空間信息網(wǎng)絡(luò)任務(wù)規(guī)劃與資源調(diào)度

第 1章　緒論 1
1.1　空間信息網(wǎng)絡(luò)系統(tǒng)概述 1
1.2　空間信息網(wǎng)絡(luò)的國內(nèi)外研究現(xiàn)狀 3
1.3　空間信息網(wǎng)絡(luò)面臨的科學挑戰(zhàn)與技術(shù)挑戰(zhàn) 5
參考文獻 5
第 一部分　空間信息網(wǎng)絡(luò)任務(wù)重構(gòu)與多維資源聯(lián)合表征
第 2章　空間信息網(wǎng)絡(luò)任務(wù)分析與預(yù)處理 8
2.1　引言 8
2.2　空間信息網(wǎng)絡(luò)任務(wù)特征及聚類 9
2.2.1　任務(wù)特征分析 9
2.2.2　任務(wù)聚類 15
2.3　任務(wù)的拆分與聚合方法 15
2.3.1　數(shù)傳任務(wù)的拆分與聚合方法 16
2.3.2　觀測任務(wù)的拆分與聚合方法 20
2.4　本章小結(jié) 25
參考文獻 25
第3章　基于時間擴展圖的資源表征模型 27
3.1　引言 27
3.2　基于時間擴展圖的通信—存儲資源表征模型 29
3.3　基于時間擴展圖的觀測—通信—存儲—計算資源表征模型 30
3.4　基于時間擴展圖的能量資源表征模型 35
3.5　基于時間擴展圖的天線資源表征模型 37
3.6　應(yīng)用與仿真 40
3.7　本章小結(jié) 42
參考文獻 43
第 一部分小結(jié) 45
第二部分　面向常規(guī)任務(wù)的空間信息網(wǎng)絡(luò)資源管理與優(yōu)化
第4章　面向?qū)Φ赜^測任務(wù)需求的多維資源聯(lián)合調(diào)度及星間鏈路規(guī)劃 48
4.1　引言 48
4.2　系統(tǒng)模型及問題建模 50
4.2.1　時間擴展圖 50
4.2.2　任務(wù)數(shù)據(jù)流模型 52
4.2.3　問題建模 53
4.3　基于原始分解的網(wǎng)絡(luò)收益最大化算法 56
4.3.1　RAPD算法 56
4.3.2　復(fù)雜度分析 60
4.4　基于沖突圖的算法 62
4.5　仿真結(jié)果與分析 65
4.5.1　仿真參數(shù)設(shè)置 65
4.5.2　網(wǎng)絡(luò)性能 66
4.6　本章小結(jié) 73
參考文獻 73
第5章　基于信道感知的中繼衛(wèi)星任務(wù)規(guī)劃 76
5.1　引言 76
5.2　系統(tǒng)模型 78
5.2.1　網(wǎng)絡(luò)場景 78
5.2.2　信道模型 79
5.2.3　面向中繼衛(wèi)星任務(wù)規(guī)劃的時間擴展圖 81
5.2.4　任務(wù)流模型 82
5.3　問題建模 83
5.3.1　相關(guān)約束 83
5.3.2　問題建模 84
5.4　最優(yōu)功率導向的基于圖的任務(wù)規(guī)劃算法 86
5.4.1　算法框架 87
5.4.2　信道感知的鏈路連接算法 87
5.4.3　基于聚合最短路徑的任務(wù)規(guī)劃算法 89
5.4.4　局部搜索算法 91
5.4.5　算法復(fù)雜度分析 93
5.5　仿真結(jié)果與分析 94
5.5.1　仿真參數(shù)設(shè)置 94
5.5.2　網(wǎng)絡(luò)性能分析 94
5.6　本章小結(jié) 100
參考文獻 101
第6章　基于天線轉(zhuǎn)動時間的中繼衛(wèi)星系統(tǒng)數(shù)傳任務(wù)規(guī)劃 104
6.1　引言 104
6.2　系統(tǒng)模型 105
6.2.1　網(wǎng)絡(luò)模型 105
6.2.2　天線轉(zhuǎn)動模型 106
6.3　問題建模 107
6.3.1　鏈路調(diào)度 107
6.3.2　數(shù)傳資源調(diào)度 108
6.3.3　優(yōu)化模型 109
6.4　基于天線轉(zhuǎn)動時間的中繼衛(wèi)星系統(tǒng)數(shù)傳任務(wù)規(guī)劃方法 110
6.5　仿真結(jié)果與分析 112
6.6　本章小結(jié) 117
參考文獻 117
第二部分小結(jié) 119
第三部分　面向動態(tài)突發(fā)任務(wù)的空間信息網(wǎng)絡(luò)資源管理與優(yōu)化
第7章　面向動態(tài)突發(fā)任務(wù)需求的多維資源聯(lián)合調(diào)度 122
7.1　引言 122
7.2　系統(tǒng)模型 124
7.2.1　小衛(wèi)星網(wǎng)絡(luò)模型 124
7.2.2　動態(tài)突發(fā)任務(wù)數(shù)據(jù)到達模型 124
7.2.3　星間鏈路信道模型 125
7.2.4　動態(tài)能量模型 126
7.3　基于MDP框架的問題建模 126
7.3.1　小衛(wèi)星網(wǎng)絡(luò)的離散有限—嵌—無限兩層動態(tài)規(guī)劃架構(gòu) 127
7.3.2　問題建模 131
7.4　基于動態(tài)規(guī)劃的多維資源聯(lián)合調(diào)度算法 131
7.4.1　算法設(shè)計 132
7.4.2　復(fù)雜度分析 135
7.5　仿真結(jié)果與分析 136
7.5.1　仿真配置 136
7.5.2　性能評估 136
7.6　本章小結(jié) 140
參考文獻 140
第8章　基于動態(tài)突發(fā)任務(wù)到達模糊信息的兩階段任務(wù)規(guī)劃方法 144
8.1　引言 144
8.2　系統(tǒng)模型 146
8.2.1　信道模型 147
8.2.2　時間擴展圖 148
8.2.3　能量相關(guān)模型 150
8.3　問題建模 150
8.3.1　基本約束 150
8.3.2　優(yōu)化問題建模 152
8.4　數(shù)據(jù)到達分布魯棒的兩階段算法 153
8.4.1　兩階段隨機數(shù)據(jù)到達分布的模糊集 155
8.4.2　DADR-TR算法設(shè)計 157
8.4.3　復(fù)雜度分析 161
8.5　仿真結(jié)果與分析 162
8.5.1　仿真配置 162
8.5.2　性能評估 162
8.6　本章小結(jié) 168
參考文獻 168
第三部分小結(jié) 172
第四部分　人工智能在空間信息網(wǎng)絡(luò)任務(wù)規(guī)劃與資源調(diào)度中的應(yīng)用
第9章　遷移學習在空間信息網(wǎng)絡(luò)任務(wù)規(guī)劃中的應(yīng)用 174
9.1　引言 174
9.2　系統(tǒng)模型 175
9.2.1　網(wǎng)絡(luò)模型 175
9.2.2　任務(wù)服務(wù)模型 176
9.3　問題建模 176
9.4　面向任務(wù)結(jié)構(gòu)學習的任務(wù)規(guī)劃 177
9.4.1　基于Hopfield算法的資源調(diào)度算法 177
9.4.2　基于任務(wù)結(jié)構(gòu)的資源調(diào)度算法 179
9.4.3　任務(wù)結(jié)構(gòu)學習 179
9.5　仿真結(jié)果與分析 181
9.5.1　任務(wù)分布相似性 181
9.5.2　仿真結(jié)果 181
9.6　本章小結(jié) 183
參考文獻 184
第 10章　強化學習在空間信息網(wǎng)絡(luò)智能資源調(diào)度中的應(yīng)用 186
10.1　引言 186
10.2　系統(tǒng)模型 188
10.2.1　網(wǎng)絡(luò)模型 188
10.2.2　信道模型和能量模型 189
10.3　問題建模 192
10.4　面向動態(tài)資源的智能資源調(diào)度 196
10.4.1　算法框架 196
10.4.2　DSWLFA算法 197
10.5　仿真結(jié)果與分析 203
10.5.1　仿真過程 203
10.5.2　性能評估 204
10.6　本章小結(jié) 208
參考文獻 209
第四部分小結(jié) 211