CN109829636A - 基于动态优先级的应急任务调度规划方法 - Google Patents

Abstract

本发明公开了一种基于动态优先级的应急任务调度规划方法，包括1、初始化并计算待规划任务的优先级大小；2、判断是否进入一个新的滚动窗口，若是，转步骤3，否则，继续等待窗口，期间随新任务加入，待规划集更新；3、重新计算当前待规划集的优先级；4、按优先级降序排列，确定待规划集中各任务的调度顺序；5、依次为待规划集中任务规划；6、应急任务滚动式重调度结束，对于未成功规划的任务，将其返回待规划任务集，转步骤1，进行下一次的滚动调度规划。本发明采用滚动策略将复杂的动态调度问题分解为多个简单的静态子问题，实现对应急任务的调度，每次调度时，仅对当前滚动窗口内的任务规划，实现对高动态观测需求的快速响应。

Description

基于动态优先级的应急任务调度规划方法

技术领域

本发明属于任务调度规划领域，尤其涉及一种基于动态优先级的应急任务调度规划方法。

背景技术

卫星任务规划是指在地面资源一定的情况下，采用合理的规则和方法对数量众多的各种类型的卫星及航天器的跟踪、遥测、遥控以及数传等各种类型任务进行管理和调度，以更好地满足各项需求。随着航天资源的发展及卫星应用广度和深度的不断扩展，新时期军事任务需求具有多样性和复杂性，往往要求天地一体化的多种航天资源进行配合，在时效性、准确性和快速反应方面提出了更高的要求，具有不同优先级的多任务并发，将不可避免产生资源冲突，这将使得资源组织的复杂度大大增加，如何对大规模多类型测运控资源实施高效调度管理，以灵活快速响应众多航天器用户的多样化航天需求，高效组织协调天地一体化的航天资源以支持多种类并发行动，快速、准确、灵活、可靠地满足应用需求，最大限度地发挥航天资源的效益，成为制约站网资源调度管理中心发展的一个关键性因素。

在航天过程中，应急情形具有多样性的特点，包括应急任务的加入(主要指短期任务，如应急救灾、军事保障等)、资源状态的变化(卫星及地面资源失效或新增)。在应急动态任务调整规划过程中，时常会有优先级较高的观测任务临时加入，由于突发事件的动态性、紧迫性等特点，使得应急任务规划具有时态需求、缺陷识别需求和重规划需求，这是应急任务规划领域的重要特点。

因此，这需要在分析当前各卫星计划和资源使用情况的条件下，快速发现适用的资源，在突发紧急事件较多的情况下，进行合理规划，进行资源的分配，并最终对各颗需要调整任务的卫星建立任务快速调整模型并给出相应优化算法，以根据需要生成最小变更或最优变更的新计划和数据传输计划。

传统的静态批处理技术只能进行一次规划，当计算出结果后，方案便不能随意更改。即使参与规划的条件发生变化，也只能采取批处理重新规划的方式，从而导致耗时过长，难以满足应急性的要求；同时，由于静态技术中仅涉及任务的静态固定优先级，因而随着规划进程的推进，任务优先级无法依据外界因素的变化而适应性地动态改变，从而无法保证调度结果的时效性与价值性。

发明内容

本发明要解决的技术问题是：在已经规划的计划方案中当应急任务加入时怎样快速有效的给出调度方案，提供了一种基于动态优先级的任务调度规划方法。

为解决该问题，本发明所采用的技术方案是：

基于动态优先级的任务调度规划方法，包括以下步骤：

步骤1：对待规划任务进行初始化，提取任务属性要素，计算待规划任务的优先级大小；

步骤2：判断是否即将进入一个新的滚动窗口，若是，则启动任务滚动式重调度，转入步骤3；否则，继续等待滚动窗口的出现，等待期间随着新任务的加入，待规划任务集得到更新。

步骤3：重新计算当前待规划任务集的优先级大小，所述当前待规划任务集为步骤2中更新后的待规划任务集；

步骤4：按照优先级降序排列，确定待规划任务集中各任务的调度顺序；

步骤5：根据各任务的调度顺序排序结果，采用时间窗冲突度最小的分配策略，依次为待规划任务集中的每个任务指定对应的资源和执行时间窗；

步骤6：应急任务滚动式重调度结束。对于成功规划的任务，输出已成功规划的任务所对应的资源及执行时间窗，对于未成功规划的任务，将其返回待规划任务集，与这期间新到达的任务一起，形成新的待规划任务集，然后转入步骤1，接着进行下一次的滚动调度规划。

进一步地，所述任务属性包括：源头目标优先级、任务的应用场景、任务的用户、任务的用途、卫星工作模式、任务类型、任务对应源头卫星的重要性、侦察任务执行紧迫性。

进一步地，所述计算当前待规划任务集的优先级大小的方法是使用基于逼近理想解的排序算法TOPSIS进行计算。

进一步地，所述基于逼近理想解的排序算法包括以下步骤：

S1：对评价指标体系中的各属性因素值进行量化；

S2：构造出属性因素矩阵；

其中，x_ij(1≤i≤m,1≤j≤n)为第i个任务的第j个属性因素的量化值；m为任务数量，n为任务属性数量；

S3：对属性因素矩阵标准化处理；

根据S1中介绍的各属性因素值的量化方式，对上述属性因素矩阵进行标准化处理，得到标准化矩阵如下：

其中

S4：确定理想解、负理想解以及各属性的权重系数；

(1)取理想解Y⁺＝(1,1,…,1)，负理想解Y^-＝(0,0,…,0)；

(2)确定各属性因素权重系数；

S5：计算各任务与正理想解和负理想解的相对贴近度；

根据上述公式，相对贴近度可定义如下：

表示各任务到正理想点的距离，表示各任务到负理想点的距离；

S6：计算任务的优先级

定义第i个任务的优先级为p_{rt_i}，计算公式为:

其中

进一步地，S4中确定各属性因素权重系数的方法为德尔菲法。

进一步地，所述判断是否进入新的滚动窗口的方法有周期触发模式、事件触发模式或者事件触发与周期触发相结合的混合触发模式。

进一步地，所述时间窗冲突度最小的分配策略是指：

步骤5.1：计算待规划任务集中所有任务与其所有可用资源之间的所有可见时间窗；

步骤5.2：按照步骤4的各任务的调度顺序结果取出任务task_i，并计算task_i的时间窗冲突度；所述时间窗冲突度的计算方法为：

步骤5.3：选取冲突数量最少的时间窗口及其对应的资源安排给此任务；

步骤5.4：对排在task_i之后的所有后续任务的可见时间窗进行更新；

步骤5.5：判断是否所有待规划任务均已遍历，若完成则进入步骤6，否则转入步骤5.2；

进一步地，步骤5.2中所述时间窗冲突度的计算方法为：

步骤5.2.1：将task_i安排进其任意一个可见时间窗TW_k，确定此时间窗对应的资源S_j；

步骤5.2.2：根据步骤4的各任务的调度顺序结果取出排在task_i之后的所有任务，并依照步骤5.1的计算结果，找出它们在资源S_j上所有的可见时间窗集合{TW_Sj}；

步骤5.2.3：计算出集合{TW_Sj}中与时间窗TW_k冲突的时间窗数量；

步骤5.2.4：判断是否task_i的所有时间窗都已遍历，若是则转入步骤5.3，否则转入步骤5.2.1。

与现有技术相比，本发明取得的有益效果是：

本发明基于动态优先级的应急任务调度规划方法，通过使用滚动窗口模式启动任务滚动式重调度，并且在等待滚动窗口出现期间，随着新任务的加入，比如应急任务的加入，待规划任务集得到更新，同时重新计算当前待规划任务集的优先级大小，确定调度顺序并进行规划，本发明采用滚动策略将复杂的动态调度问题分解为多个简单的静态子问题，从而实现对应急任务的调度，即在每次调度时，仅对当前滚动窗口内的任务进行规划，以此降低算法的时间复杂度。同时，各任务优先级随着滚动时刻的推进而动态变化，进而保证其时效性与价值性，提高应急任务完成率，实现对高动态观测需求的快速响应。

附图说明

图1为本发明流程图；

图2为任务优先级评估指标体系；

图3优先级按照固定周期进行滚动变化；

图4为优先级参照应急任务滚动式重调度周期进行滚动变化；

图5为为常规任务计划性调度阶段的任务完成率。

具体实施方式

图1至图5示出了本发明基于动态优先级的应急任务调度规划方法的一种实施例，下面首先对实验进行设计。

1、卫星设计

通过STK软件设计的仿真场景中，为了降低问题复杂性，根据第三章中所描述的目标优先级属性因素，我们将所有的侦测目标设置为静止点目标，在全球区域范围内随机产生，目标对应的图像类型均为可见光图像，要求最小地面分辨率均为1m，点目标所在地域特征设为战术级别，观测频次设置为1。

场景中的卫星都设置为AW星，均采用太阳同步轨道，轨道高度为800km，间隔等相位均匀布置6个轨道面，每个面上安排1颗卫星，每个卫星上配备一个可见光传感器，最大侧摆角为45度，最大俯仰角为45度，姿态转换时间为10s，不考虑星上固存与电量限制，卫星轨道参数如表1所示。

表1卫星轨道参数

2、场景设计

在实际工程中，常规任务的调度规划周期比较长，一般为几天或是一周进行一次集中规划，因此在仿真实验的开始时刻设计了一次针对常规任务的计划性调度。但由于应急任务是不断的到来，故为了贴近实际情况，在常规任务计划性调度阶段会加入一些应急任务，而在随后开始的滚动调度中仅考虑应急任务的加入。

因此，为了验证这一方法的有效性，本实施例中设计了6个仿真场景SCEN_1～SCEN_6，每个场景中仅保留一颗对应的卫星Sat1～Sat6，场景中常规任务数量设置为700，初始应急任务数量设置为300。后续应急任务到达的时间间隔为1分钟，触发应急任务滚动调度的周期为1小时。仿真周期设为2004/06/0100:00:00～2004/06/0200:00:00。

3、测试任务集设计

在仿真实验中不考虑分解性任务的存在，即每个点目标仅对应一个任务，因此为了便于实验，我们建立了两个任务库，即常规任务库Nor-Task与应急任务库Emee_Task。其中，应急任务库包含6000个任务类型为应急的任务，常规任务库包含4000个任务类型为常规的任务。所有常规任务的截止期设置为2004/06/0200:00:00～2004/06/0400:00:00中随机选取的某一时刻，而应急任务的截止期则设置为任务到达时刻至2004/06/0300:00:00中间的某一随机时间点。所有任务的成像持续时长为20～30秒之间的随机数。

进行仿真实验时，按照各场景所设定的常规任务数量，从常规任务库中进行提前随机选取；对于应急任务，则按照其达到规律，从应急任务库中实时地依次选取，且每次选取的应急任务的截止期必须大于当前的选取时刻。

下面使用本发明一种基于动态优先级的应急任务调度规划方法进行验证，包括以下步骤：

步骤1：对待规划任务进行初始化，提取任务属性要素，计算待规划任务的优先级大小；

1.1、任务属性要素有：源头目标优先级、任务的应用场景、任务的用户、任务的用途、卫星工作模式、任务类型、任务对应源头卫星的重要性、任务执行紧迫性。

各属性的具体描述为：

1)源头目标优先级

根据传递性可知，任务需要观测的目标的优先级越大，对应的任务优先级也就越高；

2)任务的应用场景

每个任务对应一个应用场景，因此需要考虑不同应用场景对任务优先级设置的影响。任务的应用场景包括：早期预警、搜索监视、识别印证、跟踪引导、打击效果评估等，其对优先级的影响由低到高升序排列；

3)任务的用户

现阶段在我国的卫星资源应用体制下，用户的优先级是存在差异的，从而由不同用户提出的任务也具有了不同的优先级。针对我国国情，FK中心、HZ局、ZQ机关、CM用户、RU应用中心等用户的优先级依次递减；

4)任务的用途

任务用途分为两大类，军用与民用。一般情况下，军用任务的优先级高于民用任务；

5)任务的卫星工作模式

不同任务所需的卫星工作模式不同，有些简单的任务仅需单颗卫星即可完成，而有些复杂的任务则需星座模式。由于目前我国的星座资源较少，尤其是成像卫星，因此对那些可由单星处理的任务赋予较高的优先级，即优先执行此类简单的任务；

6)任务的类型

任务按照提出的方式以及时间紧迫程度，可以分为常规任务和应急任务。常规任务是指卫星在长期运行过程中的产生一般性任务，往往是例行的和可预知的；应急任务则是指由突发性原因导致的紧急性的需求，存在着较高的不可预知性，未完成任务可能会导致较大的风险和损失。这两类任务的重要程度不相同，对于任务优先级的影响也就存在较大差异，需要在实际问题中加以考虑。应急任务往往是优先于常规任务的；

7)任务对应源头卫星的重要性

每个航天任务都对应于一颗卫星，由于不同卫星在设计之初就存在着性能以及功能上的差异，从而导致了各类卫星使用优先级的不同。就卫星而言，一般情况下，AW星对应任务的优先级最大，接下来是ES星，最后是CU星；

8)任务执行紧迫性

为了确保任务执行的截止期，任务须尽快执行的紧迫程度称作执行的紧迫性。显然任务执行的紧迫性越高，相应的优先级也就越大。

表2影响任务优先级的属性因素描述

1.2、计算任务优先级大小

首先构建任务优先级模型，本实施例中使用的是基于TOPSIS(Technique forOrder Preference by Similarity to Ideal Solution，逼近理想解的排序算法)法的任务优先级模型，因此在分析影响任务优先级的属性因素的基础上，图给出了任务优先级评估指标体系。TOPSIS法主要通过构造多属性决策问题的正理想解和负理想解来计算每个方案与正理想解和负理想解之间的距离，然后通过接近正理想解与远离负理想解这两个准则来评价并确定各方案的排序。它应用范围广，同时具有较直观的几何意义，能够充分利用原始数据并降低信息损失，是一种有效的多属性决策技术。

应用TOPSIS方法计算任务优先级的具体步骤如下：

S1：对评价指标体系中的各属性因素值进行量化；

各属性因素量化值的具体量化过程如下：

S1.1：源头目标属性量化值的计算：

源头目标属性量化值即为各目标优先级，量化过程如下：

其中，p_target表示目标优先级，ω_i表示目标各项属性的权重系数，表示目标各项属性因素的量化数值大小。目标的各项属性如表3所示。

表3影响目标优先级的属性因素描述

S1.1.1：目标各项属性的权重系数计算方法为：相对比较法，具体为：列出所有属性组成一个n×n方阵；然后对各属性两两比较并采用0-1打分法打分；最后对各属性的得分求和并做规范化处理。方阵中的对角元素不填写，其余元素按照如下规则进行确定，并满足a_xy+a_yx＝1。其中，

由方阵按照下面公式计算属性i的权重系数：

表4目标各属性相对比较的结果

	Attr<sub>1</sub>	Attr<sub>2</sub>	Attr<sub>3</sub>	Attr<sub>4</sub>	合计得分	权重系数
							Attr<sub>1</sub>		0	0	0	0	0
Attr<sub>2</sub>	1		1	0.5	2.5	0.42
							Attr<sub>3</sub>	1	0		0	1	0.16
Attr<sub>4</sub>	1	0.5	1		2.5	0.42
							合计					6	1

由此得各项属性的权重系数为ω₁＝0，ω₂＝0.42，ω₃＝0.16，ω₄＝0.42。

S1.1.2目标各项属性量化值的计算：

S1.1.2.1类型属性量化值的计算。

本节将目标类型划分为两个标准，每个标准具有两种因素，共产生四种属性量化值，计算方法如表5所示：

表5类型属性量化值的计算

S1.1.2.2成像属性量化值的计算

为满足用户的特定需求，卫星成像获取的图像必须达到一定的质量要求，大多数时候，质量要求是模糊的，高质量的图像可以较好地满足用户需求，质量相对较低的图像也能以一定的概率满足用户需求，通过NIIRS、GIQE以及相关研究成果，可以将卫星成像图像的分辨率与鉴别目标(包括探测、识别、辨认)的概率联系起来，从而得到图像质量满足用户需求的概率。本实施例重点考察传感器对图像质量的影响，其他因素则取平均水平，从而采用文献“Rhodes C.Methodology for Improving the Planning，Execution，andAssessment of Intelligence，Surveillance，and Reconnaissance Operations[J].Medical Journal of Australia，2008，2(2)：79-80.”给出的GIQE简化形式进行计算，公式如下：

NIIRS≈c-3.32lgGSD_GM

其中，对可见光图像c＝9.1915；红外图像c＝9.82；SAR图像c＝10.5。需要注意的是式(3.4)地面采样距离GSD_GM的单位是英寸，转化为分辨率时通常采用米制单位，因此需作相应的转换。按照该公式，1m分辨率的可见光图像对应的NIIRS等级约为4级，0.03m分辨率的可见光图像才能达到最高的9级。最终，计算结果保留两位小数。

S1.1.2.3空域属性量化值的计算

目标的空域属性考虑两个方面，一个是区域覆盖率，其值为浮点型，值域为(0，1]，采用如下公式计算其量化数值：

其中，Tar₅表示目标的成像覆盖率要求。

空域属性中考虑的另一个因素是目标所在的地域特性，其值为枚举型，本实施例对其量化值的定义如表6所示：

表6地域特性属性量化值的计算

地域特性	量化值
		战略	10
战役	7
		战术	5

最后，定义空域属性的量化值计算公式如下：

一般情况下a取0.5；当目标类型为点目标时，a取0。最终，计算结果保留两位小数。v_{attr3_cov}表示区域覆盖率属性量化值，v_{attr3_area}表示地域特性属性量化值。

S1.1.2.4时域属性量化值的计算

目标观测频次量化值的定义如表7所示：

表7观测频次属性量化值的计算

目标最长观测间隔量化值的定义如表8所示：

表8最长观测间隔属性量化值的计算

最长观测间隔	量化值
		≤10	10
10～20	9
		20～40	8
40～60	7
		60～90	5
90～120	3
		≥120	1

目标时域属性量化值的计算：

一般情况下b取0.5；当用户不指定观测频次时，默认观测频次为1；当用户没有提出最长观测间隔的要求时，令b＝1。最终，计算结果保留两位小数。v_{attr4_freq}表示观测频次的属性量化值，v_{attr4_itv}表示最长观测间隔属性量化值。

S1.2：应用场景属性量化值的计算：

任务应用场景属性量化值的定义如表9所示：

表9应用场景属性量化值的计算

应用场景	量化值
		早期预警	2
搜索监视	4
		识别印证	6
跟踪引导	8
		打击效果评估	10

S1.3：用户属性量化值的计算：

用户属性量化值的定义如表10所示

表10用户属性量化值的计算

用户属性	量化值
		FK中心	10
HZ局	8
		ZQ机关	6
CM用户	4
		RU应用中心	2

S1.4：任务用途属性量化值的计算：

任务用途属性量化值的定义如表11所示：

表11任务用途属性量化值的计算

用户属性	量化值
		军用	10
民用	5

S1.5：卫星工作模式属性量化值的计算：

任务所需卫星工作模式属性量化值的定义如表12所示：

表12卫星工作模式属性量化值的计算

卫星工作模式	量化值
		星座	5
单星	10

S1.6：任务类型属性量化值的计算：

任务类型属性量化值的定义如表13所示：

表13任务类型属性量化值的计算

任务类型	量化值
		应急	10
常规	1

S1.7：卫星自身属性量化值的计算：

卫星自身属性量化值的定义如表14所示：

表14卫星自身属性量化值的计算

卫星	量化值
		AW星	10
ES星	7
		CU星	3

S1.8：任务执行紧迫性的计算：

任务执行紧迫性的计算由如下公式实现：

其中，et_task表示任务的执行截止期，t_task表示当前的时刻。

由此，定义任务执行紧迫性量化值的计算公式如下：

最终，计算结果保留两位小数。

S2：构造出属性因素矩阵

任务的属性因素矩阵构造如下：

其中，x_ij(1≤i≤m，1≤j≤n)为第i个任务的第j个属性因素的量化值；m为任务数量，n为任务属性数量；本实施例中n＝8，共有8个任务属性。

S3：对属性因素矩阵标准化处理

根据S1中介绍的各属性因素值的量化方式，对上述属性因素矩阵进行标准化处理，得到标准化矩阵如下：

其中

S4：确定理想解、负理想解以及各属性的权重系数

(3)取理想解y⁺＝(1,1,…,1)，负理想解Y^-＝(0,0,…,0)；

(4)各属性因素权重系数的确定

由于任务的各属性之间存在着模糊的相对重要性，无法简单地根据某一用户方或是卫星管理方的主观评断来获取其相对重要程度。因此，必须在基于工程实际的背景下反复听取各用户方的意见，避免为了取得一致意见而轻率的做出决定。为此，本文引入德尔菲法进行属性权重系数的确定。

德尔菲法又称作专家调查法，调查者首先把调查内容制成表格，然后根据调查内容选择相关领域的权威人士作为调查对象，请他们发表各自意见并在调查表中填入打分，最后进行汇总并求得各项属性指标的权重值ω_j。具体步骤如下：

1)调查者将任务的相关属性制成表格；

2)根据调查内容选择各卫星用户单位以及卫星管理单位的权威人士对表格中的属性指标进行评分；

3)分析专家对每项属性指标的评分，采用统计学方法处理这些分数，然后将处理后的结果返还给各位专家以供其参考和分析，然后请他们重新评分，再进行处理统计。多次循环此过程后，专家们可能会取得相对一致的意见；

4)整合专家意见并统计处理调查表，最后即可计算出综合各专家意见后的各属性权重系数ω_j(j＝1,2…,8)，

S5：计算各任务与正理想解和负理想解的相对贴近度

本发明将改进TOPSIS方法中各方案距离的计算方式，以此客观描述各属性因素的作用。定义各任务到理想点、负理想点的距离计算公式如下：

根据上述公式，相对贴近度可定义如下：

S6：计算任务的优先级

定义第i个任务的优先级为p_{rt_i}，计算公式为：

其中

最终，通过S1～S6，可得出不同任务的相对优先级，且优先级在[0，10]的区间上，数值越大优先级对应越高。本发明使用了TOPSIS法对优先级进行量化处理，避免了人为的主观因素，使得优先级的设定更加科学合理。

步骤2：判断是否即将进入一个新的滚动窗口，若是，则启动任务滚动式重调度，转入步骤3；否则，继续等待滚动窗口的出现，等待期间随着新任务的加入，待规划任务集得到更新。判断是否进入新的滚动窗口的方法有周期触发模式、事件触发模式或者事件触发与周期触发相结合的混合触发模式。如图2所示，本实施例中使用的是周期触发模式。在等待滚动窗口期间，待规划任务集中不断有新任务加入，包括应急任务的加入。周期性触发策略是指每间隔一定时间段进行一次滚动，以此来改变需求优先级的大小，该时间可以是均匀固定的，也可以是参照应急任务滚动式重调度周期而设定。

1)均匀固定模式

如图3所示，优先级按照固定周期进行滚动变化，即各需求优先级的动态改变不依赖于任何其他外界行为，仅与其自身的滚动周期相关。因此，此模式的关键则在于固定周期的选取，周期时长T越短越好，当T无限趋近于0时，系统便转化为实时任务处理系统，这是理想状态。

2)参照应急任务滚动式重调度周期而设定

即各需求优先级随着应急任务的滚动重调度而滚动动态变化。对卫星而言，测控是制约其新方案实施的关键，因此各需求调度周期主要取决于测控机会。

如图4所示，优先级参照应急任务滚动式重调度周期进行滚动变化，可以将每一次的指令上注时刻设计为后续任务滚动重调度窗口的开始时刻，同时即为后续需求优先级滚动变化的开始时刻。在图4中，当前规划方案p_k-1作为预案在t₀时刻上注之后，即启动了第k次的滚动调度；在t₁时刻来临时，预案p_k-1中未成功执行的任务与这期间到达的新应急任务一起进入到本次规划调度中，实现其优先级的滚动变化，从而可以根据资源使用情况，利用启发式信息进行重规划得到新的方案p_k；p_k将在t₁时刻上注，其将在t₁+Δt(Δt表示滚动重调度的窗口长度，由具体的操作人员设定)时刻开始执行，而原规划方案p_k-₁中t₁+Δt时刻之后的任务将滚动到方案p_k中。当然，由于每次指令上注前需要预留部分时间进行任务规划以及计划编制，因此在这段时间内到达的需求不能进行实时调度，只能采用批处理的方式进行累积，直到下一个滚动周期开始。

步骤3：重新计算当前待规划任务集的优先级大小，所述当前待规划任务集为步骤2中更新后的待规划任务集；随着待规划任务集的更新，重新使用步骤1中的方法计算待规划任务集中优先级大小。

步骤4：按照优先级降序排列，确定待规划任务集中各任务的调度顺序；

步骤5：根据各任务的调度顺序排序结果，采用时间窗冲突度最小的分配策略，依次为待规划任务集中的每个任务指定对应的资源和执行时间窗；

时间窗冲突度最小的分配策略是指：

步骤5.1：计算待规划任务集中所有任务与其所有可用资源之间的所有可见时间窗；

步骤5.2：按照步骤4的各任务的调度顺序结果取出任务task_i，并计算task_i的时间窗冲突度；所述时间窗冲突度的计算方法为：

步骤5.2.1：将task_i安排进其任意一个可见时间窗TW_k，确定此时间窗对应的资源S_j；

步骤5.2.2：根据步骤4的各任务的调度顺序结果取出排在task_i之后的所有任务，并依照步骤5.1的计算结果，找出它们在资源S_j上所有的可见时间窗集合{TW_Sj}；

步骤5.2.3：计算出集合{TW_Sj}中与时间窗TW_k冲突的时间窗数量；

步骤5.2.4：判断是否task_i的所有时间窗都已遍历，若是则转入步骤5.3，否则转入步骤5.2.1；

步骤5.3：选取冲突数量最少的时间窗口及其对应的资源安排给此任务；

步骤5.4：对排在task_i之后的所有后续任务的可见时间窗进行更新；

步骤5.5：判断是否所有待规划任务均已遍历，若完成则进入步骤6，否则转入步骤5.2；

步骤6：结束应急任务滚动式重调度，对于成功规划的任务，输出已成功规划的任务所对应的资源及执行时间窗，对于未成功规划的任务，将其返回待规划任务集，与这期间新到达的任务一起，形成新的待规划任务集，然后转入步骤1，接着进行下一次的滚动调度规划。

实验结果如下：

根据设计的仿真场景SCEN_1～SCEN_6，经过12组对比实验，所得结果如表15所示。其中各字符的含义分别为：

·DP：采用动态优先级策略

·SP：仅使用静态优先级模型

·NTotal_init：初始化待规划的常规任务数量

·ETotal_init：初始化待规划的应急任务数量

·Total：算法全流程中待规划的任务总数

·SUM_init：常规任务计划性调度阶段完成规划的任务总数

·NC_init：常规任务计划性调度阶段完成的常规任务数量

·EC_init：常规任务计划性调度阶段完成的应急任务数量

·NR_init：常规任务计划性调度阶段的常规任务完成率，计算公式如下

NR_init＝NC_init/NTotal

·ER_init：常规任务计划性调度阶段的应急任务完成率，计算公式如下

ER_init＝EC_init/ETotal

·SUM：算法全流程中完成规划的任务总数

·NC：算法全流程中完成规划的常规任务总数

·EC：算法全流程中完成规划的应急任务总数

表15 SCEN_1～SCEN_6的实验结果

从表15可以看出，在所有场景的常规任务计划性调度阶段中，无论是采用优先级动态策略还是仅使用静态优先级模型，所得的常规任务完成数量均小于应急任务完成数量；同时，由图5可以更直观的看出，所得常规任务完成率远低于应急任务完成率。又因为SCEN_1～SCEN_6的实验结果均是按照优先级递减的启发式规则生成，故由此可以验证出设计的任务优先级模型是有效的，它能够使得大部分应急任务的优先级高于常规任务，并合理的保证不是所有应急任务的优先级一定高于常规任务，这与工程实际达到一致的效果。

另外，表15中的数据显示：通过对比仅使用静态优先级模型进行的实验，采用优先级动态变化策略后，算法全流程中完成规划的任务总数均有所提高，且全部的提高都来自于成功调度的应急任务数量，虽然提高的幅度最大为21、最小仅为2，这主要是因为本节实验中每个场景均只包含一颗卫星，即仅能产生较少的任务可调度资源，从而导致实验结果的差异比较小。综上，此方法是有效的，在提高任务完成率的同时，保证应急任务的优先级执行。

以上仅是本发明的优选实施方式，本发明的保护范围并不仅局限于上述实施例，凡属于本发明思路下的技术方案均属于本发明的保护范围。应当指出，对于本技术领域的普通技术人员来说，在不脱离本发明原理前提下的若干改进和润饰，应视为本发明的保护范围。

Claims (8)

1.一种基于动态优先级的应急任务调度规划方法，其特征在于：包括以下步骤：

步骤1：对待规划任务进行初始化，提取任务属性要素，计算待规划任务的优先级大小；

步骤2：判断是否即将进入一个新的滚动窗口，

若是，则启动任务滚动式重调度，转入步骤3；

否则，继续等待滚动窗口的出现，等待期间随着新任务的加入，待规划任务集得到更新。

步骤3：重新计算当前待规划任务集的优先级大小，所述当前待规划任务集为步骤2中更新后的待规划任务集；

步骤4：按照优先级降序排列，确定待规划任务集中各任务的调度顺序；

步骤5：根据各任务的调度顺序排序结果，采用时间窗冲突度最小的分配策略，依次为待规划任务集中的每个任务指定对应的资源和执行时间窗；

步骤6：结束应急任务滚动式重调度，对于成功规划的任务，输出已成功规划的任务所对应的资源及执行时间窗，对于未成功规划的任务，将其返回待规划任务集，与这期间新到达的任务一起，形成新的待规划任务集，然后转入步骤1，接着进行下一次的滚动调度规划。

2.根据权利要求1所述的基于动态优先级的应急任务调度规划方法，其特征在于：步骤1中所述任务属性包括：源头目标优先级、任务的应用场景、任务的用户、任务的用途、卫星工作模式、任务类型、任务对应源头卫星的重要性、侦察任务执行紧迫性。

3.根据权利要求2所述的基于动态优先级的应急任务调度规划方法，其特征在于：所述计算当前待规划任务集的优先级大小的方法是使用基于逼近理想解的排序算法TOPSIS进行计算。

4.根据权利要求3所述的基于动态优先级的应急任务调度规划方法，其特征在于：所述基于逼近理想解的排序算法包括以下步骤：

S1：对评价指标体系中的各属性因素值进行量化；

S2：构造出属性因素矩阵；

其中，x_ij(1≤i≤m,1≤j≤n)为第i个任务的第j个属性因素的量化值；m为任务数量，n为任务属性数量；

S3：对属性因素矩阵标准化处理；

根据S1中介绍的各属性因素值的量化方式，对上述属性因素矩阵进行标准化处理，得到标准化矩阵如下：

其中

S4：确定理想解、负理想解以及各属性的权重系数；

(1)取理想解Y⁺＝(1,1,…,1)，负理想解Y^-＝(0,0,…,0)；

(2)确定各属性因素权重系数；

S5：计算各任务与正理想解和负理想解的相对贴近度；

根据上述公式，相对贴近度可定义如下：

表示各任务到正理想点的距离，表示各任务到负理想点的距离；

S6：计算任务的优先级

定义第i个任务的优先级为p_{rt_i}，计算公式为:

其中

5.根据权利要求4所述的基于动态优先级的应急任务调度规划方法，其特征在于：S4中确定各属性因素权重系数的方法为德尔菲法。

6.根据权利要求1所述的基于动态优先级的应急任务调度规划方法，其特征在于：所述判断是否进入新的滚动窗口的方法有周期触发模式、事件触发模式或者事件触发与周期触发相结合的混合触发模式。

7.根据权利要求1所述的基于动态优先级的应急任务调度规划方法，其特征在于：所述时间窗冲突度最小的分配策略是指：

步骤5.1：计算待规划任务集中所有任务与其所有可用资源之间的所有可见时间窗；

步骤5.2：按照步骤4的各任务的调度顺序结果取出任务task_i，并计算task_i的时间窗冲突度；所述时间窗冲突度的计算方法为：

步骤5.3：选取冲突数量最少的时间窗口及其对应的资源安排给此任务；

步骤5.4：对排在task_i之后的所有后续任务的可见时间窗进行更新；

步骤5.5：判断是否所有待规划任务均已遍历，若完成则进入步骤6，否则转入步骤5.2。

8.根据权利要求7所述的基于动态优先级的应急任务调度规划方法，其特征在于：步骤5.2中所述时间窗冲突度的计算方法为：

步骤5.2.1：将task_i安排进其任意一个可见时间窗TW_k，确定此时间窗对应的资源S_j；

步骤5.2.2：根据步骤4的各任务的调度顺序结果取出排在task_i之后的所有任务，并依照步骤5.1的计算结果，找出它们在资源S_j上所有的可见时间窗集合{TW_Sj}；

步骤5.2.3：计算出集合{TW_Sj}中与时间窗TW_k冲突的时间窗数量；

步骤5.2.4：判断是否task_i的所有时间窗都已遍历，若是则转入步骤5.3，否则转入步骤5.2.1。