CN106021874A - 基于动态价值的航天器自主多区域目标观测任务规划方法 - Google Patents

Abstract

本发明涉及一种基于动态价值的航天器自主多区域目标观测任务规划方法，属于航空航天技术领域。本发明的目的是为了解决现有背包问题模型存在的物品价值固定且需要提前给定进而使得具有复杂观测需求的任务规划问题无法在综合考虑多种因素的情况下得到有效求解的问题，提供一种基于动态价值的航天器自主多区域目标观测任务规划方法，该方法采用基于动态价值的多重背包模型对面向区域目标的观测任务规划问题进行建模，并采用基于最大价值收益启发式的贪婪搜索算法进行求解，具有求解速度快、通用性好、算法实现简单等特点，便于实现星上自主观测任务规划。

Description

基于动态价值的航天器自主多区域目标观测任务规划方法

技术领域

本发明涉及一种基于动态价值的航天器自主多区域目标观测任务规划方法，属于航空航天技术领域。

背景技术

随着航天技术的飞速发展，空间遥感在资源勘探、灾害预防以及科学研究等诸多领域都发挥着越来越重要的作用。为了获得全面、准确、高质量的目标信息，需要综合考虑观测需求、航天器受到的各种约束(如存储容量、能量消耗、光照条件等)和数传站情况，提前计划好观测成像时间和数据下传时间，即进行航天器观测任务规划。

但由于航天器的数目不断增多、能力不断增强，且观测目标已经从点目标发展为区域目标等复杂目标，传统的人工方式的航天器观测任务规划方法已不能满足实际需求。因此，航天器能够自主进行观测任务规划是其未来发展的趋势之一，进而我们需要研究面向多个区域目标的航天器自主观测任务规划方法，包含载荷和数传任务规划两个方面。

面向区域目标的观测任务规划算法包含两个核心部分，即建立问题模型和求解模型，国内外众多学者对此进行了深入的理论研究，其中一些算法也已经得到了工程应用。问题模型有图论问题模型、背包问题模型和整数规划模型等；求解算法有动态规划、树搜索、贪婪算法和局部搜索等(王沛，谭跃进.卫星对地观测任务规划问题简明综述[J].计算机应用研究，2008，25(10)：2893-2897)。虽然每种模型和求解算法都有各自的优点，但是也都有一定的缺点和局限性。

例如背包问题可以描述为如何选择最合适的物品放置于给定背包中，使得所选物品的总价值最大，优点是形式简单、可以表示多个维度的资源水平约束等；其缺点则是物品价值固定且需要提前给定，这只适用于理论研究或者简单的观测任务规划问题，而对具有复杂观测需求的任务规划问题，候选时间区间(即物品)的价值需要综合考虑多种因素，如未选观测区间与已选观测区间覆盖范围重叠问题等，这时无法提前给出固定价值。

发明内容

本发明的目的是为了解决现有背包问题模型存在的物品价值固定且需要提前给定进而使得具有复杂观测需求的任务规划问题无法在综合考虑多种因素的情况下得到有效求解的问题，提供一种基于动态价值的航天器自主多区域目标观测任务规划方法，该方法采用基于动态价值的多重背包模型对面向区域目标的观测任务规划问题进行建模，并采用基于最大价值收益启发式的贪婪搜索算法进行求解，具有求解速度快、通用性好、算法实现简单等特点，便于实现星上自主观测任务规划。

本发明的目的是通过下述技术方案实现的。

基于动态价值的航天器自主多区域目标观测任务规划方法，具体实现步骤如下：

步骤一、获得各个大块区域观测目标的基本信息，包含自身代号、区域经度坐标、区域纬度坐标和是否包含重点目标。

获得各个小块区域重点观测目标的基本信息，包含自身代号、所属大块区域观测目标代号、区域经度坐标、区域纬度坐标和优先级。

选定星上时时间零点t₀，并确定本次任务规划的时间长度T。

进而得到T时间内航天器相对于各数传站可见的所有星上时起止时间区间和起止星下点经纬度，以及大块区域观测目标相对于航天器可见的所有星上时起止时间区间和起止星下点经纬度。

步骤二、对步骤一获得的航天器相对于各数传站可见的所有星上时起止时间区间进行预处理，删除不满足数传站有效工作时间[t_ss,t_sl](24小时制)和单次数传最小时长约束t_smin的时间区间；根据航天器实际数据下传速率V_s，计算剩下的起止时间区间所对应的下传数据量，从而得到数传区间结构体数组SC[l]，其中l表示处理后得到的数传区间总个数，每个数传区间包含的属性有星上时起止时间、当地时起止时间、起止星下点经纬度、时长和下传数据量。

对步骤一获得的大块区域观测目标相对于航天器可见的所有星上时起止时间区间进行预处理，删除不满足航天器载荷有效工作时间[t_ps,t_pl](24小时制，主要与光照有关)和单次载荷最小时长约束t_pmin的时间区间；根据航天器实际数据生成速率V_p，计算剩下的起止时间区间所对应的数据量；根据载荷成像幅宽FK_p，计算剩下的起止时间区间所对应的起止星下点经纬度，从而得到观测条带结构体数组GC[m]，其中m表示处理后得到的观测条带总个数，每个观测条带包含的属性有自身代号、所属大块区域观测目标代号、星上时起止时间、当地时起止时间、起止星下点经纬度、时长、数据量和是否包含重点目标。

步骤三、合并步骤二得到的数传区间结构体数组SC[l]和观测条带结构体数组GC[m]，得到统一的多重背包模型候选区间结构体数组DB[k]；其中k表示合并后得到的候选区间总个数，每个候选区间包含的属性有星上时起止时间、起止星下点经度、时长、数据量(观测条带为正，数传区间为负)、包含重点目标优先级之和、对重点目标覆盖范围之和、与当前最优解中观测条带重叠范围之和、起始时间前当前最优解中总数据量占总存储容量之比和当前价值。

针对多重背包模型候选区间结构体数组DB[k]，建立基于动态价值的多重背包问题模型，采用基于最大价值收益启发式的贪婪算法求解。其中目标为使价值收益最大，约束条件包含航天器总存储容量AS、单次候选区间时长最大值t_max(主要与能量消耗有关)和观测条带候选区间和数传候选区间的起止时间不能重叠。模型如下所示：

$\begin{array}{c}\begin{array}{cc}\max & z=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{v}_i{x}_i\end{array}\\ \begin{array}{cc}s.t.& \underset{i=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{sj}}_i{x}_i\≤AS\end{array}\\ t_i\≤t_{\max }\\ \∀(i,j)\∈Y,x_i+x_j\≤1\\ \∀i,x_i\∈\{0,1\}\end{array}---\left(1\right)$

其中，i表示多重背包模型候选区间结构体数组DB[k]中第i个候选区间，x_i表示候选区间i是否被选中，(i,j)∈Y表示观测条带候选区间i和数传候选区间j的起止时间有重叠，sj_i、t_i和v_i分别表示候选区间i的数据量、时长和当前价值。

步骤四、从步骤三的DB[k]中生成初始解；初始解中不含数传区间，且保证初始解先满足时长最长原则，然后满足观测条带覆盖范围互不重叠原则；所述时长最长原则为：当时长相同时以时间先后为原则；此时初始解为当前最优解。

步骤五、根据当前最优解，改变DB[k]中未选候选区间的当前价值。

对于数传区间，当前最优解中所有结束时间位于待选数传区间起始时间之前的已选区间总数据量越大，价值越大。

对于观测区间，含重点目标优先级越高、覆盖范围越大，价值越大，与当前最优解中观测条带覆盖范围重叠越少，价值越大。

步骤六、从步骤五得到的改变了当前价值的未选候选区间中选取一个添加到当前最优解中；选取条件为：1)当前价值最大；2)满足公式(1)的约束；3)当选取的是数传区间，且与当前最优解中已选观测区间时间上有重叠时，删除已选观测区间；当选取的是观测区间，且与当前最优解中已选数传区间时间上有重叠时，放弃该候选观测区间；

当前最优解无法更新或未选候选区间全部是数传区间且当前最优解中所有结束时间位于待选数传区间起始时间之前的已选区间总数据量占总存储容量之比未超过阈值比例时，转步骤七，否则更新当前最优解并转步骤五。

步骤七、输出当前最优解为最优解，得到最终的航天器载荷和数传任务规划结果。

有益效果

本发明的基于动态价值的航天器自主多区域目标观测任务规划方法，采用基于动态价值的多重背包模型和基于最大价值收益启发式的贪婪搜索算法，求解面向区域目标的航天器自主载荷和数传任务规划问题，既能够综合考虑各种复杂实际约束，如存储容量、能量消耗、光照条件、重点目标优先级等，又能够快速高效地得到基于动态价值下的最优解，算法实现简单，通用性好，易于工程应用。

附图说明

图1是本发明基于动态价值的航天器自主多区域目标观测任务规划流程图。

具体实施方式

下面结合附图与实施例对本发明做进一步解释。

实施例1

基于动态价值的航天器自主多区域目标观测任务规划方法具体实现步骤如下：

步骤一、获得各个大块区域观测目标的基本信息，如表1所示。

表1 大块区域观测目标

获得各个小块区域重点观测目标的基本信息，如表2所示。

表2 小块区域重点观测目标

在此范例中，选定星上时时间零点t₀为2016年2月20日4时(UTC)，并确定本次任务规划的时间长度T为7天。

轨道初值如表3所示。

表3 轨道初值

半长轴

轨道倾角

偏心率

升交点赤经

近地点角

平近点角

取值

7078.137

98

0

149.342

0

0.079

单位

公里

度

/

度

度

度

数传站数据如表4所示。

表4数传站

	代号	经度(度)	纬度(度)	允许仰角(度)	实际名称
						数传站1	0	79.9	37.1	10	和田站
数传站2	1	116.379	39.9118	7	密云站
						数传站3	2	109.54	34.47	7	渭南站
数传站4	3	117.97	24.60	7	厦门站

考虑地球非球形引力摄动J₂、J₃和J₄项，用四阶龙格库塔法，通过公式(2)进行轨道递推，递推时间步长为60秒，获得7天时间内航天器在惯性系下从星上时时间零点t₀开始每隔60秒的位置和速度信息。

$\begin{array}{c}{\stackrel{\·\·}{R}}_x=-\frac{\mathrm{\μ}}{\left|\right|R|{|}^3}{R}_x+{\mathrm{\μR}}_x{J}_2\frac{{R_e}^2}{\left|\right|R|{|}^5}(-\frac{3}{2}+\frac{15}{2}\frac{{R_z}^2}{\left|\right|R|{|}^2})+{\mathrm{\μR}}_x{R}_z{J}_3\frac{{R_e}^3}{\left|\right|R|{|}^7}(-\frac{15}{2}+\frac{35}{2}\frac{{R_z}^2}{\left|\right|R|{|}^2})+\frac{5}{8}{\mathrm{\μR}}_x{J}_4\frac{{R_e}^4}{\left|\right|R|{|}^7}(3-42\frac{{R_z}^2}{\left|\right|R|{|}^2}+63\frac{{R_z}^4}{\left|\right|R|{|}^4})\\ {\stackrel{\·\·}{R}}_y=-\frac{\mathrm{\μ}}{\left|\right|R|{|}^3}{R}_y+{\mathrm{\μR}}_y{J}_2\frac{{R_e}^2}{\left|\right|R|{|}^5}(-\frac{3}{2}+\frac{15}{2}\frac{{R_z}^2}{\left|\right|R|{|}^2})+{\mathrm{\μR}}_y{R}_z{J}_3\frac{{R_e}^3}{\left|\right|R|{|}^7}(-\frac{15}{2}+\frac{35}{2}\frac{{R_z}^2}{\left|\right|R|{|}^2})+\frac{5}{8}{\mathrm{\μR}}_y{J}_4\frac{{R_e}^4}{\left|\right|R|{|}^7}(3-42\frac{{R_z}^2}{\left|\right|R|{|}^2}+63\frac{{R_z}^4}{\left|\right|R|{|}^4})\\ {\stackrel{\·\·}{R}}_z=-\frac{\mathrm{\μ}}{\left|\right|R|{|}^3}{R}_z+{\mathrm{\μR}}_z{J}_2\frac{{R_e}^2}{\left|\right|R|{|}^5}(-\frac{9}{2}+\frac{15}{2}\frac{{R_z}^2}{\left|\right|R|{|}^2})+{\mathrm{\μJ}}_3\frac{{R_e}^3}{\left|\right|R|{|}^5}(\frac{3}{2}-15\frac{{R_z}^2}{\left|\right|R|{|}^2}+\frac{35}{2}\frac{{R_z}^4}{\left|\right|R|{|}^4})+\frac{5}{8}{\mathrm{\μR}}_z{J}_4\frac{{R_e}^4}{\left|\right|R|{|}^7}(15-70\frac{{R_z}^2}{\left|\right|R|{|}^2}+63\frac{{R_z}^4}{\left|\right|R|{|}^4})\end{array}---\left(2\right)$

其中，R＝(R_x，R_y，R_z)是航天器t时刻在惯性系下的位置矢量，||R||表示对R求模，单位都是km；μ＝398600.4418(km³/s²)是地球引力常数；J₂＝1.08262668e-3，J₃＝-2.532656485e-6，J₄＝-1.61962159e-6；R_e是地球半径，取6378.137km；

进而获得7天时间内航天器相对于各数传站可见的所有星上时起止时间区间和起止星下点经纬度，对应于数传站1到数传站4分别有20组、24组、23组和22组；以及大块区域观测目标相对于航天器可见的所有星上时起止时间区间和起止星下点经纬度，对应于大块区域观测目标1到大块区域观测目标6分别有2组、14组、11组、10组、3组和6组。

其中，求解航天器星下点经纬度由公式(3)得到：

$\begin{array}{c}uR=R/\left|\right|R\left|\right|=\left(\begin{array}{ccc}{\mathrm{uR}}_x,& {\mathrm{uR}}_y,& {\mathrm{uR}}_z\end{array}\right)\\ Lat=\arcsin \left({\mathrm{uR}}_z\right)\\ GST=GST0+(t-t_0)\·{\mathrm{\ω}}_e\\ Lon=a\tan 2({\mathrm{uR}}_y,{\mathrm{uR}}_x)-GST\end{array}---\left(3\right)$

其中，R＝(R_x，R_y，R_z)是航天器t时刻在惯性系下的位置矢量，||R||表示对R求模，单位都是km；Lon和Lat分别是航天器星下点经度和星下点纬度，单位弧度；t₀为星上时时间零点，ω_e为地球自转角速度，ω_e＝7.29211514667e-5(rad/s)；GST0＝5.986782214(rad)。

求解航天器相对于各数传站可见的星上时起止时间区间由公式(4)得到，对应于起止时间的星下点经纬度即为起止星下点经纬度。

$\begin{array}{c}\mathrm{\θ}=\frac{\mathrm{\π}}{2}-\arcsin \left(\frac{R_e\sin (\frac{\mathrm{\π}}{2}+\mathrm{\β})}{R_H}\right)-\mathrm{\β}\\ \mathrm{\α}=\sqrt{{(Lon-\mathrm{\η})}^2+{(Lat-\mathrm{\λ})}^2}\end{array}---\left(4\right)$

其中，θ为航天器相对于所计算的数传站可见的临界夹角，单位弧度；β是所计算的数传站的允许仰角，单位弧度；R_e是地球半径，取6378.137km；R_H为航天器离地心的距离，即单位km；Lon和Lat分别是航天器星下点经度和星下点纬度，单位弧度；η和λ分别是所计算的数传站的经度和纬度，单位弧度。当θ≥α的时候，航天器相对于所计算的数传站可见；否则，不可见。起止时间通过对相邻的可见和不可见时间进行线性插值得到。

判断大块区域观测目标相对于航天器是否可见只需判断航天器星下点经纬度是否在大块区域观测目标的经纬度范围内即可，对应于起止时间的星下点经纬度即为起止星下点经纬度。其中，起止时间通过对相邻的可见和不可见时间进行线性插值得到。

在此范例中，载荷为光谱相机，在下面的步骤中涉及到的常量参数如表5所示。

表5常量参数

步骤二、对步骤一获得的航天器相对于各数传站可见的所有星上时起止时间区间进行预处理，删除不满足数传站有效工作时间[t_ss,t_sl](24小时制)和单次数传最小时长约束t_smin的时间区间，在此范例中[t_ss,t_sl]为[8，20]，t_smin为5分钟；根据航天器实际数据下传速率V_s，计算剩下的起止时间区间所对应的下传数据量，在此范例中V_s为100Mbps，从而得到数传区间结构体数组SC[l]，其中l表示处理后得到的数传区间总个数，在此范例中为21，每个数传区间包含的属性有星上时起止时间、当地时起止时间、起止星下点经纬度、时长和下传数据量。

其中，当地时起止时间由星上时起止时间并结合起止星下点经度所在时区计算得到，时长即为星上时起止时间之差，下传数据量即为时长与数据下传速率V_s的乘积。

对步骤一获得的大块区域观测目标相对于航天器可见的所有星上时起止时间区间进行预处理，删除不满足航天器载荷有效工作时间[t_ps,t_pl](24小时制，主要与光照有关)和单次载荷最小时长约束t_pmin的时间区间，在此范例中[t_ps,t_pl]为[9，16]，t_smin为1.5分钟；根据航天器实际数据生成速率V_p，计算剩下的起止时间区间所对应的数据量，在此范例中V_p为70Mbps；根据载荷成像幅宽FK_p，计算剩下的起止时间区间所对应的起止星下点经纬度，在此范例中FK_p为50km，从而得到观测条带结构体数组GC[m]，其中m表示处理后得到的观测条带总个数，在此范例中为20，每个观测条带包含的属性有自身代号、所属大块区域观测目标代号、星上时起止时间、当地时起止时间、起止星下点经纬度、时长、数据量和是否包含重点目标。

其中，自身代号从0开始递增加1，起止星下点经度是由步骤一得到的起止星下点经度左右各延伸25km计算求得，起止星下点纬度与步骤一相同，所属大块区域观测目标代号和是否包含重点目标由观测条带覆盖的经纬度范围决定，当地时起止时间由星上时起止时间并结合起止星下点经度所在时区计算得到，时长即为星上时起止时间之差，数据量即为时长与数据生成速率V_p的乘积。

步骤三、合并步骤二得到的数传区间结构体数组SC[l]和观测条带结构体数组GC[m]，得到统一的多重背包模型候选区间结构体数组DB[k]；其中k表示合并后得到的候选区间总个数，在此范例中为41，每个候选区间包含的属性有星上时起止时间、起止星下点经度、时长、数据量(观测条带为正，数传区间为负)、包含重点目标优先级之和、对重点目标覆盖范围之和、与当前最优解中观测条带重叠范围之和、起始时间前当前最优解中总数据量占总存储容量之比和当前价值。

其中，包含重点目标优先级之和即为该观测条带所含重点目标的优先级累加和，对重点目标覆盖范围之和即为该观测条带与所含重点目标覆盖的经度重叠范围累加和，与当前最优解中观测条带重叠范围之和即为该观测条带与当前最优解中观测条带覆盖的经度重叠范围之和，以上三个参数对观测条带有效，数传区间均设为零；起始时间前当前最优解中总数据量占总存储容量之比即为当前最优解中所有结束时间位于该数传区间起始时间之前的已选区间的数据量的累加和与航天器总存储容量的比值，该参数对数传区间有效，观测条带设为零。

针对多重背包模型候选区间结构体数组DB[k]，建立基于动态价值的多重背包问题模型，采用基于最大价值收益启发式的贪婪算法求解。其中目标为使价值收益最大，约束条件包含航天器总存储容量AS、单次候选区间时长最大值t_max(主要与能量消耗有关)和观测条带候选区间和数传候选区间的起止时间不能重叠。在此范例中，AS为256G，t_max为10分钟。模型如下所示：

$\begin{array}{c}\begin{array}{cc}\max & z=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{v}_i{x}_i\end{array}\\ \begin{array}{cc}s.t.& \underset{i=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{sj}}_i{x}_i\≤AS\end{array}\\ t_i\≤t_{\max }\\ \∀(i,j)\∈Y,x_i+x_j\≤1\\ \∀i,x_i\∈\{0,1\}\end{array}---\left(5\right)$

其中，i表示多重背包模型候选区间结构体数组DB[k]中第i个候选区间，x_i表示候选区间i是否被选中，(i,j)∈Y表示观测条带候选区间i和数传候选区间j的起止时间有重叠，sj_i、t_i和v_i分别表示候选区间i的数据量、时长和当前价值。

步骤四、从步骤三的DB[k]中生成初始解；初始解中不含数传区间，且保证初始解先满足时长最长原则，然后满足观测条带覆盖范围互不重叠原则；所述时长最长原则为：当时长相同时以时间先后为原则；此时初始解为当前最优解。

在此范例中，初始解所含中所含已选候选区间个数为10，如表6所示。

表6 航天器载荷和数传任务规划初始解结果

步骤五、根据当前最优解，改变DB[k]中未选候选区间的当前价值。

对于数传区间，当前最优解中所有结束时间位于待选数传区间起始时间之前的已选区间总数据量越大，价值越大。

对于观测区间，含重点目标优先级越高、覆盖范围越大，价值越大，与当前最优解中观测条带覆盖范围重叠越少，价值越大。

步骤六、从步骤五得到的改变了当前价值的未选候选区间中选取一个添加到当前最优解中；选取条件为：1)当前价值最大；2)满足公式(5)的约束；3)当选取的是数传区间，且与当前最优解中已选观测区间时间上有重叠时，删除已选观测区间；当选取的是观测区间，且与当前最优解中已选数传区间时间上有重叠时，放弃该候选观测区间；

当前最优解无法更新或未选候选区间全部是数传区间且当前最优解中所有结束时间位于待选数传区间起始时间之前的已选区间总数据量占总存储容量之比未超过阈值比例时，转步骤七，否则更新当前最优解并转步骤五。在此范例中，阈值比例为80％。

步骤七、输出当前最优解为最优解，得到最终的航天器载荷和数传任务规划结果，如表7所示。

表7 航天器载荷和数传任务规划结果

分析规划结果可知，一共有21次任务，其中15次为载荷任务，6次为数传任务。整体上，占总容量百分比的最大值被有效控制在阈值比例80％左右。以第7次任务为例，规划结果表示航天器应在星上时174014秒时载荷开机，星上时174336秒时载荷关机；以第14次任务为例，规划结果表示航天器应在星上时357381秒时数传开机，星上时357923秒时数传关机。

通过以上范例可以看出，本发明采用基于动态价值的多重背包模型和基于最大价值收益启发式的贪婪搜索算法，能有效地求解面向区域目标的航天器自主载荷和数传任务规划问题。既能综合处理各种复杂实际约束，如存储容量、能量消耗、光照条件、重点目标优先级等，又能够快速高效地得到基于动态价值下的最优解，算法实现简单，通用性好，易于工程应用。

Claims (1)

1.基于动态价值的航天器自主多区域目标观测任务规划方法，其特征在于：具体步骤如下：

步骤一、获得各个大块区域观测目标的基本信息，包含自身代号、区域经度坐标、区域纬度坐标和是否包含重点目标；

获得各个小块区域重点观测目标的基本信息，包含自身代号、所属大块区域观测目标代号、区域经度坐标、区域纬度坐标和优先级；

选定星上时时间零点t₀，并确定本次任务规划的时间长度T；

进而得到T时间内航天器相对于各数传站可见的所有星上时起止时间区间和起止星下点经纬度，以及大块区域观测目标相对于航天器可见的所有星上时起止时间区间和起止星下点经纬度；

步骤二、对步骤一获得的航天器相对于各数传站可见的所有星上时起止时间区间进行预处理，删除不满足数传站有效工作时间[t_ss,t_sl](24小时制)和单次数传最小时长约束t_smin的时间区间；根据航天器实际数据下传速率V_s，计算剩下的起止时间区间所对应的下传数据量，从而得到数传区间结构体数组SC[l]，其中l表示处理后得到的数传区间总个数，每个数传区间包含的属性有星上时起止时间、当地时起止时间、起止星下点经纬度、时长和下传数据量；

对步骤一获得的大块区域观测目标相对于航天器可见的所有星上时起止时间区间进行预处理，删除不满足航天器载荷有效工作时间[t_ps,t_pl](24小时制，主要与光照有关)和单次载荷最小时长约束t_pmin的时间区间；根据航天器实际数据生成速率V_p，计算剩下的起止时间区间所对应的数据量；根据载荷成像幅宽FK_p，计算剩下的起止时间区间所对应的起止星下点经纬度，从而得到观测条带结构体数组GC[m]，其中m表示处理后得到的观测条带总个数，每个观测条带包含的属性有自身代号、所属大块区域观测目标代号、星上时起止时间、当地时起止时间、起止星下点经纬度、时长、数据量和是否包含重点目标；

步骤三、合并步骤二得到的数传区间结构体数组SC[l]和观测条带结构体数组GC[m]，得到统一的多重背包模型候选区间结构体数组DB[k]；其中k表示合并后得到的候选区间总个数，每个候选区间包含的属性有星上时起止时间、起止星下点经度、时长、数据量(观测条带为正，数传区间为负)、包含重点目标优先级之和、对重点目标覆盖范围之和、与当前最优解中观测条带重叠范围之和、起始时间前当前最优解中总数据量占总存储容量之比和当前价值；

针对多重背包模型候选区间结构体数组DB[k]，建立基于动态价值的多重背包问题模型，采用基于最大价值收益启发式的贪婪算法求解；其中目标为使价值收益最大，约束条件包含航天器总存储容量AS、单次候选区间时长最大值t_max(主要与能量消耗有关)和观测条带候选区间和数传候选区间的起止时间不能重叠；模型如下所示：

$\begin{array}{c}\begin{array}{cc}\max & z=\underset{i=1}{\overset{k}{\mathrm{\Σ}}}{v}_i{x}_i\\ s.t.& \underset{i=1}{\overset{k}{\mathrm{\Σ}}}{\mathrm{sj}}_i{x}_i\≤AS\end{array}\\ t_i\≤t_{\max }\\ \∀\left(i,j\right)\∈Y,x_i+x_j\≤1\\ \∀i,x_i\∈\left\{0,1\right\}\end{array}---\left(1\right)$

其中，i表示多重背包模型候选区间结构体数组DB[k]中第i个候选区间，x_i表示候选区间i是否被选中，(i,j)∈Y表示观测条带候选区间i和数传候选区间j的起止时间有重叠，sj_i、t_i和v_i分别表示候选区间i的数据量、时长和当前价值；

步骤四、从步骤三的DB[k]中生成初始解；初始解中不含数传区间，且保证初始解先满足时长最长原则，然后满足观测条带覆盖范围互不重叠原则；所述时长最长原则为：当时长相同时以时间先后为原则；此时初始解为当前最优解；

步骤五、根据当前最优解，改变DB[k]中未选候选区间的当前价值；

对于数传区间，当前最优解中所有结束时间位于待选数传区间起始时间之前的已选区间总数据量越大，价值越大；

对于观测区间，含重点目标优先级越高、覆盖范围越大，价值越大，与当前最优解中观测条带覆盖范围重叠越少，价值越大；

步骤六、从步骤五得到的改变了当前价值的未选候选区间中选取一个添加到当前最优解中；选取条件为：1)当前价值最大；2)满足公式(1)的约束；3)当选取的是数传区间，且与当前最优解中已选观测区间时间上有重叠时，删除已选观测区间；当选取的是观测区间，且与当前最优解中已选数传区间时间上有重叠时，放弃该候选观测区间；

当前最优解无法更新或未选候选区间全部是数传区间且当前最优解中所有结束时间位于待选数传区间起始时间之前的已选区间总数据量占总存储容量之比未超过阈值比例时，转步骤七，否则更新当前最优解并转步骤五；

步骤七、输出当前最优解为最优解，得到最终的航天器载荷和数传任务规划结果。