CN113313349A - 卫星任务资源匹配优化方法、装置、存储介质和电子设备 - Google Patents
卫星任务资源匹配优化方法、装置、存储介质和电子设备 Download PDFInfo
- Publication number
- CN113313349A CN113313349A CN202110423156.0A CN202110423156A CN113313349A CN 113313349 A CN113313349 A CN 113313349A CN 202110423156 A CN202110423156 A CN 202110423156A CN 113313349 A CN113313349 A CN 113313349A
- Authority
- CN
- China
- Prior art keywords
- satellite
- task
- solution
- observation
- representing
- 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
- 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
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资源匹配优化方法、装置、存储介质和电子设备,涉及卫星任务技术领域。本发明设计的优化算法允许在迭代中接受不可行解,这样将有助于扩大邻域搜索范围,提高搜索能力,降低搜索难度。同时传统的适应度函数一般只考虑收益,惩罚考虑的较少或者惩罚因素考虑的不够充分,所以无法全面的评价一个解的优劣,本发明的适应度函数设计综合考虑了观测任务带来的收益、能量约束惩罚、容量约束惩罚、时间窗约束惩罚以及最长工作时间约束惩罚,可以更好更全面的评价一个解的优劣,通过上述方法,本发明能有效提高算法整体寻优能力,得到的卫星任务资源匹配优化方案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资源匹配优化方法、装置、存储介质和电子设备。
背景技术
近年来伴随卫星技术的日益成熟,利用卫星进行观测已经被广泛的应用于例如灾后评估、热点区域监视等多个领域。虽然卫星技术已经被广泛应用,但是卫星资源整体利用率整体偏低,提高卫星资源利用率的关键在于有效的卫星任务资源匹配优化。
现有的卫星任务资源匹配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。
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资源匹配优化方法、装置、存储介质和电子设备,解决了现有的卫星任务资源匹配优化方法寻优效果差的技术问题。
(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,本发明提供一种卫星任务资源匹配优化方法,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为可行解否则为能量约束惩罚值、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之和;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;
S2、基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案,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:
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,Ti t表示任务Ti观测所需时间。
优选的,所述基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案,包括:
S201、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;
S202、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;
S203、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;
S204、更新当前解;
S205、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,该候选解成为新一轮的最好解,否则保持最好解不变;
S206、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;
S207、如果Wnow≤Wend,算法终止输入最好解,最好解即为最终的优化方案,否则的话转到S202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,所述更新当前解包括:
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。
优选的,所述基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案,还包括:
初始化时添加一个禁忌表,并将初始规划方案Rinitial加入到禁忌表,在以后获取候选解过程中,将所有邻域解中适应度最高且没有被禁忌的解作为候选解,在每次利用更新机制对当前解进行替换或保留后,如果当前解保持不变,则禁忌表不更新,如果当前解发生了替换,则将该替换后的当前解加入到禁忌表中,如果禁忌表中储存的任务规划序列解个数已经达到了禁忌表的长度l,则采用先进先出的原则将前面的对象从禁忌表中移除,再进行加入。
第二方面,本发明提供一种卫星任务资源匹配优化装置,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为可行解否则为能量约束惩罚值、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之和;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;
求解模块,用于基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案,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,本发明提供一种计算机可读存储介质,其存储用于卫星任务资源匹配优化的计算机程序,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资源匹配优化方法。
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资源匹配优化方法。
(三)有益效果
本发明提供了一种卫星任务资源匹配优化方法、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:
本发明设计的优化算法允许在迭代中接受不可行解,这样将有助于扩大邻域搜索范围,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。同时传统的适应度函数一般只考虑收益,惩罚考虑的较少或者惩罚因素考虑的不够充分,所以无法全面的评价一个解的优劣,本发明的适应度函数设计综合考虑了观测任务带来的收益、能量约束惩罚、容量约束惩罚、时间窗约束惩罚以及最长工作时间约束惩罚,可以更好更全面的评价一个解的优劣,通过上述方法,本发明能有效提高算法整体寻优能力,得到的卫星任务资源匹配优化方案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资源匹配优化方法的框图。
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资源匹配优化方法、装置、存储介质和电子设备,解决了现有的卫星任务资源匹配优化方法寻优效果差的技术问题,实现有效提高算法整体寻优能力。
本申请实施例中的技术方案为解决上述技术问题,总体思路如下:
本发明实施的优化方法在传统邻域搜索思想的基础上改进得到。传统的邻域搜索思想存在以下的不足:其一、以一个解为中心,在其周围的解空间内寻找更好的解,但是在搜索的过程中一般只接收可行解,即中心解必须为可行解,这样会导致搜索的空间受限,容易陷入局部最优,寻优效果不理想;其二、在当前解的保留与替换过程,一般只接受候选解优于当前解在进行替换,否则保留当前解不变,这样导致算法无法广泛的搜索,容易陷入局部最优很难跳出,寻优效果差。其三、在插入算子的操作过程中,一般都是用随机的方式进行插入,即插入位置随机决定,这样导致插入的结果随机性太大,效果不理想。针对上述传统的邻域搜索思想存在不足,本发明实施例的卫星任务资源匹配优化方法进行了以下改进:其一、在适应度函数设计时,综合考虑了观测任务带来的收益、能量约束惩罚、容量约束惩罚、时间窗约束惩罚以及最长工作时间约束惩罚,可以用于更好更全面的评价一个解的优劣;其二、本发明实施例的优化算法在迭代中可以接受不可行解,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,这样显著提大搜索范围,提高搜索能力;其三、设计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,这样有利于后期算法收敛;其四、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,提高插入效果。
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资源匹配优化方法,该方法由计算机执行,如图1所示,包括以下步骤:
其中:
S2、基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案,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。
本发明实施例设计的优化算法允许在迭代中接受不可行解,这样将有助于扩大邻域搜索范围,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。同时传统的适应度函数一般只考虑收益,惩罚考虑的较少或者惩罚因素考虑的不够充分,所以无法全面的评价一个解的优劣,本发明实施例的适应度函数设计综合考虑了观测任务带来的收益、能量约束惩罚、容量约束惩罚、时间窗约束惩罚以及最长工作时间约束惩罚,可以更好更全面的评价一个解的优劣,通过上述方法,本发明能有效提高算法整体寻优能力,得到的卫星任务资源匹配优化方案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:
为了方便描述,下面先对本发明实施例中涉及到的卫星资源和观测任务的某些属性以及参数的含义进行介绍。
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,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,它根据卫星Sn依次执行观测任务的先后顺序排列而成。
在步骤S1中,获取卫星任务资源匹配优化模型,所述卫星任务资源匹配优化模型包括适应度函数。具体实施过程如下:
获取原有任务规划方案、观测任务集合、卫星集合等数据构造适应度函数计算每个任务规划解的适应度值,适应度值用于评价解的优劣,适应度值越高代表该解越优。表示完成任务Tm观测得到的收益,表示完成所有已安排任务观测得到的收益总和,表示违反约束惩罚值,如果规划方案解Rsolution为可行解为可行解否则的话其中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、四个参数用于平衡量纲。
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
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,Ti t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。
在步骤S2中,基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案。具体实施过程如下:
S201、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。
S202、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在选出任务的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。
S203、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,将该邻域解被设置为候选解,Rcan用于记录候选解的适应度值。
S204、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。
S205、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。
S206、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。
S207、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S202开始重复迭代直到达到算法终止条件。
在具体实施过程中,该方法还包括:
禁忌机制通过添加禁忌表实现,禁忌表内储存任务规划序列解,在以后的l(由禁忌表的长度确定)次迭代中,这些任务规划序列解将被设置为禁忌状态,即不以这些任务规划序列解为当前解进行搜索,这样有利于避免算法重复搜索,迫使算法去搜索新的方案,提高算法全局搜索能力。具体的操作过程为:初始化时添加一个禁忌表,并将初始规划方案Rinitial加入到禁忌表,在以后获取候选解过程中,将所有邻域解中适应度最高且没有被禁忌的解作为候选解(以前只要求适应度值最高不要求禁忌,没有被禁忌的意思就是禁忌表中不含这个邻域解),在每次利用更新机制对当前解进行替换或保留后,如果当前解保持不变,则禁忌表不更新,如果当前解发生了替换,则将该替换后的当前解加入到禁忌表中,如果禁忌表中储存的任务规划序列解个数已经达到了禁忌表的长度l,则采用先进先出的原则将前面的对象从禁忌表中移除,再进行加入。
本发明实施例还提供一种卫星任务资源匹配优化装置,该装置包括:
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为可行解否则为能量约束惩罚值、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之和;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,它按照卫星Sn执行观测任务的先后顺序排列而成;
求解模块,用于基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案,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资源匹配优化装置与上述卫星任务资源匹配优化方法相对应,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资源匹配优化方法中的相应内容,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资源匹配优化的计算机程序,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资源匹配优化方法。
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资源匹配优化方法。
综上所述,与现有技术相比,具备以下有益效果:
1、本发明实施例设计的优化算法允许在迭代中接受不可行解,这样将有助于扩大邻域搜索范围,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。同时传统的适应度函数一般只考虑收益,惩罚考虑的较少或者惩罚因素考虑的不够充分,所以无法全面的评价一个解的优劣,本发明实施例的适应度函数设计综合考虑了观测任务带来的收益、能量约束惩罚、容量约束惩罚、时间窗约束惩罚以及最长工作时间约束惩罚,可以更好更全面的评价一个解的优劣,通过上述方法,本发明能有效提高算法整体寻优能力,得到的卫星任务资源匹配优化方案能有效的提高卫星资源整体利用率。
2、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。
3、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。
4、在算法内加入禁忌机制,有利于算法避免重复搜索陷入局部最优,节约计算资源,提高算法的全局搜索能力。
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 (10)
1.一种卫星任务资源匹配优化方法,其特征在于,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为可行解否则为能量约束惩罚值、储存容量约束惩罚值、时间窗约束惩罚值和最长工作时间约束惩罚值之和;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;
S2、基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案,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:
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,Ti t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Ti star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,Ti t表示任务Ti观测所需时间。
4.如权利要求1~3任一所述的卫星任务资源匹配优化方法,其特征在于,所述基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案,包括:
S201、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;
S202、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;
S203、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;
S204、更新当前解;
S205、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,该候选解成为新一轮的最好解,否则保持最好解不变;
S206、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;
S207、如果Wnow≤Wend,算法终止输入最好解,最好解即为最终的优化方案,否则的话转到S202开始重复迭代直到达到算法终止条件。
7.如权利要求4所述的卫星任务资源匹配优化方法,其特征在于,所述所述基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案,还包括:
初始化时添加一个禁忌表,并将初始规划方案Rinitial加入到禁忌表,在以后获取候选解过程中,将所有邻域解中适应度最高且没有被禁忌的解作为候选解,在每次利用更新机制对当前解进行替换或保留后,如果当前解保持不变,则禁忌表不更新,如果当前解发生了替换,则将该替换后的当前解加入到禁忌表中,如果禁忌表中储存的任务规划序列解个数已经达到了禁忌表的长度l,则采用先进先出的原则将前面的对象从禁忌表中移除,再进行加入。
8.一种卫星任务资源匹配优化装置,其特征在于,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为可行解否则为能量约束惩罚值、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之和;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;
求解模块,用于基于改进的邻域搜索算法和所述卫星任务资源匹配优化模型的获取最终的优化方案,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。
9.一种计算机可读存储介质,其特征在于,其存储用于卫星任务资源匹配优化的计算机程序,其中,所述计算机程序使得计算机执行如权利要求1~7任一所述的卫星任务资源匹配优化方法。
10.一种电子设备,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1~7任一所述的卫星任务资源匹配优化方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110423156.0A CN113313349B (zh) | 2021-04-20 | 2021-04-20 | 卫星任务资源匹配优化方法、装置、存储介质和电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202110423156.0A CN113313349B (zh) | 2021-04-20 | 2021-04-20 | 卫星任务资源匹配优化方法、装置、存储介质和电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN113313349A true CN113313349A (zh) | 2021-08-27 |
CN113313349B CN113313349B (zh) | 2022-09-23 |
Family
ID=77372224
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202110423156.0A Active CN113313349B (zh) | 2021-04-20 | 2021-04-20 | 卫星任务资源匹配优化方法、装置、存储介质和电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN113313349B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115189721A (zh) * | 2022-04-29 | 2022-10-14 | 中国人民解放军国防科技大学 | 一种多波束卫星带宽功率表联合优化分配方法及应用 |
CN116011792A (zh) * | 2023-02-21 | 2023-04-25 | 中国人民解放军国防科技大学 | 基于约束层次网络的任务时间逻辑约束推理方法及装置 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289713A (zh) * | 2011-08-31 | 2011-12-21 | 华东理工大学 | 一种基于进化优化算法的有约束问题优化方法 |
CN102880798A (zh) * | 2012-09-20 | 2013-01-16 | 浪潮电子信息产业股份有限公司 | 一种求解多车场带时间窗车辆路径问题的变邻域搜索算法 |
US20130110751A1 (en) * | 2011-10-31 | 2013-05-02 | Taif University | Computational device implemented method of solving constrained optimization problems |
CN103984675A (zh) * | 2014-05-06 | 2014-08-13 | 大连理工大学 | 一种求解全局优化问题的正交逐次逼近方法 |
CN104657795A (zh) * | 2015-03-16 | 2015-05-27 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 多卫星对地协同观测的待观测任务确定方法及装置 |
CN104680238A (zh) * | 2015-03-16 | 2015-06-03 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 多卫星对地协同观测的待观测任务确定方法 |
US20180341894A1 (en) * | 2017-05-24 | 2018-11-29 | Telespazio S.P.A. | Innovative satellite scheduling method based on genetic algorithms and simulated annealing and related mission planner |
CN109409775A (zh) * | 2018-11-14 | 2019-03-01 | 中国电子科技集团公司第五十四研究所 | 一种卫星联合观测任务规划方法 |
US20190079975A1 (en) * | 2017-09-11 | 2019-03-14 | Hefei University Of Technology | Scheduling method and system based on hybrid variable neighborhood search and gravitational search algorithm |
CN109960544A (zh) * | 2019-03-26 | 2019-07-02 | 中国人民解放军国防科技大学 | 基于数据驱动型敏捷卫星任务并行调度方法 |
US20200019435A1 (en) * | 2018-07-13 | 2020-01-16 | Raytheon Company | Dynamic optimizing task scheduling |
AU2020100051A4 (en) * | 2020-01-10 | 2020-02-13 | Jin, Yawen Miss | Method of the mission planning for the communication between the small satellite clusters |
CN111044062A (zh) * | 2018-10-15 | 2020-04-21 | 北京京东尚科信息技术有限公司 | 路径规划、推荐方法和装置 |
US20200394922A1 (en) * | 2019-06-11 | 2020-12-17 | Toyota Connected North America, Inc. | Systems and methods for improved vehicle routing to account for real-time passenger pickup and dropoff |
-
2021
- 2021-04-20 CN CN202110423156.0A patent/CN113313349B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102289713A (zh) * | 2011-08-31 | 2011-12-21 | 华东理工大学 | 一种基于进化优化算法的有约束问题优化方法 |
US20130110751A1 (en) * | 2011-10-31 | 2013-05-02 | Taif University | Computational device implemented method of solving constrained optimization problems |
CN102880798A (zh) * | 2012-09-20 | 2013-01-16 | 浪潮电子信息产业股份有限公司 | 一种求解多车场带时间窗车辆路径问题的变邻域搜索算法 |
CN103984675A (zh) * | 2014-05-06 | 2014-08-13 | 大连理工大学 | 一种求解全局优化问题的正交逐次逼近方法 |
CN104657795A (zh) * | 2015-03-16 | 2015-05-27 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 多卫星对地协同观测的待观测任务确定方法及装置 |
CN104680238A (zh) * | 2015-03-16 | 2015-06-03 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 多卫星对地协同观测的待观测任务确定方法 |
US20180341894A1 (en) * | 2017-05-24 | 2018-11-29 | Telespazio S.P.A. | Innovative satellite scheduling method based on genetic algorithms and simulated annealing and related mission planner |
US20190079975A1 (en) * | 2017-09-11 | 2019-03-14 | Hefei University Of Technology | Scheduling method and system based on hybrid variable neighborhood search and gravitational search algorithm |
US20200019435A1 (en) * | 2018-07-13 | 2020-01-16 | Raytheon Company | Dynamic optimizing task scheduling |
CN111044062A (zh) * | 2018-10-15 | 2020-04-21 | 北京京东尚科信息技术有限公司 | 路径规划、推荐方法和装置 |
CN109409775A (zh) * | 2018-11-14 | 2019-03-01 | 中国电子科技集团公司第五十四研究所 | 一种卫星联合观测任务规划方法 |
CN109960544A (zh) * | 2019-03-26 | 2019-07-02 | 中国人民解放军国防科技大学 | 基于数据驱动型敏捷卫星任务并行调度方法 |
US20200394922A1 (en) * | 2019-06-11 | 2020-12-17 | Toyota Connected North America, Inc. | Systems and methods for improved vehicle routing to account for real-time passenger pickup and dropoff |
AU2020100051A4 (en) * | 2020-01-10 | 2020-02-13 | Jin, Yawen Miss | Method of the mission planning for the communication between the small satellite clusters |
Non-Patent Citations (6)
Title |
---|
JIN QI 等: "Comprehensive learning particle swarm optimization with Tabu operator based on ripple neighborhood for global optimization", 《 2015 11TH INTERNATIONAL CONFERENCE ON HETEROGENEOUS NETWORKING FOR QUALITY, RELIABILITY, SECURITY AND ROBUSTNESS (QSHINE)》 * |
张火明等: "遗传算法在船舶航行性能优化中的惩罚策略", 《华东船舶工业学院学报(自然科学版)》 * |
张铭 等: "基于启发式算法的卫星反应式调度", 《计算机科学》 * |
戈军等: "面向动态车辆路径的改进变邻域搜索算法", 《计算机工程与应用》 * |
李志亮等: "考虑成像质量的敏捷卫星任务调度模型与算法", 《宇航学报》 * |
章密 等: "基于遗传算法的多星调度方法", 《合肥工业大学学报(自然科学版)》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115189721A (zh) * | 2022-04-29 | 2022-10-14 | 中国人民解放军国防科技大学 | 一种多波束卫星带宽功率表联合优化分配方法及应用 |
CN115189721B (zh) * | 2022-04-29 | 2023-12-19 | 中国人民解放军国防科技大学 | 一种多波束卫星带宽功率表联合优化分配方法及应用 |
CN116011792A (zh) * | 2023-02-21 | 2023-04-25 | 中国人民解放军国防科技大学 | 基于约束层次网络的任务时间逻辑约束推理方法及装置 |
CN116011792B (zh) * | 2023-02-21 | 2023-06-27 | 中国人民解放军国防科技大学 | 基于约束层次网络的任务时间逻辑约束推理方法及装置 |
Also Published As
Publication number | Publication date |
---|---|
CN113313349B (zh) | 2022-09-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
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 | |
CN113852405B (zh) | 多波束中继卫星任务调度模型的构建方法及装置 | |
CN109886859A (zh) | 数据处理方法、系统、电子设备和计算机可读存储介质 | |
Zhang et al. | Bottleneck machine identification method based on constraint transformation for job shop scheduling with genetic algorithm | |
CN108090630B (zh) | 多星应急任务规划方法及装置 | |
CN111586146B (zh) | 基于概率转移深度强化学习的无线物联网资源分配方法 | |
CN111832934B (zh) | 面向突发需求的模拟退火多星应急任务规划方法 | |
CN111651905A (zh) | 考虑时间依赖转换时间的敏捷卫星调度方法 | |
CN115066694A (zh) | 计算图优化 | |
CN110969362A (zh) | 一种云计算系统下多目标任务调度方法及系统 | |
CN115951989B (zh) | 一种基于严格优先级的协同流量调度数值模拟方法与系统 | |
CN112905312A (zh) | 边缘计算环境中基于深度q神经网络的工作流调度方法 | |
CN107239860B (zh) | 一种成像卫星任务规划方法 | |
CN113313348B (zh) | 卫星任务规划方法、装置、存储介质和电子设备 | |
CN110287008B (zh) | 一种测试任务调度方法、装置及电子设备 | |
CN113852406B (zh) | 多波束中继卫星任务调度方法和装置 | |
CN112632615B (zh) | 基于混合云环境的科学工作流数据布局方法 | |
CN113313347B (zh) | 卫星任务资源匹配方法、装置、存储介质和电子设备 | |
CN113434267B (zh) | 云计算工作流动态调度方法、装置、设备及存储介质 | |
CN115866687A (zh) | 一种车载边缘计算中服务协同缓存方法 | |
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 | |
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 | |
CN113157344A (zh) | 移动边缘计算环境下基于drl的能耗感知任务卸载方法 | |
CN112100446A (zh) | 搜索方法、可读存储介质和电子设备 | |
CN111260254B (zh) | 面向动态到达任务的在线调度方法 |
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 | ||
GR01 | Patent grant |