Questa ricerca propone lo sviluppo di metodi di ottimizzazione per l'analisi preliminare di missioni cooperative di rimozione attiva di detriti, in cui una formazione di spacecraft viene utilizzata in modo coordinato al fine di rimuovere tutti (o la maggior parte) dei detriti presenti in una data lista. La missione viene formulata come un problema di ottimizzazione combinatoriale, in cui è necessario identificare quali detriti ed in che sequenza essi debbano essere rimossi. Il problema di ottimizzazione è risolto utilizzando un metodo meta-euristico di tipo genetico, con particolari operatori di crossover e mutazione, specificamente pensati per la soluzione di problemi combinatoriali. L'efficacia dell'algoritmo di soluzione viene verificata attraverso simulazioni numeriche su un set di problemi benchmark opportunamente definito in base agli scenari di missione ipotizzati in letteratura.
Il principale contributo di questa ricerca riguarda lo sviluppo di metodologie innovative ed algoritmi meta-euristici per l'analisi preliminare di missioni cooperative di rimozione attiva di detriti, che diventeranno sempre più necessarie e sempre più frequenti nei prossimi anni. Questo permetterà di poter pianificare missioni più efficienti, quindi sostenibili anche dal punto di vista economico, in modo da preservare un accesso allo spazio sicuro per gli anni a venire.
Nella definizione di questi algoritmi si terrà conto della rinnovata disponibilità di sistemi calcolo distribuito multi-CPU o multi-GPU, che richiedono una forte innovazione rispetto allo standard attuale, ma promettono anche elevati benefici in termini di complessità dei problemi risolvibili.
Inoltre, si procederà alla creazione di un set di problemi benchmark per la valutazione dell'efficacia degli algoritmi sviluppati. Tale benchmark sarà completamente open-source e comprenderà problemi facilmente riproducibili, che potranno essere di aiuto anche ad altri gruppi di ricerca, per valutare i propri algoritmi e confrontarsi con la comunità scientifica in modo trasparente. Infatti, gli algoritmi presentati in letteratura sono solitamente sviluppati nel contesto di ricerche industriali, quindi soggetti a vincoli di riservatezza, tanto che non è mai possibile replicare esattamente i risultati ottenuti in una pubblicazione, non essendo mai disponibili tutti i dati ed i settaggi dell'algoritmo stesso. Inoltre, in molti casi ogni autore definisce un problema leggermente diverso in termini di funzione obiettivo o vincoli; ne segue l'impossibilità di confrontare fra loro i vari metodi di soluzione presentati in letteratura in maniera veramente corretta,
cosa che può essere risolta solo introducendo un set di problemi ben codificati facilmente condivisibili all'interno della comunità scientifica.