| 摘要 | 第9-10页 |
| ABSTRACT | 第10页 |
| 第一章 绪论 | 第12-23页 |
| 1.1 研究背景及意义 | 第12-14页 |
| 1.2 课题研究现状及分析 | 第14-21页 |
| 1.2.1 虚拟运控中心规划体系现状 | 第14-16页 |
| 1.2.2 卫星任务规划研究现状 | 第16-19页 |
| 1.2.3 方案融合技术研究现状 | 第19-20页 |
| 1.2.4 研究总结 | 第20-21页 |
| 1.3 研究内容 | 第21-22页 |
| 1.4 组织结构 | 第22-23页 |
| 第二章 基于虚拟运控中心的规划体系分析及框架建模 | 第23-30页 |
| 2.1 传统对地观测卫星任务规划流程 | 第23-27页 |
| 2.1.1 卫星对地观测工作原理 | 第23-25页 |
| 2.1.2 传统卫星任务规划流程 | 第25-26页 |
| 2.1.3 传统卫星任务规划过程分析 | 第26-27页 |
| 2.2 面向VMOC的多星任务规划问题分析 | 第27-28页 |
| 2.3 基于虚拟运控中心的规划体系框架 | 第28-29页 |
| 2.4 本章小结 | 第29-30页 |
| 第三章 基于改进合同网的多星分布式任务规划方法 | 第30-49页 |
| 3.1 对地观测多星任务规划模型 | 第31-34页 |
| 3.1.1 问题描述 | 第31-32页 |
| 3.1.2 约束模型 | 第32页 |
| 3.1.3 目标函数 | 第32-34页 |
| 3.2 基于合同网的多星任务分布式规划架构 | 第34-39页 |
| 3.2.1 多星任务规划的MAS建构 | 第34-37页 |
| 3.2.2 基于合同网的任务规划架构 | 第37-39页 |
| 3.3 基于Mean Shift聚类的单星任务规划Agent投标降载算法 | 第39-42页 |
| 3.3.1 Meanshift算法简述 | 第40页 |
| 3.3.2 基于Mean Shift聚类的降载算法基本思想 | 第40-41页 |
| 3.3.3 基于Mean Shift聚类的降载算法流程及步骤 | 第41-42页 |
| 3.4 基于遗传算法的中心协同Agent评标算法 | 第42-44页 |
| 3.4.1 问题编码 | 第42-43页 |
| 3.4.2 交叉算子设计 | 第43页 |
| 3.4.3 变异算子设计 | 第43-44页 |
| 3.4.4 适应值与选择算子设计 | 第44页 |
| 3.5 实验及数据分析 | 第44-48页 |
| 3.6 本章小结 | 第48-49页 |
| 第四章 面向多用户的方案融合算法 | 第49-61页 |
| 4.1 多用户方案冲突消解与融合问题描述与建模 | 第49-51页 |
| 4.1.1 方案融合问题描述 | 第49-50页 |
| 4.1.2 用户方案图模型 | 第50-51页 |
| 4.2 基于图模型的多用户方案融合算法 | 第51-55页 |
| 4.2.1 多用户方案冲突消解 | 第51-53页 |
| 4.2.2 算法流程及步骤 | 第53-55页 |
| 4.3 实验算例与分析 | 第55-60页 |
| 4.4 本章小结 | 第60-61页 |
| 第五章 实验系统设计与实现 | 第61-67页 |
| 5.1 系统设计 | 第61-62页 |
| 5.2 系统实现 | 第62-66页 |
| 5.3 本章小结 | 第66-67页 |
| 第六章 总结与展望 | 第67-69页 |
| 6.1 主要研究成果与工作 | 第67页 |
| 6.2 进一步展望 | 第67-69页 |
| 致谢 | 第69-71页 |
| 参考文献 | 第71-77页 |
| 作者在学期间取得的学术成果 | 第77-78页 |
| 在学期间参加的与本课题相关的科研项目 | 第78页 |
