CN111913788A - 成像卫星的任务调度方法和系统 - Google Patents

Abstract

本发明提供一种成像卫星的任务调度方法和系统，涉及卫星观测领域。包括：获取卫星资源和卫星任务；基于卫星资源和卫星任务获取卫星任务观测收益和卫星任务优先级；基于卫星任务观测收益和卫星任务优先级设定目标函数，并设定约束条件；基于目标函数和约束条件构建卫星任务观测模型；基于卫星任务观测模型获取卫星任务种群；基于预设的蚁群算法对卫星任务种群进行处理，得到卫星任务观测方案。本发明对卫星调度的效率高。

Description

成像卫星的任务调度方法和系统

技术领域

本发明涉及卫星观测技术领域，具体涉及一种成像卫星的任务调度方法和系统。

背景技术

随着科技的发展，人们对于航空航天领域不断的进行探索和开发，各种飞行器和卫星被制造并广泛应用于各种领域，例如通过卫星对地面进行监测。用户向地面站提出观测任务需求，地面站将任务上注给卫星，围绕地面，并对任务目标进行观测，从而得到用户需要的信息。因此利用卫星实现任务观测是当前的一大研究热点。

随着卫星科技不断发展，成像卫星随之问世并被广泛应用，成像卫星调度主要是在多星多任务的情况下规划任务集开展对地目标的成像任务。在成像卫星进行任务调度的过程中，需要为卫星合理分配任务集，现有技术通常采用人工智能的方法，如遗传算法、贪婪算法和人工神经网络等传统方法求解，以获取任务分配方案。

然而本申请的发明人发现，多星任务的规划为复杂组合优化问题，任务方面，需要处理的观测任务数较多，观测任务需求有差异；资源方面，观测计划的制定需要考虑存储、传感器和轨道的限制等因素，致使解空间显示出不规则的特征，获取最优解的难度增大，而现有技术的方法响应时间长、状态转移规则复杂，导致无法对卫星资源进行较好的利用。因此，现有技术存在卫星调度效率低的缺点。

发明内容

(一)解决的技术问题

针对现有技术的不足，本发明提供了一种成像卫星的任务调度方法和系统，解决了现有技术在对卫星进行调度时效率低的技术问题。

(二)技术方案

为实现以上目的，本发明通过以下技术方案予以实现：

本发明解决其技术问题所提供的一种成像卫星的任务调度方法，所述方法有计算机执行，包括以下步骤：

S1、获取卫星资源和卫星任务；

S2、基于所述卫星资源和所述卫星任务获取卫星任务观测收益和卫星任务优先级；

S3、基于所述卫星任务观测收益和所述卫星任务优先级设定目标函数，并设定约束条件；

S4、基于所述目标函数和所述约束条件构建卫星任务观测模型；

S5、基于所述卫星任务观测模型获取卫星任务种群；

S6、基于预设的蚁群算法对所述卫星任务种群进行处理，得到卫星任务观测方案。

优选的，所述目标函数为：

其中：

e_i表示第i个卫星任务的观测收益；

o_i表示第i个卫星任务是否被安排观测，当o_i＝1时，第i个卫星被安排观测，当o_i＝0时，第i个卫星不被安排观测；

所述约束条件至少包括以下一项：

Tb≤TbWin_lg≤TeWin_lg≤Te

TbWin_lg≤Ob≤Oe≤TeWin_lg

T_ope+T_clo+T_sle≤TbWin_ki-TeWin_lg

Time_max≥Time_ope

其中：

TbWin_lg表示第l个任务的第g个窗口Win_lg的开始时间；

TeWin_lg表示第l个任务的第g个窗口Win_lg的结束时间；

TbWin_ki表示第k个任务的第i个窗口Win_ki的开始时间；

[Tb,Te]表示第l个任务的调度时间窗；

[Ob,Oe]表示第l个任务的观测活动时间窗；

T_ope表示卫星sat_s的开机稳定时间；

T_clo表示卫星sat_s的关机稳定时间；

T_sle表示卫星sat_s的侧摆时间；

Time_ope表示卫星的开机工作时间；

Time_max表示卫星的最大工作时间；

表示卫星sat_s的当前剩余容量；

表示将第l个任务添加到卫星sat_s所用的容量。

优选的，步骤S6具体包括以下步骤：

S601、初始化迭代次数，并预设蚁群最大迭代次数，初始化信息素，初始化禁忌表；

S602、用m只蚂蚁随机选择所述卫星任务种群中的一个任务作为初始任务点，且每只蚂蚁的初始任务点不相同；

S603、基于状态转移规则选择下一个任务点，并更新局部信息素；

S604、对每只蚂蚁进行遍历，得到每只蚂蚁对应的任务观测序列；基于预设的适应度函数计算每只蚂蚁的任务观测序列的适应度值，对于每只蚂蚁来说，若任务观测序列的适应度值超过禁忌表中已有任务观测序列的的适应度值，则更新禁忌表；

S605、判断此时迭代的次数是否达到预设的蚁群最大迭代次数，若是，则跳转到S607；若否，则跳转到S606；

S606、更新任务观测序列的全局信息素，跳转到S602；

S607、输出此时禁忌表中的最优任务观测序列，作为卫星任务观测方案。

优选的，在步骤S6中，将迭代过程中择优的个体以及适应度值存入禁忌表中，且存放个体的数量由禁忌表的长度决定，禁忌表中个体按照适应度值由大到小进行排列；当迭代产生的新的任务观测序列的适应度值大于禁忌表中已有任务观测序列的适应度值时，对禁忌表进行更新。

优选的，步骤S603具体包括：

S6031、基于转移概率，从未完成观测的任务中选择下一个任务点；

S6032、根据所述卫星任务优先级，选择m只蚂蚁完成下一个卫星任务t_l并更新局部信息素；若没有满足条件的蚂蚁，则结束蚂蚁移动；

S6033、更新m只蚂蚁的任务点和时间；

S6034、将卫星任务t_l的状态更新为已完成；

S6035、判断是否完成一次遍历，若是，则结束蚂蚁移动，得到可行解；若否，则跳转到S6031。

优选的，在S6031中，所述转移概率的获取方法包括：

其中：

表示在z时刻蚂蚁b在任务节点t_i选择任务节点t_j的转移概率；

allowed_b表示在z时刻，蚂蚁b的可达任务节点集合；

表示任务t_i至任务t_v的信息素浓度；

表示任务t_v的收益占所有任务收益和的比重；

η_ij表示任务t_j的收益占所有任务收益和的比重；

α表示蚂蚁在选择下一个任务点时信息素挥发作用的程度的信息启发因子；

β表示蚂蚁在选择下一个任务点时的重要程度的期望启发因子；

τ_ij(t)表示任务t_i至任务t_j的信息素浓度；

N_b为蚂蚁b变迁后所观测任务的总收益；

为所有任务的总收益值。

优选的，在S6032中，所述更新局部信息素，更新公式为：

τ_ij(z+1)＝(1-ρ)τ_ij(z)+ρΔτ_ij(z)

其中：

ρ为信息素挥发参数，ρ∈[0,1]；

Δτ_ij(z)为信息素增加量，且：

其中：

N_b为蚂蚁b变迁后观测任务总收益；

为所有任务的总收益值。

优选的，在S604中，所述预设的适应度函数为：

其中：

f_l为任务t_l的优先级；

T_t为任务t_l的所需时间；

C_t为任务t_l占用卫星容量；

W_t为任务t_l的可用时间窗的数目；

e_l为任务t_l的观测收益；

和γ权重参数，且

优选的，在步骤S606中，所述更新任务观测序列的全局信息素，包括：

计算迭代过程中的最小观测收益e_min、最大观测收益e_max和平均观测收益e_avg，对全局信息素进行更新，更新公式为：

τ_ij(z+1)＝(1-ρ)τ_ij(z)+ρΔτ_ij(z)+θ

其中：

ξ为每次更新最多的信息量，λ为权重参数。

本发明解决其技术问题所提供的一种成像卫星的任务调度系统，所述系统包括计算机，所述计算机包括：

至少一个存储单元；

至少一个处理单元；

其中，所述至少一个存储单元中存储有至少一条指令，所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤：

S1、获取卫星资源和卫星任务；

S2、基于所述卫星资源和所述卫星任务获取卫星任务观测收益和卫星任务优先级；

S3、基于所述卫星任务观测收益和所述卫星任务优先级设定目标函数，并设定约束条件；

S4、基于所述目标函数和所述约束条件构建卫星任务观测模型；

S5、基于所述卫星任务观测模型获取卫星任务种群；

S6、基于预设的蚁群算法对所述卫星任务种群进行处理，得到卫星任务观测方案。

(三)有益效果

本发明提供了一种成像卫星的任务调度方法和系统。与现有技术相比，具备以下有益效果：

本发明通过获取卫星资源和卫星任务；基于卫星资源和卫星任务获取卫星任务观测收益和卫星任务优先级；基于卫星任务观测收益和卫星任务优先级设定目标函数，并设定约束条件；基于目标函数和约束条件构建卫星任务观测模型；基于卫星任务观测模型获取卫星任务种群；基于预设的蚁群算法对卫星任务种群进行处理，得到卫星任务观测方案。本发明结合卫星任务的观测收益和优先级构建了任务观测模型，提高了卫星观测任务的效率，同时针对现有技术的缺点对蚁群算法进行了改进，优化了卫星调度方案。

附图说明

为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1为本发明实施例所提供的成像卫星的任务调度方法的整体流程图。

具体实施方式

为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。

本申请实施例通过提供一种成像卫星的任务调度方法和系统，解决了现有技术在对卫星进行调度时效率低的技术问题，实现卫星调度时效率的提高。

本申请实施例中的技术方案为解决上述技术问题，总体思路如下：

本发明实施例通过获取卫星资源和卫星任务；基于卫星资源和卫星任务获取卫星任务观测收益和卫星任务优先级；基于卫星任务观测收益和卫星任务优先级设定目标函数，并设定约束条件；基于目标函数和约束条件构建卫星任务观测模型；基于卫星任务观测模型获取卫星任务种群；基于预设的蚁群算法对卫星任务种群进行处理，得到卫星任务观测方案。本发明实施例结合卫星任务的观测收益和优先级构建了任务观测模型，提高了卫星观测任务的效率，同时针对现有技术的缺点对蚁群算法进行了改进，优化了卫星调度方案。

为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。

本发明实施例提供了一种成像卫星的任务调度方法，该方法由计算机执行，如图1所示，包括以下步骤：

S1、获取卫星资源和卫星任务；

S2、基于上述卫星资源和上述卫星任务获取卫星任务观测收益和卫星任务优先级；

S3、基于上述卫星任务观测收益和上述卫星任务优先级设定目标函数，并设定约束条件；

S4、基于上述目标函数和上述约束条件构建卫星任务观测模型；

S5、基于上述卫星任务观测模型获取卫星任务种群；

S6、基于预设的蚁群算法对上述卫星任务种群进行处理，得到卫星任务观测方案。

本发明实施例通过获取卫星资源和卫星任务；基于卫星资源和卫星任务获取卫星任务观测收益和卫星任务优先级；基于卫星任务观测收益和卫星任务优先级设定目标函数，并设定约束条件；基于目标函数和约束条件构建卫星任务观测模型；基于卫星任务观测模型获取卫星任务种群；基于预设的蚁群算法对卫星任务种群进行处理，得到卫星任务观测方案。本发明实施例结合卫星任务的观测收益和优先级构建了任务观测模型，提高了卫星观测任务的效率，同时针对现有技术的缺点对蚁群算法进行了改进，优化了卫星调度方案。

需要说明的是，本发明实施例在具体实施时，将相关问题在不影响成像卫星调度问题的前提条件下进行适当的简化。卫星运行轨道及其所携带的传感器的差异不进行考虑，假设所有卫星具有同质性；所有任务均为点目标，任务一次性可以完成观测；对于天气、昼夜或云层等气象条件影响目标观测的情况不进行考虑。

下面对各步骤进行具体分析。

在步骤S1中，获取卫星资源和卫星任务。

具体的，卫星资源集SAT＝{sat₁,sat₂,...,sat_j,...,sat_m}(共m颗卫星，sat_j表示第j颗卫星)和任务集T＝{t₁,t₂,...,t_l,...,t_r}(共r个任务，t_l表示第l个任务)。

在步骤S2中，基于上述卫星资源和上述卫星任务获取卫星任务观测收益和卫星任务优先级。

具体的，本发明实施例设定每个任务t_r被成功的进行观测后，就会有一定的收益e_r获得，则任务集T对应的观测收益集为E＝{e₁,e₂,...,e_r}，任务集对应的优先级集合为F＝{f₁,f₂,...,f_r}。

任务是否观测的决策变量集合为O＝{o₁,o₂,...,o_r}，若任务t_r被安排观测，则o_r＝1；否则o_r＝0。

在步骤S3中，基于上述卫星任务观测收益和上述卫星任务优先级设定目标函数，并设定约束条件。

具体的，目标函数为：

其中：

e_i表示第i个卫星任务的观测收益；

o_i表示第i个卫星任务是否被安排观测，当o_i＝1时，第i个卫星被安排观测，当o_i＝0时，第i个卫星不被安排观测。

约束条件至少包括以下一项：

(1)同一时间段每个卫星只能观测一个任务，且每个任务一次性完成。设数组SATIndex(j)表示卫星j是否被占用，若SATIndex(j)＝1，则说明卫星j可用，否则SATIndex(j)＝0，表示卫星不可用。

(2)设任务t_l共有n个观测窗口{Win_l1,Win_l2,...,Win_ln}，窗口Win_lg的开始时间为TbWin_lg，结束时间为TeWin_lg，规划调度时间窗为[Tb,Te]，执行观测活动时间窗为[Ob,Oe]。

若对任务t_l采用时间窗口Win_lg进行观测，则须满足：

Tb≤TbWin_lg≤TeWin_lg≤Te

满足其中观测活动在某一时间窗内：TbWin_lg≤Ob≤Oe≤TeWin_lg。

(3)设卫星sat_s对任务t_l和t_k进行观测连续利用时间窗Win_lg和Win_ki，卫星固有属性开机稳定时间为T_ope，关机稳定时间为T_clo，侧摆时间为T_sle，则须满足：

T_ope+T_clo+T_sle≤TbWin_ki-TeWin_lg

(4)卫星完成所有观测任务的开机工作时间不大于卫星最大工作时间。开机工作时间Time_ope，卫星最大工作时间Time_max，则须满足：

Time_max≥Time_ope

(5)卫星完成观测任务所用容量之和不大于卫星总容量。设卫星sat_j当前剩余容量为

任务t_l添加到该卫星所用容量为

则须满足：

其中：

TbWin_lg表示第l个任务的第g个窗口Win_lg的开始时间；

TeWin_lg表示第l个任务的第g个窗口Win_lg的结束时间；

TbWin_ki表示第k个任务的第i个窗口Win_ki的开始时间；

[Tb,Te]表示第l个任务的调度时间窗；

[Ob,Oe]表示第l个任务的观测活动时间窗；

T_ope表示卫星sat_s的开机稳定时间；

T_clo表示卫星sat_s的关机稳定时间；

T_sle表示卫星sat_s的侧摆时间；

Time_ope表示卫星的开机工作时间；

Time_max表示卫星的最大工作时间；

表示卫星sat_s的当前剩余容量；

表示将第l个任务添加到卫星sat_s所用的容量。

在步骤S4中，基于上述目标函数和上述约束条件构建卫星任务观测模型。

在步骤S5中，基于上述卫星任务观测模型获取卫星任务种群。

具体的，对卫星任务观测模型求取初始解，并将初始解作为卫星任务种群。

进一步的，将卫星任务种群作为后续算法的初始种群，通过预设的蚁群算法对初始种群进行处理。

在步骤S6中，基于预设的蚁群算法对上述卫星任务种群进行处理，得到卫星任务观测方案。

具体的，包括以下步骤：

S601、初始化算法参数。具体的，初始化迭代次数Nc₀＝0，最大迭代次数为Nc_max，初始化信息素，初始化禁忌表tuba_m为空。

对于禁忌表，将迭代过程中产生的择优个体及其适应度值存入禁忌表tuba_m中，存放个体的数量由禁忌表tuba_m长度L决定，禁忌表tuba_m中个体按照适应度值由大到小排列。当迭代产生个体的适应度值大于禁忌表tuba_m中已有个体的适应度值时禁忌表tuba_m更新。

S602、用m只蚂蚁随机选择所述卫星任务种群中的一个任务作为初始任务点，且，每只蚂蚁的初始任务点不相同。

S603、基于状态转移规则选择下一个任务点，并更新局部信息素。

蚁群算法的核心是蚂蚁的移动，构造解的组合的过程是通过信息素和经验知识引导蚂蚁移动的过程。基本的蚁群算法求解成像卫星调度问题是一只蚂蚁位于成像任务节点按照禁忌表tuba_m选择下一个成像任务，直至满足循环终止条件。而多信息素蚁群算法是一组蚂蚁同时进行移动。

在本发明实施例中，具体包括：

S6031、基于转移概率，从未完成观测的任务中选择下一个任务点。

具体的，在z时刻蚂蚁b转移概率的获取方法包括：

其中：

表示在z时刻蚂蚁b在任务节点t_i选择任务节点t_j的转移概率；

allowed_b表示在z时刻，蚂蚁b的可达任务节点集合；

表示任务t_i至任务t_v的信息素浓度；

表示任务t_v的收益占所有任务收益和的比重；

η_ij表示任务t_j的收益占所有任务收益和的比重；

α表示蚂蚁在选择下一个任务点时信息素挥发作用的程度的信息启发因子；

β表示蚂蚁在选择下一个任务点时的重要程度的期望启发因子；

τ_ij(t)表示任务t_i至任务t_j的信息素浓度；

N_b为蚂蚁b变迁后所观测任务的总收益；

为所有任务的总收益值。

在本发明实施例中，将各蚂蚁的出发点置于当前解集中，每只蚂蚁按照状态转移概率

从任务t_i移到下一个任务t_j，并将任务t_j置于当前解集中，直至完成一次循环。

S6032、根据所述卫星任务优先级，选择m只蚂蚁完成下一个卫星任务t_l并更新局部信息素；若没有满足条件的蚂蚁，则结束蚂蚁移动。

具体的，局部信息素的更新方法为：

每只蚂蚁在进行一次移动后对信息素进行更新，局部信息素更新依据下式：

τ_ij(z+1)＝(1-ρ)τ_ij(z)+ρΔτ_ij(z)

其中：

ρ为信息素挥发参数，ρ∈[0,1]；

Δτ_ij(z)为信息素增加量，且：

其中：

N_b为蚂蚁b变迁后观测任务总收益；

为所有任务的总收益值。

ρ＝xτ_ij(z)+yΔτ_ij(z)

其中：

x和y为比例因子，本发明实施例设置x为0.4，y为0.1。这样信息素挥发值ρ就会自适应地在[0,0.5]间取值。

需要说明的是，传统算法通常把ρ设置为定值，但随着观测任务规模的改变，就需要不停的通过实验寻找定值，增加求解时间，解质量也没有太大的改善。所以提出上式以自适应的改变信息素挥发值。

信息素挥发值ρ就会自适应地在[0,0.5]间取值，初始阶段，蚂蚁访问的观测任务少，初始任务观测序列信息素小，信息素挥发量少，信息素保存量增加，算法迭代次数增加，蚂蚁访问观测任务增加，任务观测序列上信息素挥发量增加，上一代释放的信息素减少，避免算法过早收敛或停滞，增加任务观测序列多样性，利于找到算法最优任务观测序列。

S6033、更新m只蚂蚁的任务点和时间。

S6034、将卫星任务t_l的状态更新为已完成。

S6035、判断是否完成一次遍历，若是，则结束蚂蚁移动，得到可行解；若否，则跳转到S6031。

S604、对每只蚂蚁进行遍历，得到每只蚂蚁对应的任务观测序列。基于预设的适应度函数计算任务观测序列的适应度值，若新产生的任务观测序列的适应度值超过禁忌表中任务观测序列的值，则更新禁忌表。

具体的，预设的适应度函数为：

其中：

f_l为任务t_l的优先级；

T_t为任务t_l的所需时间；

C_t为任务t_l占用卫星容量；

W_t为任务t_l的可用时间窗的数目；

e_l为任务t_l的观测收益；

和γ权重参数，且

具体的，优先级越高、时间和空间资源越小、可用时间窗越少的任务的适应度值越高。

S605、判断此时迭代的次数是否达到预设的蚁群最大迭代次数，若是，则跳转到S607；若否，则跳转到S606。

S606、进行信息素挥发操作，并更新禁忌表，跳转到S602。

在计算经过一次迭代过程所有蚂蚁构建的总观测收益时，求出本次迭代里的最小观测收益e_min、最大观测收益e_max和平均观测收益e_avg，之后通过奖惩策略对全局信息素根据下式进行更新。

τ_ij(z+1)＝(1-ρ)τ_ij(z)+ρΔτ_ij(z)+θ

其中，ξ为每次更新最多的信息量，λ为权重参数。

具体的，通过奖励(惩罚)当前最差(最优)任务观测序列更新当前全局信息素，在当前强化迭代找到较优任务观测序列时，依据这个公式，更新全局信息素，依据公式减少一些全局信息素，在当前强化迭代找到较差任务观测序列时，依据这个公式，更新全局信息素，依据公式增加一些全局信息素，有效避免在加快算法收敛过程中，获得最优任务观测序列是过早收敛陷入局部最优。

全局信息素更新通过奖惩策略，增减信息素的方式，一定程度上使蚂蚁可以选择更多的路径，有效避免了算法的过早收敛。

S607、输出此时禁忌表中的最优任务观测序列，作为卫星任务观测方案。

具体的，此时禁忌表中适应度函数值最大的任务观测序列即为最优任务观测序列，因此作为卫星任务观测方案用于实施。

本发明实施例还提供了一种成像卫星的任务调度系统，上述系统包括计算机，上述计算机包括：

至少一个存储单元；

至少一个处理单元；

其中，上述至少一个存储单元中存储有至少一条指令，上述至少一条指令由上述至少一个处理单元加载并执行以实现以下步骤：

S1、获取卫星资源和卫星任务；

S2、基于上述卫星资源和上述卫星任务获取卫星任务观测收益和卫星任务优先级；

S3、基于上述卫星任务观测收益和上述卫星任务优先级设定目标函数，并设定约束条件；

S4、基于上述目标函数和上述约束条件构建卫星任务观测模型；

S5、基于上述卫星任务观测模型获取卫星任务种群；

S6、基于预设的蚁群算法对上述卫星任务种群进行处理，得到卫星任务观测方案。

可理解的是，本发明实施例提供的上述调度系统与上述调度方法相对应，其有关内容的解释、举例、有益效果等部分可以参考成像卫星的任务调度方法中的相应内容，此处不再赘述。

综上所述，与现有技术相比，具备以下有益效果：

本发明实施例通过获取卫星资源和卫星任务；基于卫星资源和卫星任务获取卫星任务观测收益和卫星任务优先级；基于卫星任务观测收益和卫星任务优先级设定目标函数，并设定约束条件；基于目标函数和约束条件构建卫星任务观测模型；基于卫星任务观测模型获取卫星任务种群；基于预设的蚁群算法对卫星任务种群进行处理，得到卫星任务观测方案。本发明实施例结合卫星任务的观测收益和优先级构建了任务观测模型，提高了卫星观测任务的效率，同时针对现有技术的缺点对蚁群算法进行了改进，优化了卫星调度方案。

本发明实施例提出改进的蚁群算法，增加自适应更新策略，算法前期自适应地对信息素的挥发值进行一定的改变，信息素值动态变化，有利于提高卫星任务观测序列的多样性。算法后期通过奖惩机制对当前迭代的任务观测序列的信息素进行改变，有效避免在加快算法收敛过程中，获得任务观测序列时过早收敛陷入局部最优。与传统的蚁群算法求解成像卫星调度问题对比，提高对种群的多样性和算法的收敛速度进行了有效的平衡，改进后算法求解效率更优

需要说明的是，通过以上的实施方式的描述，本领域的技术人员可以清楚地了解到各实施方式可借助软件加必需的通用硬件平台的方式来实现。基于这样的理解，上述技术方案本质上或者说对现有技术做出贡献的部分可以以软件产品的形式体现出来，该计算机软件产品可以存储在计算机可读存储介质中，如ROM/RAM、磁碟、光盘等，包括若干指令用以使得一台计算机设备(可以是个人计算机，服务器，或者网络设备等)执行各个实施例或者实施例的某些部分所述的方法。

在此处所提供的说明书中，说明了大量具体细节。然而，能够理解，本发明的实施例可以在没有这些具体细节的情况下实践。在一些实例中，并未详细示出公知的方法、结构和技术，以便不模糊对本说明书的理解。

在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个……”限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。

以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然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；而这些修改或者替换，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 (10)

1.一种成像卫星的任务调度方法，其特征在于，所述方法有计算机执行，包括以下步骤：

S1、获取卫星资源和卫星任务；

S2、基于所述卫星资源和所述卫星任务获取卫星任务观测收益和卫星任务优先级；

S3、基于所述卫星任务观测收益和所述卫星任务优先级设定目标函数，并设定约束条件；

S4、基于所述目标函数和所述约束条件构建卫星任务观测模型；

S5、基于所述卫星任务观测模型获取卫星任务种群；

S6、基于预设的蚁群算法对所述卫星任务种群进行处理，得到卫星任务观测方案。

2.如权利要求1所述的调度方法，其特征在于，所述目标函数为：

其中：

e_i表示第i个卫星任务的观测收益；

o_i表示第i个卫星任务是否被安排观测，当o_i＝1时，第i个卫星被安排观测，当o_i＝0时，第i个卫星不被安排观测；

所述约束条件至少包括以下一项：

Tb≤TbWin_lg≤TeWin_lg≤Te

TbWin_lg≤Ob≤Oe≤TeWin_lg

T_ope+T_clo+T_sle≤TbWin_ki-TeWin_lg

Time_max≥Time_ope

其中：

TbWin_lg表示第l个任务的第g个窗口Win_lg的开始时间；

TeWin_lg表示第l个任务的第g个窗口Win_lg的结束时间；

TbWin_ki表示第k个任务的第i个窗口Win_ki的开始时间；

[Tb,Te]表示第l个任务的调度时间窗；

[Ob,Oe]表示第l个任务的观测活动时间窗；

T_ope表示卫星sat_s的开机稳定时间；

T_clo表示卫星sat_s的关机稳定时间；

T_sle表示卫星sat_s的侧摆时间；

Time_ope表示卫星的开机工作时间；

Time_max表示卫星的最大工作时间；

表示卫星sat_s的当前剩余容量；

表示将第l个任务添加到卫星sat_s所用的容量。

3.如权利要求1所述的调度方法，其特征在于，步骤S6具体包括以下步骤：

S601、初始化迭代次数，并预设蚁群最大迭代次数，初始化信息素，初始化禁忌表；

S602、用m只蚂蚁随机选择所述卫星任务种群中的一个任务作为初始任务点，且每只蚂蚁的初始任务点不相同；

S603、基于状态转移规则选择下一个任务点，并更新局部信息素；

S604、对每只蚂蚁进行遍历，得到每只蚂蚁对应的任务观测序列；基于预设的适应度函数计算每只蚂蚁的任务观测序列的适应度值，对于每只蚂蚁来说，若任务观测序列的适应度值超过禁忌表中已有任务观测序列的的适应度值，则更新禁忌表；

S605、判断此时迭代的次数是否达到预设的蚁群最大迭代次数，若是，则跳转到S607；若否，则跳转到S606；

S606、更新任务观测序列的全局信息素，跳转到S602；

S607、输出此时禁忌表中的最优任务观测序列，作为卫星任务观测方案。

4.如权利要求3所述的调度方法，其特征在于，在步骤S6中，将迭代过程中择优的个体以及适应度值存入禁忌表中，且存放个体的数量由禁忌表的长度决定，禁忌表中个体按照适应度值由大到小进行排列；当迭代产生的新的任务观测序列的适应度值大于禁忌表中已有任务观测序列的适应度值时，对禁忌表进行更新。

5.如权利要求3所述的调度方法，其特征在于，步骤S603具体包括：

S6031、基于转移概率，从未完成观测的任务中选择下一个任务点；

S6032、根据所述卫星任务优先级，选择m只蚂蚁完成下一个卫星任务t_l并更新局部信息素；若没有满足条件的蚂蚁，则结束蚂蚁移动；

S6033、更新m只蚂蚁的任务点和时间；

S6034、将卫星任务t_l的状态更新为已完成；

S6035、判断是否完成一次遍历，若是，则结束蚂蚁移动，得到可行解；若否，则跳转到S6031。

6.如权利要求5所述的调度方法，其特征在于，在S6031中，所述转移概率的获取方法包括：

其中：

表示在z时刻蚂蚁b在任务节点t_i选择任务节点t_j的转移概率；

allowed_b表示在z时刻，蚂蚁b的可达任务节点集合；

表示任务t_i至任务t_v的信息素浓度；

表示任务t_v的收益占所有任务收益和的比重；

η_ij表示任务t_j的收益占所有任务收益和的比重；

α表示蚂蚁在选择下一个任务点时信息素挥发作用的程度的信息启发因子；

β表示蚂蚁在选择下一个任务点时的重要程度的期望启发因子；

τ_ij(t)表示任务t_i至任务t_j的信息素浓度；

N_b为蚂蚁b变迁后所观测任务的总收益；

为所有任务的总收益值。

7.如权利要求5所述的调度方法，其特征在于，在S6032中，所述更新局部信息素，更新公式为：

τ_ij(z+1)＝(1-ρ)τ_ij(z)+ρΔτ_ij(z)

其中：

ρ为信息素挥发参数，ρ∈[0,1]；

Δτ_ij(z)为信息素增加量，且：

其中：

N_b为蚂蚁b变迁后观测任务总收益；

为所有任务的总收益值。

8.如权利要求3所述的调度方法，其特征在于，在S604中，所述预设的适应度函数为：

其中：

f_l为任务t_l的优先级；

T_t为任务t_l的所需时间；

C_t为任务t_l占用卫星容量；

W_t为任务t_l的可用时间窗的数目；

e_l为任务t_l的观测收益；

和γ权重参数，且

9.如权利要求7所述的调度方法，其特征在于，在步骤S606中，所述更新任务观测序列的全局信息素，包括：

计算迭代过程中的最小观测收益e_min、最大观测收益e_max和平均观测收益e_avg，对全局信息素进行更新，更新公式为：

τ_ij(z+1)＝(1-ρ)τ_ij(z)+ρΔτ_ij(z)+θ

其中：

ξ为每次更新最多的信息量，λ为权重参数。

10.一种成像卫星的任务调度系统，其特征在于，所述系统包括计算机，所述计算机包括：

至少一个存储单元；

至少一个处理单元；

其中，所述至少一个存储单元中存储有至少一条指令，所述至少一条指令由所述至少一个处理单元加载并执行以实现以下步骤：

S1、获取卫星资源和卫星任务；

S2、基于所述卫星资源和所述卫星任务获取卫星任务观测收益和卫星任务优先级；

S3、基于所述卫星任务观测收益和所述卫星任务优先级设定目标函数，并设定约束条件；

S4、基于所述目标函数和所述约束条件构建卫星任务观测模型；

S5、基于所述卫星任务观测模型获取卫星任务种群；

S6、基于预设的蚁群算法对所述卫星任务种群进行处理，得到卫星任务观测方案。

Images