Treffer: Optimization heuristics for scheduling observations in remote sensing missions: single-instrument case

The planning and scheduling of scientific observations in space missions present complex challenges due to operational constraints, including limited resources, stringent time windows, and the need to maximize scientific return. This thesis focuses on developing optimization heuristics, specifically leveraging Genetic Algorithms (GAs), to address these challenges. The study utilizes the ESA’s JUICE mission as a reference, with particular emphasis on the JANUS multispectral camera tasked with observing 141 Regions of Interest (ROIs) on Ganymede during multiple flybys. The research integrates advanced methodologies such as the "Online Frontier Repair" mosaicing algorithm to improve the accuracy of observation scheduling and quality assessments. This algorithm is combined with Python-based optimization frameworks and NASA's SPICE toolkit to ensure robust handling of mission data and constraints. Multi-agent logic is further employed to enhance computational efficiency and solution quality. The methodology was validated through a two-step approach: initial tests on single ROIs to verify algorithm functionality, followed by comprehensive scheduling across all Ganymede ROIs. Results demonstrated the effectiveness of the proposed tools in generating optimized observation schedules that respect geometric and temporal constraints. Comparisons with previous approximations revealed improvements in observation quality and scheduling accuracy. This work highlights the potential of Genetic Algorithms to streamline and enhance space mission planning, providing mission planners with efficient tools for optimizing complex scheduling problems. The findings underscore the importance of integrating advanced computational techniques to maximize scientific output while adhering to mission constraints.
La planificación y programación de observaciones científicas en misiones espaciales presentan desafíos complejos debido a las restricciones operativas, como recursos limitados, ventanas de tiempo estrictas y la necesidad de maximizar el retorno científico. Esta tesis se centra en desarrollar heurísticas de optimización, específicamente utilizando Algoritmos Genéticos (AG), para abordar estos desafíos. El estudio utiliza como referencia la misión JUICE de la ESA, con un enfoque particular en la cámara multiespectral JANUS, encargada de observar 141 Regiones de Interés (ROIs) en Ganímedes durante múltiples sobrevuelos. La investigación integra metodologías avanzadas, como el algoritmo de mosaico "Online Frontier Repair", para mejorar la precisión en la programación de observaciones y en la evaluación de la calidad. Este algoritmo se combina con marcos de optimización basados en Python y el kit de herramientas SPICE de la NASA para garantizar un manejo robusto de los datos y las restricciones de la misión. Además, se emplea lógica multiagente para mejorar la eficiencia computacional y la calidad de las soluciones. La metodología fue validada mediante un enfoque de dos pasos: pruebas iniciales en ROIs individuales para verificar la funcionalidad del algoritmo, seguidas de una programación integral de todas las ROIs de Ganímedes. Los resultados demostraron la eficacia de las herramientas propuestas para generar programas optimizados que respetan las restricciones geométricas y temporales. Las comparaciones con aproximaciones previas revelaron mejoras en la calidad de las observaciones y en la precisión de la programación. Este trabajo destaca el potencial de los Algoritmos Genéticos para simplificar y mejorar la planificación de misiones espaciales, proporcionando a los planificadores herramientas eficientes para optimizar problemas complejos de programación. Los hallazgos subrayan la importancia de integrar técnicas computacionales avanzadas para maximizar los resultado
Incoming