CN112801394A - 资源调度方法 - Google Patents
资源调度方法 Download PDFInfo
- Publication number
- CN112801394A CN112801394A CN202110165938.9A CN202110165938A CN112801394A CN 112801394 A CN112801394 A CN 112801394A CN 202110165938 A CN202110165938 A CN 202110165938A CN 112801394 A CN112801394 A CN 112801394A
- Authority
- CN
- China
- Prior art keywords
- task
- tasks
- uplink
- constraint
- downlink
- 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 66
- 238000005457 optimization Methods 0.000 claims abstract description 23
- 238000003384 imaging method Methods 0.000 claims description 63
- 238000004806 packaging method and process Methods 0.000 claims description 5
- 230000006870 function Effects 0.000 description 13
- 230000008569 process Effects 0.000 description 11
- 238000004891 communication Methods 0.000 description 10
- 238000011156 evaluation Methods 0.000 description 8
- 230000008859 change Effects 0.000 description 5
- 238000010586 diagram Methods 0.000 description 5
- 230000008901 benefit Effects 0.000 description 4
- 238000004364 calculation method Methods 0.000 description 3
- 238000005265 energy consumption Methods 0.000 description 3
- 238000005516 engineering process Methods 0.000 description 3
- 238000010276 construction Methods 0.000 description 2
- 230000007246 mechanism Effects 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000004044 response Effects 0.000 description 2
- 230000006641 stabilisation Effects 0.000 description 2
- 238000011105 stabilization Methods 0.000 description 2
- HKSZLNNOFSGOKW-HMWZOHBLSA-N staurosporine Chemical compound C12=C3N4C5=CC=CC=C5C3=C3CNC(=O)C3=C2C2=CC=CC=C2N1[C@@H]1C[C@H](NC)[C@H](OC)[C@@]4(C)O1 HKSZLNNOFSGOKW-HMWZOHBLSA-N 0.000 description 2
- 230000009471 action Effects 0.000 description 1
- 238000007621 cluster analysis Methods 0.000 description 1
- 238000007418 data mining Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012854 evaluation process Methods 0.000 description 1
- 230000008713 feedback mechanism Effects 0.000 description 1
- 238000005286 illumination Methods 0.000 description 1
- 230000003993 interaction Effects 0.000 description 1
- 238000012886 linear function Methods 0.000 description 1
- 238000007781 pre-processing Methods 0.000 description 1
- 238000011867 re-evaluation Methods 0.000 description 1
- 238000012552 review Methods 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
- 238000004088 simulation Methods 0.000 description 1
- 238000012549 training Methods 0.000 description 1
- 230000001960 triggered effect Effects 0.000 description 1
- 238000011144 upstream manufacturing Methods 0.000 description 1
Images
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
- 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
- G06Q10/06313—Resource planning in a project environment
-
- 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
- G06Q10/0637—Strategic management or analysis, e.g. setting a goal or target of an organisation; Planning actions based on goals; Analysis or evaluation of effectiveness of goals
- G06Q10/06375—Prediction of business process outcome or impact based on a proposed change
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Development Economics (AREA)
- General Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Game Theory and Decision Science (AREA)
- General Physics & Mathematics (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- Educational Administration (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biodiversity & Conservation Biology (AREA)
- Radio Relay Systems (AREA)
Abstract
本公开提供了一种资源调度方法,包括:获取用户方提出的新任务,对新任务的可执行概率进行评估;在新任务的可执行概率大于或等于预设阈值的情况下,将新任务分解为多组子任务;以及基于资源约束及任务执行顺序约束,使用最优化方法完成对多组子任务的资源调度。
Description
技术领域
本公开涉及航天技术领域/卫星通信技术领域,更具体地,涉及一种资源调度方法,用于实现卫星资源和地面站资源的调度。
背景技术
资源调度的主要目的是提高资源的利用率,实现有限资源的合理分配。在卫星通信技术领域,任务需求通常是获取某个区域的遥感图像,具体包括指令上注、成像、数据下行三部分,相对应的资源包括卫星资源和地面站资源,其中卫星资源用于成像,地面站资源用于与卫星的数据交换,包括上行指令和下行数据接收。由于通常情况下,任务需求大于资源能力,需要资源调度方法对卫星资源和地面站资源进行调度优化,提高数据获取效率。
在实现本公开的过程中发现,现有的资源调度方法对于新的任务需求是否有资源执行的概率,没有有效的评估和反馈机制,同时,现有技术在资源调度过程中缺乏对不确定性条件,例如天气情况等的考量。
发明内容
有鉴于此,本公开提供了一种资源调度方法。
本公开实施例的资源调度方法包括:获取用户方提出的新任务,对上述新任务的可执行概率进行评估;在上述新任务的可执行概率大于或等于预设阈值的情况下,将上述新任务分解为多组子任务;以及基于资源约束及任务执行顺序约束,使用最优化方法完成对上述多组子任务的资源调度。
本公开实施例的资源调度方法还包括:在对上述新任务的可执行概率进行评估之前,将上述新任务按任务执行时间进行拆分;对于上述新任务的任务执行时间在目前所属的预设调度周期时间范围内的第一部分任务,设置上述第一部分任务的上述可执行概率为1;对于上述新任务的任务执行时间在目前所属的预设调度周期时间范围外的第二部分任务,对上述第二部分任务的可执行概率进行评估。
本公开实施例的资源调度方法还包括:基于上述新任务或上述第二部分任务的权重和资源情况,通过计算得出上述新任务或上述第二部分任务的可执行概率。
本公开实施例的资源调度方法还包括,还包括:在上述新任务的可执行概率小于预设阈值的情况下,向上述用户方发送更改上述新任务的任务参数的通知。
根据本公开的实施例,每组上述子任务包括上行任务和与上述上行任务相关联的下行任务;以及上述上行任务的任务结束执行时间早于对应的上述下行任务的任务开始执行时间。
根据本公开的实施例,上述将上述新任务分解为多组子任务包括:将上述新任务抽象为多条任务指令,其中,上述任务指令包括可执行语句和任务数据,上述多条任务指令的任务数据具有相同的数据格式;将上述多条任务指令按上述可执行语句的类型分为多条上行任务指令和多条下行任务指令;以及将上述多条上行任务指令和上述多条下行任务指令封装为多个上行任务和多个下行任务,并将上述上行任务和与上述上行任务相关联的下行任务组合,得到上述多组子任务。
根据本公开的实施例,上述基于资源约束及任务执行顺序约束,使用最优化方法完成对上述多组子任务的资源调度包括:基于地面站资源约束及任务执行顺序约束,使用最优化方法完成对上述多个上行任务和上述多个下行任务的资源调度,包括:选取上述多个上行任务和上述多个下行任务的收益作为第一决策变量;建立以最大化上述第一决策变量的为目标的第一目标函数;将关联上述第一决策变量的地面站资源约束转换为多个第一约束等式和/或多个第一约束不等式,将上述任务执行顺序约束转换为多个第二约束等式和/或多个第二约束不等式;根据上述多个第一约束等式和/或上述多个第一约束不等式以及上述多个第二约束等式和/或多个第二约束不等式,求解上述第一目标函数,得到上述多个上行任务和上述多个下行任务的收益;以及基于上述多个上行任务和上述多个下行任务的收益,为上述多个上行任务和上述多个下行任务分配地面站资源,完成上述资源调度。
根据本公开的实施例,每组上述子任务包括上行任务和与上述上行任务相关联的成像任务和下行任务;以及上述成像任务的任务执行时间在对应的上述上行任务的任务结束执行时间与对应的上述下行任务的任务开始执行时间之间。
根据本公开的实施例,上述将上述新任务分解为多组子任务包括:将上述新任务抽象为多条任务指令;将上述多条任务指令按上述可执行语句的类型分为多条上行任务指令、多条成像任务指令和多条下行任务指令;以及将上述多条上行任务指令、上述多条成像任务指令和上述多条下行任务指令封装为多个上行任务、多个成像任务和多个下行任务,并将上述上行任务和与上述上行任务相关联的成像任务和下行任务组合,得到上述多组子任务。
根据本公开的实施例,上述基于资源约束及任务执行顺序约束,使用最优化方法完成对上述多组子任务的资源调度包括:基于卫星资源约束、地面站资源约束和任务执行顺序约束,使用最优化方法完成对上述多个上行任务、上述多个成像任务和上述多个下行任务的资源调度,包括:选取上述多个上行任务和上述多个下行任务的收益作为第一决策变量,选取上述多个成像任务的收益作为第二决策变量;建立以最大化上述第一决策变量和上述第二决策变量为目标的第二目标函数;将关联上述第一决策变量的地面站资源约束为多个第一约束等式和/或多个第一约束不等式,将上述任务执行顺序约束转换为多个第二约束等式和/或多个第二约束不等式,将关联上述第二决策变量的卫星资源约束转换为多个第三约束等式和/或多个第三约束不等式;根据上述多个第一约束等式和/或上述多个第一约束不等式、上述多个第二约束等式和/或多个第二约束不等式、以及上述多个第三约束等式和/或上述多个第三约束不等式,求解上述第二目标函数,得到上述多个上行任务、上述多个下行任务和上述多个成像任务的收益;以及基于上述多个上行任务和上述多个下行任务的收益,为上述多个上行任务和上述多个下行任务分配地面站资源,基于上述多个成像任务的收益,为上述多个成像任务分配卫星资源,完成上述资源调度。
根据本公开的实施例,通过建立对用户方提出的任务的评估机制,以及针对多约束条件下的资源调度问题的最优化模型,实现了有限资源的合理分配,有效提高了卫星资源和地面站资源的利用率。
附图说明
通过以下参照附图对本公开实施例的描述,本公开的上述以及其他目的、特征和优点将更为清楚,在附图中:
图1示意性示出了根据本公开实施例的可以应用资源调度方法的示例性系统架构100;
图2示意性示出了根据本公开实施例的资源调度方法200的流程图;
图3示意性示出了根据本公开实施例的资源调度流程的示意图;
图4示意性示出了根据本公开另一实施例的新任务评估方法400的流程图。
具体实施方式
以下,将参照附图来描述本公开的实施例。但是应该理解,这些描述只是示例性的,而并非要限制本公开的范围。在下面的详细描述中,为便于解释,阐述了许多具体的细节以提供对本公开实施例的全面理解。然而,明显地,一个或多个实施例在没有这些具体细节的情况下也可以被实施。此外,在以下说明中,省略了对公知结构和技术的描述,以避免不必要地混淆本公开的概念。
在此使用的术语仅仅是为了描述具体实施例,而并非意在限制本公开。在此使用的术语“包括”、“包含”等表明了特征、步骤、操作和/或部件的存在,但是并不排除存在或添加一个或多个其他特征、步骤、操作或部件。
在此使用的所有术语(包括技术和科学术语)具有本领域技术人员通常所理解的含义,除非另外定义。应注意,这里使用的术语应解释为具有与本说明书的上下文相一致的含义,而不应以理想化或过于刻板的方式来解释。
在使用类似于“A、B和C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B和C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。在使用类似于“A、B或C等中至少一个”这样的表述的情况下,一般来说应该按照本领域技术人员通常理解该表述的含义来予以解释(例如,“具有A、B或C中至少一个的系统”应包括但不限于单独具有A、单独具有B、单独具有C、具有A和B、具有A和C、具有B和C、和/或具有A、B、C的系统等)。
本公开提供了一种资源调度方法,包括:获取用户方提出的新任务,对新任务的可执行概率进行评估;在新任务的可执行概率大于或等于预设阈值的情况下,将新任务分解为多组子任务;以及基于资源约束及任务执行顺序约束,使用最优化方法完成对多组子任务的资源调度。
图1示意性示出了根据本公开实施例的可以应用资源调度方法的示例性系统架构100。
如图1所示,根据该实施例的系统架构100可以包括卫星101和地面站102、103、104、105、106。通过无线通信的方式,卫星101可以在进入地面站102、103、104、105、106通信范围时(即进入时间窗口)与其进行信息交互。
卫星101一般通过其加载的载荷完成其功能,仅就本公开的实施例,卫星101可以通过相机实现成像功能。卫星101中可以搭载多台相机,多台相机可以具有不同的成像范围、成像分辨率、成像时间、成像波段等。同时,卫星在成像时间段内的姿态状况也会对成像范围等造成影响。
地面站102、103、104、105、106可以是多种类型的通信站点,包括但不限于中央站、地方站、空中移动站、陆上移动站、海上移动站等。
本公开实施例的资源调度方法的执行主体一般是地面站102、103、104、105、106中的中央站(假设地面站102是中央站),中央站102可以通过有线和/或无线通信的方式和其他地面站建立通信链路,根据用户提交的任务需求,将任务分配给各个地面站,以便于各个地面站在各自的时间窗口内完成与卫星101的数据交互,实现资源调度。本公开实施例的资源调度方法也可以由除中央站外的其他地面站执行,或者,也可以由不同于中央站或其他地面站的服务器或服务器集群执行。但在实际应用中,出于保密性和计算能力的考量,一般不使用中央站之外的通信站点或服务器作为资源调度方法的执行方。
需要注意的是,系统架构100中包括的卫星及地面站的种类及数量仅是示意性的,本公开实施例的资源调度方法同样适用于多颗卫星、一个或多个地面站的资源调度。
图2示意性示出了根据本公开实施例的资源调度方法200的流程图。
如图2所示,该方法200包括操作S210~S230。
在操作S210中,获取用户方提出的新任务,对新任务的可执行概率进行评估。
在操作S220中,在新任务的可执行概率大于或等于预设阈值的情况下,将新任务分解为多组子任务。
根据本公开的实施例,将新任务进行分解可以采取多种现有方法实现。例如,对于新任务不是直接可执行语句的情况,首先需要对新任务进行抽象,得到多条可执行语句,再对每一条可执行语句进行分解,并按单个子任务只包含单个执行主体、单个目标、单次动作的原则封装为多个元任务,对于实现同一任务需求的多个元任务归为一组子任务。对于多个元任务,也可以根据执行主体、目标等元素对其进行编号,具有相同编号的多个元任务归为一组子任务。
在操作S230中,基于资源约束及任务执行顺序约束,使用最优化方法完成对多组子任务的资源调度。
根据本公开的实施例,资源约束包括但不限于各个已下发任务占用资源对新任务资源使用的约束、天气不确定性带来的资源无法使用的约束、卫星姿态约束等。
根据本公开的实施例,任务执行顺序约束即每一组子任务中各个元任务的执行顺序对资源使用的约束,例如,一组子任务中包含1个上行任务、3个成像任务和1个下行任务,该任务需完成对某处山脉地形的3次成像,则在资源调度过程中,应当优先执行上行任务,将该成像任务指令上传至卫星;再执行成像任务,待卫星到达任务地点,相机执行成像指令;最后执行下行任务,将成像数据传回地面站。
根据本公开的实施例,通过建立对用户方提出的任务的评估机制,以及针对多约束条件下的资源调度问题的最优化模型,实现了有限资源的合理分配,有效提高了卫星资源和地面站资源的利用率。
图3示意性示出了根据本公开实施例的资源调度流程的示意图。
如图3所示,对于用户方提出的新任务,一般根据新任务的时间要求进行资源调度流程,包括常规调度流程和应急调度流程。
根据本公开的实施例,调度周期可以分为长调度周期、中调度周期和短调度周期,各个调度周期的时间长度可以设定为,例如,长调度周期的时间为16天、中调度周期的时间为4天、短调度周期的时间为1天。对于不同调度周期的调度计算结果,一般按任务执行时间越远可信度越低的原则对调度计算结果进行标记,例如,长调度周期的结果具有较低的可信度,仅作为参考,中调度周期的结果具有较高的可信度。
根据本公开的实施例,在每一个短调度周期时间内,根据卫星的轨道参数的不同,卫星与地面站的可通信时间也不同,例如,对于低轨卫星(轨道高度在1000~5000km之间,假设为1000km),轨道周期约为90min,其中卫星与地面站的可通信时间约为10min。通常称卫星与地面站的可通信时间段为该卫星的时间窗口,一个短调度周期时间内可以包括多个时间窗口。
图4示意性示出了根据本公开另一实施例的新任务评估方法400的流程图。
如图4所示,该方法包括操作S401~S406,也可用于实现方法200中的操作S210。
在操作S401中,对用户提交的新任务进行分类。
根据本公开的实施例,在对新任务的可执行概率进行评估之前,将新任务按任务执行时间进行拆分。
根据本公开的实施例,对于用户方提出的新任务中任务执行时间在收到新任务时所处的短调度周期之内的部分任务,视为应急任务,执行应急调度流程,即执行操作S402。应急调度流程属于事件触发类的调度流程。
在操作S402中,设置新任务可执行概率为1,并执行操作S406。
根据本公开的实施例,在进行应急调度时,可以忽略对用户方提交任务的可执行概率的评估,或者可以直接设置该任务的可执行概率为1。同时,在进行应急调度时,应当参照尽量少改动已下发任务的原则,例如:读取应急任务时段内的已下发任务时间和资源信息,对已下发任务设定更高的优先级;读取已下发任务所有可用资源,并对已分配的资源赋予最高的优先级。在进行应急调度时,应优先使用空闲资源实现应急任务的执行,只有在空闲资源不足以支持应急任务执行的情况下才会调整已下发任务的资源。
根据本公开的实施例,对于用户方提出的新任务中任务执行时间在收到新任务时所处的短调度周期之外的部分任务,视为常规任务,执行常规调度流程,即执行操作S403。常规调度流程属于时间触发类调度流程,即在规定时间启动调度方案。
在操作S403,对新任务进行评估,判断任务是否可实现。
根据本公开的实施例,在进行常规调度时,需要对新任务进行可执行概率的计算。在本公开实施例中,可以采用多种方法计算得到新任务的可执行概率,例如,基于新任务的权重和任务时间内各个短调度周期内的任务可执行概率决定新任务的可执行概率,新任务的可执行概率Md(i)可用下式表示:
Md(i)=ΠdPs(i,d) (1)
式中,Ps(i,d)表示任务i在短调度周期d内的可执行概率,表示为:
Ps(i,d)=f(t(i)) (2)
式中,t(i)表示任务i的权重,权重的大小影响因素包括任务优先级、任务可执行次数等,对于任务执行载荷为卫星上受天气状况影响较大的载荷,权重的大小还会受到天气不确定性概率ω的影响,如下式所示:
t(i)=g(i)×track(i) (3)
t(i)=g(i)×track(i)×ω (4)
式中,g(i)表示任务i的优先级,track(i)表示任务i在短调度周期d内的可执行次数。在本公开的实施例中,优先级可以按照以下规则设置,即军用任务优先级最高,民用任务根据占用资源的多少确定优先级。
在式(4)中,天气不确定性概率ω的值可以基于历史天气数据建立的模型,对当前天气状况进行聚类分析,对于不同类别取不同的概率值,例如,当前天气状况为无云遮挡时,取天气不确定性概率ω的值为1,当前天气状况为强对流天气时,取天气不确定性概率ω的值为0。
在式(2)中,函数f(·)可由在线或离线仿真拟合得到。地面站有长时间运行积累的历史任务数据。从历史任务数据库中,可以获取高优先级用户的对时间窗口的使用率、接收仰角要求和其他任务安排偏好。可以使用现有的数据挖掘方法对模型进行拟合,故在此不再赘述。通过对用户计划历史数据的学习和训练,可以估计任务时段资源空闲的概率。
根据本公开的实施例,可以通过预先设置一个阈值的方式对新任务的可执行概率进行评估。在新任务的可执行概率大于或等于阈值的情况下,执行操作S406;在新任务的可执行概率小于预设阈值的情况下,执行操作S404。
在操作S404中,向用户方发送更改新任务的任务参数的通知,并执行操作S405。
根据本公开的实施例,新任务的任务参数包括任务最晚执行时间、任务优先级等。
在操作S405中,接收用户方的反馈信息,判断是否更改任务参数。
根据本公开的实施例,可以通过关键词检索自动判读或人工审核的方式处理用户方的反馈信息。
根据本公开的实施例,在用户方同意更改任务参数的情况下,使用用户方反馈的新的任务参数进行重新评估,即执行操作S403。
根据本公开的实施例,在用户方拒绝更改任务参数的情况下,视为用户方放弃执行该任务,结束对该任务的评估。
根据本公开的实施例,向用户方发送的通知中还设置有响应时间,如果用户方在规定的响应时间内未对通知作出答复,则视为用户方拒绝更改任务参数。
在操作S406中,判断调度方案是否对其他用户有影响。
根据本公开的实施例,由于卫星通信的特殊性,其资源能力相对有限,新任务的加入可能和已有任务形成冲突。若新任务对已有任务会造成影响,则可以通过权重比较的方式进行判定,对于权重较低的任务,执行操作S404。若新任务的加入对已有任务的执行无影响,则结束评估流程。
根据本公开的实施例,在新任务通过如方法400的评估流程后,根据方法200中操作S220将新任务分解为多组子任务。
根据本公开的实施例,用户方提交的新任务可以分为两类。对于第一类任务,用户方已经在其他新任务的提交中完成了对成像任务的提交,故在第一类任务中只有上下行数据的需求,即第一类任务包括上行任务和下行任务。对于第二类任务,用户方需要给定成像区域和截止时间,故在第二类任务中需要对成像时间、资源和上下行时间、资源进行安排,即第二类任务包括上行任务、成像任务和下行任务。
根据本公开的实施例,对用户方提交的新任务进行分解时,可以对该任务进行预处理,例如:考虑需求区域的分辨率、模式等参数,比较满足所有参数的所有卫星传感器的成像能力,筛选合适的卫星和相应传感器;计算可选卫星的时间窗口,考察每个时间窗口是否满足所需的太阳高度角等条件,删除不满足条件的时间窗。其中成像窗口可通过STK等软件计算。在进行预处理的过程中,可以考虑对成像的约束,例如,时间窗口内可成像时间、次数,卫星传感器可成像类型(如可见光、红外、SAR图像等),太阳光照角度对可见光成像的影响,天气状况对成像的影响等。
在用户方提交的新任务为第一类任务的情况下,根据本公开的实施例,将新任务抽象为多条任务指令,其中,任务指令包括可执行语句和任务数据,多条任务指令的任务数据具有相同的数据格式;将多条任务指令按可执行语句的类型分为多条上行任务指令和多条下行任务指令;以及将多条上行任务指令和多条下行任务指令封装为多个上行任务和多个下行任务,并将上行任务和与上行任务相关联的下行任务组合,得到多组子任务。在每一组子任务中,上行任务的任务结束执行时间早于对应的下行任务的任务开始执行时间,构成对该组子任务执行时的任务执行顺序约束。
根据本公开的实施例,以多个上行任务和多个下行任务的任务数据作为模型输入,建立资源调度的最优化模型:
首先,确定最优化模型的决策变量。例如,使用任务i被设备j执行时的收益作为决策变量。
之后,基于决策变量确定目标函数,以及最优化的目标。
根据本公开的实施例,资源调度的目标是卫星及地面站设备尽量多的执行上行任务和下行任务,并尽量使用执行相关任务时收益最高的地面站作为任务的执行主体。目标函数可如下式所示:
max R=∑i∑jwgi,j*anti,j*(ci-bi) (5)
式中,wgi,j表示任务i被设备j执行时的收益;anti,j是一个二值变量,anti,j=1表示任务i被设备j执行,ci表示任务i的结束执行时间,bi表示任务i的开始执行时间。
然后,确定最优化模型的约束条件。
根据本公开的实施例,上行任务和下行任务受地面站资源约束和任务执行顺序约束,包括但不限于成像和数据接收任务关联约束、地面资源使用约束、天线切换时间约束、优先级和能力约束、任务执行时间约束等。
根据本公开的实施例,成像和数据接收任务关联约束表示地面系统接收数据量应尽量与成像数据量相同,可如下式所示:
∑idti≥∑i∑janti,j*(ci-bi)*ratei (6)
式中,ratei为任务i的数据下行码速率;(ci-bi)*ratei即任务i的数据量。
根据本公开的实施例,地面资源使用约束包括地面站设备资源使用约束和卫星设备资源使用约束。其中,地面站设备资源使用约束表示为:对每个任务i,最多对应一套地面站设备j执行;其中设备j可以是接收设备或者上行设备,所需设备的种类根据任务类型确定。地面站设备资源使用约束可如下式所示:
∑janti,j≤1 (7)
卫星设备资源使用约束表示:同一颗卫星的上下行任务可同时使用同一天线资源,不同卫星上下行任务不可同时使用同一天线。卫星设备资源使用约束可如下式所示:
式中,groupi是一个参数,当groupi=groupi′时,表示任务i和i′为同一颗卫星的上下行任务。
根据本公开的实施例,天线切换时间约束表示:基于天线执行新任务之前需要预置、下发配置等工作的影响,天线执行两项任务之间需要时间间隔。天线切换时间约束可如下式所示:
bi′-ci+M*(2-anti,j-anti′,j)≥τ,bi′>bi (9)
式中,τ表示天线执行两项任务的最小时间间隔,M是一个参数,是一个较大的正数,例如108。
根据本公开的实施例,优先级和能力约束表示任务对天线使用的优先级,优选地,使用优先级可用哈希表表示。优先级和能力约束可如下式所示:
anti,j=0,if prioi,j>pmax (10)
式中,prioi,j表示任务i对设备j的使用优先级,其值越大表示优先级越低。prioi,j>pmax表示该设备对任务不可用。
根据本公开的实施例,任务执行时间约束表示为:
anti=0&antk=0,if ci≥bk (11)
式中,任务i和k分别是同一组子任务中的上行任务和下行任务,ci≥bk表示下行任务的开始执行时间早于上行任务的结束执行时间。
最后,对优化模型进行求解。
根据本公开的实施例,式(5)表示的目标函数和式(6)~(11)组成的约束条件构成了对第一类任务的资源调度最优化模型,可以使用例如MATLAB中的linprog函数等已有方法对该模型进行求解,得出上下行任务被对应设备执行收益最大化的方案,完成对资源的调度。
根据本公开的实施例,在用户方提交的新任务为第二类任务的情况下,新任务中还可以抽象得到成像指令,即子任务中包括上行任务、和与上行任务相关联的成像任务和下行任务。在每一组子任务中,成像任务的任务执行时间在对应的上行任务的任务结束执行时间与对应的下行任务的任务开始执行时间之间,构成对该组子任务执行时的任务执行顺序约束。
根据本公开的实施例,资源调度的目的还包括使卫星执行的成像任务的收益最大化,即带权重的综合覆盖率最高。目标函数可如下式所示:
式中,wi表示任务i的收益;xi为二值变量,xi=1表示任务i被执行;qi表示任务i的拍摄区域面积;P(x)表示一个分段线性函数,如下式:
式中,a的取值范围为[0,1],其值根据实际需求进行确定。
根据本公开的实施例,在新任务中包括成像任务的情况下,对新任务的资源调度还需要考虑卫星资源约束。卫星资源约束包括:侧摆次数约束、开关机约束、单次最长开机时间约束、卫星侧摆姿态约束、卫星存储容量约束和卫星最大能量约束等。
根据本公开的实施例,基于侧摆对能量的消耗和对卫星姿态稳定的影响,卫星每个圈次的侧摆成像次数不超过上限。侧摆次数约束可表示为:
∑isi≤nt,if trai,t=1 (14)
式中,nt为圈次t的侧摆成像次数上限,si为二值变量,si=1表示任务i有侧摆;参数trai,t=1表示圈次t是任务i的可成像轨道;si与侧摆角agi存在如下关系:
根据本公开的实施例,开关机约束表示每个圈次卫星开关机次数有上限,如下式所示:
∑istupi≤mt,if trai,t=1 (16)
式中,stupi为二值变量,stupi=1表示任务i执行之前卫星有开机操作。
根据本公开的实施例,单次最长开机时间约束表示卫星对多个任务合成观测时,时间窗应在单次最长开机时间范围内。单次最长开机时间约束可如下式所示:
∑i(tei-sti)*xi≤tlen,i′≤i≤i〞,stupi′=1,∑i′<i≤i″stupi=0 (17)
式中,tei表示任务i的结束时间;sti表示任务i的开始时间;xi为二值变量,xi=1表示任务被执行;tlen表示单次最长开机时间。式(17)表示,在任务i′之前开机,直至执行完任务i〞。只统计被执行的任务时长(xi=1)。在执行两个任务时间间隔传感器将待机。
根据本公开的实施例,卫星侧摆姿态约束包括稳定时间约束和消耗能量约束。其中,稳定时间约束表示侧摆稳定时间与卫星侧摆速度的关系,可表示为:
stTimei=agi/stSp (18)
式中,stTimei为任务i的侧摆稳定时间,stSp为传感器侧摆速度。
消耗能量约束表示卫星侧摆消耗能量与侧摆角度的关系,可表示为:
engyi=k*agi (19)
式中,engyi为任务i侧摆消耗能量,k是参数,表示单位侧摆角消耗能量。
根据本公开的实施例,卫星存储容量约束表示成像所需存储容量与成像时间的关系,可表示为:
stoi=k′*(tei-sti)*xi (20)
式中,stoi为任务i占用存储容量,当任务i不执行时,则不占用存储量。卫星存储容量存在一个上限,表示为:
0≤∑i(stoi-dti)≤stoup (21)
式中,dti为任务i下传数据量,stoup表示存储容量上限。
根据本公开的实施例,卫星最大能量约束表示成像消耗能量与卫星成像时间和侧摆活动的关系,表示为:
∑i(k″*(tei-sti)*xi+engyi)≤engyup (22)
式中,k〞表示单位成像时间消耗的能量,engyup表示能量上限。
根据本公开的实施例,式(12)、(13)表示的目标函数和式(6)~(11)、(14)~(22)组成的约束条件构成了对第二类任务的资源调度最优化模型,对该模型求解得到的结果即对该第二类任务的资源调度结果。
以上对本公开的实施例进行了描述。但是,这些实施例仅仅是为了说明的目的,而并非为了限制本公开的范围。尽管在以上分别描述了各实施例,但是这并不意味着各个实施例中的措施不能有利地结合使用。本公开的范围由所附权利要求及其等同物限定。不脱离本公开的范围,本领域技术人员可以做出多种替代和修改,这些替代和修改都应落在本公开的范围之内。
Claims (10)
1.一种资源调度方法,包括:
获取用户方提出的新任务,对所述新任务的可执行概率进行评估;
在所述新任务的可执行概率大于或等于预设阈值的情况下,将所述新任务分解为多组子任务;以及
基于资源约束及任务执行顺序约束,使用最优化方法完成对所述多组子任务的资源调度。
2.根据权利要求1所述的方法,还包括:
在对所述新任务的可执行概率进行评估之前,将所述新任务按任务执行时间进行拆分;
对于所述新任务的任务执行时间在目前所属的预设调度周期时间范围内的第一部分任务,设置所述第一部分任务的所述可执行概率为1;
对于所述新任务的任务执行时间在目前所属的预设调度周期时间范围外的第二部分任务,对所述第二部分任务的可执行概率进行评估。
3.根据权利要求2所述的方法,还包括:
基于所述新任务或所述第二部分任务的权重和资源情况,通过计算得出所述新任务或所述第二部分任务的可执行概率。
4.根据权利要求1所述的方法,还包括:
在所述新任务的可执行概率小于预设阈值的情况下,向所述用户方发送更改所述新任务的任务参数的通知。
5.根据权利要求1所述的方法,其中:
每组所述子任务包括上行任务和与所述上行任务相关联的下行任务;以及
所述上行任务的任务结束执行时间早于对应的所述下行任务的任务开始执行时间。
6.根据权利要求5所述的方法,其中,所述将所述新任务分解为多组子任务包括:
将所述新任务抽象为多条任务指令,其中,所述任务指令包括可执行语句和任务数据,所述多条任务指令的任务数据具有相同的数据格式;
将所述多条任务指令按所述可执行语句的类型分为多条上行任务指令和多条下行任务指令;以及
将所述多条上行任务指令和所述多条下行任务指令封装为多个上行任务和多个下行任务,并将所述上行任务和与所述上行任务相关联的下行任务组合,得到所述多组子任务。
7.根据权利要求5所述的方法,其中,所述基于资源约束及任务执行顺序约束,使用最优化方法完成对所述多组子任务的资源调度包括:
基于地面站资源约束及任务执行顺序约束,使用最优化方法完成对所述多个上行任务和所述多个下行任务的资源调度,包括:
选取所述多个上行任务和所述多个下行任务的收益作为第一决策变量;
建立以最大化所述第一决策变量的为目标的第一目标函数;
将关联所述第一决策变量的地面站资源约束转换为多个第一约束等式和/或多个第一约束不等式,将所述任务执行顺序约束转换为多个第二约束等式和/或多个第二约束不等式;
根据所述多个第一约束等式和/或所述多个第一约束不等式以及所述多个第二约束等式和/或多个第二约束不等式,求解所述第一目标函数,得到所述多个上行任务和所述多个下行任务的收益;以及
基于所述多个上行任务和所述多个下行任务的收益,为所述多个上行任务和所述多个下行任务分配地面站资源,完成所述资源调度。
8.根据权利要求1所述的方法,其中:
每组所述子任务包括上行任务和与所述上行任务相关联的成像任务和下行任务;以及
所述成像任务的任务执行时间在对应的所述上行任务的任务结束执行时间与对应的所述下行任务的任务开始执行时间之间。
9.根据权利要求8所述的方法,其中,所述将所述新任务分解为多组子任务包括:
将所述新任务抽象为多条任务指令;
将所述多条任务指令按所述可执行语句的类型分为多条上行任务指令、多条成像任务指令和多条下行任务指令;以及
将所述多条上行任务指令、所述多条成像任务指令和所述多条下行任务指令封装为多个上行任务、多个成像任务和多个下行任务,并将所述上行任务和与所述上行任务相关联的成像任务和下行任务组合,得到所述多组子任务。
10.根据权利要求8所述的方法,其中,所述基于资源约束及任务执行顺序约束,使用最优化方法完成对所述多组子任务的资源调度包括:
基于卫星资源约束、地面站资源约束和任务执行顺序约束,使用最优化方法完成对所述多个上行任务、所述多个成像任务和所述多个下行任务的资源调度,包括:
选取所述多个上行任务和所述多个下行任务的收益作为第一决策变量,选取所述多个成像任务的收益作为第二决策变量;
建立以最大化所述第一决策变量和所述第二决策变量为目标的第二目标函数;
将关联所述第一决策变量的地面站资源约束转换为多个第一约束等式和/或多个第一约束不等式,将所述任务执行顺序约束转换为多个第二约束等式和/或多个第二约束不等式,将关联所述第二决策变量的卫星资源约束转换为多个第三约束等式和/或多个第三约束不等式;
根据所述多个第一约束等式和/或所述多个第一约束不等式、所述多个第二约束等式和/或多个第二约束不等式、以及所述多个第三约束等式和/或所述多个第三约束不等式,求解所述第二目标函数,得到所述多个上行任务、所述多个下行任务和所述多个成像任务的收益;以及
基于所述多个上行任务和所述多个下行任务的收益,为所述多个上行任务和所述多个下行任务分配地面站资源,基于所述多个成像任务的收益,为所述多个成像任务分配卫星资源,完成所述资源调度。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110165938.9A CN112801394B (zh) | 2021-02-05 | 2021-02-05 | 资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110165938.9A CN112801394B (zh) | 2021-02-05 | 2021-02-05 | 资源调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN112801394A true CN112801394A (zh) | 2021-05-14 |
CN112801394B CN112801394B (zh) | 2024-07-09 |
Family
ID=75814589
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110165938.9A Active CN112801394B (zh) | 2021-02-05 | 2021-02-05 | 资源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN112801394B (zh) |
Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004289288A (ja) * | 2003-03-19 | 2004-10-14 | Nippon Telegr & Teleph Corp <Ntt> | サービスリスト選択装置及び方法並びにプログラム及び記録媒体 |
CN108880663A (zh) * | 2018-07-20 | 2018-11-23 | 大连大学 | 基于改进遗传算法的天地一体化网络资源分配方法 |
CN110084507A (zh) * | 2019-04-24 | 2019-08-02 | 信雅达系统工程股份有限公司 | 云计算环境下分级感知的科学工作流调度优化方法 |
CN110210700A (zh) * | 2019-04-19 | 2019-09-06 | 中国科学院遥感与数字地球研究所 | 面向应急响应的基于任务优先级的多星动态任务规划方法 |
CN111162831A (zh) * | 2019-12-24 | 2020-05-15 | 中国科学院遥感与数字地球研究所 | 地面站资源调度方法 |
CN111861230A (zh) * | 2020-07-24 | 2020-10-30 | 二十一世纪空间技术应用股份有限公司 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
-
2021
- 2021-02-05 CN CN202110165938.9A patent/CN112801394B/zh active Active
Patent Citations (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
JP2004289288A (ja) * | 2003-03-19 | 2004-10-14 | Nippon Telegr & Teleph Corp <Ntt> | サービスリスト選択装置及び方法並びにプログラム及び記録媒体 |
CN108880663A (zh) * | 2018-07-20 | 2018-11-23 | 大连大学 | 基于改进遗传算法的天地一体化网络资源分配方法 |
CN110210700A (zh) * | 2019-04-19 | 2019-09-06 | 中国科学院遥感与数字地球研究所 | 面向应急响应的基于任务优先级的多星动态任务规划方法 |
CN110084507A (zh) * | 2019-04-24 | 2019-08-02 | 信雅达系统工程股份有限公司 | 云计算环境下分级感知的科学工作流调度优化方法 |
CN111162831A (zh) * | 2019-12-24 | 2020-05-15 | 中国科学院遥感与数字地球研究所 | 地面站资源调度方法 |
CN111861230A (zh) * | 2020-07-24 | 2020-10-30 | 二十一世纪空间技术应用股份有限公司 | 一种面向灾害应急的多星协同观测任务规划方法及装置 |
Non-Patent Citations (2)
Title |
---|
ZHANG MANLI ET AL.: "Multi-satellite Imaging Target Planning Method Using Improved Multi-population Genetic Algorithm", SPACECRAFT ENGINEERING, vol. 29, 1 August 2020 (2020-08-01), pages 39 - 45 * |
刘静怡等: "遥感卫星地面站资源调度的混合分解算法", 吉 林 大 学 学 报, vol. 58, 31 May 2020 (2020-05-31), pages 1 - 9 * |
Also Published As
Publication number | Publication date |
---|---|
CN112801394B (zh) | 2024-07-09 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN111912412B (zh) | 面向应用的异构星座天地一体化任务规划方法及装置 | |
US10192448B2 (en) | Method to control vehicle fleets to deliver on-demand transportation services | |
CN109933842B (zh) | 一种基于约束满足遗传算法的移动目标单星任务规划方法 | |
He et al. | Scheduling multiple agile earth observation satellites with an edge computing framework and a constructive heuristic algorithm | |
CN113852405B (zh) | 多波束中继卫星任务调度模型的构建方法及装置 | |
CN105096183A (zh) | 基于物联网的任务触发的公共自行车自调度方法及系统 | |
CN110825510A (zh) | 任务驱动的多星协同任务分配方法及系统 | |
CN108566242B (zh) | 一种针对遥感数据传输业务的空间信息网络资源调度系统 | |
CN104050324A (zh) | 针对单星任务规划问题的数学模型的构建方法及求解方法 | |
CN108171443B (zh) | 考虑指令上注的多星应急任务规划方法及装置 | |
Chen et al. | Multi-satellite observation scheduling algorithm based on hybrid genetic particle swarm optimization | |
Wu et al. | Ensemble of metaheuristic and exact algorithm based on the divide-and-conquer framework for multisatellite observation scheduling | |
CN112465296B (zh) | 一种敏捷卫星动态任务重规划方法 | |
CN114638155A (zh) | 一种基于智能机场的无人机任务分配与路径规划方法 | |
Wu et al. | Research on task priority model and algorithm for satellite scheduling problem | |
Dai et al. | Intelligent coordinated task scheduling in space-air-ground integrated network | |
CN113064449A (zh) | 一种无人机调度方法及系统 | |
CN113962525A (zh) | 一种基于可配置准则的遥感卫星任务决策方法 | |
Qi et al. | A cooperative autonomous scheduling approach for multiple earth observation satellites with intensive missions | |
Belokonov et al. | Multi-agent planning of the network traffic between nanosatellites and ground stations | |
CN115276758A (zh) | 一种基于任务松弛度的中继卫星动态调度方法 | |
US10325295B1 (en) | Pricing of imagery and collection priority weighting | |
CN113608844A (zh) | 一种基于可解约合同网的多星在轨观测任务规划方法 | |
CN116822863A (zh) | 一种多平台协同感知的智能规划方法与系统 | |
CN112801394B (zh) | 资源调度方法 |
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 |