CN108734343A - 一种基于调度收益与遗传算法的相控阵波束驻留调度方法 - Google Patents
一种基于调度收益与遗传算法的相控阵波束驻留调度方法 Download PDFInfo
- Publication number
- CN108734343A CN108734343A CN201810408417.XA CN201810408417A CN108734343A CN 108734343 A CN108734343 A CN 108734343A CN 201810408417 A CN201810408417 A CN 201810408417A CN 108734343 A CN108734343 A CN 108734343A
- Authority
- CN
- China
- Prior art keywords
- task
- priority
- scheduling
- target
- threat
- 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
- 238000000034 method Methods 0.000 title claims abstract description 78
- 230000008901 benefit Effects 0.000 title claims abstract description 28
- 238000004422 calculation algorithm Methods 0.000 title claims abstract description 22
- 230000002068 genetic effect Effects 0.000 title claims abstract description 22
- 108090000623 proteins and genes Proteins 0.000 claims description 8
- 238000012217 deletion Methods 0.000 claims description 5
- 230000037430 deletion Effects 0.000 claims description 5
- 230000035772 mutation Effects 0.000 claims description 4
- 238000012360 testing method Methods 0.000 claims description 4
- 230000005540 biological transmission Effects 0.000 claims description 2
- 238000010353 genetic engineering Methods 0.000 claims description 2
- 230000009467 reduction Effects 0.000 claims description 2
- 230000000630 rising effect Effects 0.000 claims 1
- 238000005457 optimization Methods 0.000 abstract description 10
- 230000003044 adaptive effect Effects 0.000 abstract description 6
- 238000005516 engineering process Methods 0.000 abstract description 6
- 230000015572 biosynthetic process Effects 0.000 abstract description 4
- 238000003786 synthesis reaction Methods 0.000 abstract description 4
- 238000010586 diagram Methods 0.000 description 7
- 238000004088 simulation Methods 0.000 description 7
- 230000008859 change Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000007796 conventional method Methods 0.000 description 3
- 230000007123 defense Effects 0.000 description 3
- 238000007726 management method Methods 0.000 description 3
- 238000011160 research Methods 0.000 description 2
- 238000000342 Monte Carlo simulation Methods 0.000 description 1
- 238000004458 analytical method Methods 0.000 description 1
- 238000013459 approach Methods 0.000 description 1
- 230000009286 beneficial effect Effects 0.000 description 1
- 238000004891 communication Methods 0.000 description 1
- 239000000470 constituent Substances 0.000 description 1
- 238000013461 design Methods 0.000 description 1
- 235000013399 edible fruits Nutrition 0.000 description 1
- 238000012545 processing Methods 0.000 description 1
- 238000005070 sampling Methods 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
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
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Theoretical Computer Science (AREA)
- Biophysics (AREA)
- Life Sciences & Earth Sciences (AREA)
- Entrepreneurship & Innovation (AREA)
- Health & Medical Sciences (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Evolutionary Biology (AREA)
- General Business, Economics & Management (AREA)
- Quality & Reliability (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Tourism & Hospitality (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Development Economics (AREA)
- Artificial Intelligence (AREA)
- Evolutionary Computation (AREA)
- Genetics & Genomics (AREA)
- Educational Administration (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Physiology (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- General Engineering & Computer Science (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本发明公开了一种基于调度收益与遗传算法的相控阵波束驻留调度方法,属于相控阵雷达资源管理领域，特别是涉及利用任务优先级和调度策略实施自适应波束驻留调度的方法。本发明首先基于目标威胁模型，将目标属性信息用威胁度函数表示，其次利用二维优先级表思想，两次利用二维优先级表采用非线性加权方式将工作方式优先级、截止期和威胁度三个参数合成为综合优先级，保证了综合优先级的唯一性。随后将其与任务调度的有效性函数结合形成新的调度收益，并据此建立调度优化模型，其中考虑了脉冲交错技术、时间和能量约束条件，最后利用遗传算法来解决这个非线性优化问题。本发明提出的基于新调度收益的相控阵波束驻留调度方法，能够有效降低任务的丢失率，提高实现价值率和修正价值率，同时执行威胁率和时间利用率也有所提升。
Description
技术领域
本发明属于相控阵雷达资源管理领域，特别是涉及利用任务优先级和调度策略实施自适应 波束驻留调度的方法。
背景技术
相控阵雷达是目前广泛研究与应用的雷达，由于其波束可以任意指向，并能在微秒级内进 行捷变，因而具有多功能，多目标和高度自适应能力，灵活性极大(见文献：张光义.相控阵 雷达系统[M].国防工业出版社,1994.)。为了充分发挥相控阵雷达的作战性能，必须对其实 施有效的波束驻留调度。在雷达波束驻留调度中，影响其性能的主要因素包括：任务优先级的 分配和调度策略的选择。
任务优先级的分配是波束驻留调度的基础，传统优先级分配方法中，仅考虑任务属性即工 作方式优先级(Highest Priority First，HPF，见文献：A.J.Orman,C N Potts,AK Shahani, A.R.Moore,“Scheduling for a multifunction phased array radarsystem,”European Journal of Operational Research,vol.90,no.1,pp.13-25,1996.)，限制了系统资源 利用率。随后出现了利用截止期分配任务优先级的方法(EarliestDeadline First，EDF，见 文献：J.R.Haritsa,M.Livny and M.J.Carey,“Earliestdeadline scheduling for real-time database systems,”[1991]Proceedings TwelfthReal-Time Systems Symposium, San Antonio,TX,1991,pp.232-242.)，提高了系统利用率，但该方法没有考虑任务的工作 方式，自适应性不强。现有的优先级分配方法中，经常综合考虑工作方式优先级和截止期两种 因素，如：修正工作方式优先级(Modified HighestPriority First,MHPF)，优先调度工作 方式优先级高的任务，当多个任务具有相同工作方式优先级时，则优先调度截止期近的任务， 该方法较传统优先级方法提升了调度性能(见文献：胡卫东,郁文贤,卢建斌.相控阵雷达资源 管理的理论与方法[M].国防工业出版社,2010.)；将工作方式优先级和截止期映射到同一层 面并采用线性加权方式计算的综合优先级(Highest Priority Earliest Deadline First，HPEDF， 见文献：卢建斌，胡卫东，郁文贤.多功能相控阵雷达实时任务调度研究[J].电子学报,2006, 34(4):732-736.)，调度性能优于传统方法。然而这些综合优先级没有与目标属性信息相结合， 因此有学者提出目标威胁度模型(见文献：张浩为,谢军伟,盛川.综合优先级规划下的相控 阵雷达自适应调度方法[J].兵工学报,2016,37(11):2163-2169.)，将目标威胁度加入到综 合优先级分配中，然而现有加入目标威胁度的分配方法中，文献(张浩为,谢军伟,张卫东, 等.基于目标威胁度的相控阵雷达自适应调度方法[J].火力与指挥控制,2016, 41(6):100-103.)采用线性加权方式计算综合优先级，无法保证每一个任务对应综合优先级的 唯一性；文献(张浩为,谢军伟,盛川.综合优先级规划下的相控阵雷达自适应调度方法[J]. 兵工学报,2016,37(11):2163-2169.)和文献(H.W.Zhang,J.W.Xie,B.F.Zong,W.L. Lu and C.Sheng,“Dynamic priority scheduling method for the air-defence phased array radar,”in IET Radar,Sonar&Navigation,vol.11,no.7,pp.1140-1146,7 2017.) 则完全忽略了工作方式优先级的影响。对此本发明利用二维优先级表(见文献：王永炎,王强, 王宏安,等.基于优先级表的实时调度算法及其实现[J].软件学报,2004,15(3):360-370.)， 采用两次非线性加权计算方式，获得了一种综合考虑任务工作方式优先级、截止期和目标威胁度的综合优先级分配方法。
在调度策略方面，目前有两种典型的调度策略：基于模板法(见文献：Chi-ShengShih,S. Gopalakrishnan,P.Ganti,M.Caccamo and Lui Sha,“Template-based real-time dwell scheduling with energy constraint,”Proceedings of the 9th IEEEReal-Time and Embedded Technology and Applications Symposium,pp.19-27,2003.)和自适应调度方法 (见文献：曾光,卢建斌,胡卫东.多功能相控阵雷达自适应调度算法研究[J].现代雷达, 2004,26(6):14-18.)。理论研究与实践证明，在多任务环境下，自适应调度方法是最有效的 调度策略，最能充分发挥相控阵雷达的性能(见文献：胡卫东,郁文贤,卢建斌.相控阵雷达资 源管理的理论与方法[M].国防工业出版社,2010.)。而自适应调度策略主要包括启发式调度 方法和智能优化调度方法。启发式调度方法又可分为基于调度间隔(见文献：T.Cheng,Z.S. He and T.Tang,“Dwell scheduling algorithm formultifunction phased array radars based on the scheduling gain,”in Journal ofSystems Engineering and Electronics, vol.19,no.3,pp.479-485,June 2008.)进行调度分析和基于时间指针(见文献：CHENG, Ting,Zishu,et al.Adaptive Dwell Schedulingfor Digital Array Radar Based on Online Pulse Interleaving[J].电子学报:英文版,2009,18(3):574-578.)进行调度分析的方法。 智能优化算法是具有全局寻优能力，能够找出最佳调度序列的调度方法，其中基于遗传算法的 使用最为广泛。此外，在调度策略中引入脉冲交错技术(见文献：A.Farina and P.Neri, “Multitarget interleavedtracking for phased-array radar,”in Communications,Radar and SignalProcessing,IEE Proceedings F,vol.127,no.4,pp.312-318,August 1980.) 能够进一步提高了时间资源利用率。
发明内容
针对目前综合优先级分配方法中没有结合工作方式优先级、截止期和目标威胁度三种因素 的问题，以及采用线性加权方式无法保证每一个任务综合优先级的唯一性问题，本发明将综合 考虑任务工作方式优先级、截止期和目标威胁度的综合优先级分配方法与遗传算法相结合，形 成一种基于新调度收益与遗传算法的相控阵波束驻留调度方法。
本发明采用的技术方案主要包括两部分：第一部分，根据目标威胁模型计算目标威胁度； 第二部分，利用二维优先级表计算由任务工作方式优先级、截止期和目标威胁度构成的综合优 先级；第三部分，利用综合优先级和调度有效性函数构造新的调度收益，并据此建立调度优化 模型；第四部分，利用遗传算法求解该优化问题，具体技术方案如下：
一种基于调度收益与遗传算法的相控阵波束驻留调度方法，该方法首先假设在调度间隔 [t0,t0+SI]内有N个申请任务，表示为T＝{T1,T2,…,TN}；其中，t0为当前调度间隔的起始时 刻，SI为一个调度间隔的时长；已知第i个雷达任务模型为Ti＝{pi,rti,di,li,txi,twi,tri,Pti,Ii}， 可直接从中获得该任务的工作方式优先级pi，期望执行时刻rti，截止期di，时间窗li，发射期 时长txi，等待期时长twi，接收期时长tri，发射功率Pti，Ii代表目标属性信息，包含目标与雷 达之间的径向距离Ri，目标的速度值vi，目标航向角θi以及目标高度hi，即Ii＝{Ri,vi,θi,hi}， i＝1,2,…,N；
步骤1：输入任务参数，种群初始化；
步骤1.1：选定种群规模为M,遗传代数为G，个体长度为当前调度间隔的申请任务个数 N；
步骤1.2：采用实数编码方式，基因代表任务的实际执行时刻；
步骤1.3：产生初始种群；根据如下约束条件随机产生基因，形成个体数为M，个体长 度为N的初始种群，约束条件为：
max(rti-li,t0)＜sti＜min(rti+li,t0+SI),i＝1,2,…N (1)
其中，sti为第i个任务的实际执行时刻，max(rti-li,t0)为基因的下界值，min(rti+li,t0+SI) 为基因的上界值；
步骤2：计算第j个个体中每一个任务的调度收益，其中j＝1,2,…M；
步骤2.1：计算第i个任务所对应的目标径向距离函数prRi；
其中Rgmax为制导导弹杀伤最远距离；Rdmax为雷达最远探测距离；s为常系数，s值越小， 函数曲线随距离的增大下降得越为缓慢，取s≥0.5；
步骤2.2：计算第i个任务所对应的目标速度函数prvi；
其中a为目标速度低于雷达跟踪下限时的威胁大小，根据实际情况确定；b为控制函数曲 率的常系数，取b≤1；c为控制曲线两个拐点的常系数；
步骤2.3：计算第i个任务所对应的目标航向角函数prθi；
prθi＝exp(-dθi) (4)
其中θ为目标航向角，即目标指向雷达水平方向矢量与目标速度矢量之间的夹角，θ∈[0,π]，当θ＝0时，目标径直靠近，威胁程度最大，当θ＝π时，目标径直远离，威胁最小； d为控制航向威胁函数的常系数，d∈(0,0.05)；
步骤2.4：计算第i个任务所对应的目标高度函数prhi；
其中e为常系数，其值越大，函数减小越快，一般取e∈[0.01,0.05]；H为临界高度，根据 实际情况确定；
步骤2.5：计算第i个任务所对应的目标威胁度prthi；
prthi＝λ1·prRi+λ2·prvi+λ3·prθi+λ4·prhi (6)
其中prth∈(0,1]，λk为各因素的权重，且
步骤2.6：计算第i个任务的预优先级prei；
prei＝[f1·(mi-1-g1)+2·ni-2]·(mi+g1)/2+mi (7)
其中mi和ni分别为将N个请求任务分别按照工作方式优先级p和目标威胁度prth由小到 大排序的两个序列中的位置，f1为加权系数，当取∞时，预优先级主要由工作方式优先级确定，
步骤2.7：计算第i个任务的综合优先级psi；
psi＝[f2·(prei-1-g2)+2·oi-2]·(prei+g2)/2+prei (8)
其中oi为将N个请求任务按照截止期d由远到近排序的序列中位置，f2为加权系数，当 取∞时，综合优先级主要由预优先级确定，
步骤2.8：计算第i个任务的调度收益Gi(st,rt,p,d,l,I)：
其中，反映了调度任务的有效性，当实际执行时刻sti与期望执行时刻rti越 接近，表明调度该任务的有效性越大；
步骤3：将N个任务按照调度收益由大到小的顺序排列，形成任务队列；
步骤4：测试每一个任务是否满足时间和能量约束条件；
步骤4.1：若步骤3的任务队列中第i个任务Ti的发射期与接收期在时间上与已调度任务 的发射期和接收期不重叠，且发射波束所消耗的能量不超过能量阈值，则调度该任务；否则转 步骤4.2；
步骤4.2：若Ti满足(10)式则延迟该任务，并将其放入延迟队列；否则删除该任务，将其 放入删除队列；
rti+li≥t0+SI (10)
步骤4.3：重复步骤4.1-4.2，完成N个任务的测试，统计调度任务的总个数N1、延迟队 列中任务个数N2和删除队列中的任务个数N3；
步骤5：计算第j个个体的适应度Fitj：
步骤6：重复步骤2-5，得到M个个体所对应的N1、N2、N3、sti1和Fit；
步骤7：将M个个体按照适应度Fit由大到小的顺序排列，形成新种群；
步骤8：对新种群进行遗传操作；
步骤9：重复步骤2-8形成子代，完成遗传代数的G次迭代；
步骤10：输出步骤7中新种群的第一个个体所对应的N1、N2、N3和sti1。
进一步的，所述步骤8的具体方法为：
步骤8.1：精英保留和选择操作，将新种群中的前r个个体直接作为子代中的前r个个体， 对剩余M-r个个体按照(12)式计算适应度，并按照轮盘赌法选择父代；
其中，ir＝1,2,…,M-r；
步骤8.2：交叉操作，采用单点交叉方式将父代按照Pc的交叉概率进行交叉形成M-r个 个体；
步骤8.3：变异操作，采用实值变异方式将步骤8.2中形成的M-r个个体按照Pm的变异 概率进行变异形成M-r个新个体；
步骤8.4：形成子代，将步骤8.1中精英保留的前r个个体与步骤8.3中形成的M-r个新个体组合形成子代。
本发明首先基于目标威胁模型，将目标属性信息用威胁度函数表示，其次利用二维优先级 表思想，两次利用二维优先级表采用非线性加权方式将工作方式优先级、截止期和威胁度三个 参数合成为综合优先级，保证了综合优先级的唯一性。随后将其与任务调度的有效性函数结合 形成新的调度收益，并据此建立调度优化模型，其中考虑了脉冲交错技术、时间和能量约束条 件，最后利用遗传算法来解决这个非线性优化问题。本发明提出的基于新调度收益的相控阵波 束驻留调度方法，能够有效降低任务的丢失率，提高实现价值率和修正价值率，同时执行威胁 率和时间利用率也有所提升。
附图说明
图1是算法流程图。
图2是三种影响因素的二维优先级表构造方式示意图。
图3是本发明提出的基于新调度收益(NEW-MODEL)的方法与现有的基于传统调度收益(COVN-MODEL)的方法对各类TDR的仿真结果对比图，其中，图3-(a)是所有任务丢失率的对比 结果，图3-(b)是搜索任务丢失率的对比结果，图3-(c)是跟踪任务丢失率的对比结果。
图4是NEW-MODEL与COVN-MODEL对HVR的仿真结果对比图。
图5是NEW-MODEL与COVN-MODEL对MHVR的仿真结果对比图。
图6是NEW-MODEL与COVN-MODEL对TRE的仿真结果对比图。
图7是NEW-MODEL与COVN-MODEL对TUR的仿真结果对比图。
图8是NEW-MODEL与COVN-MODEL对ARB的仿真结果对比图。
具体实施方式
本发明中综合考虑任务工作方式优先级、截止期和目标威胁度对任务优先级的影响，提出 了综合三种影响因素的综合优先级分配方法，并建立了一种波束驻留调度优化模型，用遗传算 法进行求解，形成了一种基于综合优先级的相控阵波束驻留调度方法。首先，利用目标威胁模 型将目标的多种属性用一个函数综合表达，以此反映目标威胁度；其次，两次利用二维优先级 表，将工作方式优先级、截止期和目标威胁度三种因素构成任务的综合优先级；然后，考虑综 合优先级、调度任务的有效性、脉冲交错技术、时间和能量的约束，建立波束驻留调度优化模 型；最后，利用遗传算法来求解该模型。所以，上述方法的原理主要分为三个方面，分别是目 标威胁模型、三种影响因素的二维优先级表构造方式和波束驻留调度优化模型。其中目标威胁 模型参照文献(张浩为,谢军伟,盛川.综合优先级规划下的相控阵雷达自适应调度方法[J]. 兵工学报,2016,37(11):2163-2169.)，三种影响因素的二维优先级表构造方式和波束驻留调 度优化模型具体原理如下：
1.三种影响因素的二维优先级表构造方式
二维优先级表设计方法，通过排序来充分体现任务构成因素之间的序列关系，统一了量纲， 从同一层次上综合两种影响因素。通过非线性计算可以形成两种不同倾向性的综合优先级构造 方法，而且这种倾向性还可以通过加权方式得以加强。为了利用二维优先级表综合三种影响因 素，需要对其进行改进。本发明设定三种因素的倾向性顺序由大到小为：工作方式优先级、目 标威胁度、截止期。为了利用二维优先级表综合这三种影响因素，先将倾向性较大的工作方式 优先级和目标威胁度在同一层面上形成预优先级，再将预优先级和倾向性最小的截止期在同一 层面上形成综合优先级，构造示意图如图2，具体计算方式为(7)-(8)式。
2.波束驻留调度优化模型
综合考虑任务的重要性、紧迫性、目标威胁度和调度的有效性，考虑脉冲交错技术，考虑 时间和能量的约束，构建如下调度优化模型：
其中，
P(x)是系统功率函数，τ是回退参数，(14)式表明系统能量消耗可以表示为功耗的指数和， 是一个加权总和，其权重函数赋予当前时刻的值更多的权重，减少过去时刻值的权重；可持续 系统能源消耗用一个阈值Eth来描述。
在上述调度优化模型中，目标函数是使被调度任务的调度收益之和最大，调度收益的计算 方式见(9)式，其中综合优先级反映了任务的重要性、紧迫性和目标的威胁度。模型中共有五 个约束条件，前两个约束条件对应于时间约束条件，即任务及时调度、任务的发射期和接收期 不被其他任务抢占；第三个约束条件对应于能量约束条件，即系统消耗的能量不超过系统的能 量阈值；最后两个约束条件分别对应于延迟任务和删除任务。
在统一采用遗传算法求解调度优化问题的前提下，将本发明提出的基于新调度收益 (NEW-MODEL)的方法与现有的基于传统调度收益(COVN-MODEL,见文献：H.W.Zhang,J.W.Xie and C.Sheng,“Scheduling method for phased array radar over chaosadaptively genetic algorithm,”2016Sixth International Conference onInformation Science and Technology(ICIST),Dalian,pp.111-116,2016.)的方法，分别进行任务丢失率(Task Drop ratio,TDR)、实现价值率(Hit Value ratio,HVR)、修正价值率(Modified Hit Value ratio, MHVR)、执行威胁率(Threat Ratio of Execution,TRE)、时间利用率(Time Utilization Ratio, TUR)和跟踪任务平均期望时间偏差度(AverageRequest executed time Bias ARB)的比较。
在传统调度收益中，任务的调度收益按下式计算：
TDR、HVR、MHVR、TRE、TUR和ARB的定义分别如(16)-(21)式：
TDR＝Nlose/Ntotal (16)
其中，Nlose表示丢失的任务数，Ntotal表示任务总数；
该指标表示所有成功调度的任务的价值之和与所有请求任务的价值之和的比值，反映高优 先级任务被成功调度的比重，其中，Nsuc表示成功调度的任务总数；
该指标表示所有成功调度的任务的修正价值(工作方式优先级与威胁度之和)与所有请求 任务的修正价值之和的比值，反映高优先级和高威胁度任务被成功调度的比重；
该指标为成功调度跟踪任务的威胁度之和与请求调度的所有跟踪任务威胁度之和的比值；
TUR＝(txsuc+trsuc)/Ttotal (20)
该指标反映系统对时间资源的利用性能，其中txsuc表示成功调度任务的总发射时间，trsuc表 示成功调度任务的总接收时间，Ttotal表示仿真时长；
该指标反映任务的实际执行时刻与期望执行时刻的平均偏差，其中Ntra表示成功调度的跟 踪任务的个数。
在本具体实施例中，考虑验证、精密跟踪、普通跟踪、地平线搜索和空域搜索五种任务。 两类跟踪目标数目之比为1:4，表1为其余的驻留任务参数。仿真总时长为12s，调度间隔为 50ms。跟踪任务设置为随机到达，每个目标的捕获时间设置为仿真起始时刻第一个跟踪采样 周期内的随机值。雷达跟踪目标数为10-100批，进行10次的蒙特卡洛仿真。目标运动模型设 定为匀速直线运动，目标属性参数初始值在一定范围内随机产生，随时间推移而变化。目标威 胁模型中，设定s＝3，Rgmax＝100km，Rdmax＝250km,a＝0.15，b＝0.05，c＝200,d＝0.01， e＝0.03,H＝0.5km，λ1＝1/2，λ2＝1/5，λ3＝1/10，λ4＝1/5。对于搜索任务，由于可能没有任 何目标先验信息，故默认其目标威胁度为0，本发明提出的新调度收益函数为 Gi(st,rt,p d,l,I,＝)psi·，1传统调度收益函数为综 合优先级函数中，权系数f1＝f2＝5。在遗传算法中，设定M＝100，G＝200，r＝1，Pc＝0.5，Pm＝0.1。
表1雷达驻留任务参数表
仿真结果如图3-图8。
实施结果分析：从图3-图8可以看出，同基于传统调度收益的调度方法相比，本发明提 出的基于新调度收益的相控阵波束驻留调度方法，能够有效降低任务的丢失率，提高实现价值 率和修正价值率，同时执行威胁率和时间利用率也有所提升，但跟踪任务的平均期望时间偏差 度大于传统方法。这是因为新调度收益中综合优先级的构造方式进一步细化了跟踪任务的优先 级，使得相比于传统方法，改变了一些跟踪任务的调度顺序，而这一改变会使得更多的任务有 机会在等待期进行脉冲交错，从而使系统有更多的空余时间调度更多的任务，所以任务的丢失 率降低，两种价值率提高，时间利用率也有所提高；同时这种改变使得更多任务的实际执行时 刻偏离期望执行时刻的程度加大，从而造成ARB增大。由于新调度收益中考虑了目标威胁度对 综合优先级的影响，所以执行威胁率高于传统收益的方法。
综上所述，本发明提出的基于新调度收益与遗传算法的相控阵波束驻留调度方法能够实施 有效的波束驻留调度，提升系统的调度性能。
Claims (2)
1.一种基于调度收益与遗传算法的相控阵波束驻留调度方法，该方法首先假设在调度间隔[t0,t0+SI]内有N个申请任务，表示为T＝{T1,T2,…,TN}；其中，t0为当前调度间隔的起始时刻，SI为一个调度间隔的时长；已知第i个雷达任务模型为Ti＝{pi,rti,di,li,txi,twi,tri,Pti,Ii}，可直接从中获得该任务的工作方式优先级pi，期望执行时刻rti，截止期di，时间窗li，发射期时长txi，等待期时长twi，接收期时长tri，发射功率Pti，Ii代表目标属性信息，包含目标与雷达之间的径向距离Ri，目标的速度值vi，目标航向角θi以及目标高度hi，即Ii＝{Ri,vi,θi,hi}，i＝1,2,…,N；
步骤1：输入任务参数，种群初始化；
步骤1.1：选定种群规模为M,遗传代数为G，个体长度为当前调度间隔的申请任务个数N；
步骤1.2：采用实数编码方式，基因代表任务的实际执行时刻；
步骤1.3：产生初始种群；根据如下约束条件随机产生基因，形成个体数为M，个体长度为N的初始种群，约束条件为：
max(rti-li,t0)＜sti＜min(rti+li,t0+SI),i＝1,2,…N (1)
其中，sti为第i个任务的实际执行时刻，max(rti-li,t0)为基因的下界值，min(rti+li,t0+SI)为基因的上界值；
步骤2：计算第j个个体中每一个任务的调度收益，其中j＝1,2,…M；
步骤2.1：计算第i个任务所对应的目标径向距离函数prRi；
其中Rgmax为制导导弹杀伤最远距离；Rdmax为雷达最远探测距离；s为常系数，s值越小，函数曲线随距离的增大下降得越为缓慢，取s≥0.5；
步骤2.2：计算第i个任务所对应的目标速度函数prvi；
其中a为目标速度低于雷达跟踪下限时的威胁大小，根据实际情况确定；b为控制函数曲率的常系数，取b≤1；c为控制曲线两个拐点的常系数；
步骤2.3：计算第i个任务所对应的目标航向角函数prθi；
prθi＝exp(-dθi) (4)
其中θ为目标航向角，即目标指向雷达水平方向矢量与目标速度矢量之间的夹角，θ∈[0,π]，当θ＝0时，目标径直靠近，威胁程度最大，当θ＝π时，目标径直远离，威胁最小；d为控制航向威胁函数的常系数，d∈(0,0.05)；
步骤2.4：计算第i个任务所对应的目标高度函数prhi；
其中e为常系数，其值越大，函数减小越快，一般取e∈[0.01,0.05]；H为临界高度，根据实际情况确定；
步骤2.5：计算第i个任务所对应的目标威胁度prthi；
prthi＝λ1·prRi+λ2·prvi+λ3·prθi+λ4·prhi (6)
其中prth∈(0,1]，λk为各因素的权重，且
步骤2.6：计算第i个任务的预优先级prei；
prei＝[f1·(mi-1-g1)+2·ni-2]·(mi+g1)/2+mi (7)
其中mi和ni分别为将N个请求任务分别按照工作方式优先级p和目标威胁度prth由小到大排序的两个序列中的位置，f1为加权系数，当取∞时，预优先级主要由工作方式优先级确定，
步骤2.7：计算第i个任务的综合优先级psi；
psi＝[f2·(prei-1-g2)+2·oi-2]·(prei+g2)/2+prei (8)
其中oi为将N个请求任务按照截止期d由远到近排序的序列中位置，f2为加权系数，当取∞时，综合优先级主要由预优先级确定，
步骤2.8：计算第i个任务的调度收益Gi(st,rt,p,d,l,I)：
其中，反映了调度任务的有效性，当实际执行时刻sti与期望执行时刻rti越接近，表明调度该任务的有效性越大；
步骤3：将N个任务按照调度收益由大到小的顺序排列，形成任务队列；
步骤4：测试每一个任务是否满足时间和能量约束条件；
步骤4.1：若步骤3的任务队列中第i个任务Ti的发射期与接收期在时间上与已调度任务的发射期和接收期不重叠，且发射波束所消耗的能量不超过能量阈值，则调度该任务；否则转步骤4.2；
步骤4.2：若Ti满足(10)式则延迟该任务，并将其放入延迟队列；否则删除该任务，将其放入删除队列；
rti+li≥t0+SI (10)
步骤4.3：重复步骤4.1-4.2，完成N个任务的测试，统计调度任务的总个数N1、延迟队列中任务个数N2和删除队列中的任务个数N3；
步骤5：计算第j个个体的适应度Fitj：
步骤6：重复步骤2-5，得到M个个体所对应的N1、N2、N3、sti1和Fit；
步骤7：将M个个体按照适应度Fit由大到小的顺序排列，形成新种群；
步骤8：对新种群进行遗传操作；
步骤9：重复步骤2-8形成子代，完成遗传代数的G次迭代；
步骤10：输出步骤7中新种群的第一个个体所对应的N1、N2、N3和sti1。
2.如权利要求1所述的一种基于调度收益与遗传算法的相控阵波束驻留调度方法,其特征在于所述步骤8的具体方法为：
步骤8.1：精英保留和选择操作，将新种群中的前r个个体直接作为子代中的前r个个体，对剩余M-r个个体按照(12)式计算适应度，并按照轮盘赌法选择父代；
其中，ir＝1,2,…,M-r；
步骤8.2：交叉操作，采用单点交叉方式将父代按照Pc的交叉概率进行交叉形成M-r个个体；
步骤8.3：变异操作，采用实值变异方式将步骤8.2中形成的M-r个个体按照Pm的变异概率进行变异形成M-r个新个体；
步骤8.4：形成子代，将步骤8.1中精英保留的前r个个体与步骤8.3中形成的M-r个新个体组合形成子代。
Priority Applications (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810408417.XA CN108734343B (zh) | 2018-05-02 | 2018-05-02 | 一种基于调度收益与遗传算法的相控阵波束驻留调度方法 |
Applications Claiming Priority (1)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| CN201810408417.XA CN108734343B (zh) | 2018-05-02 | 2018-05-02 | 一种基于调度收益与遗传算法的相控阵波束驻留调度方法 |
Publications (2)
| Publication Number | Publication Date |
|---|---|
| CN108734343A true CN108734343A (zh) | 2018-11-02 |
| CN108734343B CN108734343B (zh) | 2022-03-15 |
Family
ID=63939453
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| CN201810408417.XA Expired - Fee Related CN108734343B (zh) | 2018-05-02 | 2018-05-02 | 一种基于调度收益与遗传算法的相控阵波束驻留调度方法 |
Country Status (1)
| Country | Link |
|---|---|
| CN (1) | CN108734343B (zh) |
Cited By (9)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109709535A (zh) * | 2018-12-10 | 2019-05-03 | 电子科技大学 | 一种针对协同分布式系统的波束驻留调度方法 |
| CN110009196A (zh) * | 2019-03-13 | 2019-07-12 | 电子科技大学 | 一种基于脉冲交错的数字阵列雷达自适应驻留调度方法 |
| CN110717142A (zh) * | 2019-09-27 | 2020-01-21 | 电子科技大学 | 一种基于新型脉冲交错技术的相控阵雷达自适应波束驻留调度方法 |
| CN112130978A (zh) * | 2020-09-29 | 2020-12-25 | 中国船舶重工集团公司第七二四研究所 | 一种无人平台载多功能雷达任务综合优先级计算方法 |
| CN112749804A (zh) * | 2021-01-11 | 2021-05-04 | 电子科技大学 | 基于遗传算法的相控阵雷达脉冲交错波束驻留调度算法 |
| CN113673751A (zh) * | 2021-08-02 | 2021-11-19 | 电子科技大学 | 一种基于序贯处理的实时相控阵雷达波束驻留调度方法 |
| CN114237842A (zh) * | 2021-12-02 | 2022-03-25 | 电子科技大学 | 基于典型参数限定的相控阵雷达自适应任务调度方法 |
| CN114462255A (zh) * | 2022-03-23 | 2022-05-10 | 南京雷电信息技术有限公司 | 一种机载雷达组网的任务规划方法 |
| CN114862102A (zh) * | 2022-03-23 | 2022-08-05 | 南京雷电信息技术有限公司 | 一种最大化效益的多机协同相控阵雷达任务调度方法 |
Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070255850A1 (en) * | 2006-05-01 | 2007-11-01 | Gould Kim V W | Methods and systems for data prioritization |
| CN102831009A (zh) * | 2012-08-24 | 2012-12-19 | 电子科技大学 | 相控阵雷达任务调度方法 |
| CN103838623A (zh) * | 2013-05-07 | 2014-06-04 | 西安电子科技大学 | 相控阵雷达资源管理中的脉冲交错调度方法 |
| CN105182317A (zh) * | 2015-08-20 | 2015-12-23 | 电子科技大学 | 一种基于集中式mimo雷达搜索模式下的资源管理方法 |
| US20160055035A1 (en) * | 2014-08-14 | 2016-02-25 | Raytheon Company | Multiple simultaneous request resource management |
| CN106779243A (zh) * | 2017-01-03 | 2017-05-31 | 中国船舶重工集团公司第七二四研究所 | 一种基于资源池的相控阵雷达协同探测系统资源调度方法 |
| CN107730085A (zh) * | 2017-09-19 | 2018-02-23 | 电子科技大学 | 一种基于分支定界法的多功能组网雷达任务规划方法 |
-
2018
- 2018-05-02 CN CN201810408417.XA patent/CN108734343B/zh not_active Expired - Fee Related
Patent Citations (7)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| US20070255850A1 (en) * | 2006-05-01 | 2007-11-01 | Gould Kim V W | Methods and systems for data prioritization |
| CN102831009A (zh) * | 2012-08-24 | 2012-12-19 | 电子科技大学 | 相控阵雷达任务调度方法 |
| CN103838623A (zh) * | 2013-05-07 | 2014-06-04 | 西安电子科技大学 | 相控阵雷达资源管理中的脉冲交错调度方法 |
| US20160055035A1 (en) * | 2014-08-14 | 2016-02-25 | Raytheon Company | Multiple simultaneous request resource management |
| CN105182317A (zh) * | 2015-08-20 | 2015-12-23 | 电子科技大学 | 一种基于集中式mimo雷达搜索模式下的资源管理方法 |
| CN106779243A (zh) * | 2017-01-03 | 2017-05-31 | 中国船舶重工集团公司第七二四研究所 | 一种基于资源池的相控阵雷达协同探测系统资源调度方法 |
| CN107730085A (zh) * | 2017-09-19 | 2018-02-23 | 电子科技大学 | 一种基于分支定界法的多功能组网雷达任务规划方法 |
Non-Patent Citations (4)
| Title |
|---|
| QIANG WANG等: "Design and Evaluation ofpriority table based real-time scheduling algorithms", 《PROCEEDINGS OF THE 2003 IEEE INTERNATIONAL CONFERENCE ON ROBOTICS，INTELLIGENT SYSTEMS AND SIGNAL PROCESSING》 * |
| TING CHENG等: "Dwell scheduling of multifunction phased array radars based on genetic algorithm", 《2007 INTERNATIONAL SYMPOSIUM ONINTELLIGENT SIGNAL PROCESSING AND COMMUNICATION SYSTEMS》 * |
| 张浩为等: "综合优先级规划下的相控阵雷达自适应调度方法", 《兵工学报》 * |
| 陈大伟: "相控阵雷达自适应调度算法研究", 《中国优秀硕士学位论文全文数据库 信息科技辑》 * |
Cited By (14)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| CN109709535A (zh) * | 2018-12-10 | 2019-05-03 | 电子科技大学 | 一种针对协同分布式系统的波束驻留调度方法 |
| CN109709535B (zh) * | 2018-12-10 | 2022-05-31 | 电子科技大学 | 一种针对协同分布式系统的波束驻留调度方法 |
| CN110009196B (zh) * | 2019-03-13 | 2022-10-14 | 电子科技大学 | 一种基于脉冲交错的数字阵列雷达自适应驻留调度方法 |
| CN110009196A (zh) * | 2019-03-13 | 2019-07-12 | 电子科技大学 | 一种基于脉冲交错的数字阵列雷达自适应驻留调度方法 |
| CN110717142A (zh) * | 2019-09-27 | 2020-01-21 | 电子科技大学 | 一种基于新型脉冲交错技术的相控阵雷达自适应波束驻留调度方法 |
| CN110717142B (zh) * | 2019-09-27 | 2023-06-27 | 电子科技大学 | 一种基于新型脉冲交错技术的相控阵雷达自适应波束驻留调度方法 |
| CN112130978A (zh) * | 2020-09-29 | 2020-12-25 | 中国船舶重工集团公司第七二四研究所 | 一种无人平台载多功能雷达任务综合优先级计算方法 |
| CN112749804A (zh) * | 2021-01-11 | 2021-05-04 | 电子科技大学 | 基于遗传算法的相控阵雷达脉冲交错波束驻留调度算法 |
| CN113673751A (zh) * | 2021-08-02 | 2021-11-19 | 电子科技大学 | 一种基于序贯处理的实时相控阵雷达波束驻留调度方法 |
| CN113673751B (zh) * | 2021-08-02 | 2023-04-07 | 电子科技大学 | 一种基于序贯处理的实时相控阵雷达波束驻留调度方法 |
| CN114237842A (zh) * | 2021-12-02 | 2022-03-25 | 电子科技大学 | 基于典型参数限定的相控阵雷达自适应任务调度方法 |
| CN114237842B (zh) * | 2021-12-02 | 2023-09-05 | 电子科技大学 | 基于典型参数限定的相控阵雷达自适应任务调度方法 |
| CN114862102A (zh) * | 2022-03-23 | 2022-08-05 | 南京雷电信息技术有限公司 | 一种最大化效益的多机协同相控阵雷达任务调度方法 |
| CN114462255A (zh) * | 2022-03-23 | 2022-05-10 | 南京雷电信息技术有限公司 | 一种机载雷达组网的任务规划方法 |
Also Published As
| Publication number | Publication date |
|---|---|
| CN108734343B (zh) | 2022-03-15 |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| CN108734343A (zh) | 一种基于调度收益与遗传算法的相控阵波束驻留调度方法 | |
| Zhang et al. | A hybrid DPSO with Levy flight for scheduling MIMO radar tasks | |
| CN102831009B (zh) | 相控阵雷达任务调度方法 | |
| CN106845623B (zh) | 一种基于人工鱼群算法的电力无线专网基站规划方法 | |
| CN109709535B (zh) | 一种针对协同分布式系统的波束驻留调度方法 | |
| CN110717142B (zh) | 一种基于新型脉冲交错技术的相控阵雷达自适应波束驻留调度方法 | |
| CN114185362B (zh) | 一种基于郊狼信息熵的无人机集群任务动态分配方法 | |
| CN105046412A (zh) | 一种被动相控阵雷达多站联合资源调度与分配方法 | |
| CN110009196B (zh) | 一种基于脉冲交错的数字阵列雷达自适应驻留调度方法 | |
| CN112633654A (zh) | 基于改进聚类扩展一致性束算法的多无人机任务分配方法 | |
| CN111381949B (zh) | 一种基于回溯策略的多功能相控阵雷达任务调度方法 | |
| Jeauneau et al. | Radar tasks scheduling for a multifunction phased array radar with hard time constraint and priority | |
| Sgambato et al. | A flexible on-line scheduling algorithm for multifunctional radar | |
| Meng et al. | Phased-array radar task scheduling method for hypersonic-glide vehicles | |
| CN112749804B (zh) | 基于遗传算法的相控阵雷达脉冲交错波束驻留调度算法 | |
| Cheng et al. | Real-time adaptive dwell scheduling for digital array radar based on virtual dynamic template | |
| Liu et al. | Adaptive scheduling algorithm based on CPI and impact of tasks for multifunction radar | |
| CN114237842B (zh) | 基于典型参数限定的相控阵雷达自适应任务调度方法 | |
| Qianqian et al. | Online adaptive dwell scheduling based on dynamic template for PAR | |
| Hao et al. | Task scheduling of improved time shifting based on genetic algorithm for phased array radar | |
| CN109840634A (zh) | 登陆福建台风外围环流中宁波强对流天气的概率预报方法 | |
| CN115034634A (zh) | 一种基于贪婪算法的相控阵雷达资源调度管理方法 | |
| Lu et al. | A dwell scheduling method for phased array radars based on new synthetic priority | |
| CN113869648A (zh) | 基于pso优化算法的mimo雷达资源调度方法 | |
| CN114609589B (zh) | 一种基于启发式回溯的实时相控阵雷达波束驻留调度方法 |
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 |
Granted publication date: 20220315 |