Departamento de Computación

La solución de problemas con múltiples objetivos, mejor conocidos como multiobjetivo, es un área en constante desarrollo. Ésta ha representado un reto, en numerosos y muy diversos sentidos, para los expertos en la materia por un largo tiempo. La computación evolutiva engloba a un conjunto de heurísticas inspiradas en el principio de la “supervivencia del más apto” de la teoría de la evolución de Darwin. Los algoritmos evolutivos se han usado para resolver problemas de optimización en una amplia variedad de aplicaciones, que van desde minimizar la cantidad de material utilizado en la fabricación de un producto, hasta el diseño de vehículos espaciales. El uso de algoritmos evolutivos para resolver problemas multi-objetivo se ha vuelto muy popular, sobre todo en los últimos 10 años. Una misión espacial involucra un conjunto de sistemas que interactúan para poder realizar el objetivo para el cual fueron creadas. Un problema en particular de esa larga lista, que además resulta ser de vital importancia y a la vez muy complicado es el diseño de las trayectorias que deben seguir los vehículos espaciales. Otro problema de singular importancia está relacionado con la utilización de los recursos limitados con los que cuentan todas las misiones espaciales. Por lo expuesto anteriormente es necesario optimizar los recursos con los que se cuenta en el vehículo, como son el alimento y el combustible. El problema de encontrar la ruta óptima en un vehículo espacial de bajo impulso, consiste en determinar cuál es el camino que requerirá menor tiempo y consumo de combustible para lograr nuestro objetivo, el cual es llegar desde una órbita en particular a otra. La dificultad para hacer esto radica en la complejidad para realizar una sola evaluación de la función objetivo, además de la alta dimensionalidad del problema planteado. En el presente documento de tesis se plantea un mecanismo para encontrar buenas soluciones al problema de diseño de trayectorias de vehículos espaciales utilizando un algoritmo genético multi-objetivo paralelo. Se optó por una solución paralela debido a la complejidad computacional que plantea encontrar buenas soluciones en un espacio de búsqueda considerablemente grande.

Abstract

Multiobjective optimization problems is a field that change and development. It represents a challenge in many ways to scientists and experts in this field. Evolutionary Computating is the collective name for a range of problem-solving techniques based on principles of biological evolution, such as natural selection and genetic inheritance, proposed by Darwin. Evolutionary algorithms has been used to solve a numerous set of optimization problems in an extensive variety of applications, such as design and manufacturing products to spacecraft design. Evolutionary algorithms becomes very popular to solve multiobjective optimization problems since 1990’s. An space mission involves a set of very complicated systems that interacts between themselves to achieve de goal for which they were designed. One of this systems, so far complicated but extremly complicated, is spacecraft’s trayectories. Another important problem is related with the consume of limited resources. For these reasons, its necesary optimizing resources as food and propellant mass. Finding optimal trayectory of low-thrust spacecraft is very complicated in many and diferent ways, such as objective funtion evaluation time and high dimensional data. This problem is a trade-off between propellant mass consumption and flight time in order to acheive de goal of de espace mision which is arrive to a diferent eliptical orbit. Present document explain the mechanism to deal and find good solutions to the problem of low-thrust orbit transfer. Because high dimensional data, function time evaluation and complexity of problem we used parallel model of multiobjective genetic algorithm to solve it.