CN108510145A - 一种通信约束下面向复合任务的异构多星在线协同方法 - Google Patents
一种通信约束下面向复合任务的异构多星在线协同方法 Download PDFInfo
- Publication number
- CN108510145A CN108510145A CN201711279400.0A CN201711279400A CN108510145A CN 108510145 A CN108510145 A CN 108510145A CN 201711279400 A CN201711279400 A CN 201711279400A CN 108510145 A CN108510145 A CN 108510145A
- Authority
- CN
- China
- Prior art keywords
- task
- earth observation
- iojp
- scheduling
- satellite
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
Abstract
本发明公开了一种通信约束下面向复合任务的异构多星在线协同方法。在所述方法中,每个对地观测卫星在接收到复合任务后,对所述复合任务进行分解,并基于该对地观测卫星的成像载荷类型,构建自身的局部任务结构视图,该局部任务结构视图中仅包括该对地观测卫星能够完成的子任务;对地观测卫星在构建自身的局部任务结构视图后,同其他对地观测卫星进行交互,在此交互过程中,发现自身任务结构与共享任务结构之间存在的协同关联关系;当生成承诺时,对地观测卫星会等待其他非本地承诺的到达,选取其中一个最佳对地观测卫星进行方法执行,同时其余对地观测卫星撤销相应的承诺。
Description
技术领域
本发明涉及卫星技术领域,特别是涉及通信约束下面向复合任务的异构 多星在线协同方法。
背景技术
分布式对地观测卫星系统呈现异构化趋势,观测任务请求的复合性逐渐 增强,同时复合任务中各子任务之间会存在渐次可调度特性,使得多星在线协 同任务调度机制与算法面临新的挑战,因此需要针对通信约束下面向复合任务 的异构多星在线协同任务调度问题进行研究。
发明内容
本发明的目的在于提供一种通信约束下面向复合任务的异构多星在线协 同方法,复合任务是应急观测任务且是指对同一观测目标需要执行多次成像观 测,同时各次成像观测之间在成像类型、成像质量、任务收益值和/或时间先 后上存在约束关系,异构多星是指具有多个对地观测卫星LEO,各对地观测卫 星LEO配备有至少两种不同类型的成像载荷,同时各个对地观测卫星LEO的载 荷类型也存在差异,而且星间通信存在通信时间窗口,其中,每个对地观测卫 星在接收到复合任务后,对所述复合任务进行分解,并基于该对地观测卫星的 成像载荷类型,构建自身的局部任务结构视图,该局部任务结构视图中仅包括该对地观测卫星能够完成的子任务;对地观测卫星在构建自身的局部任务结构 视图后,同其他对地观测卫星进行交互,在此交互过程中,发现自身任务结构 与共享任务结构之间存在的协同关联关系;当生成承诺时,对地观测卫星会等 待其他非本地承诺的到达,选取其中一个最佳对地观测卫星进行方法执行,同 时其余对地观测卫星撤销相应的承诺。
优选地,将复合任务分为前摄复合任务和渐次复合任务,对于前摄复合 任务,每当该复合任务发布时,采用一次性调度;对于渐次复合任务,后一子 任务在前一子任务完成之后生成并发布,采用渐次性调度。
优选地,若应用场景中只存在前摄复合应急任务,则在第o″批应急任务发 布后,将在线协同调度问题构建为如下混合整数线性规划(MILP)模型:
若应用场景中包括渐次复合紧急任务,则在第o″批中渐次应急任务j″的第 p″个子任务生成并发布时,将在线协同调度问题构建为如下混合整数线性规 划(MILP)模型:
其中,
coiojp+(siojpk+prik)yiojpk+olfiojp(yiojpk-1)≤coik (2)
coik+(sikojp+projp)yikojp+olfik(yikojp-1)≤coiojp (3)
coio′j′p′+(sio′j′p′ojp+priojp)yio′j′p′ojp+olfio′j′p′(yio′j′p′ojp-1)≤coiojp (4)
(triop+projp)xiojp+sikojpyikojp+sio′j′p′ojpyio′j′p′ojp≤coiojp (5)
prikzik+siojpkyiojpk≤coik (6)
(oesiojp+projp)xiojp≤coiojp (7)
(oesik+prik)zik≤coik (8)
coiojp≤olfiojpxiojp (9)
coik≤olfikzik (10)
beiojp+projp=coiojp (11)
beik+prik=coik (12)
coi0=0,coi(vi+1)=tl (13)
zi0=1,zi(vi+1)=1 (14)
xiojp={0,1},yiojpk={0,1},yikojp={0,1},yio′j′p′ojp={0,1},zik={0,1},wiojp={0,1},caiojp={0,1}(15)。
优选地,采用有向无环图(树状图)对复合任务进行表示,其中根节点 是复合任务,除根节点之下的节点表示分解后的子任务,所述子任务与子任务 完成需执行的方法相对应,连接边代表着任务之间的关联关系,对地观测卫星 接收到复合任务后,根据局部知识,对其进行分解,得到局部任务结构视图; 当接收到其他对地观测卫星通信传递来的信息时,对局部任务结构视图进行更 新和维护。
优选地,渐次复合任务对应的全局任务视图是渐次动态变化的,每个子 任务对应于不同的能力需求,而不同的能力分布于不同的对地观测卫星上。
优选地,所述对地观测卫星LEO通过GEO作为中继节点进行通讯。
附图说明
图1是的示意图。
图1是基于GPGP的多星在线协同机制框架。
图2是全局任务视图示意图。
图3a和图3b局部任务视图示意图。
图4是前摄复合任务的全局任务视图。
图5是渐次复合任务的全局任务视图。
图6a、图6b和图6c示出各算法在任务空间分布U(-45,45)和不同滚动 调度周期下的结果,其中,图6a表示总收益;图6b表示总通信次数;图6c 表示不同完成程度的应急任务百分占比。
图7a、图7b和图7c示出各算法在任务空间分布U(-45,45)和不同滚动 调度周期下的结果,其中,图7a表示总收益;图7b表示总通信次数;图7c 表示不同完成程度的应急任务百分占比。
图8a、图8b和图8c示出各算法在任务空间分布U(-45,45)和不同滚动 调度周期下的结果,其中,图8a表示总收益;图8b表示总通信次数;图8c 表示不同完成程度的应急任务百分占比。
图9a、图9b和图9c示出各算法在任务空间分布U(-45,45)和不同滚动 调度周期下的结果,其中,图9a表示总收益;图9b表示总通信次数;图9c 表示不同完成程度的应急任务百分占比。
图10a、图10b和图10c示出各算法在任务空间分布U(-45,45)和不同滚 动调度周期下的结果,其中,图10a表示总收益;图10b表示总通信次数;图 10c表示不同完成程度的应急任务百分占比。
具体实施方式
异构分布式对地观测卫星系统是位于不同轨道上的卫星集合,并且各对 地观测卫星配备有多种不同类型的成像载荷(可见光、红外、高光谱和多光谱 等等),同时各个卫星的载荷类型也不相同。从而,系统内各星之间可以协同 完成一复合任务。
复合任务是指对同一观测目标需要执行多次成像观测,同时各次成像观 测之间在成像类型、成像质量(空间分辨率)、任务收益值、时间先后等参量 上存在约束关系。以森林火灾监测为例,该复合观测任务依次包括红外观测子 任务,用于发现识别火点;可见光观测子任务,用于分析判断已过火面积;SAR 观测子任务,用于气象环境条件不允许拍摄可见光图像的情况等等。该复合任 务中的成像类型和时间先后约束体现在只有当红外观测发现火点之后,才能引 导生成过火面积观测任务。
表1 各常用对地观测载荷类型及其成像特点与实际应用
为了表述的统一简便,对本章后续中所用到的字符进行统一定义:
下标
i,i′:对地观测卫星编号,i=1,2,...,n1
g:通信中继节点编号,g=1,2,...,n2
j,j′:应急观测任务编号,j=1,2,...,u
j0:前摄复合任务编号,j0=1,2,...,u
j1:渐次复合任务编号,j1=1,2,...,u
k:常规任务编号,k=1,2,...,vi
p,p′:子任务编号,p=1,2,...,bj
q:通信时间窗口编号,q=1,2,...,mig
o,o′,o″:应急任务批次编号,o=1,2,...,l
参数量
H:整个调度区间
tl:整个调度区间H的时长
n1:系统中对地观测卫星的数量
n2:可用通信中继节点的数量
Θ:可用简单任务的总数量
u:一批应急任务中的任务数量
l:整个调度区间H内的应急任务总批次
vi:对地观测卫星i上已上传的常规任务数量
Ci:对地观测卫星i的能力集合
bj:应急任务j中的子任务数量
ro:第o批应急任务的发布时间
roj0p:第o批次中前摄生成应急任务j0的第p个子任务发布时间
roj1p:第o批次中渐次生成应急任务j1的第p个子任务发布时间
trio:对地观测卫星i上第o批应急任务的到达时间
trioj1p:对地观测卫星i上渐次生成应急任务oj1p的到达时间
sproll:对地观测卫星的侧摆角速度
maxθ:对地观测卫星的最大侧摆角
oesiojp:对地观测卫星i上应急子任务ojp的最早观测开始时间
olfiojp:对地观测卫星i上应急子任务ojp的最晚观测结束时间
olsiojp:对地观测卫星i上应急子任务ojp的最晚观测开始时间
otwiojp:对地观测卫星i上应急子任务ojp的观测时间窗口
cojp:应急子任务ojp所需的卫星能力
projp:应急子任务ojp的成像时长
eojp:应急子任务ojp的收益,由管理者或星上决策给出
ecojp:完成应急子任务ojp时的收益系数,由管理者或星上决策给出
θiojp:对地观测卫星i上应急子任务ojp的观测角度
beiojp:对地观测卫星i上应急子任务ojp的实际开始时间
coiojp:对地观测卫星i上应急子任务ojp的实际完成时间
oesik:对地观测卫星i上常规任务k的最早观测开始时间
olfik:对地观测卫星i上常规任务k的最晚观测结束时间
cik:对地观测卫星i上常规任务k所需的卫星能力
prik:对地观测卫星i上常规任务k的成像时长
eik:对地观测卫星i上常规任务k的收益,由管理者或星上决策给出
beik:对地观测卫星i上常规任务k的实际开始时间
coik:对地观测卫星i上常规任务k的实际完成时间
siojpk:对地观测卫星i上常规任务k在应急子任务ojp之后执行的次序依赖转换时间
sikojp:对地观测卫星i上应急子任务ojp在常规任务k之后执行的次序依赖转换时间
siojpo′j′p′:对地观测卫星i上应急子任务o′j′p′在应急子任务ojp之后执行的次序依赖转 换时间,(o≠o′)||(j≠j′)=1
ctwigq:对地观测卫星i与通信中继节点g之间的第q个通信时间窗口
mig:对地观测卫星i与通信中继节点g之间的通信时间窗口总数量
wiojp:当应急子任务ojp可在对地观测卫星i上调度执行时,等于1,否则,等于0。
本发明中所研究的问题特性如下:
1.应急任务到达的随机性:应急任务有多个来源,包括自身生成的新任 务、他星传送的新任务以及地面上传的应急任务请求等;
2.时间窗口特性:指卫星与观测目标之间存在有限的可见时间窗口;
3.通信约束特性:指星间通信存在通信时间窗口;
4.在线调度:星上计算能力弱,近实时性要求高,即要求算法简便快捷 实用;
5.复合应急任务分解的动态性:面向火山爆发、森林火灾等星上即时发 现的任务,针对同一目标,其后续任务的星上生成具有高度动态性;
6.卫星自身的能力约束:每个卫星上面搭载有限的成像载荷,且一次只 能有一种成像载荷工作。
本发明中,子任务是指简单任务,简单任务被定义为不能进一步简化的 任务。通常,它对应于只需要单颗卫星就能完成的单个任务。
对于第o批中的简单应急任务j,其初始型描述形式是一个多元组 PToj=<idoj,long itudeoj,latitudeoj,coj,proj,eoj>,PToj=PToj1,bj=1
—idoj是一标识符;
—longitudeoj是地面应急观测目标的经度坐标值;
—latitudeoj是地面应急观测目标的经度坐标值;
—coj是所需的卫星能力;
—proj是成像时长;
—eoj是任务完成后所得的收益。
相对应的特定型描述形式是一多元组<idoj,lsati,oesioj,olfioj,coj,proj,eoj,θioj>。
复合任务是指可以分解成一系列简单子任务的任务,而所有这些子任务都 面向同一观测目标(点目标或区域),可见一个复合任务对应于地面上的一个 目标。对于第o批中的复合应急任务j,其初始型描述形式为:
其中,PTojp=<idojp,cojp,projp,eojp>。
针对特定的对地观测卫星i,应急子任务PTojp将其形式转换为特定形式 <idojp,lsati,oesiojp,olfiojp,cojp,projp,eojp,θiojp>。
复合任务分为前摄复合任务和渐次复合任务。在到达系统之前,前摄复 合任务具有完整的描述形式,其子任务齐备。相比之下,渐次复合任务中,后 一个子任务会在前一个子任务执行完成后生成。对于同一观测目标,通过对有 关目标及其周围环境的观测,收集到新的目标信息,从而在星上可能生成新的 后续子任务,则只有在前序的子任务完成之后,新生成的子任务才变得可用。
也就是说,前摄复合任务是指针对观测目标的已知信息较多时,该复合 任务及其分解后的一系列子任务是一次性给定的,比如水灾监测、地震灾后观 测评估等等应用领域。
相对应的调度方式是一次性调度,即对复杂任务中的全部子任务进行一 次性分解和一次性协同分配调度。
针对前摄复合任务的在线协同调度,存在以下特点:
1.只需一次协同调度;
2.对目标信息的先验知识要求高;
3.随着复合任务中各子任务的依次执行,根据所获取的实时目标信息, 可能会需要对后续子任务进行动态调整(如改变任务属性,取消已安排的后续 子任务等等),从而重调度成本大。
渐次复合任务是指针对观测目标的已知信息较少或完全未知时,该复合 任务所包含的子任务是渐次生成的,即只有当前一子任务执行完成之后,并进 行星上图像数据处理,以判别是否发布下一子任务,比如火山爆发、森林火灾 等应用领域。
相对应的调度方式是实时渐进式调度,即当前一子任务完成后,才对后 续子任务进行决策和分配调度。
其主要特点是采用渐进式调度,后续子任务的调度可充分利用前续子任 务执行过程中获取的观测目标信息。
从多对地观测卫星系统协同角度,本发明的问题中存在调度计划之间的 交叉依赖关系(XD),即复合任务中一系列子任务存在时序先后约束,则需要 将该复合任务分配给一卫星子集。
问题求解是对工作模式进行分配并对任务操作进行调度。在本发明中, 各子任务的完成需要具有特定载荷能力的卫星,则需要决定执行任务的卫星子 集并对任务进行调度。
复合任务中的子任务约束
1.时间次序约束
与一观测目标相对应的复合任务中,时间次序约束明确了一系列子任务 之间的偏序关系。对于系列中任何两个相邻的子任务,前一个子任务必须在后 一个子任务执行之前完成。对于复合任务CToj,需满足:
coioj(p-1)<bei′ojp,i′≠i,p=2,...,bj。
2.时间窗口约束
与简单任务一样,在一特定卫星上调度安排的子任务必须在给定的时间 区间内完成,该时间区间的两端分别对应于任务的最早开始时间和最晚结束时 间。
在对地观测卫星i上调度安排第o批中应急任务j的第p个子任务,需满足:
(beiojp>oesiojp)∩(coiojp<olfiojp)=1,otwiojp=[oesiojp,olfiojp]。
3.子任务渐次生成约束
对于前摄复合任务一系列子任务的发布时间等于整个批次应急任务 的发布时间,所以,对应的一系列子任务在整个系统上进行一次调度。
对于渐次复合任务子任务是动态生成的,并且后续子任务只有在 前续子任务完成之后才变得可用。
4.所需的卫星能力约束
对于每个子任务,完成它都需要特定的卫星能力,包括具体载荷类型(可 见光、红外、多光谱和高光谱等等)及其相关参数要求(空间分辨率高低、幅 宽大小等等)。对于应急子任务ojp,其所需的卫星能力用cojp表示。
5.相互关联的子任务收益
子任务之间的协同关联体现在:按照偏序关系执行这一系列子任务所得 的总收益高于分别独立不相关地执行这些子任务的收益之和。
一系列子任务中,后一个子任务的收益与前续子任务的收益相关。为保 证复合任务的执行完整性和截止日期,后一个子任务的执行在前一个子任务完 成后变得更为紧迫,则两个相邻子任务之间的收益系数大于1。在前摄复合任 务中,收益系数是由用户或管理者决定的。而在渐次复合任务中,后一个子任 务所对应的收益系数取决于针对前一个子任务所获得图像的分析结果。
异构分布式对地观测卫星系统
异构分布式对地观测卫星系统的主要特点是对地观测卫星的类型多样 性,各卫星具有不同的观测能力。在实际应用中,卫星能力与星上载荷资源相 关,如遥感载荷的具体类型,工作模式和相应的空间分辨率等等。系统内的单 颗卫星可完成不同的简单任务,因此,复合任务的完成需要这些卫星之间的协 同。用caiojp表示对地观测卫星i是否具有能力cojp以完成应急子任务ojp。
批次任务的时间可用性
当且仅当在对地观测卫星i和中继节点之间存在一个或多个通信时间窗口时,第o批 应急任务可从中继节点发布给对地观测卫星i。将批次任务的可用性指标wio定义为:
前摄复合应急任务的时效性
当且仅当第o批中前摄应急任务j0在最晚观测开始时间之前到达对地观测卫 星i,同时前续任务{1,...,(p-1)},p>1已经调度成功且满足偏序关系,则第o批中前摄复合 应急任务j0的第p个子任务在对地观测卫星i上调度是时间有效的。
定义针对该子任务的时效性指标为:
其中
渐次复合应急任务的时效性
当且仅当第o批中渐次应急任务j1在最晚观测开始时间之前到达对地观测卫星 i,同时前续子任务{1,...,(p-1)},p>1在子任务p生成之前已经执行完成,则第o批中渐次 复合应急任务j1的第p个子任务在对地观测卫星i上调度是时间有效的。定义针对该子任务 的时效性指标为:
其中
若应用场景中只存在前摄复合应急任务,则在第o″批应急任务发布后,将在线协同调 度问题构建为混合整数线性规划(MILP)模型,如下:
若应用场景中包括渐次复合紧急任务,则在第o″批中渐次应急任务j″的第p″个子任务 生成并发布时,将在线协同调度问题构建为混合整数线性规划(MILP)模型,如下:
决策变量
coiojp+(siojpk+prik)yiojpk+olfiojp(yiojpk-1)≤coik (2)
coik+(sikojp+projp)yikojp+olfik(yikojp-1)≤coiojp (3)
coio′j′p′+(sio′j′p′ojp+priojp)yio′j′p′ojp+olfio′j′p′(yio′j′p′ojp-1)≤coiojp (4)
(triop+projp)xiojp+sikojpyikojp+sio′j′p′ojpyio′j′p′ojp≤coiojp (5)
prikzik+siojpkyiojpk≤coik (6)
(oesiojp+projp)xiojp≤coiojp (7)
(oesik+prik)zik≤coik (8)
coiojp≤olfiojpxiojp (9)
coik≤olfikzik (10)
beiojp+projp=coiojp (11)
beik+prik=coik (12)
coi0=0,coi(vi+1)=tl (13)
zi0=1,zi(vi+1)=1 (14)
xiojp={0,1},yiojpk={0,1},yikojp={0,1},yio′j′p′ojp={0,1},zik={0,1},wiojp={0,1},caiojp={0,1}(15)
针对集中-分布式架构的合同网协议协同机制存在以下局限性:一是合同 网协议中的通信是采用广播通信方式,所需的通信次数多,相应的通信代价高; 二是复合任务的任务约束关系只能通过拍卖商这一中心节点进行协同控制,交 互次数多,不适用于协同调度耦合度高的复合任务;三是对中心节点的能力要 求高,因为拍卖商作为中心节点,需要具备复合任务的分解能力和协同能力。
本发明基于上述局限,针对分散式架构,基于通用部分全局规划,将已 提出的在线协同算法与复合任务之间的约束相结合,形成异构多星在线协同机 制。
首先,每颗对地观测卫星上执行单星在线调度算法,调度该对地观测卫 星的常规任务和上述协同分配算法分配给该对地观测卫星的应急观测任务,所 述单星在线调度算法包括:
(1)在T-驱动的调度时刻点,采用渐进式方法中的完全重调度策略,生 成下一个周期时间区间内的新任务计划,T-驱动的调度时刻点是根据给定的 时间间隔T来确定特定的调度时间点lT,0≤l≤L,LT≤H<(L+1)T,每到达一个 调度时间点lT,则计算生成后一调度区间[lT,(l+1)T]的任务计划,其中l为正整 数,T为给定的时间间隔,L为最大T-驱动调度次数,H为总调度区间,以及 (2)在C*-驱动的重调度时刻点,采用修订式方法中的调度计划修复策略, 当卫星运行在给定的调度区间内时,若在某一时刻t(0<t<H),星上的应急观测任务累积量Ct超过给定的阈值C*时,则执行重调度计算,其中阈值C*为 应急观测任务的临界累积数,
除上述两种调度时刻点之外,不在任何其他时刻点进行调度。
更具体地,在所述单星在线调度算法中,在T-驱动的调度时刻点的具体 调度算法如下:
输入:
–已到达且在T-驱动调度时刻点之前未被调度的应急观测任务集合;
–已接收且在T-驱动调度时刻点之前未被调度的常规观测任务集合;
输出:
--下一时间周期T内的调度计划;
具体步骤如下:
步骤11分别从和中选取时间窗口是否落入下一个时间周期T内 的常规观测任务和应急观测任务,生成待调度求解的常规观测任务集合和 应急观测任务集合
步骤12将和整合为一个观测任务集合;
步骤13按照设定的启发式规则,对整合后的观测任务集合中的任务进 行排序;
步骤14按照排序,对所述整合后的观测任务集合中的任务一一进行调 度,以确定是否将之加入到中,直至所述整合后的观测任务集合中再无任 务可加入中,
步骤15输出下一时间周期T内的调度计划
在C*-驱动的重调度时刻点的调度算法如下:
输入:
—在本时间周期T内且晚于C*-驱动调度时刻点t的调度计划;
—在调度时刻点t之前已到达且未调度的应急观测任务集合;
输出:
—在时间t时已修订的调度计划,
具体步骤如下:
步骤21根据观测时间窗口处于时间t到下一个T-驱动调度时刻点这一 时间区间内的条件,从任务集合中选取应急观测任务,生成新的任务集合
步骤22根据设定的启发式规则,对中的应急观测任务进行排序;
步骤23按照新的任务次序,一一选取中的应急观测任务并对进行 修订,直至中再无应急观测任务可加入中,
步骤24输出已修订的调度计划
GPGP协同机制又称为通用部分全局规划(General Partial Global Planning)协同机制。GPGP协同机制中各对地观测卫星进行局部规划与协同决 策,并将可用的信息与结果传递给其他对地观测卫星,同时要求其他对地观测 卫星对其进行信息和决策结果反馈,从而使系统内个体之间相互协同,共同完 成系统的全局任务。GPGP协同机制有以下优势:一是与领域知识解耦,即不 只适用于单一领域,可针对当前任务环境中的问题特性,设计不同的具体机制; 二是GPGP与各对地观测卫星的本地调度器相结合进行工作;三是GPGP采用多 种机制对PGP进行拓展,包括对存在截止时间的任务进行调度,存在对地观测 卫星异构性,交互的全局信息更少,并且可在多种抽象层次上进行通信。
GPGP是一递增且渐进的协同机制,并对最优对地观测卫星协同策略进行 近似,因为GPGP中一次性的协同决策并不能完全反映在已调度活动的执行过 程中发生的动态变化或者新任务的到达。而活动执行会出现应急突发情况,新 任务会到达对地观测卫星,或者对地观测卫星所接收到来自其他对地观测卫星 的新消息或更改过的消息时,对地观测卫星会对当前的调度方案进行重新评 估,修订自身的协同策略,进而让其他对地观测卫星修订自身的调度方案和协 同策略。
与GPGP这一递增且渐进的协同方法相比,分布式马尔科夫过程MDP对活 动执行过程中出现的应急突发情况进行提前分析并运用到最优协同规则的设 计中去。但是,对于在有限时间区间的环境中存在大量可能的场景情况时,这 种对每个执行协同操作进行完全预调度规划是不太可行的,因为每个场景都包 括目标如何在各对地观测卫星之间进行分布和目标在何时可用并进行完成。在 这样的环境中,不太可能近实时地完成计算,来生成最优协同策略。进一步地, 对所有场景而言,策略的离线生成并不可行。但是,并不意味着一定程度上的 意外情况分析是不必要的。另外,当环境中目标的分布和到达速率满足特定的 规律时,则面向突发应急情况的预调度规划方法是可行的。
GPGP仅基于目标之间存在的相互关系,获取其他对地观测卫星的信息; 对当前已知的目标进行时间区间限制和分析;在本地调度和承诺中进行一定程 度上的意外情况分析,但不是预生成可能的本地调度方案来处理特定的意外情 况;在对最优协同的松弛求解和对计算和通信成本的限制之间进行平衡决策。
可见,GPGP将该问题分解为一系列的异步且渐进的本地优化问题,每个 对地观测卫星有相应的本地优化问题,其中协同部分是由GPGP解决,而调度 部分是由本地调度器解决;来对全局优化问题(对各对地观测卫星进行任务选 取并排序,生成具有最高组合收益的方案)进行近似求解。每个本地优化问题 都包括对本地对地观测卫星任务的选择并排序;而这些本地优化问题也会进行 修订,通过其他对地观测卫星对本地对地观测卫星任务的承诺以及来自其他对 地观测卫星的调度结果来实现,以反映其他对地观测卫星的任务与本地任务之 间的动态渐进式互动。
相对于面向对地观测卫星分析的协同机制,GPGP是面向任务分析的协同 机制。面向对地观测卫星分析的协同机制是通过分析对地观测卫星的内部结构 和推理过程,进而设计协同策略,而面向任务分析的协同机制则是在确定任务 结构,理清任务之间关联关系的基础上,对协同策略进行设计。面向任务分析 的协同机制认为协同是管理任务之间关联关系的过程,则对任务之间的关联关 系进行分类和定义,并根据关联关系的不同,设计不同的协同策略。此类协同 策略注重定量计算任务之间的关联关系,更新全局任务视图和各对地观测卫星 的局部任务视图,而对对地观测卫星的认知模型不作特别要求。
为形式化描述GPGP及其相应的协同问题,采用TAEMS(Task Analysis,Environment Modeling,and Simulation)框架对复合任务进行形式化描述。 TAEMS框架有两点特征:一是对子任务之间关联关系的明确和定量表示,即用 函数的形式描述活动选择与时序对性能的影响;二是从多个抽象层次对任务结 构进行表示。
分散式架构下,各对地观测卫星的本地调度、执行、通信和信息采集等 模块共同组成协同模块的平台基础,而协同模块可为本地调度器提供信息,包 括对局部任务视图的修订以及对任务视图中子任务的本地和非本地承诺,从而 使本地调度器生成更好的调度计划。
基于GPGP的异构多星在线协同机制主要由四个部分组成:
1.局部任务视图交互;
针对当前复合任务,每个对地观测卫星仅具有主观的任务视图。该部分 是指各对地观测卫星对自身的局部任务结构视图,同其他对地观测卫星进行交 互。在此交互过程中,会发现自身任务结构与共享任务结构之间存在的协同关 联关系。
2.调度结果通信传递;
该部分是指各对地观测卫星对自身生成的调度结果进行通信传递。具体 而言,在m-CBBA或m-ACBBA算法任务束构建的基础上,对相关结果进行分享 反馈交互,其中m-CBBA算法是通过同步通信环路预测及其同步分享反馈交互 实现,而m-ACBBA算法是通过异步通信环路预测及其异步分享反馈交互实现。
3.方法冗余冲突消解;
该部分对应于m-CBBA算法或m-ACBBA算法中一致性构建阶段的冲突消解 规则。当生成承诺时,对地观测卫星会等待其他非本地承诺的到达,选取其中 一个最佳对地观测卫星进行方法执行,同时其余对地观测卫星撤销相应的承 诺。
4.使能协同关系处理;
对于使能关系enable(T1,T2),只有完成子任务T1,才能完成子任务T2,即子 任务T1必须在T2之前执行,才能获取T2的收益。该部分对应于复合任务中子任 务之间时间先后约束关系的执行。
在GPGP协同机制中,任务视图是各对地观测卫星用于交互各自对复合任 务认知的主要信息表现形式。各对地观测卫星在交互过程中,更新和维护任务 视图,并将视图中的约束关系应用于束构建和一致性构建中,从而实现协同。
在TAEMS中,每个复合任务都由一系列子任务组成,并且子任务之间存在 关联关系,则采用有向无环图(树状图)对复合任务进行表示,其中根节点是 复合任务,除根节点之下的节点表示分解后的子任务,方形节点表示任务完成 需执行的方法(对应于特定的对地观测卫星),连接边代表着任务之间以及任 务与方法之间存在的关联关系。可见一任务视图代表了一个复合任务的分解过 程,因此对地观测卫星接收到复合任务后,根据局部知识,对其进行分解,得 到局部任务视图;当接收到其他对地观测卫星通信传递来的信息时,对局部任 务视图进行更新和维护。方形节点不是必须的,例如可以直接与各LEO相对应。
图2是一全局任务视图。复合任务T通过任务分解,可以将其分解为T1、 T2和T3三个子任务(parent-child relation),这里T的收益被定义成T1、 T2和T3三者中的最大收益。子任务T1的完成是需要由对地观测卫星A的 方法(或者功能、能力)A1和对地观测卫星B的方法B1共同完成。子任务T5 与子任务T4构成使能关系(enable relation),因此系统必须先完成子任务 T5,才能去完成子任务T4。局部任务视图的描述与之类似,只是视图中只有 自已一个对地观测卫星,如图3所示。
对于前摄复合任务,在其发布时,所有一系列子任务均给定,且相互之 间存在使能关系;每个子任务对应于不同的能力需求,而不同的能力分布于不 同的对地观测卫星上。因此,在其全局任务视图中,叶节点表示具体对地观测 卫星上的能力,如图4所示。
对于渐次复合任务,在其发布时,子任务未完全给出,而是后一子任务 是在前一子任务执行完成后才生成的,相互之间存在使能关系,因此渐次复合 任务对应的全局任务视图是渐次动态变化的。每个子任务对应于不同的能力需 求,而不同的能力分布于不同的对地观测卫星上,如图5所示。
关于应用场景设置,在同一轨道上配置3颗对地观测卫星LEO,在赤道上 方配置3颗GEO卫星,具体卫星参数见表2。仿真的时间长度设定为6h。
表2 三颗对地观测卫星和三颗GEO卫星的轨道参数设置
我们对比了面向分布式卫星系统的四种在线协同调度算法,包括单项任 务下的合同网协议算法SI-CNP,批次任务下的合同网协议算法BA-CNP,改进 的一致性束算法m-CBBA和改进的异步一致性束算法m-ACBBA。
在m-CBBA和m-ACBBA算法中,每次共享反馈交互的分享上行,分享下行, 反馈上行和反馈下行时间戳分别是从通信环路对应的最早开始时间和最晚结 束时间之间的时间区间内随机生成。在每个完全通信环路上,最多进行一次共 享反馈交互。
我们采用三项性能指标,分别是总收益,通信总次数和在已调度成功的 应急任务中任务完成度分布。这三项指标的具体描述如下:
(1)系统总收益,指分布式卫星系统在整个调度区间内的所有已调度成 功的任务收益之和。
(2)通信总次数。通信总次数是是三种单向通信情况的通信次数之和, 分别是LEO向GEO发起通信,GEO向LEO发起通信以及GEO之间单向通信。
(3)已调度成功的应急任务中任务完成度分布。对于复合任务的调度安 排,存在不同的任务完成度。若一复合任务包括两个子任务,且仅有第一个子 任务调度成功,则任务完成度为50%,同样,若一复合任务包括三个子任务, 且前两个子任务调度成功,则任务完成度为67%。
为了评估四种在线协同调度算法的性能,我们首先关注分布式卫星系统 对应急观测任务的响应能力,因此两个与任务相关的参数量,应急观测任务的 到达速率λ和观测角度θ,以及一个与调度机制相关的参数量,滚动调度周期T,对于测试算例的生成是十分重要的。可见,这两个与任务相关的参数量分 别代表应急观测任务的时间分布特性和空间分布特性,而滚动调度周期则决定 了在线调度计算的规模大小。此外,其他所有参数量均由给定的均匀分布生成。
其次,分析算法对于复合应急任务的在线调度性能,包括前摄生成复合 任务和渐次生成复合任务。因此,一个与系统自身相关的参量,每个对地观测 卫星上所搭载的成像载荷数量C,和两个与应急任务相关的参量,每个复合任 务中的子任务数量b和收益系数ec,对于测试算例的生成都十分重要。
与卫星、任务和调度机制相关的参量设置情况,如表3所示。
表3 相关参量设置
面向前摄复合任务的实例结果分析
(1)场景1:每颗对地观测卫星搭载三种不同的成像载荷;收益系数为1.5;整个调度区间内的应急任务均为前摄复合任务,包括可分解为两个子任 务和可分解为三个子任务的前摄复合任务,各占总数量的50%。
表4和表7表明对于BA-CNP和m-CBBA算法,滚动周期越长,通信次数 减少,总收益越低,因为每个对地观测卫星在每个调度周期内最多进行一次投 标或一次分享反馈交互,则调度周期越长,对应的投标次数或交互次数越少, 通信次数减少。对于SI-CNP和m-ACBBA算法,滚动调度周期越长,总收益越 高,其中SI-CNP所需的通信量大幅增加,而m-ACBBA所需的通信量却降低, 说明异步通信策略具有明显优势。
表5说明当滚动调度周期T为6min时,BA-CNP,m-CBBA和m-ACBBA算法 所取得的总收益高于SI-CNP算法。表6说明当滚动调度周期T为12min时, SI-CNP和m-ACBBA算法所取得的总收益高于BA-CNP和m-CBBA算法,同时, 前两者所需的通信量大于后两者。图7可见在四种算法中,m-CBBA的通信次 数最少,因为同步通信环路上的分享反馈交互是高效而稀疏的。
表4 各算法在不同参数条件下所取得的总收益
表5 当T为6min时,与SI-CNP相比,各算法的收益增长(%)
表6 当T为12min时,与SI-CNP相比,各算法的收益增长(%)
表7 在不同参数条件下各算法所需要的通信次数
图6表明随着应急任务到达速率增加,系统的总收益和总通信次数增加。m-ACBBA算法所取得的总收益最高,同时m-CBBA算法所需的通信次数最少。在滚动调度周期T为12min时,SI-CNP和m-ACBBA算法对应100%完成的复杂应急任务比例大于滚动调度周 期T为6min时的比例。
表8显示考虑到星上CPU计算能力是地面PC机的百分之一,则星上计算时间小于1秒,意味着所提出的算法是可以实际应用的。
表8 单颗卫星在一次滚动调度周期内的平均计算时间(/s)
综上所述,当系统中的通信成本代价高时,m-CBBA算法可在系统总收益和通信次数 之间取得平衡,而当系统的通信成本低时,m-ACBBA算法是获得高系统总收益和高应急任务调度成功比例的最佳选择。
(2)场景2:每颗对地观测卫星搭载两种不同的成像载荷;收益系数为1.5;整个调度 区间内的应急任务均为前摄复合任务,包括可分解为两个子任务和可分解为三个子任务的 前摄复合任务,各占总数量的50%
与场景1中的表4相比,本场景表9中各算法所取得的收益值有所下降;与场景1中的表7相比,本场景中表10各算法所对应的通信量基本一致;与与场景1中图6(c)相比, 本场景图7(c)显示完成度为100%的应急任务比例明显降低,同时仅完成第一个应急子任务的比例上升,对应于完成度为33%和50%的比例之和,说明任务协同调度完成的效果明显降低。
综上所述,每颗对地观测卫星上搭载的成像载荷数量减少,会导致系统总收益值下降, 任务完成度降低,而通信次数并未降低。则对于通信成本高的情况,尽可能多搭载成像载 荷更有利。
表9 各算法在不同参数条件下所取得的总收益
表10 在不同参数条件下各算法所需要的通信次数
(3)场景3:每颗对地观测卫星搭载三种不同的成像载荷;收益系数为1.2;整个调度 区间内的应急任务均为前摄复合任务,包括可分解为两个子任务和可分解为三个子任务的 前摄复合任务,各占总数量的50%
与场景1中的表4相比,本场景表11中各算法所取得的收益值有所下降;与场景1中的表7相比,本场景中表12各算法所对应的通信量基本一致;与与场景1中图6(c)相比, 本场景图8(c)显示完成度为100%的应急任务比例明显降低,同时仅完成第一个应急子任务的比例上升,对应于完成度为33%和50%的比例之和,说明任务协同调度完成的效果明显降低。
综上所述,收益系数减小,会导致系统总收益值下降,任务完成度降低,而通信次数 并未降低。则要提高前摄复合任务的任务完成度,需保证足够高的收益系数。
表11 各算法在不同参数条件下所取得的总收益
表12 在不同参数条件下各算法所需要的通信次数
面向渐次复合任务的实例结果分析
(4)场景4:每颗对地观测卫星搭载三种不同的成像载荷;收益系数为1.5;整个调度 区间内的应急任务均为渐次复合任务,包括可分解为两个子任务和可分解为三个子任务的 渐次复合任务,各占总数量的50%
与场景1中的表4相比,本场景表13中各算法所取得的收益值有所下降;与场景1中的表7相比,本场景中表16各算法所对应的通信量基本一致;与场景1中图6(c)相比,本 场景图9(c)显示完成度为100%的应急任务比例降低,同时仅完成第一个应急子任务的比例上升,对应于完成度为33%和50%的比例之和,说明任务协同调度完成的效果明显降低。
综上所述,由于存在通信约束,则对于渐次复合任务的星上协同调度效果弱于前摄复 合任务。
表13 各算法在不同参数条件下所取得的总收益
表14 当T为6min时,与SI-CNP相比,各算法的收益增长(%)
表15 当T为12min时,与SI-CNP相比,各算法的收益增长(%)
表16 各算法在不同参数条件下所需的通信次数
表17 单颗卫星在一次滚动调度周期内的平均计算时间(/s)
(5)场景5:每颗对地观测卫星搭载两种不同的成像载荷;收益系数为1.5;整个调度 区间内的应急任务均为渐次复合任务,包括可分解为两个子任务和可分解为三个子任务的 渐次复合任务,各占总数量的50%
与场景4中的表13相比,本场景表18中各算法所取得的收益值有所下降;与场景4中的表16相比,本场景中表19各算法所对应的通信量基本一致;与与场景4中图9(c)相 比,本场景图10(c)显示完成度为100%的应急任务比例明显降低,同时仅完成第一个应急 子任务的比例上升,对应于完成度为33%和50%的比例之和,说明任务协同调度完成的效 果明显降低。
综上所述,每颗对地观测卫星上搭载的成像载荷数量减少,会导致系统总收益值下降, 任务完成度降低,而通信次数并未降低。则对于通信成本高的情况,尽可能多搭载成像载 荷更有利。
表18 各算法在不同参数条件下所取得的总收益
表19 各算法在不同参数条件下所对应的通信次数
本发明对复合任务进行形式化描述,复合任务在其子任务之间存在成像 能力约束、时间先后约束和收益系数约束,同时考虑到观测目标的动态不确定 性,将复合任务分为前摄复合任务和渐次复合任务。以此为基础,提出基于通 用部分全局规划的异构多星在线协同机制,对协同算法进行改进,特别是采用 TAEMS框架对复合任务构建任务视图,包括任务分解和子任务之间的约束关系。 不同类型的复合任务对应于不同的调度方式,其中对于前摄复合任务,每当该 复合任务发布时,采用一次性调度;对于渐次复合任务,后一子任务在前一子 任务完成之后生成并发布,采用渐次性调度。对每个对地观测卫星上所搭载的成像载荷数量,每个复合任务中的子任务数量和收益系数进行不同的设置,分 析各参数量对系统效能的影响,可见对于通信成本高的情况,尽可能多搭载成 像载荷更有利;要提高复合任务的任务完成度,需保证足够高的收益系数。
最后需要指出的是:以上实施例仅用以说明本发明的技术方案,而非对 其限制。本领域的普通技术人员应当理解:可以对前述各实施例所记载的技术 方案进行修改,或者对其中部分技术特征进行等同替换;这些修改或者替换, 并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。
Claims (8)
1.一种通信约束下面向复合任务的异构多星在线协同方法,其特征在于,复合任务是应急观测任务且是指对同一观测目标需要执行多次成像观测,同时各次成像观测之间在成像类型、成像质量、任务收益值和/或时间先后上存在约束关系,异构多星是指具有多个对地观测卫星LEO,各对地观测卫星LEO配备有至少两种不同类型的成像载荷,同时各个对地观测卫星LEO的载荷类型也存在差异,而且星间通信存在通信时间窗口,其中,每个对地观测卫星在接收到复合任务后,对所述复合任务进行分解,并基于该对地观测卫星的成像载荷类型,构建自身的局部任务结构视图,该局部任务结构视图中仅包括该对地观测卫星能够完成的子任务;对地观测卫星在构建自身的局部任务结构视图后,同其他对地观测卫星进行交互,在此交互过程中,发现自身任务结构与共享任务结构之间存在的协同关联关系;当生成承诺时,对地观测卫星会等待其他非本地承诺的到达,选取其中一个最佳对地观测卫星进行方法执行,同时其余对地观测卫星撤销相应的承诺。
2.如权利要求1所述的通信约束下面向复合任务的异构多星在线协同方法,其特征在于,将复合任务分为前摄复合任务和渐次复合任务,对于前摄复合任务,每当该复合任务发布时,采用一次性调度;对于渐次复合任务,后一子任务在前一子任务完成之后生成并发布,采用渐次性调度。
3.如权利要求2所述的通信约束下面向复合任务的异构多星在线协同方法,其特征在于,
若应用场景中只存在前摄复合应急任务,则在第o″批应急任务发布后,将在线协同调度问题构建为如下混合整数线性规划(MILP)模型:
若应用场景中包括渐次复合紧急任务,则在第o″批中渐次应急任务j″的第p″个子任务生成并发布时,将在线协同调度问题构建为如下混合整数线性规划(MILP)模型:
其中,
coiojp+(siojpk+prik)yiojpk+olfiojp(yiojpk-1)≤coik (2)
coik+(sikojp+projp)yikojp+olfik(yikojp-1)≤coiojp (3)
coio′j′p′+(sio′j′p′ojp+priojp)yio′j′p′ojp+olfio′j′p′(yio′j′p′ojp-1)≤coiojp (4)
(triop+projp)xiojp+sikojpyikojp+sio′j′p′ojpyio′j′p′ojp≤coiojp (5)
prikzik+siojpkyiojpk≤coik (6)
(oesiojp+projp)xiojp≤coiojp (7)
(oesik+prik)zik≤coik (8)
coiojp≤olfiojpxiojp (9)
coik≤olfikzik (10)
beiojp+projp=coiojp (11)
beik+prik=coik (12)
xiojp={0,1},yiojpk={0,1},yikojp={0,1},yio′j′p′ojp={0,1},zik={0,1},wiojp={0,1},caiojp={0,1}(15)。
4.如权利要求1所述的通信约束下面向复合任务的异构多星在线协同方法,其特征在于,
采用有向无环图(树状图)对复合任务进行表示,其中根节点是复合任务,除根节点之下的节点表示分解后的子任务,所述子任务与子任务完成需执行的方法相对应,连接边代表着任务之间的关联关系,对地观测卫星接收到复合任务后,根据局部知识,对其进行分解,得到局部任务结构视图;当接收到其他对地观测卫星通信传递来的信息时,对局部任务结构视图进行更新和维护。
5.如权利要求2所述的通信约束下面向复合任务的异构多星在线协同方法,其特征在于,渐次复合任务对应的全局任务视图是渐次动态变化的,每个子任务对应于不同的能力需求,而不同的能力分布于不同的对地观测卫星上。
6.如权利要求1所述的通信约束下面向复合任务的异构多星在线协同方法,其特征在于,所述对地观测卫星LEO通过GEO作为中继节点进行通讯。
7.如权利要求1所述的通信约束下面向复合任务的异构多星在线协同方法,其特征在于,每颗对地观测卫星上执行单星在线调度算法,调度该对地观测卫星的常规任务和上述协同分配算法分配给该对地观测卫星的应急观测任务,所述单星在线调度算法包括:
(1)在T-驱动的调度时刻点,采用渐进式方法中的完全重调度策略,生成下一个周期时间区间内的新任务计划,T-驱动的调度时刻点是根据给定的时间间隔T来确定特定的调度时间点lT,0≤l≤L,LT≤H<(L+1)T,每到达一个调度时间点lT,则计算生成后一调度区间[lT,(l+1)T]的任务计划,其中l为正整数,T为给定的时间间隔,L为最大T-驱动调度次数,H为总调度区间,以及
(2)在C*-驱动的重调度时刻点,采用修订式方法中的调度计划修复策略,当卫星运行在给定的调度区间内时,若在某一时刻t(0<t<H),星上的应急观测任务累积量Ct超过给定的阈值C*时,则执行重调度计算,其中阈值C*为应急观测任务的临界累积数,
除上述两种调度时刻点之外,不在任何其他时刻点进行调度。
8.如权利要求7所述的通信约束下面向复合任务的异构多星在线协同方法,其特征在于,在所述单星在线调度算法中,在T-驱动的调度时刻点的具体调度算法如下:
输入:
–已到达且在T-驱动调度时刻点之前未被调度的应急观测任务集合;
–已接收且在T-驱动调度时刻点之前未被调度的常规观测任务集合;
输出:
--下一时间周期T内的调度计划;
具体步骤如下:
步骤11分别从和中选取时间窗口是否落入下一个时间周期T内的常规观测任务和应急观测任务,生成待调度求解的常规观测任务集合和应急观测任务集合
步骤12将和整合为一个观测任务集合;
步骤13按照设定的启发式规则,对整合后的观测任务集合中的任务进行排序;
步骤14按照排序,对所述整合后的观测任务集合中的任务一一进行调度,以确定是否将之加入到中,直至所述整合后的观测任务集合中再无任务可加入中,
步骤15输出下一时间周期T内的调度计划
在C*-驱动的重调度时刻点的调度算法如下:
输入:
—在本时间周期T内且晚于C*-驱动调度时刻点t的调度计划;
—在调度时刻点t之前已到达且未调度的应急观测任务集合;
输出:
—在时间t时已修订的调度计划,
具体步骤如下:
步骤21根据观测时间窗口处于时间t到下一个T-驱动调度时刻点这一时间区间内的条件,从任务集合中选取应急观测任务,生成新的任务集合
步骤22根据设定的启发式规则,对中的应急观测任务进行排序;
步骤23按照新的任务次序,一一选取中的应急观测任务并对进行修订,直至中再无应急观测任务可加入中,
步骤24输出已修订的调度计划
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711279400.0A CN108510145B (zh) | 2017-12-06 | 2017-12-06 | 一种通信约束下面向复合任务的异构多星在线协同方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711279400.0A CN108510145B (zh) | 2017-12-06 | 2017-12-06 | 一种通信约束下面向复合任务的异构多星在线协同方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108510145A true CN108510145A (zh) | 2018-09-07 |
CN108510145B CN108510145B (zh) | 2020-09-11 |
Family
ID=63374703
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711279400.0A Active CN108510145B (zh) | 2017-12-06 | 2017-12-06 | 一种通信约束下面向复合任务的异构多星在线协同方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108510145B (zh) |
Cited By (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120833A (zh) * | 2019-05-14 | 2019-08-13 | 中国电子科技集团公司第五十四研究所 | 一种星地协同任务管理系统 |
CN111311074A (zh) * | 2020-01-20 | 2020-06-19 | 中国人民解放军国防科技大学 | 面向应急任务的多星分布式协同重调度方法 |
CN112653195A (zh) * | 2020-11-27 | 2021-04-13 | 国网甘肃省电力公司经济技术研究院 | 一种并网型微电网鲁棒优化容量配置方法 |
CN112799844A (zh) * | 2021-02-02 | 2021-05-14 | 中国矿业大学(北京) | 一种异构环境下时空型混合负载调度优化方法 |
CN112946651A (zh) * | 2021-04-23 | 2021-06-11 | 成都汇蓉国科微系统技术有限公司 | 一种基于分布式sar的空中协同感知系统 |
CN113703009A (zh) * | 2021-07-30 | 2021-11-26 | 中国人民解放军91977部队 | 一种卫星探测海上目标能力评估系统及方法 |
CN113723805A (zh) * | 2021-08-30 | 2021-11-30 | 上海大学 | 一种无人艇复合任务分配方法及系统 |
CN115686874A (zh) * | 2023-01-03 | 2023-02-03 | 中南大学 | 一种动态星间的多星协同计算方法、系统、设备及介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100037055A1 (en) * | 2008-08-11 | 2010-02-11 | International Business Machines Corporation | Method For Authenticated Communication In Dynamic Federated Environments |
CN105049493A (zh) * | 2015-06-29 | 2015-11-11 | 中国科学院遥感与数字地球研究所 | 一种虚拟组网的分布式卫星数据服务系统 |
CN107145994A (zh) * | 2017-03-15 | 2017-09-08 | 湖南普天科技集团有限公司 | 一种用于多星协同观测的任务规划方法 |
-
2017
- 2017-12-06 CN CN201711279400.0A patent/CN108510145B/zh active Active
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20100037055A1 (en) * | 2008-08-11 | 2010-02-11 | International Business Machines Corporation | Method For Authenticated Communication In Dynamic Federated Environments |
CN105049493A (zh) * | 2015-06-29 | 2015-11-11 | 中国科学院遥感与数字地球研究所 | 一种虚拟组网的分布式卫星数据服务系统 |
CN107145994A (zh) * | 2017-03-15 | 2017-09-08 | 湖南普天科技集团有限公司 | 一种用于多星协同观测的任务规划方法 |
Non-Patent Citations (2)
Title |
---|
王冲: "基于Agent的对地观测卫星分布式协同任务规划研究", 《中国博士学位论文全文数据库 信息科技辑》 * |
陈建军、杨振山: "一种基于GPGP的多智能体协同框架", 《计算机应用研究》 * |
Cited By (13)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110120833A (zh) * | 2019-05-14 | 2019-08-13 | 中国电子科技集团公司第五十四研究所 | 一种星地协同任务管理系统 |
CN111311074B (zh) * | 2020-01-20 | 2022-04-05 | 中国人民解放军国防科技大学 | 面向应急任务的多星分布式协同重调度方法 |
CN111311074A (zh) * | 2020-01-20 | 2020-06-19 | 中国人民解放军国防科技大学 | 面向应急任务的多星分布式协同重调度方法 |
CN112653195A (zh) * | 2020-11-27 | 2021-04-13 | 国网甘肃省电力公司经济技术研究院 | 一种并网型微电网鲁棒优化容量配置方法 |
CN112653195B (zh) * | 2020-11-27 | 2022-10-14 | 国网甘肃省电力公司经济技术研究院 | 一种并网型微电网鲁棒优化容量配置方法 |
CN112799844A (zh) * | 2021-02-02 | 2021-05-14 | 中国矿业大学(北京) | 一种异构环境下时空型混合负载调度优化方法 |
CN112946651A (zh) * | 2021-04-23 | 2021-06-11 | 成都汇蓉国科微系统技术有限公司 | 一种基于分布式sar的空中协同感知系统 |
CN112946651B (zh) * | 2021-04-23 | 2023-10-27 | 成都汇蓉国科微系统技术有限公司 | 一种基于分布式sar的空中协同感知系统 |
CN113703009B (zh) * | 2021-07-30 | 2022-03-25 | 中国人民解放军91977部队 | 一种卫星探测海上目标能力评估系统及方法 |
CN113703009A (zh) * | 2021-07-30 | 2021-11-26 | 中国人民解放军91977部队 | 一种卫星探测海上目标能力评估系统及方法 |
CN113723805A (zh) * | 2021-08-30 | 2021-11-30 | 上海大学 | 一种无人艇复合任务分配方法及系统 |
CN113723805B (zh) * | 2021-08-30 | 2023-08-04 | 上海大学 | 一种无人艇复合任务分配方法及系统 |
CN115686874A (zh) * | 2023-01-03 | 2023-02-03 | 中南大学 | 一种动态星间的多星协同计算方法、系统、设备及介质 |
Also Published As
Publication number | Publication date |
---|---|
CN108510145B (zh) | 2020-09-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108510145A (zh) | 一种通信约束下面向复合任务的异构多星在线协同方法 | |
CN108023637B (zh) | 一种同构多星在线协同方法 | |
CN109948944B (zh) | 一种卫星任务调度方法及系统 | |
Vossen et al. | Optimization and mediated bartering models for ground delay programs | |
Wang et al. | A model, a heuristic and a decision support system to solve the scheduling problem of an earth observing satellite constellation | |
Jacquillat et al. | An integrated scheduling and operations approach to airport congestion mitigation | |
WO2019127948A1 (zh) | 一种智能遥感卫星层次化分布式自主协同任务规划系统 | |
US7236861B2 (en) | Mission planning system with asynchronous request capability | |
Choi et al. | Decentralized task allocation for heterogeneous teams with cooperation constraints | |
CN109088667B (zh) | 一种面向简单任务的同构多星在线协同方法 | |
Mandal et al. | Agent-based distributed framework for collaborative planning | |
CN109239735A (zh) | 虚拟星座协作观测方法 | |
Yang et al. | Onboard coordination and scheduling of multiple autonomous satellites in an uncertain environment | |
Brunato et al. | Combining intelligent heuristics with simulators in hotel revenue management | |
Castro et al. | A new concept for disruption management in airline operations control | |
Ren et al. | A competitive Markov decision process model and a recursive reinforcement-learning algorithm for fairness scheduling of agile satellites | |
CN109358345B (zh) | 基于Agent的虚拟星座协作观测方法 | |
Skobelev et al. | Smart projects: Multi-agent solution for aerospace applications | |
Kyngäs et al. | Optimizing large-scale staff rostering instances | |
Hatami-Marbini et al. | A stepwise fuzzy linear programming model with possibility and necessity relations | |
Xu et al. | Competitive integrated airline schedule design and fleet assignment | |
Zhang et al. | Home health care routing and scheduling in densely populated communities considering complex human behaviours | |
CN108377163A (zh) | 一种基于异步通信的多星在线协同方法 | |
Sun et al. | Satellites scheduling algorithm based on dynamic constraint satisfaction problem | |
Riazi et al. | Decomposition and distributed algorithms for home healthcare routing and scheduling problem |
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 |