CN107180309A - 一种空天地观测资源的协同规划方法 - Google Patents
一种空天地观测资源的协同规划方法 Download PDFInfo
- Publication number
- CN107180309A CN107180309A CN201710399301.XA CN201710399301A CN107180309A CN 107180309 A CN107180309 A CN 107180309A CN 201710399301 A CN201710399301 A CN 201710399301A CN 107180309 A CN107180309 A CN 107180309A
- Authority
- CN
- China
- Prior art keywords
- task
- observation
- resource
- allocated
- conflict
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明提供了一种空天地观测资源的协同规划方法,包括:根据待分配任务集合中各待分配任务之间的冲突关系和规划中心中观测资源的参数信息,构建基于任务冲突的启发式准则;根据所述启发式准则,计算所述规划中心中所述观测资源观测待分配任务的观测收益;根据所述观测收益,构建所述规划中心的任务分配模型。本发明在不同子规划中心的协同规划中,考虑不同子规划中心的差异性、不同类别的观测资源的观测能力对任务分配的影响机理,使不同子规划中心之间达到深度的协同合作,提高规划中心对任务的观测收益,在付出多类子规划中心的情况下取得一加一大于二的协同效果。
Description
技术领域
本发明涉及空天地一体化对地观测领域,更具体地,涉及一种空天地观测资源的协同规划方法。
背景技术
目前,作为空天地一体化对地观测传感网的核心,异构资源的协同规划技术是将应急灾害任务需求转化为多类观测平台多传感器具体观测方案的主要手段,是提高异构观测传感网工作收益、充分挖掘多类观测平台多传感器系统潜在观测优势的关键所在。空天地观测资源的协同规划问题的本质是一个复杂的指派问题,其目标是在满足观测资源承载能力和约束规则、任务需求等情况的前提下,将观测任务合理地分配给多类观测平台,以保证为尽可能多的任务安排观测资源,最终实现多类观测平台和观测任务的最优匹配。
国内外开展了大量对地观测资源规划调度的研究,可以从单类观测平台的内部规划和多类观测平台的统一协同规划两个角度进行分析。由于对地观测各地方单位体制的差异,不同单位拥有的观测资源很少统筹规划,导致现有的协同方案大都集中于单类观测平台的内部规划。其中,多星的规划调度模型研究最为丰富,通常以启发式算法为主,综合考虑卫星特性和任务的时空约束关系建立自动匹配机制。无人机或飞艇等空天地单类观测平台的规划方法近年来得到了快速发展,与多星的协同规划问题类似,无人机的多机协同目标分配问题是具有复杂约束条件的NP问题,基于分布式的协同规划框架和智能优化算法逐渐成为多机协同规划的有效工具。
卫星、无人机和飞艇等单类观测平台的任务规划技术已经趋向成熟,各单类观测平台孤立规划所获取的观测效益已经趋向极限。实际任务观测过程中通常采用按序分配的方式,首先将观测任务按照观测收益大小排序,然后根据收益顺序依次将任务分配给一个观测资源,当此观测资源满足观测需求时,将此任务分配给此观测资源,否则尝试下一个观测资源,直至所有任务分配完毕或没有任何观测资源能够满足剩余任务为止。
基于单类观测平台的规划方法仅解决了单类观测平台中多个同类观测资源的协同问题,显然不能满足空天地多类观测平台之间协同观测的需求。而多类观测平台协同规划中,传统的按序分配方法的优势可以实现简单、计算快捷高效,不用考虑多类观测平台的差异性,但对多类观测平台中不同类别的观测资源的观测能力对任务分配的影响机理考虑不足,没有深入分析约束条件对任务分配造成的冲突关系以及多类观测平台的合作和竞争机制,从而导致多类观测平台之间不能深度的协同合作,造成任务观测收益的低下,在付出多类观测平台的情况下没有取得一加一大于二的协同效果。
发明内容
为克服上述问题或者至少部分地解决上述问题,本发明提供了一种空天地观测资源的协同规划方法。
本发明提供了一种空天地观测资源的协同规划方法,包括:S11,根据待分配任务集合中各待分配任务之间的冲突关系和规划中心中观测资源的参数信息,构建基于任务冲突的启发式准则;S12,根据所述启发式准则,计算所述规划中心中所述观测资源观测待分配任务的观测收益;S13,根据所述观测收益,构建所述规划中心的任务分配模型。
本发明提供的一种空天地观测资源的协同规划方法,在不同子规划中心的协同规划中,考虑不同子规划中心的差异性、不同类别的观测资源的观测能力对任务分配的影响机理,使不同子规划中心之间达到深度的协同合作,提高规划中心对任务的观测收益,在付出多类子规划中心的情况下取得一加一大于二的协同效果。
附图说明
图1为本发明实施例1提供的空天地观测资源的协同规划方法流程图;
图2为本发明实施例2提供的判断待分配任务集合中各任务之间的冲突关系的方法流程图;
图3为本发明实施例2中无人机观测任务时任务冲突判断示意图;
图4为本发明实施例2中飞艇观测任务时任务冲突判断示意图;
图5为本发明实施例2中车辆观测任务时任务冲突判断示意图;
图6a为本发明实施例3中本发明方法与现有技术中任务分配方法针对加权任务完成率指标的对比示意图;
图6b为本发明实施例3中本发明方法与现有技术中任务分配方法针对任务完成率指标的对比示意图;
图6c为本发明实施例3中本发明方法与现有技术中任务分配方法针对完成任务数量比指标的对比示意图。
具体实施方式
下面结合附图和实施例,对本发明的具体实施方式作进一步详细描述。以下实施例用于说明本发明,但不用来限制本发明的范围。
目前,空天地多类观测资源协同规划问题看作是观测资源与任务的复合指派问题,其问题的本质是在观测资源的维度上将空天地观测资源进行抽象和剥离,在任务维度上将多个任务进行分解和再融合,形成多任务多类观测资源的数学分配场景,根据多类观测资源的约束条件和冲突判断实现多类观测资源和任务的最优匹配。
首先,观测资源与任务是多对多的关系,任意观测资源都可能观测多个不定的任务,同时每个任务都可能被多个资源所观测。每个观测资源潜在观测的任务之间,在任意两个或多个任务同时观测的情况下可能存在冲突,他们之间不定数量的复杂冲突关系是任务分配的核心。其次,在任务分配阶段具有高度不确定性,任务之间冲突关系和空天地观测资源的实时观测能力都会随着两者匹配关系的变动而改变,需要在这种高度不确定的条件下进行任务与规划中心中观测资源的精确匹配。再次,空天地不同种类的观测资源在机动能力、观测能力、载荷性能、使用约束和机动形式等方面存在很大差异,需要统一评估观测资源的实时观测能力以及在任务发生冲突的情况下的剩余观测能力。最后,观测收益不仅取决于任务的权重、面积等必要条件,也与任务冲突度、任务冲突率、观测资源的观测能力、观测资源的剩余观测能力以及观测资源负载度相关,所以综合考虑以上因素并统一协调观测资源和任务相关因素计算观测资源观测任务的观测收益是解决任务分配问题的基础。
本发明的实施例1,如图1所示,提供了一种空天地观测资源的协同规划方法,包括:S11,根据待分配任务集合中各待分配任务之间的冲突关系和规划中心中观测资源的参数信息,构建基于任务冲突的启发式准则;S12,根据所述启发式准则,计算所述规划中心中观测资源观测待分配任务的观测收益。
具体的,规划中心中包括至少一个子规划中心,每个子规划中心对应一类观测资源,每类观测资源中均具有至少一个观测资源。观测资源的种类可包括:对地观测卫星(以下简称为卫星)、无人机(Unmanned Aerial Vehicle,英文缩写为UAV)、飞艇和地面监测车(以下简称为车辆)。对应的子规划中心分别为:卫星子规划中心、无人机子规划中心、飞艇子规划中心和车辆子规划中心。
在待分配任务集合中包括至少一个待分配任务,待分配任务是指规划中心中的所有观测资源可观测的范围内未被分配观测资源的任务,以下将待分配任务集合中的待分配任务均简称为任务。
S11,根据待分配任务集合中各任务之间的冲突关系和规划中心中观测资源的参数信息,构建基于任务冲突的启发式准则。
具体的,各任务之间的冲突关系是指观测资源如果观测其他任务而导致没有足够的剩余观测能力或时间完成当前任务的观测,则造成当前任务与其他任务冲突。观测资源的参数信息包括观测资源的运动速度、观测资源的幅宽和观测资源可观测的任务数量等。
基于任务冲突的启发式准则具体包括:观测资源负载度、任务冲突率、任务冲突度和观测资源的剩余观测能力。
以下分别给出计算四种基于任务冲突的启发式准则的具体方法。设规划中心中有M个子规划中心,待分配任务集合中有n个任务,子规划中心b中有g个观测资源,观测资源rj观测任务ti为例。
(1)观测资源负载度
观测资源负载度是指观测资源在当前任务时间窗口下可观测其他任务的情况,该观测资源在当前任务的时间窗口下的观测资源负载度与可观测其他任务的数量呈正比,可观测其他任务的数量越多则观测当前任务的概率越小,观测资源负载度则越大。为任务选择观测资源时,更倾向于选择观测资源负载度较小的观测资源。观测资源负载度表征了观测资源在观测当前任务时的承载情况,从而间接地表征了在发生大量任务冲突时观测资源观测当前任务的能力。
在观测时间与观测面积呈正比的合理假设前提下,观测资源rj观测任务ti的观测资源负载度可以用如下公式来确定:
其中,为子规划中心b中观测资源rj的观测资源负载度,为观测资源rj观测任务ti的时间窗口,为观测资源rj观测任务tk的时间窗口,任务tk是与任务ti冲突的任务,mj为所述待分配任务集合中与待分配任务ti冲突的任务数量,Sk为任务tk的面积;vj为观测资源rj的速度;wj为观测资源rj的幅宽;i取值为1~n,k取值为1~mj,j取值为1~g。
(2)任务冲突率
任务冲突率是指在观测资源在观测当前任务过程中,其他任务与当前任务在时间、空间和资源能耗等方面发生冲突的概率,任务冲突率越大,则观测资源观测当前任务的可能性越小。为任务选择观测资源时,更倾向于选择对应任务冲突率较小的观测资源。
任务冲突率的计算公式如下:
其中,为任务冲突度,mj为待分配任务集合中与任务ti冲突的任务数量,nj为子规划中心b中观测资源rj可观测的任务数量,i取值为1~n,k取值为1~mj,j取值为1~g。
(3)任务冲突度
任务冲突度是指在观测资源不能同时完成两个任务的情况下,两个任务冲突的严重程度,体现了观测资源在任务冲突的情况下,观测资源仍然观测当前任务的概率。为任务选择观测资源时则倾向于选择任务冲突度小的观测资源。任务冲突度受到发生冲突的任务双方的权重、面积和覆盖度的影响。其中,任务的权重与任务的重要程度成正比,可以作为任务重要性的指标。面积和权重体现了观测资源观测一个任务的观测收益大小,覆盖度体现了观测资源观测完成任务的可能性。对于任务ti和与之冲突的任务tk,任务ti的面积或权重越大则观测资源rj选择观测任务ti的概率就越大。任务ti的覆盖度越小则说明可用来观测ti的观测资源越少,当前资源rj观测任务ti的概率越大。
任务冲突度的计算公式如下:
其中,为任务冲突率,wi和Si分别为任务ti的权重和面积,wk和Sk分别为任务tk的权重和面积,li和lk分别为任务ti和任务tk的覆盖度,mj为待分配任务集合中与任务ti冲突的任务数量,i取值为1~n,k取值为1~mj,j取值为1~g。
(4)观测资源的剩余观测能力
观测资源的剩余观测能力是指观测资源在观测完成一个任务后,该观测资源能够观测与该任务产生冲突的任务的能力。为任务选择观测资源时,通常选择剩余观测能力较大的观测资源。
假设观测资源rj在观测完成任务tk后,仍旧能够观测完成与任务tk冲突的任务ti的面积为则体现了观测资源rj对任务ti的剩余观测能力,越大表示观测资源rj的剩余观测能力越强。主要受任务之间在时间、空间和资源能耗等方面发生冲突的影响。
观测资源的剩余观测能力的计算公式如下:
其中,为观测资源的剩余观测能力,为观测资源rj完成任务tk后仍能完成任务ti的面积,Si为任务ti的面积,mj为待分配任务集合中与任务ti冲突的任务数量,i取值为1~n,k取值为1~mj,j取值为1~g。
S12,根据步骤S11得到的启发式准则,计算规划中心中观测资源观测任务的观测收益。
子规划中心b中的观测资源rj观测任务ti的观测收益的大小代表着此任务由此观测资源观测的希望大小,观测收益与当前任务的加权面积成正比,观测资源负载度、任务冲突率、任务冲突度和观测资源的剩余观测能力则间接地体现了任务的执行概率。根据如下公式计算该子规划中心中观测资源rj观测任务ti的观测收益
其中,j取值为1~g, 表示至少三个任务之间冲突的情况下观测资源rj观测任务ti的观测资源负载度权重,表示在至少三个任务存在冲突情况下观测资源rj观测任务ti的观测收益。表示两两任务之间冲突的情况下观测资源rj观测任务ti的观测收益权重,表示两两任务之间发生冲突的情况下观测资源rj观测任务ti的观测收益。α+β=1,α表示两两任务之间发生冲突的概率对观测收益的影响权重,表示通过对两两任务之间发生冲突的概率进行估计后得到的观测收益,β表示两两任务之间发生冲突后观测资源rj的剩余观测能力对观测收益的影响权重,表示通过对两两任务发生冲突后的剩余观测能力进行估计而得到的观测收益,wi和Si分别为任务ti的权重和面积,i取值为1~n,k取值为1~mj。
根据上式可计算出子规划中心b中所有观测资源观测任务ti的观测收益为:
选择观测任务ti的观测收益大的子规划中心对任务进行观测,使不同子规划中心之间达到协同合作,使任务分配更加合理。
在上述实施例的基础上,还包括根据子规划中心b中所有观测资源观测任务ti的观测收益构建所述规划中心的任务分配模型。
由于不同类别的观测资源完成任务的能力有限,所以不能单纯的考虑将任务分配给观测收益大的子规划中心。根据如下公式构建任务分配模型:
其中,表示一个任务只能分给一个子规划中心或不分配给此子规划中心。表示一个子规划中心最多能够观测n个任务。为包含M个子规划中心的规划中心观测任务ti的观测收益。通过优化算法,对不同的子规划中心选取以使得Mod为规划中心的观测收益最大值。此时,选取对应的子规划中心b作为观测任务ti的子规划中心。
整个任务分配模型是将任务分配给能够实现整个规划中心的观测收益最大的子规划中心。同时要保证,为卫星子规划中心分配任务时,卫星一旦开始执行该任务时便不能中止或卫星完全不执行该任务。子规划中心对任务更大的完成概率意味着对任务有更大的观测收益,要将高权重大面积的任务优先分配给使整个规划中心观测收益最高的子规划中心。
本实施例中,通过任务之间的冲突关系和观测资源的参数信息,构建基于任务冲突的启发式准则;并根据启发式准则,计算规划中心中观测资源观测任务的观测收益,根据观测收益,构建规划中心的任务分配模型。在不同子规划中心的协同规划中,考虑不同子规划中心的差异性、不同类别的观测资源的观测能力对任务分配的影响机理,使不同子规划中心之间达到深度的协同合作,提高规划中心对任务的观测收益,在付出多类子规划中心的情况下取得一加一大于二的协同效果。
本发明的实施例2,与实施例1的区别仅在于,在步骤S11前还包括判断待分配任务集合中各任务之间的冲突关系,具体方法如图2所示:S21,判断待分配任务集合中一个任务与其他任务是否冲突;S22,若冲突,则记录与此待分配任务冲突的任务数量和任务信息。其中,任务信息包括:与此待分配任务冲突的任务的时间窗口、与此待分配任务之间的覆盖级别等任务的各类信息。
步骤S21可具体为,判断观测资源观测待分配任务集合中一个任务与观测待分配任务集合中其他任务时是否满足约束条件,若不满足约束条件,则判断此任务与其他任务冲突;所述约束条件包括:时间窗口约束条件、持续时间约束条件、开关机次数约束条件、续航里程约束条件和存储容量约束条件中的一种或多种。
设待分配任务集合中共有n个任务,任务用ti表示,与ti不同的其他任务用tu表示,其中,i和u取值均为1~n,此规划中心中有g个观测资源,观测资源用rj表示,其中,j取值为1~g。rj观测任务ti的时间窗口为rj观测任务tu的时间窗口为rj观测任务ti需要的开关机次数为nstji,rj观测任务tu需要的开关机次数为nstju,rj的开关机次数总量为nrsj;rj观测任务ti需要的存储容量为volji;rj观测任务ti需要的存储容量为volju;rj的存储总量为volj。
(1)卫星作为观测资源rj观测任务ti与观测其他任务tu时任务冲突关系的判断。
当时,即rj先观测任务ti,完成任务后观测任务tu,时间窗口约束条件为:
持续时间约束条件为:
开关机次数约束条件为:
nrsj≥nstji+nstju
存储容量约束条件为:
volj≥volji+volju
若不满足上述约束条件中的一个或多个,则判断任务ti和tu冲突。
当时,即rj先观测任务tu,完成任务后观测任务ti,时间窗口约束条件为:
持续时间约束条件为:
开关机次数约束条件为:
nrsj≥nstji+nstju
存储容量约束条件为:
volj≥volji+volju
若不满上述足约束条件中的一个或多个,则判断任务ti和tu冲突。
以上公式中,vθj为卫星rj的侧摆速度;为卫星rj观测任务ti的侧摆角;为卫星rj观测任务tu的侧摆角;in_tj为卫星rj开机需要的时间;tStaj为卫星rj侧摆之后的稳定时间;dsj为卫星rj持续观测时间。
(2)无人机作为观测资源rj观测任务ti与观测其他任务tu时任务冲突关系的判断,如图3所示,图3中左侧图表示rj先观测任务ti,完成任务后观测任务tu;图3中右侧图表示rj先观测任务tu,完成任务后观测任务ti。
时间窗口约束条件为:
或
续航里程约束条件为:
开关机次数约束条件为:
nrsj≥nstji+nstju
存储容量约束条件为:
volj≥volji+volju
若不满足上述约束条件中的一个或多个,则判断任务ti和tu冲突。
以上公式中,dti为任务ti与UAV基地的距离;dtu为任务tu与UAV基地的距离;为任务ti和tu的距离;为无人机rj观测任务ti的持续时间;为无人机rj观测任务tu的持续时间;uvj为无人机rj的巡航速度;udj为无人机rj的续航里程。
无人机在观测任务过程中从固定基地(UAV基地)出发,完成任务后返回UAV基地,所以任务之间冲突的影响因素主要是时空约束,此外任务的观测次序不同也会对冲突的结果造成误判。特别的,在计算时间窗口约束条件时,要综合考虑两种观测次序的情况,只有两种情况下任务均冲突才认为任务冲突。
(3)飞艇作为观测资源rj观测任务ti与观测其他任务tu时任务冲突关系的判断,如图4所示,图4中左侧图表示rj先观测任务ti,完成任务后观测任务tu;图4中右侧图表示rj先观测任务tu,完成任务后观测任务ti。
时间窗口约束条件为:
或
开关机次数约束条件为:
nrsj≥nstji+nstju
存储容量约束条件为:
volj≥volji+volju
若不满足上述约束条件中的一个或多个,则判断任务ti和tu冲突。
以上公式中,为飞艇rj观测任务ti的持续时间;为飞艇rj观测任务tu的持续时间;avj为飞艇rj巡航速度;dti为任务ti与飞艇当前位置的距离;dtu为任务tu与飞艇当前位置的距离;为任务ti和tu的距离。
与无人机不同,飞艇具有长航时、低耗能的特征,基于此可将飞艇抽象成可无限续航的飞行器,而且观测任务时飞艇没有固定的起飞基地,同样任务结束也无需返回特定地点。所以,飞艇的冲突判断中不需考虑续航里程约束,主要根据任务的时间窗口判断任务冲突。特别的,在计算时间窗口约束条件时,要综合考虑两种观测次序的情况,只有两种情况下任务均冲突才认为任务冲突。
(4)车辆作为观测资源rj观测任务ti与观测其他任务tu时任务冲突关系的判断,如图5所示,以rj先观测任务ti,完成任务后观测任务tu为例。
时间窗口约束条件为:
续航里程约束条件为:
dtji+dtiu≤cdj
开关机次数约束条件为:
nrsj≥nstji+nstju
存储容量约束条件为:
volj≥volji+volju
若不满足上述约束条件中的一个或多个,则判断任务ti和tu冲突。
以上公式中,dtji为车辆rj从当前位置到达任务ti位置的最短路径距离;dtiu为车辆rj从任务ti位置到达任务tu位置的最短路径距离;vcj为车辆rj平均速度;为rj观测任务ti的持续观测时间;为rj观测任务tu的持续观测时间;cdj为车辆rj最大续航里程。
相对于其他观测资源,车辆最明显的约束是受路网约束,所以主要根据空间上车辆距离和时间上任务时间窗口判断任务冲突。为了解决核心问题,假设车辆按照路网中欧氏距离最近的路线行驶并且优先观测距离较近的任务。
本实施例中,通过具体公式计算约束条件,并根据观测资源的类别不同采用不同的公式进行计算,充分考虑了各类观测资源的差异性和观测能力的不同。为任务的分配做了充分的准备,有利于提高子规划中心观测任务的观测收益。
本发明的实施例3,为了验证上述协同规划方法的有效性,在统一分解方法、求解工具的基础上与传统的面积优先分配、权重优先分配和加权面积优先分配等方法在任务完成率、可观测面积比、任务执行数量等几个方案进行对比。面积优先分配是指优先按照面积的大小次序对任务分配,面积相等的情况下比较各任务的权重;权重优先分配是按照任务的权重、面积的次序分配任务;权重面积优先分配是按照加权面积的顺序分配任务。
仿真场景设置了2颗卫星、6处UAV基地(共配置10架无人机)、两架飞艇以及两台车辆,具体观测资源的参数如表1所示。仿真场景中设计了6组超过资源观测可观测任务数量的模拟任务数据,具体任务指标如表2所示。
特别地,任务分配模型中的α和β的数值与具体的观测资源的分布及任务相关,仿真场景中资源越多、任务分解情况越复杂则的取值越大。本实施例共进行六组仿真,每组用到的和分别为:第一组:第二组:第三组:第四组:第五组: 第六组:仿真场景中各观测资源的观测能力越强则β取值越大,本仿真取α=β=0.5。
表1仿真场景中观测资源参数设定
表2仿真场景中任务指标设定
本仿真分别从加权任务完成率、任务完成率和完成任务数量比三个方面对任务的分配方法进行对比,任务分配结果如表3所示,其中,加权任务完成率表示已规划任务的加权面积与待分配任务的加权面积的比值;任务完成率表示已规划任务的面积与待分配任务的面积的比值;完成任务数量比表示已规划任务与所有待分配任务的数量之比。
表3各分配方法的求解结果
由表3中计算结果可以发现,本发明提供的基于任务冲突启发式的任务分配模型无论是在任务加权完成率、任务完成率以及任务完成数量方面都具有明显优势。将表3的数据绘制成图,如图6a、图6b和图6c所示。其中,横坐标均为仿真数据的组数,纵坐标分别为加权任务完成率、任务完成率和完成任务数量比。从图6中可以发现相对于传统的几种分配方案,本发明基于任务冲突启发式的任务分配模型考虑了任务的冲突情况及资源约束条件,综合分析任务与资源多对多的最优匹配情况,能够规划更多数量的任务,具有较高的任务规划完成率。
表4为本发明方法相对传统方法协同收益提升的百分比,从任务完成率来看,相比于面积优先、权重优先和加权面积优先等传统的任务分配方法,本发明的协同规划方法的平均效益分别提高了32.90%、54.31%、24.20%;从任务规划加权面积看,协同规划方法的平均收益分别提高了43.60%、40.96%、21.24%;从观测子任务数量看,协同规划方法的平均收益分别提高了28.06%、33.94%、43.22%。
表4本发明方法相对传统方法协同收益提升百分比
以本发明的协同规划方法在任务完成率指标上相对于面积优先分配方法的平均效益提高率为例,计算得到平均效益提高率为:(0.4384+0.4489+0.4635+0.4981+0.5392+0.5862)/(0.2944+0.3153+0.3268+0.3576+0.4441+0.4995)-1=0.329,即32.9%。
在不同任务需求的情况下,本发明协同规划方法充分发挥了各类观测资源的互补优势,能够基于复杂面状任务的各种冲突约束给出合理的规划方案,并均表现出良好的协同效果。本发明的分配方案具有一定普适性,在天空地协同规划方面具有重要的实践价值。
综上所述,相对于单类观测资源的内部规划方法,本发明面向空天地四类观测资源提出了一种基于任务冲突启发式的异构资源任务分配方法,适应当前空天地一体化的异构资源协同需求。本发明提供的任务分配模型综合考虑了任务的执行面积和完成概率,即异构观测资源在以完成概率为目标的基础上优先执行面积较大的任务目标,并通过模型在两指标之间取得平衡。同时,任务分配模型深度剖析了任务的冲突关系及任务之间冲突对任务分配造成的影响,相对于传统方法,极大地提高了任务分配率和任务执行量,解决了异构资源之间高效协同的问题。
最后,本发明的方法仅为较佳的实施方案,并非用于限定本发明的保护范围。凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
Claims (11)
1.一种空天地观测资源的协同规划方法,其特征在于,包括:
根据待分配任务集合中各待分配任务之间的冲突关系和规划中心中观测资源的参数信息,构建基于任务冲突的启发式准则;
根据所述启发式准则,计算所述规划中心中所述观测资源观测待分配任务的观测收益。
2.根据权利要求1所述的协同规划方法,其特征在于,所述方法还包括:
根据所述观测收益,构建所述规划中心的任务分配模型。
3.根据权利要求1所述的协同规划方法,其特征在于,在所述根据待分配任务集合中各待分配任务之间的冲突关系和规划中心中观测资源的参数信息,构建基于任务冲突的启发式准则前还包括:
判断所述待分配任务集合中一个待分配任务与其他待分配任务是否冲突;
若冲突,则记录与此待分配任务冲突的任务数量和任务信息。
4.根据权利要求3所述的协同规划方法,其特征在于,所述判断所述待分配任务集合中一个待分配任务与其他待分配任务是否冲突具体包括:
判断所述规划中心中观测资源观测所述待分配任务集合中一个待分配任务与观测所述待分配任务集合中其他待分配任务时是否满足约束条件,若不满足约束条件,则判断此待分配任务与其他待分配任务冲突;
所述约束条件包括:时间窗口约束条件、持续时间约束条件、开关机次数约束条件、续航里程约束条件和存储容量约束条件中的一种或多种。
5.根据权利要求2-4中任一项所述的协同规划方法,其特征在于,所述规划中心包括至少一个子规划中心,每个所述子规划中心中包括至少一个观测资源。
6.根据权利要求5所述的协同规划方法,其特征在于,所述基于任务冲突的启发式准则具体包括:观测资源负载度、任务冲突率、任务冲突度和观测资源的剩余观测能力。
7.根据权利要求6所述的协同规划方法,其特征在于,根据观测资源观测待分配任务的时间窗口、所述待分配任务的面积、所述观测资源的速度和所述观测资源的幅宽计算所述观测资源的观测资源负载度。
8.根据权利要求6所述的协同规划方法,其特征在于,根据所述待分配任务集合中与一个待分配任务冲突的任务数量、任务信息和观测资源可观测的任务数量计算所述任务冲突率。
9.根据权利要求6所述的协同规划方法,其特征在于,根据各冲突的待分配任务的权重、面积和所述冲突的待分配任务之间的覆盖度计算所述任务冲突度。
10.根据权利要求6所述的协同规划方法,其特征在于,根据待分配任务的面积和观测资源观测与所述待分配任务冲突的任务的面积计算所述观测资源的剩余观测能力。
11.根据权利要求6-10中任一项所述的协同规划方法,其特征在于,所述根据所述观测收益,构建所述规划中心的任务分配模型具体包括:
根据所述规划中心中各子规划中心完成待分配任务的能力权重和所述各子规划中心观测所述待分配任务的观测收益,构建所述任务分配模型。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710399301.XA CN107180309B (zh) | 2017-05-31 | 2017-05-31 | 一种空天地观测资源的协同规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710399301.XA CN107180309B (zh) | 2017-05-31 | 2017-05-31 | 一种空天地观测资源的协同规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107180309A true CN107180309A (zh) | 2017-09-19 |
CN107180309B CN107180309B (zh) | 2020-02-07 |
Family
ID=59836271
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710399301.XA Expired - Fee Related CN107180309B (zh) | 2017-05-31 | 2017-05-31 | 一种空天地观测资源的协同规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107180309B (zh) |
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409771A (zh) * | 2018-11-13 | 2019-03-01 | 合肥工业大学 | 任务价格可调下的空天资源协同任务规划的方法及系统 |
CN109409773A (zh) * | 2018-11-14 | 2019-03-01 | 中南大学 | 一种基于合同网机制的对地观测资源动态规划方法 |
CN109636023A (zh) * | 2018-12-04 | 2019-04-16 | 合肥工业大学 | 一种协商机制下多车辆平台的任务规划系统 |
CN113240324A (zh) * | 2021-06-02 | 2021-08-10 | 中国电子科技集团公司第五十四研究所 | 一种顾及通信机制的空天资源协同规划方法 |
CN113313414A (zh) * | 2021-06-21 | 2021-08-27 | 哈尔滨工程大学 | 一种多类异构遥感平台任务协同规划方法 |
CN114499624A (zh) * | 2021-12-08 | 2022-05-13 | 上海交通大学 | 天地一体化信息网络中多源数据融合处理方法及系统 |
Family Cites Families (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102903028B (zh) * | 2012-09-28 | 2016-01-20 | 中国人民解放军国防科学技术大学 | 一种面向应急的多飞艇对地观测任务协同分配方法 |
CN104050324B (zh) * | 2014-06-23 | 2017-04-19 | 中国人民解放军国防科学技术大学 | 针对单星任务规划问题的数学模型的构建方法及求解方法 |
CN106059652B (zh) * | 2016-05-30 | 2018-09-14 | 中国电子科技集团公司第五十四研究所 | 一种启发式快速卫星数据接收资源联合分配方法 |
-
2017
- 2017-05-31 CN CN201710399301.XA patent/CN107180309B/zh not_active Expired - Fee Related
Cited By (10)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109409771A (zh) * | 2018-11-13 | 2019-03-01 | 合肥工业大学 | 任务价格可调下的空天资源协同任务规划的方法及系统 |
CN109409771B (zh) * | 2018-11-13 | 2024-04-12 | 合肥工业大学 | 任务价格可调下的空天资源协同任务规划的方法及系统 |
CN109409773A (zh) * | 2018-11-14 | 2019-03-01 | 中南大学 | 一种基于合同网机制的对地观测资源动态规划方法 |
CN109409773B (zh) * | 2018-11-14 | 2022-04-08 | 中南大学 | 一种基于合同网机制的对地观测资源动态规划方法 |
CN109636023A (zh) * | 2018-12-04 | 2019-04-16 | 合肥工业大学 | 一种协商机制下多车辆平台的任务规划系统 |
CN113240324A (zh) * | 2021-06-02 | 2021-08-10 | 中国电子科技集团公司第五十四研究所 | 一种顾及通信机制的空天资源协同规划方法 |
CN113313414A (zh) * | 2021-06-21 | 2021-08-27 | 哈尔滨工程大学 | 一种多类异构遥感平台任务协同规划方法 |
CN113313414B (zh) * | 2021-06-21 | 2024-05-14 | 哈尔滨工程大学 | 一种多类异构遥感平台任务协同规划方法 |
CN114499624A (zh) * | 2021-12-08 | 2022-05-13 | 上海交通大学 | 天地一体化信息网络中多源数据融合处理方法及系统 |
CN114499624B (zh) * | 2021-12-08 | 2022-12-13 | 上海交通大学 | 天地一体化信息网络中多源数据融合处理方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN107180309B (zh) | 2020-02-07 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN107180309A (zh) | 一种空天地观测资源的协同规划方法 | |
CN112766813B (zh) | 一种空天协同观测复杂任务调度方法 | |
Zhao et al. | A heuristic distributed task allocation method for multivehicle multitask problems and its application to search and rescue scenario | |
CN107070534B (zh) | 一种中继卫星负载均衡的动态抢占式任务调度方法及系统 | |
CN105488892B (zh) | 一种用于机器人排队管理的方法及服务器 | |
CN107248033A (zh) | 一种空天地对地观测的区域任务分解方法 | |
CN110597286B (zh) | 一种利用智慧机库实现输电线路无人机自主巡检的方法 | |
CN108398958A (zh) | 无人机编队路径匹配方法、装置和储存介质 | |
CN105373426B (zh) | 一种基于Hadoop的车联网内存感知实时作业调度方法 | |
Das et al. | Discrete event simulations for scalability analysis of robotic in-field logistics in agriculture–a case study | |
CN107730085A (zh) | 一种基于分支定界法的多功能组网雷达任务规划方法 | |
CN113703472A (zh) | 多无人机与车辆协同巡检的路径优化方法和装置 | |
CN109855627A (zh) | 无人机分架次规划航线的方法、装置、设备和存储介质 | |
CN103634236B (zh) | 用于在运营网络中针对选定环境分配网络资源的方法 | |
Zhang et al. | Clustered coverage orienteering problem of unmanned surface vehicles for water sampling | |
CN110262897A (zh) | 一种基于负载预测的Hadoop计算任务初始分配方法 | |
CN107491836A (zh) | 一种订单的分配方法、装置及电子设备 | |
CN106371924A (zh) | 一种最小化MapReduce集群能耗的任务调度方法 | |
Yu et al. | Balanced multi-region coverage path planning for unmanned aerial vehicles | |
CN109947130A (zh) | 一种基于网格化管理的输电多机编队巡视管理方法和系统 | |
CN113438620A (zh) | 一种无人机集群中心节点最优选择方法 | |
CN113242304A (zh) | 边缘侧多能源数据采集调度控制方法、装置、设备和介质 | |
CN116185035A (zh) | 基于改进仿生狼群的无人集群动态任务分配方法及系统 | |
CN107577806A (zh) | 航天器数据自动判读系统及判读方法 | |
Fischer et al. | Distributed, knowledge-based, reactive scheduling of transportation tasks |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20200207 Termination date: 20210531 |