Asignación de Tareas para la Eliminación Activa de Escombros de Emergencia Basado en el Algoritmo Genético de Clasificación No Dominada Rápida y Elitista
Categoría
Ingeniería y Tecnología
Subcategoría
Ingeniería Aeroespacial
Palabras clave
Remoción de desechos espaciales
Enjambre de satélites
Problema heterogéneo
Estrategia de codificación de cromosomas
Objetivos de optimización
Estrategia de ajuste dinámico de parámetros
Licencia
CC BY-SA – Atribución – Compartir Igual
Consultas: 16
Citaciones: Sin citaciones
La eliminación activa de desechos espaciales es ahora integral para la exploración espacial moderna. Con el fin de abordar el problema de un enjambre de satélites heterogéneo con diferentes cargas útiles que llevan a cabo la eliminación activa de desechos espaciales de emergencia, este documento propone un Algoritmo Genético de Clasificación No Dominada Rápida y Élite de Múltiples Tipos de Cromosomas (MC-NSGA-II). El algoritmo está diseñado para permitir que el enjambre de satélites ejecute múltiples tareas acopladas en sucesión con una eficiencia de optimización mejorada. Un orden de ejecución arbitrario puede resultar en un bloqueo, donde uno o más satélites quedan atrapados en un bucle de espera infinito. Para abordar el problema heterogéneo de los satélites y las restricciones de acoplamiento de tareas, se desarrolla una estrategia de codificación de cromosomas de múltiples tipos. Para evaluar diferentes estrategias de asignación, se introducen tres objetivos de optimización: consumo de tiempo, consumo de combustible y equilibrio de tareas. Para alinearse con la estrategia de codificación de cromosomas de múltiples tipos, se desarrollan dos métodos de clasificación distintos para las operaciones de cruce y mutación, asegurando que todos los individuos descendientes cumplan con las restricciones. Además, el algoritmo incorpora una estrategia de ajuste de parámetros dinámica para mejorar la eficiencia de la solución. Finalmente, simulaciones comparativas validan la efectividad y superioridad del método propuesto. Los resultados muestran que la capacidad de búsqueda de soluciones de alta calidad del algoritmo MC-NSGA-II es un 23.07% superior a la del algoritmo NSGA-II estándar.
Descripción
La eliminación activa de desechos espaciales es ahora integral para la exploración espacial moderna. Con el fin de abordar el problema de un enjambre de satélites heterogéneo con diferentes cargas útiles que llevan a cabo la eliminación activa de desechos espaciales de emergencia, este documento propone un Algoritmo Genético de Clasificación No Dominada Rápida y Élite de Múltiples Tipos de Cromosomas (MC-NSGA-II). El algoritmo está diseñado para permitir que el enjambre de satélites ejecute múltiples tareas acopladas en sucesión con una eficiencia de optimización mejorada. Un orden de ejecución arbitrario puede resultar en un bloqueo, donde uno o más satélites quedan atrapados en un bucle de espera infinito. Para abordar el problema heterogéneo de los satélites y las restricciones de acoplamiento de tareas, se desarrolla una estrategia de codificación de cromosomas de múltiples tipos. Para evaluar diferentes estrategias de asignación, se introducen tres objetivos de optimización: consumo de tiempo, consumo de combustible y equilibrio de tareas. Para alinearse con la estrategia de codificación de cromosomas de múltiples tipos, se desarrollan dos métodos de clasificación distintos para las operaciones de cruce y mutación, asegurando que todos los individuos descendientes cumplan con las restricciones. Además, el algoritmo incorpora una estrategia de ajuste de parámetros dinámica para mejorar la eficiencia de la solución. Finalmente, simulaciones comparativas validan la efectividad y superioridad del método propuesto. Los resultados muestran que la capacidad de búsqueda de soluciones de alta calidad del algoritmo MC-NSGA-II es un 23.07% superior a la del algoritmo NSGA-II estándar.