Ottimizzazione delle sequenze per missioni con rimozione multipla di detriti spaziali = Sequence optimization analysis for multiple removal debris missions

Sommario Decadi di missioni spaziali insieme all’aumento delle attività spaziali ai nostri giorni, hanno portato ad un numero elevato di oggetti nelle orbite attorno alla Terra, incrementando così il pericolo di avere collisioni tra oggetti lasciati alla deriva e i satelliti tutt’ora funzionanti. Alcune statistiche hanno riportato che il numero di oggetti incontrollati oltre i 10 cm, nelle orbite geocentriche ha superato le 30000 unità; un numero ancora più esorbitante se assieme a quest’ultimi andiamo a considerare quelli di taglia inferiore ai 10 cm. Ciò ha allarmato le agenzie spaziali di diversi paesi, che si sono messe d’accordo per trovare una soluzione per evitare che le condizioni nello spazio peggiorino ulteriormente. Ma molti esperti prevedono che limitare la produzione di detriti nel prossimo futuro non sarà sufficiente per ovviare ad una futura impossibilità di praticare missioni spaziali. In effetti, per far fronte a questo problema, occorre andare a rimuovere la spazzatura spaziale delle attività spaziali finora prodotta, con delle tecniche che vedremo in questa trattazione. Naturalmente, visti i numeri di detriti presenti in orbita, conviene implementare delle missioni in grado di rimuovere più detriti alla volta, e per far ciò necessita pianificare delle missioni che permettano di avere dei costi contenuti. Un punto cruciale per minimizzare i costi, è quello di ottimizzare la traiettoria o la sequenza, per avere un basso V, che vuol dire portare meno massa nello spazio. Esistono diversi metodi per l’ottimizzazione delle sequenze, ma quelli più promettenti per questa applicazione sono quelli evoluzionistici, che superano le difficoltà di quelli numerici. Molti dei metodi evoluzionistici, prendono spunto dal comportamento naturale degli animali, oppure dalla selezione naturale; infatti gli esseri viventi si sono ottimizzati, per poter vivere in un ambiente con delle particolari caratteristiche, e questo rappresenta un pò la logica che ci sta dietro. In questa trattazione verrà messo in pratica l’ACO, ovvero l’algoritmo delle colonie di formiche, che prende spunto dal comportamento delle formiche nella ricerca di cibo. Infatti le colonie di formiche riescono ad incanalarsi su un percorso breve per andare alla fonte di cibo, e poi ritornare nel nido. Nell’analisi fatta in questa tesi, si presa in considerazione un insieme di detriti del GTOC9, una competizione per l’ottimizzazione delle traiettorie, e poi la si ha ottimizzata con l’ACO, per valutare le prestazioni di questo algoritmo in questa applicazione.