CN113256184B - 测控数传资源一体化的卫星地面站资源规划方法 - Google Patents
测控数传资源一体化的卫星地面站资源规划方法 Download PDFInfo
- Publication number
- CN113256184B CN113256184B CN202110792388.3A CN202110792388A CN113256184B CN 113256184 B CN113256184 B CN 113256184B CN 202110792388 A CN202110792388 A CN 202110792388A CN 113256184 B CN113256184 B CN 113256184B
- Authority
- CN
- China
- Prior art keywords
- task
- population
- individual code
- data transmission
- planned
- 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.)
- Active
Links
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
- G06Q10/06—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
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/20—Information retrieval; Database structures therefor; File system structures therefor of structured data, e.g. relational data
- G06F16/24—Querying
- G06F16/245—Query processing
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/004—Artificial life, i.e. computing arrangements simulating life
- G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Theoretical Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Physics & Mathematics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Engineering & Computer Science (AREA)
- Data Mining & Analysis (AREA)
- Computational Linguistics (AREA)
- Artificial Intelligence (AREA)
- Operations Research (AREA)
- General Business, Economics & Management (AREA)
- Tourism & Hospitality (AREA)
- Development Economics (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Game Theory and Decision Science (AREA)
- Biomedical Technology (AREA)
- Biophysics (AREA)
- Quality & Reliability (AREA)
- Educational Administration (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Marketing (AREA)
- Mathematical Physics (AREA)
- Software Systems (AREA)
- Databases & Information Systems (AREA)
- Radio Relay Systems (AREA)
Abstract
本申请涉及一种测控数传资源一体化的卫星地面站资源规划方法。所述方法包括:采用本方法能够通过针对测控任务以及数传任务一体化的场景,也就是针对同一个卫星的数传测控任务可以在同一个时间窗口进行,在构建初始种群中的各个体编码对时将待规划测控任务集、待规划数传任务集中同一卫星的任务进行匹配,并且在进行迭代计算时以膝点为参考引导算法进程以提高算法的优化性。本方法充分考虑了测控资源、数传资源趋于功能一体化的发展趋势,克服了传统方法在解决测控数传资源一体化场景的卫星地面站资源规划问题时资源利用率低下且规划结果的全局优化性也难以保证的缺陷,可以更好满足卫星管理机构的现实需求,具有很强的现实针对性。
Description
技术领域
本申请涉及卫星系统资源规划技术领域,特别是涉及一种测控数传资源一体化的卫星地面站资源规划方法。
背景技术
近年来,随着电子技术的发展,地面站测控设备与数传设备逐渐趋同,呈现出功能一体化的特性(即同一设备可分时或同时执行卫星的测控任务和数传任务),称之为地面站资源的测控数传一体化特性。由于在测控数传一体化规划场景下,测控任务和数传任务可共享所有地面站设备资源,且同一卫星的测控任务和数传任务可同步执行,因此可较大地提高地面站设备资源的利用率,进而缓解星地通信中地面站资源相对匮乏的现实难题。具体而言,其优势主要表现在以下几个方面:一是在实施任务规划过程中,任务对于地面站设备资源的选择具有更高的自由度,从而降低由于任务间冲突导致的任务取消或者任务时长缩减;二是可以从全局角度对测控任务和数传任务进行规划,从而达到更好的全局优化效果;三是可以将同一卫星的测控任务和数传任务规划至同一地面站设备的同一个时窗内,使得二者同步实施,从而达到节约资源、事半功倍的效果。目前,鲜有针对测控数传资源一体化场景下的卫星地面站资源规划方法的相关研究报道。
传统的卫星地面站资源规划方法只适用于测控资源规划或者数传资源规划的情形,并没有考虑二者趋于功能一体化的发展趋势,导致在处理测控数传资源一体化场景时只能分阶段进行规划,资源利用率低下,且规划结果的全局优化性也难以保证。
发明内容
基于此,有必要针对上述技术问题,提供一种能够针对数传、测控任务一体化的卫星地面站资源规划方法。
一种测控数传资源一体化的卫星地面站资源规划方法,所述方法包括:
获取可见时间窗口集、待规划测控任务集、待规划数传任务集以及任务聚集区间;其中,所述待规划测控任务集中包括各卫星的待规划测控任务,所述待规划数传任务集包括各卫星的待规划数传任务;
根据所述待规划数传任务集与待规划测控任务集中属于同一卫星的任务进行匹配,并以所述待规划数传任务集为参考,将所述待规划测控任务集划分为匹配集以及非匹配集;
根据所述可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多个个体编码对,并将多个所述个体编码对作为初始种群;
对所述初始种群进行预设次数的迭代计算,得到末代种群,根据所述末代种群中的各个体编码对基于切比雪夫距离的膝点定义方法进行计算得到末代膝点,并根据所述末代膝点从末代种群中选取符合预设优化目标的一个个体编码对,并根据该个体编码对解码得到的规划结果对卫星地面站资源进行规划。
在其中一个实施例中,所述根据所述可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多对个个体编码对包括:
所述可见时间窗口集中包括各卫星可执行任务的一个或多个时间窗口,且各所述时间窗口还带有在该时间窗口与卫星连接的天线信息;
根据所述待规划数传任务集、匹配集以及非匹配集与可见时间窗口之间的数值对应关系构建所述个体编码对;
其中,对所述待规划数传任务集与匹配集进行关联编码得到关联编码对,而对非匹配集进行单独编码得到单一编码,根据所述关联编码对以及单一编码得到所述个体编码对。
在其中一个实施例中,在每次迭代计算中:
对所述初始种群或对上一次迭代得到的新种群根据所述可见时间窗口集以及任务聚集区间依次进行交叉及变异算法、负载均衡算法、任务集聚算法以及迭代修改冲突消解算法得到中间种群;
根据多个优化目标函数对所述中间种群中各个体编码对进行评估,相应得到各个体编码对的多个评估值;
根据各个体编码对的多个评估值基于切比雪夫距离的膝点定义方法进行计算得到该次迭代计算的膝点;
将所述中间种群与初始种群或对上一次迭代得到的新种群进行合并得到合并种群,并以该次迭代计算得到膝点为参考在合并种群中选取预设数量个个体编码对作为这一次迭代得到的新种群。
在其中一个实施例中,对所述初始种群或对上一次迭代得到的新种群进行交叉及变异算法包括:
根据二元竞标赛的方式在所述初始种群或对上一次迭代得到的新种群中选择两个个体编码对;
对两个所述个体编码对进行交叉算法,得到两个中间个体编码对;
分别对两个所述中间个体编码对进行变异算法,对应得到两个新个体编码对;
再根据所述二元竞标赛的方式在所述初始种群或对上一次迭代得到的新种群中选择两个个体编码对,并对该两个个体编码对依次进行交叉算法以及变异算法得到两个新个体编码对,直至得到的新个体编码对符合预设数量,则将所有新个体编码对作为第一中间种群。
在其中一个实施例中,对所述中间个体编码进行变异算法包括:
当变异点位于所述待规划数传任务集对应的个体编码部分时执行联动变异操作;
当变异点位于所述非匹配集对应的个体编码部分时执行随机变异操作。
在其中一个实施例中,对所述第一中间种群进行负载均衡算法包括:
根据所述第一中间种群中各个体编码对提取相应的一组天线信息,各组所述天线信息中均包括各天线的负载时长;
针对每个个体编码对得到的一组天线的负载时长进行调整,使得每组天线中的各天线的负载时长均衡;
根据调整后的各组天线的负载时长对对应的各个体编码进行更新,并将更新后的各个体编码作为第二中间种群。
在其中一个实施例中,对所述第二中间种群进行任务集聚算法包括:
根据所述第二中间种群中各个体编码对提取相应的一组天线信息,各组所述天线信息中包括各天线的任务子集,所述任务子集中包括有各天线需执行的任务以及各任务的执行时间;
针对每个个体编码对得到的一组天线的任务执行时间根据所述任务聚集区间进行调整,使得各任务执行时间调整到所述任务聚集区间内,或在时间上靠近所述任务聚集区间;
根据调整后的各组天线的任务执行时间对对应的各个体编码进行更新,并将更新后的各个体编码作为第三中间种群。
在其中一个实施例中,对所述第三中间种群进行迭代修改冲突消解算法包括:
根据天线能力约束、卫星能力约束以及任务切换约束对所述第三中间种群中各个体编码对进行调整对应得到新的个体编码对,并将各新的个体编码对作为所述中间种群。
在其中一个实施例中,所述初始种群、第一中间种群、第二中间种群、第三中间种群、中间种群以及每一次迭代得到的新种群中的个体编码对的数量保持一致。
一种卫星地面站资源任务分配装置,所述装置包括:
卫星任务及资源获取模块,用于获取可见时间窗口集、待规划测控任务集、待规划数传任务集以及任务聚集区间;其中,所述待规划测控任务集中包括各卫星的待规划测控任务,所述待规划数传任务集包括各卫星的待规划数传任务;
数据预处理模块,用于根据所述待规划数传任务集与待规划测控任务集中属于同一卫星的任务进行匹配,并以所述待规划数传任务集为参考,将所述待规划测控任务集划分为匹配集以及非匹配集;
初始种群构建模块,用于根据所述可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多个个体编码对,并将多个所述个体编码对作为初始种群;
卫星地面站资源任务分配模块,用于对所述初始种群进行预设次数的迭代计算,得到末代种群,根据所述末代种群中的各个体编码对基于切比雪夫距离的膝点定义方法进行计算得到末代膝点,并根据所述末代膝点从末代种群中选取符合预设优化目标的一个个体编码对,并根据该个体编码对解码得到的规划结果对卫星地面站资源进行规划。
一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,所述处理器执行所述计算机程序时实现以下步骤:
获取可见时间窗口集、待规划测控任务集、待规划数传任务集以及任务聚集区间;其中,所述待规划测控任务集中包括各卫星的待规划测控任务,所述待规划数传任务集包括各卫星的待规划数传任务;
根据所述待规划数传任务集与待规划测控任务集中属于同一卫星的任务进行匹配,并以所述待规划数传任务集为参考,将所述待规划测控任务集划分为匹配集以及非匹配集;
根据所述可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多个个体编码对,并将多个所述个体编码对作为初始种群;
对所述初始种群进行预设次数的迭代计算,得到末代种群,根据所述末代种群中的各个体编码对基于切比雪夫距离的膝点定义方法进行计算得到末代膝点,并根据所述末代膝点从末代种群中选取符合预设优化目标的一个个体编码对,并根据该个体编码对解码得到的规划结果对卫星地面站资源进行规划。
一种计算机可读存储介质,其上存储有计算机程序,所述计算机程序被处理器执行时实现以下步骤:
获取可见时间窗口集、待规划测控任务集、待规划数传任务集以及任务聚集区间;其中,所述待规划测控任务集中包括各卫星的待规划测控任务,所述待规划数传任务集包括各卫星的待规划数传任务;
根据所述待规划数传任务集与待规划测控任务集中属于同一卫星的任务进行匹配,并以所述待规划数传任务集为参考,将所述待规划测控任务集划分为匹配集以及非匹配集;
根据所述可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多个个体编码对,并将多个所述个体编码对作为初始种群;
对所述初始种群进行预设次数的迭代计算,得到末代种群,根据所述末代种群中的各个体编码对基于切比雪夫距离的膝点定义方法进行计算得到末代膝点,并根据所述末代膝点从末代种群中选取符合预设优化目标的一个体编码对,并根据该个体编码对解码得到的规划结果对卫星地面站资源进行规划。
上述测控数传资源一体化的卫星地面站资源规划方法,通过针对测控任务以及数传任务一体化的场景,也就是针对同一个卫星的数传测控任务可以在同一个时间窗口进行,在构建初始种群中的各个体编码对时将待规划测控任务集、待规划数传任务集中同一卫星的任务进行匹配,这样使的各个体编码对内的两条序列中对应同一卫星具有相同的数值,并且在进行迭代计算时以膝点作为参考引导算法进程以提高算法的优化性。与传统方法相比,本方法充分考虑了测控资源、数传资源趋于功能一体化的发展趋势,克服了传统方法在解决测控数传资源一体化场景的卫星地面站资源规划问题时资源利用率低下且规划结果的全局优化性也难以保证的缺陷,可以更好满足卫星管理机构的现实需求,具有很强的现实针对性。
附图说明
图1为一个实施例中卫星地面站资源规划方法的流程示意图;
图2为一个实施例中待规划测控任务集以及待规划数传任务集中属于同一卫星任务的匹配方法示意图;
图3为一个实施例中高轨卫星的可见时间窗口进行分割的示意图;
图4为一个实施例中编码策略的示意图;
图5为一个实施例中迭代计算方法的流程示意图;
图6为一个实施例中交叉算法的示意图;
图7为一个实施例中变异算法的示意图;
图8为一个实施例中负载均衡算法的示意图;
图9为一个实施例中任务集聚算法的示意图;
图10为一个实施例中迭代修复冲突消解算法的示意图;
图11为另一个实施例中卫星地面站资源任务分配方法的流程示意图;
图12为一个实施例中卫星地面站资源规划装置的结构框图;
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本申请进行进一步详细说明。应当理解,此处描述的具体实施例仅仅用以解释本申请,并不用于限定本申请。
本申请针对现在技术中只试用于测控资源规划或者数传资源规划的情形,并没有考虑二者趋于功能一体化的发展趋势,导致在处理测控数传资源一体化场景时只能分阶段进行规划,资源利用率低下,且规划结果的全局优化性也难以保证的缺陷,如图1所示,提供了一种卫星地面站资源任务分配方法,包括以下步骤:
步骤S100,获取可见时间窗口集、待规划测控任务集、待规划数传任务集以及任务聚集区间;其中,待规划测控任务集中包括各卫星的待规划测控任务,待规划数传任务集包括各卫星的待规划数传任务;
步骤S110,根据待规划数传任务集与待规划测控任务集中属于同一卫星的任务进行匹配,并以待规划数传任务集为参考,将待规划测控任务集划分为匹配集以及非匹配集;
步骤S120,根据可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多个个体编码对,并将多个个体编码对作为初始种群;
步骤S130,对初始种群进行预设次数的迭代计算,得到末代种群,根据末代种群中的各个体编码对基于切比雪夫距离的膝点定义方法进行计算得到末代膝点,并根据末代膝点从末代种群中选取符合预设优化目标的一个个体编码对,并根据该个体编码对解码得到的规划结果对卫星地面站资源进行任务分配。
在步骤S100中,可见时间窗口集中包括有各卫星的身份ID,与各卫星进行连接的天线ID,各卫星与某一天线在哪一个时间窗口可以进行通信,时间窗口包括起始时间,结束时间以及通信时长。也就是说通过可见时间窗口集,可以知道各卫星可执行任务的时间及时长,同时也可以知道各天线在哪一个时间段可以与哪一个卫星进行通信。
待规划测控任务集中包括有各卫星需要规划的测控任务,进一步的还包括各测控任务的执行时长以及准备时间。而测控任务是指通过测控设备对卫星飞行轨道、姿态及星上分系统工作状态进行跟踪、测量、监视和控制,以保障卫星按照预先手机号的状态飞行和工作,以完成卫星规定任务的行为及过程。
待规划数传任务集中包括有各卫星需要规划的数传任务,进一步的还包括各数传任务的执行时长以及准备时间。而数传任务是指在满足数据传输的条件下,根据地面指令,卫星将所侦查到的目标信息数据下传至地面站的活动及过程。
在后续步骤中通过步骤S100中获取的数据进行相应的处理,最终得到一个优化的规划结果,并根据该规划结果对资源及任务进行合理分配。
在步骤S110中,考虑到在待规划测控任务集以及待规划数传任务集中对于一个卫星均有待执行的测控任务和数传任务,为了使其规划结果中,在满足约束条件的前提下尽可能多的卫星可在同一时间窗中同时执行两个任务,以节约天线资源,达到事半功倍的效果,则将两个任务集中的任务进行匹配。
具体的,在测控数传资源一体化规划场景中,天线资源具备一体化执行测控任务和数传任务的能力,但要满足测控数传任务一体化执行约束条件(测控任务与数传任务可一体化执行,则二者必须具有一致的卫星标识符)。如图2所示,以A、B、C等字母表示任务序列中的卫星标识符,以数传任务集(在图中以序列的形式进行表示,并表示为数传任务序列)为参考,针对测控任务集(在图中以序列的形式进行表示,并表示为测控任务序列)逐个执行卫星标识符匹配操作,将划分为匹配集与失配集,分别以黑色虚线和黑色实线指示,而匹配集中空着的位置指示占位符,以使得匹配集与数传任务集具有一致的排列次序。
从图3中也可以看出,在的匹配集中,与数传任务序列对应位置上有相同字母的则说明对于该字母表示的卫星同时存在有数传任务和测控任务,而匹配集中序列位置上没有字母以占位符代替则说明对应数传任务序列上字母表示的卫星只有数传任务没有测控任务。而非匹配集中所有字母表示的卫星则只有测控任务没有数传任务。
在步骤S110中,除了对两个待规划任务集进行匹配以外,还需要对可见时间窗口集进行预处理。由于在执行任务的卫星中有低轨卫星以及高轨卫星,其中低轨卫星由于与地面较近,则与卫星地面站天线资源的可见时间窗口都不会太长则不需要对时间窗口进行处理。而高轨卫星距离地面较远,则与卫星地面站天线资源的可见时间窗口持续时长远长于执行任务的最短时间,这样则会导致资源严重浪费。则需要对高轨卫星的可见时间窗口进行分割操作,如图3所示。
具体的,规划结果集中,任务标识符与可见时间窗口标识符一一对应,即可见时间窗口只能规划某一任务,若可见时间窗口的持续时长远大于要求的最短任务持续时长,则导致资源严重浪费。高轨卫星可见时间窗口分割操作以为粒度将高轨卫星可见时间窗口分割为一系列持续时长为的子时窗,以避免资源浪费。
在步骤S120中,根据可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多对个体编码对包括:可见时间窗口集中包括各卫星可执行任务的一个或多个时间窗口,且各时间窗口还带有在该时间窗口与卫星连接的天线信息,根据待规划数传任务集、匹配集以及非匹配集与可见时间窗口之间的数值对应关系构建所述个体编码对,其中,对待规划数传任务集与匹配集进行关联编码得到关联编码对,而对非匹配集进行单独编码得到单一编码,根据关联编码对以及单一编码得到个体编码对。
在本实施例中,采用编码策略,也就是以某种形式的个体编码为媒介建立待求解问题与数值序列的一一对应关系。本申请中以相关联的个体编码对形式建立待规划数传任务集及测控任务集与可见时间窗口集之间的数值对应关系。编码策略以待规划数传任务集以及经匹配处理后的测控任务集为输入,输出以实数形式表示的一个个体编码对,也称为染色体对,其中实数的数值表示执行任务的可见时间窗口在执行任务的可见时间窗口集中的序号,如图4所示。
具体的,在图4中,测控任务集经匹配处理后形成的匹配集以及非匹配集,执行任务的可见时间窗口以灰色背景表示,编码规则为:数传任务集序列与匹配集序列关联编码,二者在匹配位数值一致;匹配集序列中的占位符以数值0编码;非匹配集独立编码。
为了更易理解,以数传任务序列中卫星标识符为A、C的任务以及非匹配集中卫星标识符为T的任务为例予以说明。
其中,A卫星需要完成数传任务以及测控任务,支持卫星标识符为A的数传任务的可见时间窗口共计5个,分别为A1、A2、A3、A4、A5,也就是说对于卫星A来说有五个时间段均可执行任务,且各时间窗口还具有与该卫星进行通信的天线信息,以随机方式选择其中一个(A4被选择)执行任务,A4处于第4位,故编码数值为4,匹配集序列中的匹配位关联编码为4。
其中,C卫星仅需要完成数传任务,支持卫星标识符为C的数传任务的可见时间窗口共计4个,其中C4被随机选择执行任务,编码数值为4,匹配序列中的占位符编码为0。
其中,T卫星在非匹配集中,也就是说该卫星仅需要完成测控任务,卫星标识符为T的测控任务在可见时间窗口T2执行,编码数值为2。
在本实施例中,在进行编码的过程中,对应各卫星的执行窗口都是随机选取的,则通过随机选取的方法,可以得到多个个体编码对。从上面编码过程中也可以知道,各个体编码其实均对应了一种资源任务的分配方案,并且在编码的过程中,将可以同时执行两种任务的卫星配置在同一时间窗进行执行。若对每一个个体编码对进行解码则可相应的得到各方案对应的各天线的负载时长或各天线执行的任务量以及各任务的执行时间。
在本实施例中,例如生成了100个个体编码对,则在初始种群中有100个个体编码对。
在步骤S130中,基于上述得到的初始种群,进行预设次数的迭代次数后,在末代种群中,基于末代膝点在末代种群中选取一个个体编码对,则该个体编码对解码后得到的资源任务分配方案是满足预设优化目标的。
在本申请中,除了考虑测控任务和数传任务一体化,还考虑对资源任务多目标的分配,将任务冲突时长最小化、天线负载均衡度最大化以及任务集聚度最大化等三个独立的优化目标,其意义在于:
一是在工程实践中,对于存在冲突无法正常执行的任务并不单纯取消,而是采用缩减任务执行时长的方法以使得任务能够部分执行,故最小化任务冲突时长的优化目标更符合工程实践需要;
二是在地面站设备高负载运行的情况下,最大化天线负载均衡度的优化目标能够使得设备间的负载相对均衡,以达到延长设备整体使用寿命的目的;
三是最大化任务集聚度能够使得规划结果中的任务在设定的任务集聚区间内分布相对聚集,区间外部的任务分布相对稀疏,以便于卫星管理机构执行设备例行维护操作或者避开某些执行任务的高风险时段。
针对上述的三个资源分配的三个优化目标,如图5所示,本申请还提供了一种迭代计算方法,包括以下步骤:
步骤S200,对初始种群或对上一次迭代得到的新种群根据所述可见时间窗口集以及任务聚集区间依次进行交叉及变异算法、负载均衡算法、任务集聚算法以及迭代修改冲突消解算法得到中间种群;
步骤S210,根据多个优化目标函数对中间种群中各个体编码对进行评估,相应得到各个体编码对的多个评估值;
步骤S220,根据各个体编码对的多个评估值基于切比雪夫距离的膝点定义方法进行计算得到该次迭代计算的膝点;
步骤S230,将中间种群与初始种群或对上一次迭代得到的新种群进行合并得到合并种群,并以该次迭代计算得到膝点为参考在合并种群中选取预设数量个个体编码对作为这一次迭代得到的新种群。
在本实施例中,步骤S200至S230为依次进行迭代中的计算步骤。
在步骤S200中,通过采用多个算法对初始种群或上一次迭代得到的新种群中的各个体编码对进行更新,也就是对各资源分配方案进行调整,以使得最终得到的分配方案是符合优化目标的。其中,迭代进化过程中,以交叉、变异、个体适应度评估、膝点计算、以膝点为参考点更新种群等操作引导算法优化进程;以负载均衡算子、任务集聚算子提升个体负载均衡度以及任务集聚度的优化性能;以迭代修复冲突消解算子处理约束满足模型的约束条件,最小化任务冲突时长的优化目标也在此过程中得到优化。
而整个迭代计算过程中由多个算法组成为KG-NSGA-II-TTC&DT算法。
在本实施例中,对初始种群或对上一次迭代得到的新种群进行交叉及变异算法包括,根据二元竞标赛的方式在所述初始种群或对上一次迭代得到的新种群中选择两个个体编码对;对两个个体编码对进行交叉算法,得到两个中间个体编码对;分别对两个中间个体编码对进行变异算法,对应得到两个新个体编码对;再根据二元竞标赛的方式在所述初始种群或对上一次迭代得到的新种群中选择两个个体编码对,并对该两个个体编码对依次进行交叉算法以及变异算法得到两个新个体编码对,直至得到的新个体编码对符合预设数量,则将所有新个体编码对作为第一中间种群。
其中,对中间个体编码进行变异算法包括:当变异点位于待规划数传任务集对应的个体编码部分时执行联动变异操作,当变异点位于非匹配集对应的个体编码部分时执行随机变异操作。
具体的,KG-NSGA-II-TTC&DT算法的每一次迭代进化过程中,父代种群(也就是初始种群或上一次迭代得到的新种群)在设定概率的控制下通过交叉、变异算子联合作用产生子代种群(也就是第一中间种群),子代种群规模与父代种群规模一致(例如,都包括100个个体编码对)。交叉算法以二元锦标赛方式在父代种群中选择两个最优的个体编码对,在交叉概率的控制下执行交叉操作,其过程如图6所示。
在图6中,交叉算法以随机方式确定交叉点1、交叉点2,通过交换父个体1、2中由交叉点1、2确定的染色体片段产生子个体(也就是中间个体编码对)。
变异算法以交叉算子输出的子个体为父个体,在变异概率的控制下执行变异操作产生下一代子个体,其过程如图7所示。
在图7中,父个体即为交叉算子输出的子个体,在变异概率的控制下选择部分位置执行变异操作(以较深灰色背景标示)。当变异点位于数传任务序列对应的个体编码部分时执行联动变异;当变异点位于测控任务失配集对应的个体编码部分时执行随机变异操作,即随机更改变异点编码数值。
联动变异操作首先以变异点数传任务的协同标识符查询与之协同的其他数传任务(以较浅灰色背景标示),其中协同是指某一数传任务需要多个卫星同时执行。其次比较协同组(协同标识符为的所有数传任务)内所有数传任务的执行时窗,以起始时刻最早的执行时窗作为参考时窗;最后以轮盘选择方式确定协同组内其他数传任务的变异数值,轮盘选择概率与距参考时窗的时间距离成反比。由上述描述可知,联动变异操作的目的在于缩减协同组内数传任务之间的时间间隔,也就是说尽量使得该协同任务可在较短的时间内完成,以提高协同任务执行的时效性。
在本实施例中,接着对通过交叉、变异算法得到的第一中间种群进行负载均衡算法,具体包括:根据第一中间种群中各个体编码对提取相应的一组天线信息,各组天线信息中均包括各天线的负载时长,针对每个个体编码对得到的一组天线的负载时长进行调整,使得每组天线中的各天线的负载时长均衡,根据调整后的各组天线的负载时长对对应的各个体编码进行更新,并将更新后的各个体编码作为第二中间种群。
由于各个体编码对进行解码后相应的都是一个资源任务分配方案,则从每个个体编码中均能获得对应方案中,各天线的负载时长,或各天线需要与卫星同时完成的任务等。而负载均衡算法就是针对各天线的负载时长进行能够均衡而设置的,使得各天线负载时长均衡从而起到延长天线设备整体的使用寿命。
具体的,负载均衡算子以最大化天线资源的负载均衡度为目标,通过有限次的循环操作使得参与规划的天线资源具有相对一致的工作时长,循环次数等于天线资源的数量。在每次的循环操作中均以具有最大工作时长和最小工作时长的天线资源为执行对象,平衡二者之间的工作时长,在此平衡过程中,优先将最大工作时长天线资源中距参考时间较远的任务调整至最小工作时长天线资源中距参考时间较近的位置。负载均衡算子的执行过程如图8所示。
在图8中,步骤①平衡天线资源6、7的工作时长,步骤②平衡天线资源3、4的工作时长,步骤③平衡天线资源2、8的工作时长,后续操作不再赘述。通过柱状图可以清晰地看出,负载均衡算子可以较好地平衡参与规划的天线资源的工作时长。
在通过上述算法对各方案中各天线的负载时长进行调整后,在根据调整后的负载时长对对应的各个体编码对进行相应调整,从而得到数量相等的多个新个体编码对,并将该多个新个体编码对作为第二中间种群。
在本实施例中,接着对由负载均衡算法计算得到的第二中间种群进行任务集聚算法,具体包括:根据第二中间种群中各个体编码对提取相应的一组天线信息,各组天线信息中包括各天线的任务子集,任务子集中包括有各天线需执行的任务以及各任务的执行时间,针对每个个体编码对得到的一组天线的任务执行时间根据所述任务聚集区间进行调整,使得各任务执行时间调整到所述任务聚集区间内,或在时间上靠近所述任务聚集区间,根据调整后的各组天线的任务执行时间对对应的各个体编码进行更新,并将更新后的各个体编码作为第三中间种群。
同样的,通过第二中间种群中各个体编码解码后可以相应得到各方案中各天线的任务子集,而每个天线的任务子集中都包括有需要执行的任务以及各任务的执行时间。
具体的,任务集聚算法针对最大化任务集聚度的优化目标而设计,以使得任务在设定的任务集聚区间内分布相对聚集,区间外分布相对稀疏,其中表示参考时间点,表示参考时间半径。该算法分别作用于参与规划的每个天线资源的任务子集(任务子集由个体编码确定),将处于任务集聚区间外部的任务调整至距离参考时间最近的位置,如图9所示。
在图9中,以柱状块表示任务,其中虚线边框的任务均执行了调整操作,部分任务被调整至任务集聚区间内部,部分任务由于在任务集聚区间内没有支持其可见时间窗口而被调整至区间外部距离参考时间最近的位置。
通过上述对各天线的任务子集进行调整后,再相应的对第二中间种群中的各个体编码进行调整产生新的个体编码,并将各新的个体编码作为第三中间种群。
在本实施例中,针对任务之间在执行时间上的冲突,以迭代修复的方式予以处理,处理过程以最小冲突时长为准则,以使得任务可部分执行。对第三中间种群进行迭代修改冲突消解算法包括:根据天线能力约束、卫星能力约束以及任务切换约束对所述第三中间种群中各个体编码对进行调整对应得到新的个体编码对,并将各新的个体编码对作为所述中间种群。
具体的,迭代修复冲突消解算法针对最小化任务冲突时长的优化目标而设计,并处理约束条件(①天线能力约束:任意时刻,某一天线资源至多与某一卫星处于任务执行状态;②卫星能力约束:任意时刻,某一卫星至多与某一天线资源处于任务执行状态;③任务切换约束:天线资源由任务状态切换至任务状态时必须满足执行完毕且二者的时间间隔大于的最短任务准备时长),以确保规划结果的可行性,其执行过程如图10所示。
在图10中,迭代修复冲突消解算法首先针对第三中间种群中的各个体编码确定的多个待执行任务序列,并对各待执行任务序列均执行冲突消解处理,处理过程包括将待执行任务序列划分为冲突集和非冲突集,再针对冲突集中的每个任务,以收益高低的优先级顺序,随机选择一定数量的支持该任务的可见时间窗口并计算每个可见时间窗口与非冲突集之间的冲突时长,选择具有最小冲突时长的可见时间窗口执行该任务并插入非冲突集。
通过对待执行任务序列进行调整后,同样相应的可对第三中间种群中的各个体编码对进行调整生成中间种群。
在本实施例中,初始种群、第一中间种群、第二中间种群、第三中间种群、中间种群以及每一次迭代得到的新种群中的个体编码对的数量保持一致。
具体的,初始种群在通过上述多个算法对各个体编码对进行调整的过程中,得到的各个中间种群中个体编码对的数量时一致的,若初始种群中的个体编码对数量为100,则通过多个算法后得到的中间种群中的个体编码对数量也为100。
在步骤S210中,评估个体编码对确定的多个优化目标函数的数值,以此作为个体的适应度。本申请中以最小化任务冲突时长、最大化天线负载均衡度以及最大化任务集聚度为优化目标,则对于各其中任务冲突时长即由于冲突导致规划结果集(也就是中间种群,中间种群中各个体编码均为一个分配方案,则中间种群也可以看做是规划结果集)中的任务执行时长低于要求的最短任务持续时长的数值,最大化负载均衡度即最小化参与规划的天线资源工作时长标准差,任务集聚度即规划结果集中位于区间内的任务数量与中任务数量的百分比。
在步骤S220中,根据各个体编码对的多个评估值基于切比雪夫距离的膝点定义方法进行计算得到该次迭代计算的膝点,其中基于切比雪夫距离的膝点定义方法包括:
如公式(1)、(2)、(3)、(4)所示。
公式(1)定义了Pareto Front的理想点,即Pareto Front中各优化目标上的最小值构成的向量。
公式(2)定义了Pareto Front的最低点,即Pareto Front中各优化目标上的最大值构成的向量。
公式(4)定义了基于切比雪夫距离的膝点,其中、表示、在归一化空间中对应的向量,公式的物理含义:比较Pareto Front中所有解向量与理想点在各优化目标上的归一化性能提升,定义能够使得归一化性能提升最大值最小化的解向量为基于切比雪夫距离的膝点,记为;与相比,的性能提升不偏向于任一优化目标,具有最佳的性能折衷。
故在步骤S230中,以步骤S220求解出的膝点作为参考点产生下一代的种群。
在步骤S230,以膝点为参考点产生下一代种群,其过程为:①合并父代种群(也就是初代种群或上一次迭代生成的新种群)与子代种群(步骤S200中通过多个优化算法得到的中间种群)形成合并种群;②根据Pareto非支配排序准则对合并种群执行分层操作,按优先级顺序逐层加入下一代种群,直至临界层;③计算临界层个体与当前Pareto Front的膝点之间的切比雪夫距离并分配等级,根据切比雪夫距离等级优先级选择进入下一代种群的临界层个体,直至达到下一代种群规模。
KG-NSGA-II-TTC&DT算法以每次迭代过程中Pareto Front的膝点为参考点引导算法进程,使得算法在膝点附近具有更好的收敛性,即KG-NSGA-II-TTC&DT引入了参考点动态更新机制。
在通过上述步骤S200-S230的过程进行多次迭代计算后,当迭代次数满足预设次数时则迭代计算得到末代种群,通过步骤S210中的评估方法对末代种群中的各个体编码对进行评估,并根据评估结果基于步骤S220中的膝点计算方法计算出末代膝点,最后基于末代膝点在末代种群中选取一个个体编码对,则对该个体编码对进行解码得到相应的规划结果,该规划结果符合最小化任务冲突时长、最大化天线负载均衡度以及最大化任务集聚度的优化目标。
如图11所示,同样提供了本申请中测控数传资源一体化的卫星地面站资源规划方法的具体步骤图。
上述测控数传资源一体化的卫星地面站资源规划方法,以膝点为参考引导算法进程以提高算法的优化性的同时,针对优化目标设计负载均衡算子、任务集聚算子以及迭代修复冲突消解算子,从而进一步提升了问题求解的优化性。与传统方法相比,本发明充分考虑测控资源、数传资源趋于功能一体化的发展趋势,克服了传统方法在解决测控数传资源一体化场景的卫星地面站资源规划问题时资源利用率低下且规划结果的全局优化性也难以保证的缺陷,可以更好满足卫星管理机构的现实需求,具有很强的现实针对性。
应该理解的是,虽然图1和5所示的流程图中的各个步骤按照箭头的指示依次显示,但是这些步骤并不是必然按照箭头指示的顺序依次执行。除非本文中有明确的说明,这些步骤的执行并没有严格的顺序限制,这些步骤可以以其它的顺序执行。而且,图1和5中的至少一部分步骤可以包括多个子步骤或者多个阶段,这些子步骤或者阶段并不必然是在同一时刻执行完成,而是可以在不同的时刻执行,这些子步骤或者阶段的执行顺序也不必然是依次进行,而是可以与其它步骤或者其它步骤的子步骤或者阶段的至少一部分轮流或者交替地执行。
在一个实施例中,如图12所示,提供了一种测控数传资源一体化的卫星地面站资源规划方法装置,包括:卫星任务及资源获取模块300、数据预处理模块310、初始种群构建模块320和卫星地面站资源任务分配模块330,其中:
卫星任务及资源获取模块300,用于获取可见时间窗口集、待规划测控任务集、待规划数传任务集以及任务聚集区间;其中,所述待规划测控任务集中包括各卫星的待规划测控任务,所述待规划数传任务集包括各卫星的待规划数传任务;
数据预处理模块310,用于根据所述待规划数传任务集与待规划测控任务集中属于同一卫星的任务进行匹配,并以所述待规划数传任务集为参考,将所述待规划测控任务集划分为匹配集以及非匹配集;
初始种群构建模块320,用于根据所述可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多个个体编码对,并将多个所述个体编码对作为初始种群;
卫星地面站资源任务分配模块330,用于对所述初始种群进行预设次数的迭代计算,得到末代种群,根据所述末代种群中的各个体编码对基于切比雪夫距离的膝点定义方法进行计算得到末代膝点,并根据所述末代膝点从末代种群中选取符合预设优化目标的一个体编码对,并根据该个体编码对解码得到的规划结果对卫星地面站资源进行规划。
关于测控数传资源一体化的卫星地面站资源规划方法装置的具体限定可以参见上文中对于测控数传资源一体化的卫星地面站资源规划方法的限定,在此不再赘述。上述卫星地面站资源任务分配装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中,也可以以软件形式存储于计算机设备中的存储器中,以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中,提供了一种计算机设备,该计算机设备可以是终端,其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中,该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种测控数传资源一体化的卫星地面站资源规划方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏,该计算机设备的输入装置可以是显示屏上覆盖的触摸层,也可以是计算机设备外壳上设置的按键、轨迹球或触控板,还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解,图13中示出的结构,仅仅是与本申请方案相关的部分结构的框图,并不构成对本申请方案所应用于其上的计算机设备的限定,具体的计算机设备可以包括比图中所示更多或更少的部件,或者组合某些部件,或者具有不同的部件布置。
在一个实施例中,提供了一种计算机设备,包括存储器和处理器,存储器中存储有计算机程序,该处理器执行计算机程序时实现以下步骤:
获取可见时间窗口集、待规划测控任务集、待规划数传任务集以及任务聚集区间;其中,所述待规划测控任务集中包括各卫星的待规划测控任务,所述待规划数传任务集包括各卫星的待规划数传任务;
根据所述待规划数传任务集与待规划测控任务集中属于同一卫星的任务进行匹配,并以所述待规划数传任务集为参考,将所述待规划测控任务集划分为匹配集以及非匹配集;
根据所述可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多个个体编码对,并将多个所述个体编码对作为初始种群;
对所述初始种群进行预设次数的迭代计算,得到末代种群,根据所述末代种群中的各个体编码对基于切比雪夫距离的膝点定义方法进行计算得到末代膝点,并根据所述末代膝点从末代种群中选取符合预设优化目标的一个个体编码对,并根据该个体编码对解码得到的规划结果对卫星地面站资源进行规划。
在一个实施例中,提供了一种计算机可读存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现以下步骤:
获取可见时间窗口集、待规划测控任务集、待规划数传任务集以及任务聚集区间;其中,所述待规划测控任务集中包括各卫星的待规划测控任务,所述待规划数传任务集包括各卫星的待规划数传任务;
根据所述待规划数传任务集与待规划测控任务集中属于同一卫星的任务进行匹配,并以所述待规划数传任务集为参考,将所述待规划测控任务集划分为匹配集以及非匹配集;
根据所述可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多个个体编码对,并将多个所述个体编码对作为初始种群;
对所述初始种群进行预设次数的迭代计算,得到末代种群,根据所述末代种群中的各个体编码对基于切比雪夫距离的膝点定义方法进行计算得到末代膝点,并根据所述末代膝点从末代种群中选取符合预设优化目标的一个体编码对,并根据该个体编码对解码得到的规划结果对卫星地面站资源进行规划。
本领域普通技术人员可以理解实现上述实施例方法中的全部或部分流程,是可以通过计算机程序来指令相关的硬件来完成,所述的计算机程序可存储于一非易失性计算机可读取存储介质中,该计算机程序在执行时,可包括如上述各方法的实施例的流程。其中,本申请所提供的各实施例中所使用的对存储器、存储、数据库或其它介质的任何引用,均可包括非易失性和/或易失性存储器。非易失性存储器可包括只读存储器(ROM)、可编程ROM(PROM)、电可编程ROM(EPROM)、电可擦除可编程ROM(EEPROM)或闪存。易失性存储器可包括随机存取存储器(RAM)或者外部高速缓冲存储器。作为说明而非局限,RAM以多种形式可得,诸如静态RAM(SRAM)、动态RAM(DRAM)、同步DRAM(SDRAM)、双数据率SDRAM(DDRSDRAM)、增强型SDRAM(ESDRAM)、同步链路(Synchlink) DRAM(SLDRAM)、存储器总线(Rambus)直接RAM(RDRAM)、直接存储器总线动态RAM(DRDRAM)、以及存储器总线动态RAM(RDRAM)等。
以上实施例的各技术特征可以进行任意的组合,为使描述简洁,未对上述实施例中的各个技术特征所有可能的组合都进行描述,然而,只要这些技术特征的组合不存在矛盾,都应当认为是本说明书记载的范围。
以上所述实施例仅表达了本申请的几种实施方式,其描述较为具体和详细,但并不能因此而理解为对发明专利范围的限制。应当指出的是,对于本领域的普通技术人员来说,在不脱离本申请构思的前提下,还可以做出若干变形和改进,这些都属于本申请的保护范围。因此,本申请专利的保护范围应以所附权利要求为准。
Claims (7)
1.测控数传资源一体化的卫星地面站资源规划方法,其特征在于,包括:
获取可见时间窗口集、待规划测控任务集、待规划数传任务集以及任务聚集区间;其中,所述待规划测控任务集中包括各卫星的待规划测控任务,所述待规划数传任务集包括各卫星的待规划数传任务;
根据所述待规划数传任务集与待规划测控任务集中属于同一卫星的任务进行匹配,并以所述待规划数传任务集为参考,将所述待规划测控任务集划分为匹配集以及非匹配集;
根据所述可见时间窗口集、待规划数传任务集、匹配集以及非匹配集基于预设的编码策略构建预设数量的多个个体编码对,并将多个所述个体编码对作为初始种群,具体包括:
所述可见时间窗口集中包括各卫星可执行任务的一个或多个时间窗口,且各所述时间窗口还带有在该时间窗口与卫星连接的天线信息;
根据所述待规划数传任务集、匹配集以及非匹配集与可见时间窗口之间的数值对应关系构建所述个体编码对;
其中,对所述待规划数传任务集与匹配集进行关联编码得到关联编码对,而对非匹配集进行单独编码得到单一编码,根据所述关联编码对以及单一编码得到所述个体编码对;
根据所述可见时间窗口集以及任务聚集区间对所述初始种群进行预设次数的迭代计算,得到末代种群,根据所述末代种群中的各个体编码对基于切比雪夫距离的膝点定义方法进行计算得到末代膝点,并根据所述末代膝点从末代种群中选取符合预设优化目标的一个个体编码对,并根据该个体编码对解码得到的规划结果对卫星地面站资源进行规划;
其中,所述基于切比雪夫距离的膝点定义方法包括:
如公式(1)、(2)、(3)、(4)所示:
公式(1)定义了Pareto Front的理想点,即Pareto Front中各优化目标上的最小值构成的向量;
公式(2)定义了Pareto Front的最低点,即Pareto Front中各优化目标上的最大值构成的向量;
2.根据权利要求1所述的卫星地面站资源规划方法,其特征在于,在每次迭代计算中:
对所述初始种群或对上一次迭代得到的新种群根据所述可见时间窗口集以及任务聚集区间依次进行交叉及变异算法、负载均衡算法、任务集聚算法以及迭代修改冲突消解算法得到中间种群;
根据多个优化目标函数对所述中间种群中各个体编码对进行评估,相应得到各个体编码对的多个评估值;
根据各个体编码对的多个评估值基于切比雪夫距离的膝点定义方法进行计算得到该次迭代计算的膝点;
将所述中间种群与初始种群或对上一次迭代得到的新种群进行合并得到合并种群,并以该次迭代计算得到膝点为参考在合并种群中选取预设数量个个体编码对作为这一次迭代得到的新种群;
其中,所述迭代修改冲突消解算法是指:对所述初始种群或对上一次迭代得到的新种群根据所述可见时间窗口集依次进行交叉及变异算法、负载均衡算法以及任务集聚算法后,再根据天线能力约束、卫星能力约束以及任务切换约束对进行所述任务聚集算法后的种群中各个体编码对进行调整对应得到新的个体编码对,并将各新的个体编码对作为所述中间种群。
3.根据权利要求2所述的卫星地面站资源规划方法,其特征在于,对所述初始种群或对上一次迭代得到的新种群进行交叉及变异算法包括:
根据二元锦标赛的方式在所述初始种群或对上一次迭代得到的新种群中选择两个个体编码对;
对两个所述个体编码对进行交叉算法,得到两个中间个体编码对;
分别对两个所述中间个体编码对进行变异算法,对应得到两个新个体编码对;
再根据所述二元锦标赛的方式在所述初始种群或对上一次迭代得到的新种群中选择两个个体编码对,并对该两个个体编码对依次进行交叉算法以及变异算法得到两个新个体编码对,直至得到的新个体编码对符合预设数量,则将所有新个体编码对作为第一中间种群。
4.根据权利要求3所述的卫星地面站资源规划方法,其特征在于,对所述中间个体编码进行变异算法包括:
当变异点位于所述待规划数传任务集对应的个体编码部分时执行联动变异操作;
当变异点位于所述非匹配集对应的个体编码部分时执行随机变异操作。
5.根据权利要求3所述的卫星地面站资源规划方法,其特征在于,对所述第一中间种群进行负载均衡算法包括:
根据所述第一中间种群中各个体编码对提取相应的一组天线信息,各组所述天线信息中均包括各天线的负载时长;
针对每个个体编码对得到的一组天线的负载时长进行调整,使得每组天线中的各天线的负载时长均衡;
根据调整后的各组天线的负载时长对对应的各个体编码对进行更新,并将更新后的各个体编码对作为第二中间种群。
6.根据权利要求5所述的卫星地面站资源规划方法,其特征在于,对所述第二中间种群进行任务集聚算法包括:根据所述第二中间种群中各个体编码对提取相应的一组天线信息,各组所述天线信息中包括各天线的任务子集,所述任务子集中包括有各天线需执行的任务以及各任务的执行时间;
针对每个个体编码对得到的一组天线的任务执行时间根据所述任务聚集区间进行调整,使得各任务执行时间调整到所述任务聚集区间内,或在时间上靠近所述任务聚集区间;
根据调整后的各组天线的任务执行时间对对应的各个体编码对进行更新,并将更新后的各个体编码对作为第三中间种群。
7.根据权利要求6所述的卫星地面站资源规划方法,其特征在于,所述初始种群、第一中间种群、第二中间种群、第三中间种群、中间种群以及每一次迭代得到的新种群中的个体编码对的数量保持一致。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110792388.3A CN113256184B (zh) | 2021-07-14 | 2021-07-14 | 测控数传资源一体化的卫星地面站资源规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110792388.3A CN113256184B (zh) | 2021-07-14 | 2021-07-14 | 测控数传资源一体化的卫星地面站资源规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113256184A CN113256184A (zh) | 2021-08-13 |
CN113256184B true CN113256184B (zh) | 2021-09-17 |
Family
ID=77191195
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110792388.3A Active CN113256184B (zh) | 2021-07-14 | 2021-07-14 | 测控数传资源一体化的卫星地面站资源规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113256184B (zh) |
Families Citing this family (5)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN114785403B (zh) * | 2022-04-21 | 2024-07-16 | 北京鹏鹄物宇科技发展有限公司 | 一种面向星地通信的数据传输调度优化方法 |
CN114819765B (zh) * | 2022-06-27 | 2022-10-18 | 中国人民解放军国防科技大学 | 卫星测控资源调度方法及相关设备 |
CN116720619A (zh) * | 2023-06-09 | 2023-09-08 | 郑州银丰电子科技有限公司 | 一种测控数传箭遥一体化优化方法及系统 |
CN117910364B (zh) * | 2024-03-19 | 2024-05-24 | 西安衍舆航天科技有限公司 | 卫星测控仿真方法及系统 |
CN118509033B (zh) * | 2024-07-16 | 2024-09-20 | 中国西安卫星测控中心 | 低轨卫星测运控资源融合方法、装置和计算机设备 |
Family Cites Families (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CA3078264A1 (en) * | 2017-10-20 | 2019-04-25 | HawkEye 360, Inc. | Scheduling system of a plurality of hierarchical tasks for a satellite system |
CN108009718A (zh) * | 2017-11-30 | 2018-05-08 | 北京卫星信息工程研究所 | 测控数传资源一体化调度方法 |
CN109768822B (zh) * | 2018-12-26 | 2022-03-04 | 航天恒星科技有限公司 | 一种卫星测控资源调度方法及装置 |
CN111912412B (zh) * | 2020-06-05 | 2021-04-23 | 中国空间技术研究院 | 面向应用的异构星座天地一体化任务规划方法及装置 |
CN111737004B (zh) * | 2020-06-29 | 2023-10-24 | 北京市遥感信息研究所 | 基于双向自由度的遥感卫星数传资源调度方法及装置 |
CN111950870B (zh) * | 2020-07-28 | 2023-09-05 | 中国西安卫星测控中心 | 天地基测控数传资源一体化按需调度方法及系统 |
CN112330000B (zh) * | 2020-10-27 | 2022-08-02 | 中国电子科技集团公司第五十四研究所 | 一种基于当圈策略的应急快响卫星资源优化决策方法 |
-
2021
- 2021-07-14 CN CN202110792388.3A patent/CN113256184B/zh active Active
Also Published As
Publication number | Publication date |
---|---|
CN113256184A (zh) | 2021-08-13 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN113256184B (zh) | 测控数传资源一体化的卫星地面站资源规划方法 | |
CN113240226B (zh) | 一种卫星地面站间的资源分配方法及装置 | |
CN114330863A (zh) | 时间序列预测处理方法、装置、存储介质及电子装置 | |
CN105472631A (zh) | 一种业务数据量和/或资源数据量的预测方法及预测系统 | |
CN113099474B (zh) | 卫星互联网用户终端短期业务量需求预测方法及装置 | |
CN114585006B (zh) | 基于深度学习的边缘计算任务卸载和资源分配方法 | |
CN116939866A (zh) | 一种基于协同计算和资源分配联合优化的无线联邦学习效率提升方法 | |
CN112052598A (zh) | 一种基于偏好moea的卫星地面站资源多目标优化方法 | |
CN117273165A (zh) | 一种适应社区场景的网络模型微调方法、系统及设备 | |
CN118157797A (zh) | 基于lstm与贝叶斯优化的低轨卫星并行仿真优化方法及系统 | |
CN116050540A (zh) | 一种基于联合双维度用户调度的自适应联邦边缘学习方法 | |
CN114647790A (zh) | 应用于行为意图分析的大数据挖掘方法及云端ai服务系统 | |
CN114338416B (zh) | 一种时空多指标预测方法、装置和存储介质 | |
Xie et al. | A censored semi-bandit model for resource allocation in bike sharing systems | |
CN117369964A (zh) | 边缘计算系统的任务处理方法及相关装置 | |
CN111783487A (zh) | 一种读卡器设备的故障预警方法及装置 | |
CN112434436B (zh) | 一种北斗导航卫星系统星间链路调度方法及系统 | |
CN115129447A (zh) | 一种工业互联网中计及条件风险价值的边缘计算任务卸载方法及计算机设备 | |
CN112584386A (zh) | 5g c-ran资源预测和分配方法及系统 | |
CN113313313B (zh) | 一种面向城市感知的移动节点任务规划方法 | |
CN117592580B (zh) | 能源联邦学习数据选择方法、装置和能源联邦学习系统 | |
CN117858164B (zh) | 一种基于GAMNet的作战无人集群通信资源协同管控方法及系统 | |
CN117910364B (zh) | 卫星测控仿真方法及系统 | |
CN113360203B (zh) | 一种电力物联网的任务卸载方法及装置 | |
CN112651411B (zh) | 分布式深度学习的梯度量化方法和系统 |
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 |