CN113313348B - 卫星任务规划方法、装置、存储介质和电子设备 - Google Patents
卫星任务规划方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN113313348B CN113313348B CN202110423098.1A CN202110423098A CN113313348B CN 113313348 B CN113313348 B CN 113313348B CN 202110423098 A CN202110423098 A CN 202110423098A CN 113313348 B CN113313348 B CN 113313348B
- Authority
- CN
- China
- Prior art keywords
- task
- satellite
- observation
- representing
- time
- 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
- G06Q10/06315—Needs-based resource requirements planning or analysis
-
- 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
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- 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
- Y02T—CLIMATE CHANGE MITIGATION TECHNOLOGIES RELATED TO TRANSPORTATION
- Y02T10/00—Road transport of goods or passengers
- Y02T10/10—Internal combustion engine [ICE] based vehicles
- Y02T10/40—Engine management systems
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Economics (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Control Of Position, Course, Altitude, Or Attitude Of Moving Bodies (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
本发明提供一种卫星任务规划方法、装置、存储介质和电子设备,涉及卫星任务技术领域。本发明的设计的优化算法在迭代中可以接受不可行解,这样将显著提大搜索范围,提高搜索能力,因为从一个可行解出发去寻找一个更好的可行解难度较大,如果中间以一个不可行解作为桥梁,则有利于降低搜索难度,能更好的寻求最优解,得到的优化任务规划方法能有效的提高卫星资源整体利用率。
Description
技术领域
本发明涉及卫星任务技术领域,具体涉及一种卫星任务规划方法、装置、存储介质和电子设备。
背景技术
近年来,随着卫星应用范围越来越广,在轨运行的卫星数量也逐年上升,同时观测任务的需求也日益的复杂、多样,所以如何为观测任务合理的安排卫星资源进行观测,即能满足观测任务的需求,又能够最大限度的利用卫星资源已经成为卫星技术广泛应用急需解决的问题。
一般通过任务规划提高卫星资源的利用率。任务规划的含义是指对待执行的观测任务进行排程、资源匹配,并通过对资源匹配优化,提高卫星的利用率。
然而,现有的卫星任务规划优化方法一般是利用元启发式算法快速生成,虽然思想简单易于实现,但是求解效果一般,即寻优效果差,导致卫星资源利用率较低。
发明内容
(一)解决的技术问题
针对现有技术的不足,本发明提供了一种卫星任务规划方法、装置、存储介质和电子设备,解决了现有卫星任务规划方法卫星资源利用率较低的技术问题。
(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:
第一方面,本发明实施例一种卫星任务规划方法,包括以下步骤:
S1、获取卫星集合和观测任务集合;
S2、从卫星集合中选出当前规划卫星;
S3、对所述当前规划卫星进行任务资源匹配;
S4、从所述未规划卫星集合中删除所述当前规划卫星,更新未规划卫星集合,返回步骤S2,直到没有卫星资源能够再进行规划,结束任务规划,生成初始任务规划序列;
S5、构建卫星任务规划优化模型;
S6、基于所述初始任务规划序列、所述卫星任务规划优化模型和改进的邻域搜索算法获取最终的优化任务规划方案,所述改进的邻域搜索算法的改进之处包括在迭代中可以接受不可行解。
优选的,所述从卫星集合中选出当前规划卫星包括:
利用公式选出当前规划卫星Sn',S'表示未规划卫星集合,S'初始等于S,S={S1,S2,...,Sn,...,SN}表示卫星集合,表示卫星Sn最大储存能量,表示卫星Sn的最大储存容量,φ,为平衡量纲参数。
优选的,所述对当前规划卫星进行任务资源匹配包括:
S301、从未安排任务集合中选择一个最早开始观测时间最早的任务,作为所述当前规划卫星Sn'的首任务,所述未安排任务集合初始为所述观测任务集合,检验所述首任务和所述当前规划卫星Sn'是否满足多种约束,如果满足,将该任务插入到所述当前规划卫星Sn'的执行任务序列中,并在所述未安排任务集合中删除该任务,更新未安排任务集合,执行步骤S302,否则,换下一个未安排任务作为首任务尝试进行插入,如果所有的未安排任务都无法插入,跳到步骤S4;
S302、从未安排任务集合中选择卫星姿势转换时间和等待时间之和最短的任务作为待安排任务,检验所述待安排任务和前规划卫星Sn'是否满足多种约束,如果满足,将该任务插入到所述当前规划卫星Sn'的执行任务序列中,并在未安排任务集合中删除该任务,更新未安排任务集合,重复执行步骤S302,否则,换下一个未安排任务尝试进行插入,如果所有的未安排任务都无法插入,跳到步骤S4。
优选的,所述卫星任务规划优化模型包括:
其中:
表示完成任务Tm的观测得到的收益;表示违反约束惩罚值,如果规划方案解Rsolution为可行解否则分别表示解的能量约束惩罚值、储存容量约束惩罚值、时间窗约束惩罚值以及最长工作时间约束惩罚值β,λ、为平衡量纲参数;Rsolution={R1,R2,...Rn,...RN}表示一个任务规划方案;Rn表示卫星Sn的执行任务序列,按照卫星Sn依次执行观测任务的先后顺序排列而成;
约束条件包括:
能量约束惩罚约束、储存容量约束惩罚约束、时间约束惩罚约束和最长工作时间惩罚约束,其计算公式如下:
其中:
表示0和之间的较大值;表示Sn已观测任务消耗的能量,表示卫星Sn观测单位时间消耗的能量,表示任务Tm观测所需时间;表示Sn偏转角进行调整时消耗的能量,其中xijn为0,1变量,当卫星Sn在观测任务Ti后观测任务Tj,xijn=1,否则的话等于0;表示Sn从观测任务Ti到观测任务Tj之间的调整时间;表示卫星Sn单位时间姿势调整消耗的能量;
其中:
表示0和之间的较大值;表示当前规划卫星Sn已经消耗的储存容量,表示当前规划卫星Sn观测单位时间消耗的储存容量,表示任务Tm观测所需时间,表示卫星Sn观测任务Tm需要耗费的储存容量,为卫星Sn的最大储存容量;
其中:
表示0和之间的较大值,表示任务Tm的最迟开始观测时间,表示卫星Sn尝试对任务Tm执行观测的时间,表示和之间的较大值,Ti表示卫星Sn执行任务Tm之前执行的观测任务,表示卫星Sn尝试对任务Ti执行观测的时间,如果Ti为Sn第一个观测任务,表示任务Ti的最早开始观测时间;timn表示Sn从观测任务Ti到观测任务Tm之间的调整时间,表示任务Ti观测所需时间;
其中:
表示0和之间的较大值,为卫星最长工作时间,为卫星实际工作时间,它主要由三部分组成,表示卫星执行任务观测时间,表示任务Tm观测所需时间;表示卫星姿势转换所消耗的时间,其中xijn为0,1变量,当卫星Sn在观测任务Ti后观测任务Tj,xijn=1,否则的话等于0;表示Sn从观测任务Ti到观测任务Tj之间的姿势调整时间;表示卫星Sn所消耗的等待时间,表示和0之间的较大值,表示任务Tm的最早开始观测时间,表示当前规划卫星Sn尝试对任务Tm执行观测的时间,表示和之间的较大值,Ti表示当前规划卫星Sn执行任务Tm之前执行的观测任务,timn表示Sn从观测任务Ti到观测任务Tm之间的调整时间,表示任务Ti观测所需时间。
优选的,基于所述初始任务规划序列、所述卫星任务规划优化模型和改进的邻域搜索算法获取最终的优化任务规划方案,包括:
S601、进行参数初始化,输入所需参数终止系数Wend=0.1、下降系数Wfall=0.93、邻域解数量N=300、当前系数Wnow=1000,初始规划方案Rinitial,未安排任务集合T',将初始规划方案Rinitial设置为当前解和最好解,Rnow和Rbest分别用于记录当前解和最好解的适应度值;
S602、随机选择一个邻域操作算子转换当前解生成一个邻域解,重复这个操作直到邻域解的数量达到N,邻域操作算子共有两个分别是交换算子和插入算子;
S603、依次计算N个邻域解的适应度值,取出其中适应度值最高的邻域解,将该邻域解设置为候选解,Rcan用于记录候选解的适应度值;
S604、如果候选解的适应度值大于当前解适应度值,则候选解成为新一代的当前解,否则的话计算是否成立,如果成立则候选解成为新一代的当前解,否则维持当前解不变,Wnow表示当前系数,Random(0,1)用于生成0到1之间随机生成的数据;
S605、判断候选解的违反约束惩罚值是否为0,当不为0时,则保持最好解不变,为0时,则判断Rcan和Rbest的大小,如果Rcan≥Rbest,候选解成为新一轮的最好解,否则保持最好解不变;
S606、当前解和最好解更新完毕后,更新参数Wnow=Wnow*Wfall,Wnow表示当前系数,Wfall表示下降系数;
S607、如果Wnow≤Wend,算法终止输入最好解,最好解即为最终的优化任务规划方案,否则的话转到S602开始重复迭代直到达到算法终止条件。
优选的,所述交换算子包括:
在当前解中任选一条卫星执行任务序列Rn,从Rn中任意选一段执行任务序列Ra;从未执行任务集合T'中选出若干个卫星Sn可执行的观测任务,将这若干个观测任务按照时间窗先后的排序形成一段任务序列Rb;将这任务序列Ra和任务序列Rb进行交换;
和/或
所述插入算子包括:
在当前解中任选一条卫星执行任务序列Rn,从未执行任务集合T'中取若干个卫星Sn可执行的观测任务并将其按照时间窗先后进行一个排序形成一段任务序列Rc;将任务序列Rc插入到Rn中一个B(Rn)最大的地方,表示Rn的适应度值。
优选的,所述方法还包括:
在步骤S7中得到最终的优化任务规划方案后,判断未安排任务集合T'中的未安排任务能否与最终的优化任务规划方案中已安排任务进行合成观测,合成观测的步骤如下:
C1、根据编号依次选出卫星Sn,每个卫星Sn都对应一个执行任务序列Rn,Rn根据卫星执行任务先后顺序排列而成;
C2、从Rn中按照卫星Sn执行任务顺序依次选出已安排任务Ta,Ta∈Rn;如果Sn中的已安排任务全部被选出,则转C1重新选择卫星;
C3、从未安排任务集合T'选出卫星Sn可执行的任务,按照时间窗先后顺序进行排序,构成待合成任务集合Tn;
C4、从集合Tn依次选出待合成任务Tb,Tb∈Tn;
C5、判断任务Ta和Tb是否满足合成观测条件,若满足,则新建一个任务Tc,Tc由Ta和Tb组成,Tc除了收益所有的属性与Ta一致,将任务Tc和Rn中Ta进行替换;替换代表卫星Sn原本执行任务Ta,现在变成执行任务Tc,否则,转步骤C4重新选择待合成任务Tb,如果所有的待合成任务都无法合成,则转C2重新选择以安排任务Ta,重复上述步骤直到所有的已安排任务全部被选择。
所述合成观测条件包括:
安排任务Ta和未安排任务Tb满足时间约束和角度约束;
利用检验是否满足角度约束,Ta为规划方案Rsolution={R1,R2,...Rn,...RN}中的已安排任务,Tb为未安排任务集合T'中的未安排任务,如果Tb的最佳观测角度在Ta的最小和最大观测角度之间,则满足角度约束;
利用检验是否满足时间窗约束,Ta为规划方案Rsolution={R1,R2,...Rn,...RN}中的已安排任务,Tb为T'中的未安排任务,如果Ta的观测时间窗把Tb的观测时间窗覆盖,则满足时间窗约束。
第二方面,本发明实施例提供一种卫星任务规划装置,包括:
资源获取模块,用于获取卫星集合和观测任务集合;
当前规划卫星选择模块,用于从卫星集合中选出当前规划卫星;
资源匹配模块,用于对所述当前规划卫星进行任务资源匹配;
更新模块,用于从所述未规划卫星集合中删除所述当前规划卫星,更新未规划卫星集合,返回当前规划卫星选择模块,直到没有卫星资源能够再进行规划,结束任务规划,生成初始任务规划序列;
模型构建模块,用于构建卫星任务规划优化模型;
求解模块,用于基于所述初始任务规划序列、所述卫星任务规划优化模型和改进的邻域搜索算法获取最终的优化任务规划方案,所述改进的邻域搜索算法的改进之处包括在迭代中可以接受不可行解。
第三方面,本发明实施例一种计算机可读存储介质,其存储用于卫星任务规划的计算机程序,其中,所述计算机程序使得计算机执行如上述所述的卫星任务规划方法。
第四方面,本发明实施例提供一种电子设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行如上述所述的卫星任务规划方法。
(三)有益效果
本发明提供了一种卫星任务规划方法、装置、存储介质和电子设备。与现有技术相比,具备以下有益效果:
本发明的设计的优化算法在迭代中可以接受不可行解,这样将显著提大搜索范围,提高搜索能力,因为从一个可行解出发去寻找一个更好的可行解难度较大,如果中间以一个不可行解作为桥梁,则有利于降低搜索难度,能更好的寻求最优解,得到的优化任务规划方法能有效的提高卫星资源整体利用率。
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为本发明实施例一种卫星任务规划方法的框图。
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卫星任务规划方法、装置、存储介质和电子设备,解决了现有卫星任务规划方法卫星资源利用率较低的技术问题,实现有效的提高卫星资源整体利用率。
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:
卫星任务规划系统的第一步是生成初始任务规划方案,它主要通过输入卫星集合S,观测任务集合T的信息,然后通过操作最终生成初始任务规划方案Rinitial={R1,R2,...Rn,...RN};Rn表示卫星Sn的执行任务序列,它是由卫星Sn依次执行观测任务的先后顺序排列而成。卫星任务规划系统的第二步是利用设计的优化算法对初始任务规划序列进行优化得到最终的规划结果。
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卫星任务规划方法,该方法由计算机执行,如图1所示,包括以下步骤:
S1、获取卫星集合和观测任务集合;
S2、从卫星集合中选出当前规划卫星;
S3、对所述当前规划卫星进行任务资源匹配;
S4、从所述未规划卫星集合中删除所述当前规划卫星,更新未规划卫星集合,返回步骤S2,直到没有卫星资源能够再进行规划,结束任务规划,生成初始任务规划序列;
S5、构建卫星任务规划优化模型;
S6、基于所述初始任务规划序列、所述卫星任务规划优化模型和改进的邻域搜索算法获取最终的优化任务规划方案,所述改进的邻域搜索算法的改进之处包括在迭代中可以接受不可行解等。
本发明实施例的设计的优化算法在迭代中可以接受不可行解,这样将显著提大搜索范围,提高搜索能力,因为从一个可行解出发去寻找一个更好的可行解难度较大,如果中间以一个不可行解作为桥梁,则有利于降低搜索难度,能更好的寻求最优解,得到的优化任务规划方法能有效的提高卫星资源整体利用率。
下面对本发明实施例的实现过程进行详细说明:
S={S1,S2,...,Sn,...,SN}表示卫星集合,Sn表示第n颗卫星,N表示总的卫星数量,对于Sn∈S,表示卫星Sn的最大偏转角度,表示卫星的最小偏转角度,表示卫星Sn的最大储存容量,表示卫星观测单位时间所消耗的储存容量,表示卫星Sn最大储存能量,表示卫星最长工作时间,表示卫星Sn观测单位时间消耗的能量,表示卫星Sn单位时间姿势调整消耗的能量,表示卫星Sn单位时间角度偏转速率。
T={T1,T2,...,Tm,...,TM}表示观测任务集合,Tm表示第m个观测任务,M表示观测任务总数,表示Tm的最佳观测角度,表示Tm的最早开始观测时间,表示Tm的最晚开始观测时间,表示Tm观测所需时间,分别表示卫星的最大和最小观测角度,表示Tm观测带来的收益,表示满足Tm观测传感器类型的卫星资源集合。
Rsolution={R1,R2,...Rn,...RN}表示一个任务规划方案;Rn表示卫星Sn的执行任务序列,按照卫星Sn依次执行观测任务的先后顺序排列而成。
在步骤S1中,计算机获取卫星集合和观测任务集合。
在步骤S2中,从卫星集合中选出当前规划卫星。具体实施过程如下:
利用公式选出当前规划卫星Sn',S'表示未规划卫星集合,S'初始等于S,S={S1,S2,...,Sn,...,SN}表示卫星集合,Sn表示第n颗卫星,N表示总的卫星数量,表示卫星Sn最大储存能量,表示卫星Sn的最大储存容量,φ,为自定义参数用于平衡量纲。
在步骤S3中,对所述当前规划卫星进行任务资源匹配,匹配过程包括:
S301、从未安排任务集合中选择一个最早开始观测时间最早的任务,作为当前规划卫星Sn'的首任务,检验首任务Tm'和当前规划卫星Sn'是否满足多种约束,如果满足,则将该任务插入到当前规划卫星的执行任务序列中,并在未安排任务集合中删除该任务,更新未安排任务集合,执行步骤S302,否则,换下一个未安排任务作为首任务尝试进行插入,如果所有的未安排任务都无法插入,跳到步骤S4。具体包括:
利用公式为当前规划卫星选择首任务Tm',T'表示未安排任务集合,T'初始等于T,表示任务Tm的最早开始观测时间,就是从未安排任务集合中选择一个最早开始观测时间最早的任务。检验首任务Tm'和当前规划卫星Sn'是否满足多种约束,如果满足,将该任务插入到当前规划卫星的执行任务序列中,并在未安排任务集合中删除该任务,更新未安排任务集合,执行步骤S302,否则,换下一个未安排任务作为首任务尝试进行插入,如果所有的未安排任务都无法插入,说明当前规划卫星的资源已经消耗完,无法在安排任务,该卫星的执行任务序列构建完毕,跳到步骤S4。
S302、从未安排任务集合中选择卫星姿势转换时间和等待时间之和最短的任务作为待安排任务,检验待安排任务前规划卫星Sn'是否满足多种约束,如果满足,将该任务插入到当前规划卫星的执行任务序列中,并在未安排任务集合中删除该任务,更新未安排任务集合,重复执行步骤S302,否则,换下一个未安排任务尝试进行插入,如果所有的未安排任务都无法插入,跳到步骤S4。具体包括:
利用公式选择待安排任务Tm',Tm'表示未安排任务集合,表示卫星Sn'从执行任务Ti到执行任务Tm之间的姿势调整时间,每一个任务都有一个最佳观测角度,所以卫星在完成上一个任务观测后,在执行下一个任务观测前,需要将自身的设备角度进行一个调整,此处需要消耗一定的时间。Ti表示Sn'的当前最后执行任务,分别表示任务Ti和Tm的最佳观测角度,表示Sn'单位时间角度偏转速率。表示卫星Sn'观测任务Tm所消耗的等待时间,表示和0之间的较大值,表示任务Tm的最早开始观测时间,表示当前规划卫星Sn'尝试对任务Tm执行观测的时间,表示和之间的较大值,Ti表示当前规划卫星Sn'执行任务Tm之前执行的观测任务,timn'表示Sn'从观测任务Ti到观测任务Tm之间的调整时间,表示任务Ti观测所需时间,检验待安排任务Tm'与当前规划卫星Sn'是否满足多种约束,如果满足,将该任务插入到当前规划卫星的执行任务序列中,并在未安排任务集合中删除该任务,更新未安排任务集合,重复执行步骤S302,否则,换下一个未安排任务尝试进行插入,如果所有的未安排任务都无法插入,说明当前规划卫星的资源已经消耗完,无法在安排任务,该卫星的执行任务序列构建完毕,跳到步骤S4。
步骤S301和S302中的多种约束包括:类型约束、角度约束、时间窗约束、储存约束、能量约束、最长工作时间约束。检验首任务和当前规划卫星是否满足约束条件和检验待安排任务和前规划卫星是否满足多种约束的方法一致,下面以检验待安排任务Tm'和当前规划卫星Sn'是否满足多种约束为例进行详细说明。
A1、检验类型约束,利用公式来检验是否类型约束,若满足,则执行步骤A2、否则,跳出约束条件检验过程,表示满足Tm'观测传感器类型的卫星资源集合,不同卫星携带的传感器类型不同,例如光学、红外线等等,而不同任务根据自身观测需求需要不同的传感器类型。
A2、检验角度约束,利用公式检验是否角度约束,若满足,则执行步骤A3、否则,跳出约束条件检验过程,分别表示Sn'传感器的最大、最小偏转角度,表示Tm'的最佳观测角度,每个任务都有一个最佳观测角度,该任务如果想要被卫星观测,必须要满足该任务的最佳观测角度在卫星传感器的最小和最大偏转角之内。
A3、检验时间窗约束,利用公式检验是否满足时间窗约束,若满足,则执行步骤A4、否则,跳出约束条件检验过程,表示Sn'对Tm'的尝试开始观测时间,表示任务Tm'的最迟观测时间,表示和之间的较大值,Ti表示当前规划卫星Sn'最后执行的任务,表示Sn'对Ti的尝试开始观测时间,表示任务Ti的最早观测时间,表示Ti观测所需时间,表示Sn'从任务Ti到任务Tm'之间的姿势调整时间,如果Tm'为当前规划卫星Sn的第一个观测任务,则
A4、检验储存约束,利用公式检验是够满足储存约束,若满足,则执行步骤A5、否则,跳出约束条件检验过程,表示当前规划卫星Sn'已经消耗的储存容量,表示Sn'观测单位时间消耗的储存容量,表示任务Tm观测所需时间,表示卫星Sn'观测任务Tm'需要耗费的储存容量。如果Tm'为当前规划卫星Sn'的第一个观测任务,则
A5、检验能量约束,利用公式检验是否满足能量约束,若满足,则执行步骤A6、否则,跳出约束条件检验过程,卫星能量消耗消耗主要有两个,一是对任务进行观测,二是卫星偏转角进行调整。表示当前规划卫星Sn'已经消耗的能量;表示Sn'已观测任务消耗的能量,表示卫星Sn'观测单位时间消耗的能量,表示任务Tm观测所需时间;表示Sn'偏转角进行调整时消耗的能量,其中xijn'为0,1变量,当卫星Sn'在观测任务Ti后观测任务Tj,xijn'=1,否则的话等于0;表示Sn'从观测任务Ti到观测任务Tj之间的调整时间;表示卫星Sn'单位时间姿势调整消耗的能量。如果Tm'为Sn'的第一个观测任务,则 表示当前规划卫星Sn'从当前最后一个执行任务Ti到待安排任务Tm'的姿势转换消耗的能量,表示Sn'观测任务Tm'所耗费能量。
A6、检验最长工作时间约束,卫星消耗的时间主要由三部分组成,一是对任务进行观测,二是卫星姿势转换时间,三是卫星等待执行任务时间。利用检验是否满足最长工作时间约束,若满足,将该任务插入到所述当前规划卫星Sn'的执行任务序列中;否则,跳出约束条件检验过程;其中为当前规划卫星Sn'的最长工作时长,表示当前规划卫星Sn'已经工作的时长,表示Sn'已观测任务所消耗的时间,表示任务Tm观测所需时间;表示卫星姿势转换所消耗的时间,其中xijn'为0,1变量,当卫星Sn'在观测任务Ti后观测任务Tj,xijn'=1,否则的话等于0;表示Sn'从观测任务Ti到观测任务Tj之间的姿势调整时间;表示卫星Sn'所消耗的等待时间,表示和0之间的较大值,表示任务Tm的最早开始观测时间,表示当前规划卫星Sn'尝试对任务Tm执行观测的时间,表示和之间的较大值,Ti表示当前规划卫星Sn'执行任务Tm之前执行的观测任务,timn'表示Sn'从观测任务Ti到观测任务Tm之间的调整时间,表示任务Ti观测所需时间;如果Tm'为Sn'的第一个观测任务,则tim'n'表示当前规划卫星Sn'从当前最后一个执行任务Ti到待安排任务Tm'的姿势转换时间,如果Tm'为Sn'的第一个观测任务,tim'n'=0;表示Sn'观测任务Tm'所消耗时间。
在步骤S4中,从未规划卫星集合S'中删除当前规划卫星Sn',更新未规划卫星集合S',返回步骤S2,直到没有卫星资源能够再进行规划,结束任务规划,生成初始任务规划序列Rinitial={R1,R2,...Rn,...RN},Rn表示卫星Sn的执行任务序列,它是由卫星Sn依次执行观测任务的先后顺序排列而成。
在步骤S5中,构建卫星任务规划优化模型。具体实施过程如下:
其中:
表示完成任务Tm的观测得到的收益;表示违反约束惩罚值,如果规划方案解Rsolution为可行解否则β,λ、为平衡量纲参数;分别表示能量约束惩罚值、容量约束惩罚值、时间窗约束惩罚值以及最长工作时间约束惩罚值。Rsolution={R1,R2,...Rn,...RN}表示一个任务规划方案;Rn表示卫星Sn的执行任务序列,按照卫星Sn依次执行观测任务的先后顺序排列而成;
约束条件包括:
能量约束惩罚约束、储存容量约束惩罚约束、时间约束惩罚约束和最长工作时间惩罚约束,其计算公式如下:
其中:
表示0和之间的较大值。表示Sn已观测任务消耗的能量,表示卫星Sn观测单位时间消耗的能量,表示任务Tm观测所需时间;表示Sn偏转角进行调整时消耗的能量,其中xijn为0,1变量,当卫星Sn在观测任务Ti后观测任务Tj,xijn=1,否则的话等于0;表示Sn从观测任务Ti到观测任务Tj之间的调整时间;表示卫星Sn单位时间姿势调整消耗的能量;
其中:
表示0和之间的较大值;表示当前规划卫星Sn已经消耗的储存容量,表示当前规划卫星Sn观测单位时间消耗的储存容量,表示任务Tm观测所需时间,表示卫星Sn观测任务Tm需要耗费的储存容量,为卫星Sn的最大储存容量;
其中:
表示0和之间的较大值,表示任务Tm的最迟开始观测时间,表示卫星Sn尝试对任务Tm执行观测的时间,表示和之间的较大值,Ti表示卫星Sn执行任务Tm之前执行的观测任务,表示卫星Sn尝试对任务Ti执行观测的时间,如果Ti为Sn第一个观测任务,表示任务Ti的最早开始观测时间。timn表示Sn从观测任务Ti到观测任务Tm之间的调整时间,表示任务Ti观测所需时间;
其中:
表示0和之间的较大值,为卫星最长工作时间,为卫星实际工作时间,它主要由三部分组成,表示卫星执行任务观测时间,表示任务Tm观测所需时间;表示卫星姿势转换所消耗的时间,其中xijn为0,1变量,当卫星Sn在观测任务Ti后观测任务Tj,xijn=1,否则的话等于0;表示Sn从观测任务Ti到观测任务Tj之间的姿势调整时间;表示卫星Sn所消耗的等待时间,表示和0之间的较大值,表示任务Tm的最早开始观测时间,表示当前规划卫星Sn尝试对任务Tm执行观测的时间,表示和之间的较大值,Ti表示当前规划卫星Sn执行任务Tm之前执行的观测任务,timn表示Sn从观测任务Ti到观测任务Tm之间的调整时间,表示任务Ti观测所需时间,如果Tm是卫星执行的首任务,
在步骤S6中,基于所述初始任务规划序列、所述卫星任务规划优化模型和改进的邻域搜索算法获取最终的优化任务规划方案,所述改进的邻域搜索算法的改进之处包括在迭代中可以接受不可行解。
S601、初始化,首先进行参数初始化,输入所需参数终止系数Wend=0.1、下降系数Wfall=0.93、邻域解数量N=300、当前系数Wnow=1000,初始规划方案Rinitial,未安排任务集合T',未安排任务指没有被安排进初始规划方案的观测任务。然后将初始规划方案Rinitial设置为当前解和最好解,Rnow和Rbest分别用于记录当前解和最好解的适应度值。
S602、构造邻域解集合,随机选择一个邻域操作算子转换当前解生成一个邻域解,重复这个操作直到邻域解的数量达到N,邻域操作算子共有两个分别是交换算子和插入算子。
交换算子:在当前解中任选一条卫星执行任务序列Rn,从Rn中任意选一段执行任务序列,这段执行任务序列由卫星Sn连续执行的若干个任务组成,可以是单个也可以是多个。然后从未执行任务集合T'中选出若干个卫星Sn可执行的观测任务,即卫星Sn在这些任务满足任务观测传感器类型的卫星资源集合中,将这若干个观测任务按照时间窗先后的排序形成一段任务序列。最后将这两段任务序列进行交换。
插入算子:在当前解中任选一条卫星执行任务序列Rn,从未执行任务集合T'中取若干个卫星Sn可执行的观测任务并将其按照时间窗先后进行一个排序形成一段任务序列,若干个观测任务可以是单个也可以是多个,然后将这段任务序列插入到Rn中一个B(Rn)最大的地方,表示Rn的适应度值。
S603、获得候选解,依次计算N个邻域解的适应度值,取出其中适应度值最高的邻域解,将该邻域解设置为候选解,Rcan用于记录候选解的适应度值。
S604、更新当前解,如果候选解的适应度值大于当前解适应度值,则候选解成为新一代的当前解,否则的话计算是否成立,如果成立则候选解成为新一代的当前解,否则维持当前解不变,Wnow表示当前系数,Random(0,1)用于生成0到1之间随机生成的数据。
S605、更新最好解,首先判断候选解是否为可行解,判断可行解的依据是候选解的违反约束惩罚值是否为0,如果不为可行解,则保持最好解不变,否则的话判断Rcan和Rbest的大小,如果Rcan≥Rbest,该候选解成为新一轮的最好解,否则保持最好解不变。
S606、更新算法参数,当前解和最好解更新完毕后,更新参数Wnow=Wnow*Wfall,Wnow表示当前系数,Wfall表示下降系数。
S607、判断算法终止:如果Wnow≤Wend,算法终止输入最好解作为最终的优化方案,最好解即为最终的优化方案,否则的话转到S602开始重复迭代直到达到算法终止条件。
在具体实施过程中,本发明实施例还包括、在得到最终的优化任务规划方案后,判断未安排任务集合T'中的未安排任务能否与最终的优化任务规划方案的已安排任务进行合成观测,合成观测是指对两个观测要求相近的任务作为一个合成任务进行观测,这样可以再不影响原有任务规划序列的基础上对更多的任务进行观测,提高观测收益以及卫星资源利用率。具体实施过程如下:
C1、根据编号依次选出卫星Sn,每个卫星Sn都对应一个执行任务序列Rn,Rn根据卫星执行任务先后顺序排列而成。
C2、从Rn中按照卫星Sn依次执行任务顺序选出已安排任务Ta(Ta∈Rn)
C3、从未安排任务集合T'选出卫星Sn可执行的任务,按照时间窗先后顺序进行排序,构成待合成任务集合Tn。
C4、从集合Tn依次选出待合成任务Tb(Tb∈Tn)
C5、判断任务Ta和Tb是否满足合成观测条件,若满足,则新建一个任务Tc,Tc由Ta和Tb组成,Tc除了收益所有的属性与Ta一致,将任务Tc和Rn中Ta进行替换。否则,转步骤C4重新选择待合成任务Tb,如果所有的待合成任务都无法合成,转C2重新选择以安排任务Ta,重复上述步骤直到所有的已安排任务全部被检验能否与为安排任务进行合成观测。
合成观测条件包括:
已安排任务Ta和未安排任务Tb满足时间约束和角度约束;
在具体实施过程中,本发明实施例还包括利用公式计算总收益,表示观测任务的收益总合,表示完成任务Tm的观测得到的收益,表示卫星消耗的总成本,表示卫星Sn消耗的成本,其中β表示两个系数用于平衡量纲,表示卫星Sn消耗的能量;表示Sn观测任务消耗的能量,表示Sn偏转角进行调整时消耗的能量;表示当前规划卫星Sn'已经消耗的储存容量,表示Sn'观测单位时间消耗的储存容量,表示任务Tm观测所需时间。
本发明实施例还提供了一种卫星任务规划装置,包括以下步骤:
资源获取模块,用于获取卫星集合和观测任务集合;
当前规划卫星选择模块,用于从卫星集合中选出当前规划卫星;
资源匹配模块,用于对所述当前规划卫星进行任务资源匹配;
更新模块,用于从所述未规划卫星集合中删除所述当前规划卫星,更新未规划卫星集合,返回当前规划卫星选择模块,直到没有卫星资源能够再进行规划,结束任务规划,生成初始任务规划序列;
模型构建模块,用于构建卫星任务规划优化模型;
求解模块,用于基于所述初始任务规划序列、所述卫星任务规划优化模型和改进的邻域搜索算法获取最终的优化任务规划方案,所述改进的邻域搜索算法的改进之处包括在迭代中可以接受不可行解。
可理解的是,本发明实施例提供的卫星任务规划装置与上述卫星任务规划方法相对应,其有关内容的解释、举例、有益效果等部分可以参考卫星任务规划方法中的相应内容,此处不再赘述。
本发明实施例还提供一种计算机可读存储介质,其存储用于卫星任务规划的计算机程序,其中,所述计算机程序使得计算机执行如上述所述的卫星任务规划方法。
本发明实施例还提供一种电子设备,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行如上述所述的卫星任务规划方法。
综上所述,与现有技术相比,具备以下有益效果:
1、本发明的设计的优化算法在迭代中可以接受不可行解,这样将显著扩大搜索范围,提高搜索能力,因为从一个可行解出发去寻找一个更好的可行解难度较大,如果中间以一个不可行解作为桥梁,则有利于降低搜索难度,能更好的寻求最优解,得到的优化任务规划方法能有效的提高卫星资源整体利用率。
2、本发明实施例在卫星的选择上综合考虑卫星的能量和容量,并设置相应的参数平衡量纲,由于综合评价值较大的卫星更有机会完成难度较大的观测任务,因此排序置后,优先选择综合评价值较小的卫星构造规划方案。在任务的选择上综合考虑卫星姿势转换时间以及等待时间,卫星姿势转换时间越少表示卫星消耗的能量越少,等待时间越少则意味着卫星能将更多的时间用于观测,卫星资源利用率更高,所以综合评级值越小的任务越优先安排。通过上述方法可以快速的对观测任务进行资源分配,极大限度的提高卫星资源调度效率和利用率。
3、本发明实施例考虑了对两个观测要求相近的任务作为一个合成任务进行观测,这样可以再不影响原有任务规划序列的基础上对更多的任务进行观测,提高观测收益以及卫星资源利用率。
4、本发明实施例设计了一种更新机制用于当前解的保留与替换,在当前系数较高时,即使候选解比当前解差,也会大概率替换当前解,这样有利于前期广泛的搜索,伴随当前系数的降低,候选解比当前解差被接受的概率会慢慢降低,直到最后变成只有候选解比当前解更优才能进行替换,这样有利于算法收敛。更新机制可以有效提高算法整体寻优能力。
5、在插入算子的操作中,一般都是使用随机的方式进行插入,而本发明实施例通过计算选择在适应度值最大的地方插入,这样做可以降低随机性,提高插入结果。
需要说明的是,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 (9)
1.一种卫星任务规划方法,其特征在于,包括以下步骤:
S1、获取卫星集合和观测任务集合;
S2、从卫星集合中选出当前规划卫星;
S3、对所述当前规划卫星进行任务资源匹配;
S4、从未规划卫星集合中删除所述当前规划卫星,更新未规划卫星集合,返回步骤S2,直到没有卫星资源能够再进行规划,结束任务规划,生成初始任务规划序列;
S5、构建卫星任务规划优化模型;
S6、基于所述初始任务规划序列、所述卫星任务规划优化模型和改进的邻域搜索算法获取最终的优化任务规划方案,所述改进的邻域搜索算法的改进之处包括在迭代中可以接受不可行解;
其中,所述卫星任务规划优化模型包括:
其中:
表示完成任务Tm的观测得到的收益;表示违反约束惩罚值,如果规划方案解Rsolution为可行解否则分别表示解的能量约束惩罚值、储存容量约束惩罚值、时间窗约束惩罚值以及最长工作时间约束惩罚值,β,λ、为平衡量纲参数;Rsolution={R1,R2,...Rn,...RN}表示一个任务规划方案;Rn表示卫星Sn的执行任务序列,按照卫星Sn依次执行观测任务的先后顺序排列而成;
约束条件包括:
能量约束惩罚约束、储存容量约束惩罚约束、时间窗约束惩罚约束和最长工作时间惩罚约束,其计算公式如下:
其中:
表示0和之间的较大值;表示Sn已观测任务消耗的能量,表示卫星Sn观测单位时间消耗的能量,表示任务Tm观测所需时间;表示Sn偏转角进行调整时消耗的能量,其中xijn为0,1变量,当卫星Sn在观测任务Ti后观测任务Tj,xijn=1,否则的话等于0;表示Sn从观测任务Ti到观测任务Tj之间的调整时间;表示卫星Sn单位时间姿势调整消耗的能量;
其中:
表示0和之间的较大值;表示当前规划卫星Sn已经消耗的储存容量,表示当前规划卫星Sn观测单位时间消耗的储存容量,表示任务Tm观测所需时间,表示卫星Sn观测任务Tm需要耗费的储存容量,为卫星Sn的最大储存容量;
其中:
表示0和之间的较大值,表示任务Tm的最迟开始观测时间,表示卫星Sn尝试对任务Tm执行观测的时间,表示和Ti star之间的较大值,Ti表示卫星Sn执行任务Tm之前执行的观测任务,表示卫星Sn尝试对任务Ti执行观测的时间,如果Ti为Sn第一个观测任务,Ti star表示任务Ti的最早开始观测时间;timn表示Sn从观测任务Ti到观测任务Tm之间的调整时间,表示任务Ti观测所需时间;
其中:
表示0和之间的较大值,为卫星最长工作时间,为卫星实际工作时间,它主要由三部分组成,表示卫星执行任务观测时间,表示任务Tm观测所需时间;表示卫星姿势转换所消耗的时间,其中xijn为0,1变量,当卫星Sn在观测任务Ti后观测任务Tj,xijn=1,否则的话等于0;表示Sn从观测任务Ti到观测任务Tj之间的姿势调整时间;表示卫星Sn所消耗的等待时间,表示和0之间的较大值,表示任务Tm的最早开始观测时间,表示当前规划卫星Sn尝试对任务Tm执行观测的时间,表示和之间的较大值,Ti表示当前规划卫星Sn执行任务Tm之前执行的观测任务,timn表示Sn从观测任务Ti到观测任务Tm之间的调整时间,表示任务Ti观测所需时间。
3.如权利要求1所述的卫星任务规划方法,其特征在于,所述对所述当前规划卫星进行任务资源匹配包括:
S301、从未安排任务集合中选择一个最早开始观测时间最早的任务,作为所述当前规划卫星Sn'的首任务,所述未安排任务集合初始为所述观测任务集合,检验所述首任务和所述当前规划卫星Sn'是否满足多种约束,如果满足,则将该任务插入到所述当前规划卫星Sn'的执行任务序列中,并在所述未安排任务集合中删除该任务,更新未安排任务集合,执行步骤S302,否则,换下一个未安排任务作为首任务尝试进行插入,如果所有的未安排任务都无法插入,跳到步骤S4;
S302、从未安排任务集合中选择卫星姿势转换时间和等待时间之和最短的任务作为待安排任务,检验所述待安排任务和前规划卫星Sn'是否满足多种约束,如果满足,则将该任务插入到所述当前规划卫星Sn'的执行任务序列中,并在未安排任务集合中删除该任务,更新未安排任务集合,重复执行步骤S302,否则,换下一个未安排任务尝试进行插入,如果所有的未安排任务都无法插入,跳到步骤S4。
4.如权利要求1所述的卫星任务规划方法,其特征在于,基于所述初始任务规划序列、所述卫星任务规划优化模型和改进的邻域搜索算法获取最终的优化任务规划方案,包括:
S601、进行参数初始化,输入所需参数终止系数Wend=0.1、下降系数Wfall=0.93、邻域解数量N=300、当前系数Wnow=1000,初始规划方案Rinitial,未安排任务集合T',将初始规划方案Rinitial设置为当前解和最好解,Rnow和Rbest分别用于记录当前解和最好解的适应度值;
S602、随机选择一个邻域操作算子转换当前解生成一个邻域解,重复这个操作直到邻域解的数量达到N,邻域操作算子共有两个分别是交换算子和插入算子;
S603、依次计算N个邻域解的适应度值,取出其中适应度值最高的邻域解,将该邻域解设置为候选解,Rcan用于记录候选解的适应度值;
S604、如果候选解的适应度值大于当前解适应度值,则候选解成为新一代的当前解,否则的话计算是否成立,如果成立则候选解成为新一代的当前解,否则维持当前解不变,Wnow表示当前系数,Random(0,1)用于生成0到1之间随机生成的数据;
S605、判断候选解的违反约束惩罚值是否为0,当不为0时,则保持最好解不变,为0时,则判断Rcan和Rbest的大小,如果Rcan≥Rbest,候选解成为新一轮的最好解,否则保持最好解不变;
S606、当前解和最好解更新完毕后,更新参数Wnow=Wnow*Wfall,Wnow表示当前系数,Wfall表示下降系数;
S607、如果Wnow≤Wend,算法终止输入最好解,最好解即为最终的优化任务规划方案,否则的话转到S602开始重复迭代直到达到算法终止条件。
6.如权利要求1~5任一所述的卫星任务规划方法,其特征在于,所述方法还包括:
在步骤S7中得到最终的优化任务规划方案后,判断未安排任务集合T'中的未安排任务能否与最终的优化任务规划方案中已安排任务进行合成观测,合成观测的步骤如下:
C1、根据编号依次选出卫星Sn,每个卫星Sn都对应一个执行任务序列Rn,Rn根据卫星执行任务先后顺序排列而成;
C2、从Rn中按照卫星Sn执行任务顺序依次选出已安排任务Ta,Ta∈Rn;如果Sn中的已安排任务全部被选出,则转C1重新选择卫星;
C3、从未安排任务集合T'选出卫星Sn可执行的任务,按照时间窗先后顺序进行排序,构成待合成任务集合Tn;
C4、从集合Tn依次选出待合成任务Tb,Tb∈Tn;
C5、判断任务Ta和Tb是否满足合成观测条件,若满足,则新建一个任务Tc,Tc由Ta和Tb组成,Tc除了收益所有的属性与Ta一致,将任务Tc和Rn中Ta进行替换;替换代表卫星Sn原本执行任务Ta,现在变成执行任务Tc,否则,转步骤C4重新选择待合成任务Tb,如果所有的待合成任务都无法合成,则转C2重新选择以安排任务Ta,重复上述步骤直到所有的已安排任务全部被选择;
所述合成观测条件包括:
已安排任务Ta和未安排任务Tb满足时间约束和角度约束;
利用检验是否满足角度约束,Ta为规划方案Rsolution={R1,R2,...Rn,...RN}中的已安排任务,Tb为未安排任务集合T'中的未安排任务,如果Tb的最佳观测角度在Ta的最小和最大观测角度之间,则满足角度约束;
7.一种卫星任务规划装置,其特征在于,包括:
资源获取模块,用于获取卫星集合和观测任务集合;
当前规划卫星选择模块,用于从卫星集合中选出当前规划卫星;
资源匹配模块,用于对所述当前规划卫星进行任务资源匹配;
更新模块,用于从未规划卫星集合中删除所述当前规划卫星,更新未规划卫星集合,返回当前规划卫星选择模块,直到没有卫星资源能够再进行规划,结束任务规划,生成初始任务规划序列;
模型构建模块,用于构建卫星任务规划优化模型;
求解模块,用于基于所述初始任务规划序列、所述卫星任务规划优化模型和改进的邻域搜索算法获取最终的优化任务规划方案,所述改进的邻域搜索算法的改进之处包括在迭代中可以接受不可行解;
其中,所述卫星任务规划优化模型包括:
其中:
表示完成任务Tm的观测得到的收益;表示违反约束惩罚值,如果规划方案解Rsolution为可行解否则分别表示解的能量约束惩罚值、储存容量约束惩罚值、时间窗约束惩罚值以及最长工作时间约束惩罚值,β,λ、为平衡量纲参数;Rsolution={R1,R2,...Rn,...RN}表示一个任务规划方案;Rn表示卫星Sn的执行任务序列,按照卫星Sn依次执行观测任务的先后顺序排列而成;
约束条件包括:
能量约束惩罚约束、储存容量约束惩罚约束、时间窗约束惩罚约束和最长工作时间惩罚约束,其计算公式如下:
其中:
表示0和之间的较大值;表示Sn已观测任务消耗的能量,表示卫星Sn观测单位时间消耗的能量,表示任务Tm观测所需时间;表示Sn偏转角进行调整时消耗的能量,其中xijn为0,1变量,当卫星Sn在观测任务Ti后观测任务Tj,xijn=1,否则的话等于0;表示Sn从观测任务Ti到观测任务Tj之间的调整时间;表示卫星Sn单位时间姿势调整消耗的能量;
其中:
表示0和之间的较大值;表示当前规划卫星Sn已经消耗的储存容量,表示当前规划卫星Sn观测单位时间消耗的储存容量,表示任务Tm观测所需时间,表示卫星Sn观测任务Tm需要耗费的储存容量,为卫星Sn的最大储存容量;
其中:
表示0和之间的较大值,表示任务Tm的最迟开始观测时间,表示卫星Sn尝试对任务Tm执行观测的时间,表示和之间的较大值,Ti表示卫星Sn执行任务Tm之前执行的观测任务,表示卫星Sn尝试对任务Ti执行观测的时间,如果Ti为Sn第一个观测任务, 表示任务Ti的最早开始观测时间;timn表示Sn从观测任务Ti到观测任务Tm之间的调整时间,表示任务Ti观测所需时间;
其中:
表示0和之间的较大值,为卫星最长工作时间,为卫星实际工作时间,它主要由三部分组成,表示卫星执行任务观测时间,表示任务Tm观测所需时间;表示卫星姿势转换所消耗的时间,其中xijn为0,1变量,当卫星Sn在观测任务Ti后观测任务Tj,xijn=1,否则的话等于0;表示Sn从观测任务Ti到观测任务Tj之间的姿势调整时间;表示卫星Sn所消耗的等待时间,表示和0之间的较大值,表示任务Tm的最早开始观测时间,表示当前规划卫星Sn尝试对任务Tm执行观测的时间,表示和之间的较大值,Ti表示当前规划卫星Sn执行任务Tm之前执行的观测任务,timn表示Sn从观测任务Ti到观测任务Tm之间的调整时间,表示任务Ti观测所需时间。
8.一种计算机可读存储介质,其特征在于,其存储用于卫星任务规划的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1~6任一所述的卫星任务规划方法。
9.一种电子设备,其特征在于,包括:
一个或多个处理器;
存储器;以及
一个或多个程序,其中所述一个或多个程序被存储在所述存储器中,并且被配置成由所述一个或多个处理器执行,所述程序包括用于执行如权利要求1~6任一所述的卫星任务规划方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110423098.1A CN113313348B (zh) | 2021-04-20 | 2021-04-20 | 卫星任务规划方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110423098.1A CN113313348B (zh) | 2021-04-20 | 2021-04-20 | 卫星任务规划方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113313348A CN113313348A (zh) | 2021-08-27 |
CN113313348B true CN113313348B (zh) | 2022-09-30 |
Family
ID=77372204
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110423098.1A Active CN113313348B (zh) | 2021-04-20 | 2021-04-20 | 卫星任务规划方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313348B (zh) |
Families Citing this family (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN117743773A (zh) * | 2024-02-07 | 2024-03-22 | 中国人民解放军战略支援部队航天工程大学 | 一种基于历史大数据的遥感卫星持续观测方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105630582A (zh) * | 2014-11-15 | 2016-06-01 | 航天恒星科技有限公司 | 卫星地面站接收资源冲突处理方法及系统 |
CN107025363A (zh) * | 2017-05-08 | 2017-08-08 | 中国人民解放军国防科学技术大学 | 一种面向敏捷卫星调度的自适应大邻域搜索方法 |
CN107239661A (zh) * | 2017-06-05 | 2017-10-10 | 中国电子科技集团公司第五十四研究所 | 一种遥感卫星观测任务规划方法 |
CN107957895A (zh) * | 2017-12-01 | 2018-04-24 | 中国人民解放军国防科技大学 | 敏捷对地卫星的协调控制策略 |
CN109214564A (zh) * | 2018-08-30 | 2019-01-15 | 北京控制工程研究所 | 一种具有多种规划模式的对地遥感卫星自主任务规划方法 |
CN111912412A (zh) * | 2020-06-05 | 2020-11-10 | 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 |
CN112434435A (zh) * | 2020-12-01 | 2021-03-02 | 中国人民解放军国防科技大学 | 基于任务合成的成像卫星密集任务调度方法 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
IT201700056428A1 (it) * | 2017-05-24 | 2018-11-24 | Telespazio Spa | Innovativo metodo di scheduling satellitare basato su algoritmi genetici e simulated annealing e relativo pianificatore di missione |
CN107578178B (zh) * | 2017-09-11 | 2018-08-28 | 合肥工业大学 | 基于变邻域搜索和引力搜索混合算法的调度方法及系统 |
-
2021
- 2021-04-20 CN CN202110423098.1A patent/CN113313348B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN105630582A (zh) * | 2014-11-15 | 2016-06-01 | 航天恒星科技有限公司 | 卫星地面站接收资源冲突处理方法及系统 |
CN107025363A (zh) * | 2017-05-08 | 2017-08-08 | 中国人民解放军国防科学技术大学 | 一种面向敏捷卫星调度的自适应大邻域搜索方法 |
CN107239661A (zh) * | 2017-06-05 | 2017-10-10 | 中国电子科技集团公司第五十四研究所 | 一种遥感卫星观测任务规划方法 |
CN107957895A (zh) * | 2017-12-01 | 2018-04-24 | 中国人民解放军国防科技大学 | 敏捷对地卫星的协调控制策略 |
CN109214564A (zh) * | 2018-08-30 | 2019-01-15 | 北京控制工程研究所 | 一种具有多种规划模式的对地遥感卫星自主任务规划方法 |
CN111912412A (zh) * | 2020-06-05 | 2020-11-10 | 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 |
CN112434435A (zh) * | 2020-12-01 | 2021-03-02 | 中国人民解放军国防科技大学 | 基于任务合成的成像卫星密集任务调度方法 |
Non-Patent Citations (4)
Title |
---|
Genetic algorithm–based scheduling for ground support of multiple satellites and antennae considering operation modes;Lee J et al.;《International Journal of Aeronautical & Space Sciences》;20161231;第17卷(第1期);全文 * |
Multi satellites scheduling algorithm based on task merging mechanism;Liu X et al.;《Applied Mathematics & Computation》;20141231;第230卷(第2期);全文 * |
卫星目标资源综合优化调度仿真研究;靳鹏 等;《计算机仿真》;20180228;第35卷(第2期);全文 * |
基于信息融合的多星搜索动目标问题;夏忠 等;《火力与指挥控制》;20200731;第45卷(第7期);全文 * |
Also Published As
Publication number | Publication date |
---|---|
CN113313348A (zh) | 2021-08-27 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108388958B (zh) | 一种二维姿态机动卫星任务规划技术研究的方法及装置 | |
Yu et al. | Workflow scheduling algorithms for grid computing | |
US8924341B2 (en) | Method and system for optimizing mixed integer programming solutions | |
Pemberton et al. | A constraint-based approach to satellite scheduling | |
Zhang et al. | Bottleneck machine identification method based on constraint transformation for job shop scheduling with genetic algorithm | |
CN111832934B (zh) | 面向突发需求的模拟退火多星应急任务规划方法 | |
CN113313348B (zh) | 卫星任务规划方法、装置、存储介质和电子设备 | |
CN110969362A (zh) | 一种云计算系统下多目标任务调度方法及系统 | |
CN110070305A (zh) | 一种资源转移视角下的双目标鲁棒资源分配方法 | |
Yang | Single machine rescheduling with new jobs arrivals and processing time compression | |
CN113313349B (zh) | 卫星任务资源匹配优化方法、装置、存储介质和电子设备 | |
Muller | Value-based portfolio optimization for software product lines | |
CN115578023A (zh) | 一种装配车间调度方法、装置、设备和存储介质 | |
CN115204559A (zh) | 多星对地观测任务规划方法和系统 | |
CN116090742A (zh) | 一种考虑时间窗约束的无人集群分布式任务分配算法 | |
CN113313347B (zh) | 卫星任务资源匹配方法、装置、存储介质和电子设备 | |
JP5864387B2 (ja) | 工程計画立案支援装置、工程計画立案支援方法およびプログラム | |
Christodoulou | Entropy-based heuristic for resource-constrained project scheduling | |
Colome et al. | Research on schedulers for astronomical observatories | |
CN114841500A (zh) | 基于贪婪的自适应退火合同网算法的卫星任务规划方法 | |
Fan et al. | Associated task scheduling based on dynamic finish time prediction for cloud computing | |
CN114565203A (zh) | 一种基于大邻域搜索算法和K-means的多星多任务规划方法 | |
Silva et al. | A study of different metaheuristics to solve the urban transit crew scheduling problem | |
US7437276B2 (en) | Method and apparatus for evaluating a proposed solution to a constraint problem | |
CN111950869A (zh) | 改进航天测控网调度问题初始解的迭代求解方法及系统 |
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 |