Combinatorial Optimization for Space Exploration with Constraint Programming : Data Transfers, Scientific Observations, and Operations Scheduling

Les missions spatiales impliquent des systèmes de plus en plus complexes, évoluant dans un environnement où des ressources telles que les communications ou l’énergie sont limitées. Concevoir et opérer ces missions demande un investissement considérable en temps et en argent—la durée de vie d’une mission spatiale peut s’étendre sur plusieurs décennies, et de tels projets peuvent coûter jusqu’à un milliard d’euros—et la moindre erreur peut avoir des conséquences dramatiques. De nombreuses décisions relatives au segment sol, en particulier le transfert de données et la planification des observations, sont le plus souvent prises manuellement ou semi-manuellement par des équipes d’experts en collaboration avec l'équipe scientifique. Ce processus est long, produit des solutions sous-optimales, et peut amener à réduire le retour scientifique de la mission.Dans cette thèse, nous explorons comment l’optimisation combinatoire peut améliorer le processus de planification des missions spatiales. Plus précisément, nous étudions des problèmes de transfert de données issus de la mission Rosetta, aujourd'hui terminée, mais nous définissons également de nouveaux problèmes d’ordonnancement relatifs à la mission nanosatellite NIMPH, actuellement en développement, ainsi qu’à la mission candidate de l’ESA, M-MATISSE. Nous proposons une analyse de complexité pour l’ensemble de ces problèmes, en démontrant qu’ils sont tous NP-difficiles, et nous présentons de nouvelles méthodes principalement basées sur la programmation par contraintes, mais aussi sur la programmation linéaire en nombres entiers et sur des heuristiques pour les résoudre.Nous évaluons nos modèles et heuristiques sur des scénarios réels ainsi que sur des instances synthétiques réalistes, en les comparant aux approches actuellement utilisées pour résoudre les problèmes abordés dans cette thèse. Nos résultats montrent que nos méthodes permettent d’obtenir des solutions de très bonne qualité (parfois optimales) à ces problèmes difficiles, réduisant ainsi l’effort des opérateurs humains tout en augmentant le retour scientifique des missions.