CN112434436A - 一种北斗导航卫星系统星间链路调度方法及系统 - Google Patents
一种北斗导航卫星系统星间链路调度方法及系统 Download PDFInfo
- Publication number
- CN112434436A CN112434436A CN202011382757.3A CN202011382757A CN112434436A CN 112434436 A CN112434436 A CN 112434436A CN 202011382757 A CN202011382757 A CN 202011382757A CN 112434436 A CN112434436 A CN 112434436A
- Authority
- CN
- China
- Prior art keywords
- inter
- satellite
- algorithm
- scheduling
- satellite link
- 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
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- 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
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
- G06F2119/12—Timing analysis or timing optimisation
-
- Y—GENERAL TAGGING OF NEW TECHNOLOGICAL DEVELOPMENTS; GENERAL TAGGING OF CROSS-SECTIONAL TECHNOLOGIES SPANNING OVER SEVERAL SECTIONS OF THE IPC; TECHNICAL SUBJECTS COVERED BY FORMER USPC CROSS-REFERENCE ART COLLECTIONS [XRACs] AND DIGESTS
- Y02—TECHNOLOGIES OR APPLICATIONS FOR MITIGATION OR ADAPTATION AGAINST CLIMATE CHANGE
- Y02D—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN INFORMATION AND COMMUNICATION TECHNOLOGIES [ICT], I.E. INFORMATION AND COMMUNICATION TECHNOLOGIES AIMING AT THE REDUCTION OF THEIR OWN ENERGY USE
- Y02D30/00—Reducing energy consumption in communication networks
- Y02D30/70—Reducing energy consumption in communication networks in wireless communication networks
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- General Physics & Mathematics (AREA)
- Biophysics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Evolutionary Biology (AREA)
- Evolutionary Computation (AREA)
- Bioinformatics & Computational Biology (AREA)
- General Engineering & Computer Science (AREA)
- Genetics & Genomics (AREA)
- Biomedical Technology (AREA)
- Molecular Biology (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- General Health & Medical Sciences (AREA)
- Computer Hardware Design (AREA)
- Geometry (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Development Economics (AREA)
- Computing Systems (AREA)
- Educational Administration (AREA)
- Artificial Intelligence (AREA)
- Game Theory and Decision Science (AREA)
- Physiology (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明提供了一种北斗导航卫星系统星间链路调度方法及系统,包括获取北斗导航卫星集中各卫星轨道参数,调度总周期,超帧时长以及每个超帧所含有的时隙长度;构建北斗导航卫星系统星间链路调度模型;对所述调度模型进行求解;输出调度方案。根据星间链路随着时隙变化呈现出时变网络的特点,通过构建星间链路调度模型,能够直观地对星间链路这一时变动态网络进行描述,从而使得对星间链路的调度求解成为可能;针对星间链路调度是一个大规模长时耗的优化问题,提出了自适应文化基因算法,克服了传统局部搜索算法中容易陷入局部最优解,文化基因算法时间复杂度高与约束优化效果欠佳等的问题,满足了北斗导航卫星系统大规模日常星间链路调度要求。
Description
技术领域
本发明涉及任务规划调度领域,尤其涉及一种北斗导航卫星系统星间链路调度方法及系统。
背景技术
2020年6月23日,第55颗北斗导航卫星发射成功,标志着我国正式建成第三代北斗导航卫星系统(BeiDou Navigation Satellite System,简称BDS),国产卫星导航系统步入新时代。近年来,BDS已为世界范围的用户提供了全球导航与定位服务,在物流、交通运输、航空航天等领域发挥重要作用。在BDS中,星间链路可以降低导航系统对地面管控系统依赖程度,提升星间测距、通讯能力和系统精度,是BDS的重要组成部分。
BDS的星间链路指一条联通两颗导航卫星的无线通讯链路,最早由美国GPS导航系统设计并使用。通过星间链路,即使某些导航卫星位于测控弧外,管控部门也可以向其传输数据,实时测距等。不过,由于现阶段BDS导航卫星通常只配备了一根星间链路天线,故在同一时刻,仅有少量的星间链路能够被激活。因此,为进一步发挥星间链路优势,提升导航系统精度,星间链路的调度与优化起到至关重要的作用,成为BDS管控部门日常工作的重要内容。
星间链路的调度问题指的是决策在什么时候,激活哪些星间链路。现阶段,BDS使用的是窄波束星间链接,具有速度快、精度高、抗干扰强等优势。基于窄波束星间链接和我国现行的导航系统时分体制,BDS管控部门通常以“超帧”(Superframe,即一个调度周期,通常为1min)为单位划分时间轴,并进一步将1超帧细分为多个“时隙”(Timeslot,通常为3s)。由此,星间链路的调度可视为给定某一个超帧,在其每一个时隙内激活合适的星间链路,如图2所示。在一个超帧内,位于测控弧内的导航卫星称为“境内星”,与地面管控中心实时互联;反之为“境外星”,只能通过与境内星建立星间链路才能下传数据。星间链路调度的主要目的即帮助境外星数据快速下传,降低数据下传的时间延迟(简称时延),从而提升系统的导航与定位精度。
当前在实际管控的过程中,BDS星间链路调度面临着以下几个问题:由于1时隙的持续时间为3s,故BDS的星间链路可视为一个每3s变化一次的时变网络,如何科学、直观地描述这一动态网络及其时间依赖的特点,从而能够科学有效地对星间链路进行调度,是当前需要解决的重要问题,其次,星间链路调度是一类大规模、长时耗的优化难题,以7天的调度要求为例,由于1超频的持续时间为1min,故算法共需解决10080个超频的星间链路调度问题。传统局部搜索算法通常易陷入局部最优解,而进化算法的时间复杂性偏高,亟需高性能算法应对BDS大规模日常星间链路调度要求。
发明内容
本发明要解决的技术问题是怎样对BDS星间链路这一复杂的动态网络进行快速有效地调度,提供了一种北斗导航卫星系统星间链路调度方法。
为解决该问题,本发明采用的技术方案是:
一种北斗导航卫星系统星间链路调度方法,包括以下步骤:
步骤1:获取北斗导航卫星集中各卫星轨道参数,调度总周期,超帧时长以及每个超帧所含有的时隙长度;
步骤2:构建北斗导航卫星系统星间链路调度模型;
步骤3:对所述调度模型进行求解;
步骤4:输出调度方案。
进一步地,所述北斗导航卫星系统星间链路调度模型为:
目标函数为:
式1为BDS星间链路调度的首要目标函数,即在一个超帧内,境外星在各时隙内时延的平均值(简称平均时延)最小;S表示BDS中全部导航卫星的集合,|S|表示BDS中全部导航卫星的数量,T表示超帧内全部时隙的集合,|T|表示超帧内全部时隙的数量;dij为因变量,表示在时隙ti内导航卫星sj所产生数据下传地面管控中心的时延,ti表示第i个时隙,sj表示第j个卫星,aij表示在时隙ti内导航卫星sj是否为境内星,aij=1为境内星,aij=0为境外星。
式2为BDS星间链路调度的次要目标函数,即在一个超帧内,各导航卫星通过星间链路链接了其他不同的卫星数量的平均值(简称平均建链数)最大,xijk为0-1决策变量,1表示激活,0表示未被激活,xijk表示在时隙ti内导航卫星sj与sk的星间链路lijk是否被激活。
约束条件:
式3表示星间链路是双向的,决策变量xijk与xikj等价,表示在时隙ti内导航卫星sj与sk的星间链路lijk或likj是否被激活;即星间链路lijk或likj是等价的;
式4表示在任意时隙内,任意导航卫星仅能激活一条星间链路;
式5表示若导航卫星sj和sk在时隙ti内相互不可见,则不能激活星间链路,vijk为0-1参数,表示时隙ti内导航卫星sj与sk是否可见;
式6表示根据以下三种情况在时隙ti内计算导航卫星sj的时延dij:若sj为境内星,则dij=0;若sj为非境内星且时隙ti非超帧内最末时隙,则dij等于与sj相连的sk在下一时隙内时延d(i+1)k附加一个时延;若sj非境内星且时隙为超帧内最末时隙,则dij=2;
式7表示任意导航卫星sj在超帧内首个时隙的时延d1j不超过2;
式8表示为保障星间测距精度,任意导航卫星sj在一个超帧内需至少与其他nmin颗不同的导航卫星建立星间链路。
进一步地,步骤3中对所述调度模型进行求解的方法是自适应的文化基因算法。
进一步地,所述自适应的文化基因算法是指:
步骤3.1:启动主线程,输入算法参数、算法集、算子集,随机地生成算法初始种群,计算初始种群中每个个体的目标函数值,以轮盘赌的方式为各线程分配初始解;
步骤3.2:启动多个并行线程,在规定的时间内,每个线程概率性地从算法集中选择并运行一个局部搜索算法,其中,各算法在运行过程中,概率性地从算子集中选择并运行一个算子,并记录搜寻到的历史最优解;
步骤3.3:返回主线程,合并各算法记录的历史最优解,并保留其中优秀个体构建当前种群。在此基础上,评估步骤3.2中各算法、算子对当前种群的贡献程度,进而更新再次运行步骤3.2时各算法、算子被选中的概率;
步骤3.4:将当前种群中的个体随机两两配对,运行交叉算子,获得新种群,计算新种群中每个个体的目标函数值,根据目标函数值,以轮盘赌的方式为各线程重新分配初始解;
步骤3.5:若满足终止条件,则输入当前最优解;否则,返回步骤3.2。
进一步地,步骤3.2中概率性的选择指的是通过“轮盘赌”的方式进行选择。
进一步地,所述算子集指的是下列5种算子:
1)星间链路激活算子,随机地激活一条星间链路,或取消一条已激活的星间链路;
2)星间链路交换算子,随机地选择两条已激活的星间链接,交换其所链接的导航卫星;
3)时隙交换算子,随机地选择两个时隙,交换二者星间链路的链接情况;
4)时隙复制算子,随机地选择两个时隙,将其中一个时隙内的星间链路链接情况完整地复制给另一个时隙;
5)星间链路补全算子,在不违法约束的情况下,随机地将尚未链接星间链路的导航卫星两两相连。
进一步地,步骤3.3的具体步骤为:
步骤3.3.1:合并各算法记录的历史最优解,获得历史最优解合集;
步骤3.3.2:根据预设的种群规模,保留历史最优解合集中目标函数值最高的一部分个体,构建当前种群;
步骤3.3.3:针对当前种群,逐一查询获得当前种群中每个个体的算法、算子信息,计算各算法、算子对当前种群的贡献度即百分比;
步骤3.3.4:取算法、算子当前被选择的概率和贡献度的平均值,并对该值进行归一化处理,作为算法、算子下一次被选择的概率。
进一步地,步骤3.1中所述算法集中的算法包括:1)爬山算法;2)禁忌搜索算法;3)模拟退火算法;4)逾期接受算法;5)禁忌退火算法;6)禁忌逾期接受算法。
采用上述技术方案,本发明具有如下有益效果:
本发明提供的一种北斗导航卫星系统星间链路调度方法,根据星间链路随着时隙变化呈现出时变网络的特点,通过构建星间链路调度模型,能够直观地对星间链路这一时变动态网络进行描述,从而使得对星间链路的调度求解成为可能;针对星间链路调度是一个大规模长时耗的优化问题,提出了自适应文化基因算法,克服了传统局部搜索算法中容易陷入局部最优解的问题,满足了北斗导航卫星系统大规模日常星间链路调度要求。
附图说明
图1为本发明系统流程图;
图2为连续两个时隙内四颗导航卫星星间链路情况示例;
图3为四星/三时隙星间链路示例,(a)由星间链路组成时变网络,(b)每个时隙内星间链路情况;
图4为四星/三时隙星间链路调度模型编码示例,(a)每个时隙内星间链路,(b)编码方式;
图5为自适应文化基因算法流程图;
图6为BDS 7天星间链路调度实验结果,(a)每个超帧内时延与建链数情况;(b)时延与建链数百分比情况;(c)每个超帧内每颗导航卫星平均时延情况;(d)每个超帧内每颗导航卫星建链数情况。
具体实施方式
下面将结合附图对本发明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做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。
图1至图6示出了本发明一种北斗导航卫星系统星间链路调度方法的一种具体实施例,该实施例的具体实验场景为:通过一项7天的BDS星间链路调度实验说明本发明的有效性。BDS包含24颗中圆地球轨道卫星(Medium Earth Orbit,MEO),3颗地球静止轨道卫星(Geosynchronous Orbit,GEO)和3颗倾斜地球同步轨道卫星(Inclined GeosynchronousOrbit,IGSO),共计30颗导航卫星,轨道概况如表1所列。主控站为北京站,与北京可见的卫星即为“境内星”。调度总周期为7天,其中一个超帧(调度场景)时长为1min,共计10080个超帧;每个超帧被进一步分为20个时隙,时隙持续3s。每个超帧的算法优化时间为30s。
表1 BDS导航卫星轨道概况
本发明一种北斗导航卫星系统星间链路调度方法,包括:
步骤1:获取北斗导航卫星集中各卫星轨道参数,调度总周期,超帧时长以及每个超帧所含有的时隙长度;本实施例中,各卫星轨道参数包括轨道偏心率,轨道倾角,近地点角距,升交点经度,平近点角和轨道长半轴长度,调度总周期为7天,每个超帧时长为1min,每个时隙持续3s。
步骤2:构建北斗导航卫星系统星间链路调度模型;
在构建BDS星间链路调度数学模型之前,本发明首先给出一些合理假设:
1)给定某超帧内星间链路调度数据后,不再考虑动态或不确定因素的影响,即仅讨论静态调度的情况;
2)每颗导航卫星仅配有一根星间链路天线,且该天线在同一时间仅能激活一条星间链路;
3)在时隙内,若某导航卫星未与其他卫星建立并激活星间链路(也可认为该星与自己建立了一条星间链路),则该星导航数据将存储于星上,不考虑数据溢出的情况。
4)在星间链路传输数据的全部过程中,不考虑数据损失、失效等意外情况。
基于上述假设,通过如图3所示一个四星/三时隙的直观例子来解释BDS星间链路所构建的时变网络,为规范化建立0-1整数规划模型提供依据。
首先,由图3(b)可见,在时隙1中,一条星间链路链接了星1和2,另一条链接了星3和4;在时隙2中,一条链接了星1和3,一条链接了星2和4;在时隙3中,一条链接了星1和4,一条链接了星2和3。
在此基础上,图3(a)则更加直观地呈现星间链路所组成的时变网络。在图3(a)中,星1在时隙1内产生的数据将分别通过时隙1,2和3内的星间链路(图中加粗)传至星2,4和1。这里,设星4为境内星,即数据将由星4直接下传地面管控中心,不再传回星1。那么,星1在时隙1内产生的数据的时延将为2个时隙,即数传至星4前所经过的时隙为1和2。由此可见,图3(a)所示的星间链路构成了导航卫星数据传输的路径,呈现出时间依赖的特点。同时由于每颗导航卫星仅配有一根星间链路天线,数据传输路径不会出现分叉情况。该示例为星间链路调度提供了直观、有力的建模依据。
下面列出BDS星间链路调度问题中变量、约束条件和目标函数的数学表达式,规范化地建立0-1整数规划模型。
目标函数为:
式1为BDS星间链路调度的首要目标函数,即在一个超帧内,境外星在各时隙内时延的平均值(简称平均时延)最小;S表示BDS中全部导航卫星的集合,|S|表示BDS中全部导航卫星的数量,T表示超帧内全部时隙的集合,|T|表示超帧内全部时隙的数量;dij为因变量,表示在时隙ti内导航卫星sj所产生数据下传地面管控中心的时延,ti表示第i个时隙,sj表示第j个卫星,aij表示在时隙ti内导航卫星sj是否为境内星,aij=1为境内星,aij=0为境外星。
式2为BDS星间链路调度的次要目标函数,即在一个超帧内,各导航卫星通过星间链路链接了其他不同的卫星数量的平均值(简称平均建链数)最大,xijk为0-1决策变量,1表示激活,0表示未被激活,xijk表示在时隙ti内导航卫星sj与sk的星间链路lijk是否被激活。
由上述目标函数可见,BDS星间链路调度与优化的首要目标是最小化导航系统平均时延,从而保障导航精度;次要目标是最大化系统的平均建链数,从而满足星间测距的需要。需要说明的是,以上并不属于多目标优化模型。上述两个目标函数有严格的优先级,即优化过程中将优先接受式1更优的解;若两个解拥有相同的式1目标函数值,则接受式2更优的解。本实施例中不建立多目标优化模型的原因有两点:一是多目标优化输出的是两个目标函数互相非支配的解集,本质上没有帮助决策者给出唯一的、最终的解决方案;二是以进化算法为主流的多目标优化算法时间复杂度较高,在大规模的BDS星间链路调度背景下求解时间长,不能满足管控部门灵活、快速的优化需要。因此,本发明使用两个有严格优先级的目标函数,可以简化计算,快速求解给出符合要求的调度方案。
约束条件:
式3表示星间链路是双向的,决策变量xijk与xikj等价,表示在时隙ti内导航卫星sj与sk的星间链路lijk或likj是否被激活;即星间链路lijk或likj是等价的;
式4表示在任意时隙内,任意导航卫星仅能激活一条星间链路;
式5表示若导航卫星sj和sk在时隙ti内相互不可见,则不能激活星间链路,vijk:0-1参数,表示时隙ti内导航卫星sj与sk是否可见;
式6表示根据以下三种情况在时隙ti内计算导航卫星sj的时延dij:若sj为境内星,则dij=0;若sj为非境内星且时隙ti非超帧内最末时隙,则dij等于与sj相连的sk在下一时隙内时延d(i+1)k附加一个时延;若sj非境内星且时隙为超帧内最末时隙,则dij=2。需要说明的是,严格意义上讲,最末时隙内时延的计算依赖于下一个超帧内首个时隙的时延,但现阶段BDS星间链路调度通常以一个超帧为单位,不会同时考虑连续两个或更多超帧的情况。因此,本实施例采用了一种折中的方法,即规定在一个超帧内,最末时隙时延均为2,并通过式7规定首个时隙时延不超过2。由此,连续两个超帧的星间链路调度结果可以相互匹配,保障了总体星间链路调度方案的可行性。
式7表示任意导航卫星sj在超帧内首个时隙的时延d1j不超过2;
式8表示为保障星间测距精度,任意导航卫星sj在一个超帧内需至少与其他nmin颗不同的导航卫星建立星间链路。
本发明通过建立时间依赖的BDS星间链路调度0-1整数规划模型,规范化地给出了模型中决策变量、约束条件和目标函数的数学表达式,有助于帮助管控部门理解星间链路调度的组合优化本质内涵,进而更好地指导算法、算子设计。同时通过构建星间链路调度模型,能够直观地对复杂大规模的星间链路这一时变动态网络进行描述,从而使得对星间链路的调度求解成为可能。
步骤3:对所述调度模型进行求解;对所述调度模型进行求解的方法是自适应的文化基因算法。
根据步骤2中所构建的星间链路调度0-1整数规划模型,再次以四星/三时隙星间链路调度为例,如图4(a),设计了如图4(b)所示的0-1编码方式。该编码方式对整数规划模型中的0-1决策变量进行直接编码,对决策变量进行直接编码,被激活的星间链路其决策变量为1,未被激活的星间链路其决策变量为0。例如,在图4中时隙1内,星间链路l112和l134被激活,则相应的决策变量x112和x134被设为1,其余均设为0;时隙2和3内亦然。该直接编码方式更好地匹配了星间链路调度0-1整数规划模型,满足BDS星间链路调度模型表达和后续算法的需要,实现了“模型-编码-算法”的一致性。
本实施例中的编码方式无需对全部的决策变量进行编码,仅考虑|S|颗导航卫星两两相连的组合情况,即种情况。其原因是:一方面,在式3星间链路双向性的约束下,决策变量恒等于xikj,即星间链路lijk与likj等价;另一方面,无星间链路链接(即自我链接)情况下决策变量xijj将被自动赋为1。因此,上述编码方式可以大幅减少编码长度,降低编码过程中的空间复杂性和计算过程中的时间复杂性,提升效率。
所述自适应的文化基因算法具体为,如图5所示:
步骤3.1:启动主线程,输入算法参数、算法集、算子集,随机地生成算法初始种群,计算初始种群中每个个体的目标函数值,根据目标函数值,以轮盘赌的方式为各线程分配初始解;本实施例中,算法参数包括种群规模,即种群中包含个体(解)的数量,算法、算子初始被选择的概率(初始概率均相等)。
所述算法集中的算法包括:1)爬山算法;2)禁忌搜索算法;3)模拟退火算法;3)逾期接受算法;4)禁忌退火算法;5)禁忌逾期接受算法。
在上述编码方式的基础上,本实施例进一步设计了以下几种邻域结构(算子),为后续算法开展邻域搜索提供依据:
本实施例中算子集指的是下列5种算子:
1)星间链路激活算子,随机地激活一条星间链路,或取消一条已激活的星间链路;
2)星间链路交换算子,随机地选择两条已激活的星间链接,交换其所链接的导航卫星;
3)时隙交换算子,随机地选择两个时隙,交换二者星间链路的链接情况;
4)时隙复制算子,随机地选择两个时隙,将其中一个时隙内的星间链路链接情况完整地复制给另一个时隙;
5)星间链路补全算子,在不违法约束的情况下,随机地将尚未链接星间链路的导航卫星两两相连。
以上邻域算子均可通过更改、交换决策变量取值的方式实现,操作简单,且不易违反约束,与上述0-1整数规划模型和编码方式相互匹配,满足后续算法设计与使用的需要。
步骤3.2:启动多个并行线程,在规定的时间内,每个线程概率性地从算法集中选择并运行一个局部搜索算法。其中,各算法在运行过程中,概率性地从算子集中选择并运行一个算子,并记录搜寻到的历史最优解;
所述概率性的选择指的是通过“轮盘赌”的方式进行选择。
步骤3.3:返回主线程,合并各算法记录的历史最优解,并保留其中优秀个体构建当前种群。在此基础上,评估步骤3.2中各算法、算子对当前种群的贡献程度,进而更新再次运行步骤3.2时各算法、算子被选中的概率;
步骤3.3中的具体步骤为:
步骤3.3.1:合并各算法记录的历史最优解,获得历史最优解合集;
步骤3.3.2:根据预设的种群规模,保留历史最优解合集中目标函数值最高的一部分个体,构建当前种群,使得当前种群的规模与预设的规模相同;
步骤3.3.3:针对当前种群,逐一查询获得当前种群中每个个体的算法、算子信息,计算各算法、算子对当前种群的贡献度即百分比;
步骤3.3.4:取算法、算子当前被选择的概率和贡献度的平均值,并对该值进行归一化处理,作为算法、算子下一次被选择的概率。
步骤3.4:将当前种群中的个体随机两两配对,运行交叉算子,获得新种群,计算新种群中每个个体的目标函数值,根据目标函数值,以轮盘赌的方式为各线程重新分配初始解;
步骤3.5:若满足终止条件,则输出当前最优个体;否则,返回步骤3.2。本实施例中的终止条件即为算法运行总时间30s。
本实施例中的自适应的文化基因算法的优点为:
1)是一种吸收局部搜索与遗传算法组合优势的文化基因算法。一般来说,局部搜索算法擅长局部优化,但易陷入局部最优,全局优化能力欠缺;遗传算法擅长全局优化,但收敛性不足,局部优化能力欠缺。对此,文化基因算法对二者取长补短,有机结合,可以表现出综合的优化性能。
2)与传统文化基因算法相反的组合框架,时间复杂性更低,更适合约束优化。传统文化基因算法以遗传算法为主循环,利用局部搜索算法逐个改进遗传算法的当前种群,导致两种算法的时间复杂性相互叠加,算法每一代的运行时间激增。同时,遗传算法的约束优化能力不及局部搜索算法,以遗传算法为主循环并不利于约束情况复杂的BDS星间链路调度问题。与传统算法相反,本发明以局部搜索算法为主循环,充分发挥局部搜索算法的约束优化能力;利用一次遗传操作改进局部优化结果,满足文化基因算法组合需要的同时降低了算法的时间复杂性。
3)逐代更新算法、算子被选择的概率,体现自适应、自组织的特点。在算法运行的过程中,表现优异的算法、算子将被更频繁的使用,反之将被逐步淘汰,算法的综合性能将逐步提升。
4)以线程为计算模块,以算法集、算子集维护算法和算子,体现良好的灵活性和可拓展性。根据计算环境的不同,可以灵活地增加计算线程,提升算法竞争的多样化和公平性。在长期应用过程中,还可以向算法集、算子集新增、更新优秀的算法、算子,实现总体算法的柔性拓展和迭代更新。
步骤4:输出所述调度总周期内的北斗导航卫星调度方案。即将步骤3.5中的最优个体作为北斗导航卫星调度方案输出。
通过实验,BDS星间链路调度结果如表2和图6所示。其中,在一个超帧内,降低平均时延为星间链路调度的首要目标,提升平均建链数为调度的次要目标。
表2 BDS 7天星间链路调度实验结果
在平均时延方面,在7天的调度周期内,BDS在一个超帧内的最大平均时延为1.62个时隙(即4.86s),最小平均时延为1.03个时隙(即3.09s),平均值为1.16个时隙(即3.48s)。由于BDS中始终存在一些境外星,即北京站不可见的卫星,故BDS最小时延为1。实验结果已逼近这一最小值,表明本发明模型与算法的有效性,达到了降低BDS平均时延、提升系统精度的目的。
在平均建链数方面,在7天的调度周期内,BDS在一个超帧内的最大平均建链数为16.12,最小平均建链数为8.93,平均值为12.49,即每个导航卫星将平均与42%的其他导航卫星建立星间链路,达到了提升星间链路多样性,保障星间测距精度的目的。
图6(a)则更加直观、全面地展示了调度结果。图6(b)表明,在84.7%的情况下,导航卫星的平均时延为1,即建立了“境外星-境内星”的直接星间链路;在13.5%的情况下时延为2,即建立了“境外星1-境外星2-境内星”的星间链路;只有1.8%的情况下时延大于2,可见调度的有效性。图6(c)展示了每个超帧内每颗导航卫星平均时延情况,图6(d)展示每个超帧内每颗导航卫星建链数情况。图6(c)与(d)均呈现出一定的周期性规律,这是由于BDS导航卫星轨道的周期性导致的,符合实际情况,调度结果未出现异常情况。
与其他算法的对比结果。
下面通过一组对比实验说明本发明所提自适应文化基因算法的有效性。对比算法包括:1)禁忌退火算法;2)禁忌逾期算法;3)遗传算法;4)传统文化基因算法,对比实验场景分别选择7天中每一天的第一个超帧。为公平起见,算法运行时间均为30s,实验结果取50次独立运算的平均值,结果列于表3和表4。
由表3可见,在平均时延方面,本发明自适应文化基因算法在7个对比场景中均获得了最佳的调度结果。与其他算法相比,平均优胜(Outperformance)比率为1.4%至8.9%。同时可以发现,在同等的运行时间内,由于时间复杂性高、约束优化能力不足等问题,传统文化基因算法的性能并不佳,而本发明自适应文化基因算法克服了传统算法的问题,取得了5.2%的优胜率,表现了出色的调度性能。
表3 BDS星间链路调度对比实验结果(平均时延)
表4 BDS星间链路调度对比实验结果(平均建链数)
由表4可见,在平均建链数方面,本发明自适应文化基因算法同样在7个对比场景中均获得了最佳的调度结果,表现了出色的调度性能。与其他算法相比,平均优胜(Outperformance)比率为1.9%至9.2%,传统文化基因算法的表现同样不佳。
以上,针对BDS星间链路调度问题,本发明所提供的自适应文化基因算法在降低系统平均时延,提升平均建链数等方面效果最佳、优势明显,对进一步发挥星间链路优势,提升BDS导航与测距精度有重要价值。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (10)
1.一种北斗导航卫星系统星间链路调度方法,其特征在于,包括以下步骤:
步骤1:获取北斗导航卫星集中各卫星轨道参数,调度总周期,超帧时长以及每个超帧所含有的时隙长度;
步骤2:构建北斗导航卫星系统星间链路调度模型;
步骤3:对所述调度模型进行求解;
步骤4:根据求解结果得到所述调度总周期内的北斗导航卫星调度方案并输出。
2.根据权利要求1所述的调度方法,其特征在于,所述北斗导航卫星系统星间链路调度模型为:
目标函数为:
式1为BDS星间链路调度的首要目标函数,即在一个超帧内,境外星在各时隙内时延的平均值最小;S表示BDS中全部导航卫星的集合,|S|表示BDS中全部导航卫星的数量,T表示超帧内全部时隙的集合,|T|表示超帧内全部时隙的数量;dij为因变量,表示在时隙ti内导航卫星sj所产生数据下传地面管控中心的时延,ti表示第i个时隙,sj表示第j个卫星,aij表示在时隙ti内导航卫星sj是否为境内星,aij=1为境内星,aij=0为境外星;
式2为BDS星间链路调度的次要目标函数,即在一个超帧内,各导航卫星通过星间链路链接了其他不同的卫星数量的平均值最大,xijk为0-1决策变量,1表示激活,0表示未被激活,xijk表示在时隙ti内导航卫星sj与sk的星间链路lijk是否被激活;
约束条件:
式3表示星间链路是双向的,决策变量xijk与xikj等价,表示在时隙ti内导航卫星sj与sk的星间链路lijk或likj是否被激活;即星间链路lijk或likj是等价的;
式4表示在任意时隙内,任意导航卫星仅能激活一条星间链路;
式5表示若导航卫星sj和sk在时隙ti内相互不可见,则不能激活星间链路,vijk为0-1参数,表示时隙ti内导航卫星sj与sk是否可见;
式6表示根据以下三种情况在时隙ti内计算导航卫星sj的时延dij:若sj为境内星,则dij=0;若sj为非境内星且时隙ti非超帧内最末时隙,则dij等于与sj相连的sk在下一时隙内时延d(i+1)k附加一个时延;若sj非境内星且时隙为超帧内最末时隙,则dij=2;
式7表示任意导航卫星sj在超帧内首个时隙的时延d1j不超过2;
式8表示为保障星间测距精度,任意导航卫星sj在一个超帧内需至少与其他nmin颗不同的导航卫星建立星间链路。
3.根据权利要求2所述的调度方法,其特征在于,步骤3中对所述调度模型进行求解的方法是自适应的文化基因算法。
4.根据权利要求2所述的调度方法,其特征在于,步骤3中所述解的编码方式为对0-1决策变量进行直接编码,被激活的星间链路编码为1,未被激活的星间链路编码为0。
5.根据权利要求4所述的调度方法,其特征在于,所述自适应的文化基因算法是指:
步骤3.1:启动主线程,输入算法参数、算法集、算子集,随机地生成算法初始种群,计算初始种群中每个个体的目标函数值,根据目标函数值,以轮盘赌的方式为各线程分配初始解;
步骤3.2:启动多个并行线程,在规定的时间内,每个线程概率性地从算法集中选择并运行一个局部搜索算法,其中,算法集中的各算法在运行过程中,概率性地从算子集中选择并运行一个算子,并记录搜寻到的历史最优解;
步骤3.3:返回主线程,合并各算法记录的历史最优解,并保留其中优秀个体构建当前种群,在此基础上,评估步骤3.2中各算法、算子对当前种群的贡献程度,更新再次运行步骤3.2时各算法、算子被选中的概率;
步骤3.4:将当前种群中的个体随机两两配对,运行交叉算子,获得新种群,计算新种群中每个个体的目标函数值,根据目标函数值,以轮盘赌的方式为各线程重新分配初始解;
步骤3.5:若满足终止条件,则输出当前最优个体;否则,返回步骤3.2。
6.根据权利要求5所述的调度方法,其特征在于,步骤3.2中概率性地从算子集中选择指的是通过“轮盘赌”的方式进行选择。
7.根据权利要求5所述的调度方法,其特征在于,步骤3.1中所述算子集指的是下列5种算子:
1)星间链路激活算子,随机地激活一条星间链路,或取消一条已激活的星间链路;
2)星间链路交换算子,随机地选择两条已激活的星间链接,交换其所链接的导航卫星;
3)时隙交换算子,随机地选择两个时隙,交换二者星间链路的链接情况;
4)时隙复制算子,随机地选择两个时隙,将其中一个时隙内的星间链路链接情况完整地复制给另一个时隙;
5)星间链路补全算子,在不违反约束的情况下,随机地将尚未链接星间链路的导航卫星两两相连。
8.根据权利要求5所述的调度方法,其特征在于,步骤3.3的具体步骤为:
步骤3.3.1:合并各算法记录的历史最优解,获得历史最优解合集;
步骤3.3.2:根据预设的种群规模,保留历史最优解合集中目标函数值最高的一部分个体,构建当前种群;
步骤3.3.3:针对当前种群,逐一查询获得当前种群中每个个体的算法、算子信息,计算各算法、算子在当前种群的贡献度即百分比;
步骤3.3.4:取算法、算子当前被选择的概率和贡献度的平均值,并对该值进行归一化处理,作为算法、算子下一次被选择的概率。
9.根据权利要求5所述的调度方法,其特征在于,步骤3.1中所述算法集中的算法包括:1)爬山算法;2)禁忌搜索算法;3)模拟退火算法;4)逾期接受算法;5)禁忌退火算法;6)禁忌逾期接受算法。
10.一种北斗导航卫星系统星间链路调度系统,包括存储器和处理器,其特征在于,所述存储器存储有一种北斗导航卫星系统星间链路调度方法,所述处理器在运行所述一种北斗导航卫星系统星间链路调度方法时实现权利要求1至9中任一项所述方法的各步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011382757.3A CN112434436B (zh) | 2020-12-01 | 2020-12-01 | 一种北斗导航卫星系统星间链路调度方法及系统 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202011382757.3A CN112434436B (zh) | 2020-12-01 | 2020-12-01 | 一种北斗导航卫星系统星间链路调度方法及系统 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112434436A true CN112434436A (zh) | 2021-03-02 |
CN112434436B CN112434436B (zh) | 2022-05-20 |
Family
ID=74698114
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202011382757.3A Active CN112434436B (zh) | 2020-12-01 | 2020-12-01 | 一种北斗导航卫星系统星间链路调度方法及系统 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112434436B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114826378A (zh) * | 2022-03-14 | 2022-07-29 | 中国人民解放军国防科技大学 | 基于数据驱动的星间链路调度方法及系统 |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107302396A (zh) * | 2017-07-10 | 2017-10-27 | 中国人民解放军国防科学技术大学 | 基于混合策略的动态星间网络路由规划方法 |
CN109543292A (zh) * | 2018-11-21 | 2019-03-29 | 哈尔滨工业大学 | 基于轨道预测的星间链路信号捕获过程的仿真方法 |
CN110601748A (zh) * | 2019-10-11 | 2019-12-20 | 大连大学 | 一种多状态空间信息网络拓扑生成优化算法 |
US20200319350A1 (en) * | 2019-04-02 | 2020-10-08 | Technology And Engineering Center For Space Utilization, Chinese Academy Of Sciences | Method for achieving space-based autonomous navigation of global navigation satellite system (gnss) satellites |
CN111783302A (zh) * | 2020-04-21 | 2020-10-16 | 中国人民解放军国防科技大学 | 一种卫星导航仿真模型一致性验证系统 |
CN111913787A (zh) * | 2020-06-19 | 2020-11-10 | 合肥工业大学 | 基于遗传算法的成像卫星调度方法和系统 |
-
2020
- 2020-12-01 CN CN202011382757.3A patent/CN112434436B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN107302396A (zh) * | 2017-07-10 | 2017-10-27 | 中国人民解放军国防科学技术大学 | 基于混合策略的动态星间网络路由规划方法 |
CN109543292A (zh) * | 2018-11-21 | 2019-03-29 | 哈尔滨工业大学 | 基于轨道预测的星间链路信号捕获过程的仿真方法 |
US20200319350A1 (en) * | 2019-04-02 | 2020-10-08 | Technology And Engineering Center For Space Utilization, Chinese Academy Of Sciences | Method for achieving space-based autonomous navigation of global navigation satellite system (gnss) satellites |
CN110601748A (zh) * | 2019-10-11 | 2019-12-20 | 大连大学 | 一种多状态空间信息网络拓扑生成优化算法 |
CN111783302A (zh) * | 2020-04-21 | 2020-10-16 | 中国人民解放军国防科技大学 | 一种卫星导航仿真模型一致性验证系统 |
CN111913787A (zh) * | 2020-06-19 | 2020-11-10 | 合肥工业大学 | 基于遗传算法的成像卫星调度方法和系统 |
Non-Patent Citations (2)
Title |
---|
张忠山等: "双层规划求解兼顾测量与通信的星间链路设计", 《宇航学报》 * |
杜永浩: "卫星任务调度统一化建模与多策略协同求解方法", 《控制与决策》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114826378A (zh) * | 2022-03-14 | 2022-07-29 | 中国人民解放军国防科技大学 | 基于数据驱动的星间链路调度方法及系统 |
CN114826378B (zh) * | 2022-03-14 | 2023-10-24 | 中国人民解放军国防科技大学 | 基于数据驱动的星间链路调度方法及系统 |
Also Published As
Publication number | Publication date |
---|---|
CN112434436B (zh) | 2022-05-20 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109768822B (zh) | 一种卫星测控资源调度方法及装置 | |
Zhou et al. | Collaborative data scheduling with joint forward and backward induction in small satellite networks | |
CN114665952B (zh) | 一种基于星地融合架构下低轨卫星网络跳波束优化方法 | |
CN109740832B (zh) | 一种用于增强卫星系统自主导航能力的连接计划设计方法 | |
CN113395103B (zh) | 考虑容量限制的导航系统星间路由规划方法及装置 | |
CN112434436B (zh) | 一种北斗导航卫星系统星间链路调度方法及系统 | |
Potdar et al. | Efficient spectrum handoff in CR network based on mobility, QoS and priority using fuzzy logic and neural network | |
CN108199763B (zh) | 中继卫星任务调度方法与系统 | |
Lakew et al. | Intelligent offloading and resource allocation in hap-assisted mec networks | |
Zhong et al. | Joint downlink power and time-slot allocation for distributed satellite cluster network based on pareto optimization | |
CN113256184B (zh) | 测控数传资源一体化的卫星地面站资源规划方法 | |
Yan et al. | Topology design for GNSSs under polling mechanism considering both inter-satellite links and ground-satellite links | |
Efrem et al. | Minimizing the installation cost of ground stations in satellite networks: Complexity, dynamic programming and approximation algorithm | |
Zheng et al. | Topology control in self-organized optical satellite networks based on minimum weight spanning tree | |
Zhao et al. | Resources scheduling for data relay satellite with microwave and optical hybrid links based on improved niche genetic algorithm | |
Fraire et al. | On the design of fair contact plans in predictable delay-tolerant networks | |
CN112733357A (zh) | 一种异构空间网络数传任务协同规划方法 | |
Zhao et al. | Immune and genetic hybrid optimization algorithm for data relay satellite with microwave and laser links | |
Yan et al. | Multicommodity flow modeling for the data transmission scheduling problem in navigation satellite systems | |
CN109561129B (zh) | 一种基于光纤-无线网络的协同计算卸载方法 | |
CN115296717A (zh) | 一种低轨卫星系统地面站天线阵列的调度方法 | |
Yan et al. | Rolling weight-matching methods for the inter-satellite link assignment in global navigation satellite systems | |
Gao et al. | Reusable MBSE Modeling and Simulation for Satellite Network | |
Tian et al. | Hierarchical federated learning with adaptive clustering on non-IID data | |
CN110191472B (zh) | 一种基于改进多目标混沌pso优化的目标信道访问方法 |
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 |