《Knowledge-Based Systems》：Neutrosophic Graph Based Energy-Aware Equitable Total Domination for Efficient Satellite Cluster Coordination
编辑推荐：
摘要本研究提出了一种新的EA公平完全支配框架（EA-ETD），该框架利用简单的神经图模型来优化卫星集群。它在中性图环境中引入公平支配约束，以保持平衡的协调责任，管理网络拓扑结构以确保韧性，并在动态且不确定的空间通信条件下有效利用资源。该框架将公平TD问题扩展到简单神经图中，从而确
摘要
本研究提出了一种新的EA公平完全支配框架（EA-ETD），该框架利用简单的神经图模型来优化卫星集群。它在中性图环境中引入公平支配约束，以保持平衡的协调责任，管理网络拓扑结构以确保韧性，并在动态且不确定的空间通信条件下有效利用资源。该框架将公平TD问题扩展到简单神经图中，从而确保卫星之间在支配关系上的公平性，避免单个卫星能量耗尽。在神经图框架内定义了一种考虑卫星剩余能量、通信成本以及基于节点度数的公平性约束的能源感知型（EA）完全支配指标。其目标是在不确定性条件下找到能耗最低且能公平覆盖整个卫星集群的节点集合，同时最小化能量消耗。为解决这一问题，该方法采用多目标优化技术，同时最小化总能耗、支配失衡和通信开销。研究在代表低地球轨道星座和协作卫星网络的典型拓扑结构上进行了仿真，结果表明，与传统基于图的和模糊TD方法相比，所提出的EA-ETD方法在能源效率、负载均衡和容错性方面都有提升。此外，该模型还能应对动态拓扑变化和部分卫星故障，因此适用于自主且具备韧性的空间系统。研究结果表明，基于简单神经图的TD方法可成为在不确定性主导的空间环境中管理下一代EA卫星集群的优质分析和优化工具。
引言
在现代空间任务中，高效协调卫星集群已成为一个重要研究课题，这一需求的产生源于分布式卫星任务的发展趋势，如卫星群、编队和星座等[1]。与传统卫星集群任务不同，卫星集群任务是通过多颗小型卫星的协同运作来执行复杂的任务，包括地球观测、空间监视、通信以及深空探索等[2]。虽然这种分布式架构提升了任务运行的灵活性、可扩展性和容错能力，但同时也给能源管理、协调控制以及系统可靠性带来了诸多挑战[3]。由于卫星上可供使用的能源资源，如电池容量和太阳能收集能力有限，因此合理利用能源对于延长任务寿命至关重要。
在卫星集群的协调过程中，一个突出的问题是动态且不确定的空间环境，卫星需要在不断变化的轨道条件、太阳辐射强度、温度，以及大气阻力、太阳辐射等其他因素的不可预测影响下运行。这些条件会直接影响能量的生成与消耗，使得EA决策问题变得极为复杂且具有时变性。此外，集群中的卫星还需持续传递自身的位置、速度、任务分配等信息。尽管卫星间的通信必不可少，但它却会耗费大量能量，且容易出现延迟、数据包丢失等问题。
另一个重要因素是集群中卫星的异质性[[4], [5], [6]]。卫星在硬件、传感器、通信能力以及能源方面的差异，都是协调策略需要考虑的重要方面[7,8]。如果不能合理管理卫星的能源使用，部分卫星可能会在任务结束前就耗尽能量，从而导致任务失败[9]。因此，协调策略在优化整体任务目标的同时，还必须考虑到每颗卫星的实际情况[[10], [11], [12]]。
此外，感知和通信方面的不确定性也会对卫星集群的协调工作产生显著影响。例如传感器噪声、估计误差以及不可靠的通信都会导致关于每颗卫星状态的信息不准确，进而降低集群协调和能源利用的效率[13]。因此，有必要引入一种新的稳健框架，使卫星集群能够在信息不完整或不确定的情况下依然可靠且高效地运行。这需要借助自适应控制、分布式优化以及能够动态响应环境和系统不确定性的智能决策算法[14]。
在自主控制系统、人工智能以及分布式优化技术方面的显著进展，为克服这些挑战提供了可能。基于预测模型、自适应学习以及协作控制策略的EA协调技术，已展现出在保证任务高性能的同时降低能耗的潜力[15,35]。这些技术能够智能地平衡通信、计算和执行成本，从而使卫星集群能够在更长时间内自主运行[[35], [36], [37], [38]]。因此，对于下一代空间任务而言，开发既稳健又高效的协调技术具有重要意义，因为可持续性、自主性和可靠性正是这类任务的关键性能指标[[16], [17], [18], [19],39]。
章节节选
文献综述
本节介绍了一些利用不同技术优化卫星集群的现有研究成果。Kumar G. K.和P. S[20]提出了一种基于卷积莲花效应的动态图神经网络，用于实现卫星间的高效路由。该方法将卷积学习与动态图结合，以应对卫星网络中的拓扑变化。同时，该方案还利用莲花效应提升了系统的稳健性、路由效率以及数据包传输性能。相关仿真研究也已完成
基础知识与数学原理
EA-ETD框架与协作卫星通信系统以及低地球轨道星座所面临的实际计算机网络问题密切相关。在所提出的模型中，卫星被视为通信节点，而卫星间的通信链路则被看作简单中性图中的边。该框架侧重于在不确定的空间环境条件下，从网络层层面实现EA拓扑控制以及具有韧性的通信协调
问题建模
公平支配通过强制支配节点与被支配节点之间的结构平衡，对TD进行了扩展。在神经图中，这种平衡需要从真实性、不确定性以及虚假性等多个维度来理解，这些维度共同决定了图连接关系的可靠性。中性图中的强弧条件确保了支配关系只能通过足够可靠的中性关系来实现。如果没有这一条件，就可能在不确定性较高的边上施加公平性约束
结果验证
下一节将展示用于验证所提出的EA-ETD框架的仿真结果。验证工作是通过迭代收敛分析、能耗降低情况、公平性约束的落实程度以及系统可靠性等方面的评估来进行的。此外，还通过对比非等价支配技术的研究结果，以及运用t检验、方差分析和事后Tukey HSD等统计方法进行验证，进一步证明所提框架的有效性。
使用的是MATLAB R2024a软件
结论
本研究提出了基于EA-ETD框架的EA-ETD方法，通过简单的神经图理论对卫星集群进行优化，旨在解决卫星间通信中的不确定性、能源、可靠性以及公平性等问题。该方法融入了中性图理论，以便更好地应对空间环境中的不确定性与模糊性，从而比传统图论能够做出更符合实际的支配关系决策。该方法的构建还充分考虑了EA原则
伦理标准遵守情况
1. 潜在利益冲突披露：
所有作者均不存在任何潜在的利益冲突。
伦理审批声明
由于本研究不涉及人类或动物参与者，因此无需进行伦理审批，该要求在此不适用。
知情同意
对于这类研究而言，正式的知情同意并非必需。
结果可重复性
本研究报告中给出的结果，可以通过手稿中描述的 方法、数据及参数进行复现。
数据可用性说明
支撑本研究结论的大部分数据都以表格和图表的形式呈现在手稿中。如有合理需求，相应的作者也可以提供额外的原始数据。
代码可用性说明
由于机构限制以及作者之间的协议约定，与本研究相关的计算代码目前暂未公开。
作者贡献
所有作者都对这项工作做出了同等程度的贡献。所有作者都参与了手稿的审阅工作。
CRediT作者贡献说明
Sreelakshmi T.P.：负责撰写初始草稿以及项目管理工作。K. Uma Samundesvari：负责资源筹备以及方法设计工作。
Sreelakshmi T.P.|K. Uma Samundesvari
