CN115392028A - 基于多规则融合的空间目标探测多传感器协同调度方法 - Google Patents
基于多规则融合的空间目标探测多传感器协同调度方法 Download PDFInfo
- Publication number
- CN115392028A CN115392028A CN202211036963.8A CN202211036963A CN115392028A CN 115392028 A CN115392028 A CN 115392028A CN 202211036963 A CN202211036963 A CN 202211036963A CN 115392028 A CN115392028 A CN 115392028A
- Authority
- CN
- China
- Prior art keywords
- detection
- sensor
- target
- time
- cooperative scheduling
- 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.)
- Pending
Links
- 238000001514 detection method Methods 0.000 title claims abstract description 351
- 238000000034 method Methods 0.000 title claims abstract description 63
- 230000004927 fusion Effects 0.000 title claims abstract description 19
- 238000005457 optimization Methods 0.000 claims abstract description 58
- 238000004422 calculation algorithm Methods 0.000 claims abstract description 56
- 238000006243 chemical reaction Methods 0.000 claims abstract description 12
- 230000006870 function Effects 0.000 claims description 42
- 230000035772 mutation Effects 0.000 claims description 21
- 230000008569 process Effects 0.000 claims description 16
- 238000004590 computer program Methods 0.000 claims description 13
- 230000037431 insertion Effects 0.000 claims description 7
- 238000003780 insertion Methods 0.000 claims description 7
- 238000009825 accumulation Methods 0.000 claims description 4
- 230000036961 partial effect Effects 0.000 claims description 4
- NRNCYVBFPDDJNE-UHFFFAOYSA-N pemoline Chemical compound O1C(N)=NC(=O)C1C1=CC=CC=C1 NRNCYVBFPDDJNE-UHFFFAOYSA-N 0.000 claims description 4
- 238000010586 diagram Methods 0.000 description 10
- 230000002068 genetic effect Effects 0.000 description 6
- 239000002699 waste material Substances 0.000 description 6
- 210000000349 chromosome Anatomy 0.000 description 5
- 239000000523 sample Substances 0.000 description 5
- 108700028369 Alleles Proteins 0.000 description 4
- 108090000623 proteins and genes Proteins 0.000 description 3
- 230000035945 sensitivity Effects 0.000 description 3
- 230000000694 effects Effects 0.000 description 2
- 230000000670 limiting effect Effects 0.000 description 2
- 230000002829 reductive effect Effects 0.000 description 2
- 238000004088 simulation Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001174 ascending effect Effects 0.000 description 1
- 230000005540 biological transmission Effects 0.000 description 1
- 238000004364 calculation method Methods 0.000 description 1
- 230000008859 change Effects 0.000 description 1
- 238000007796 conventional method Methods 0.000 description 1
- 238000002474 experimental method Methods 0.000 description 1
- 230000005251 gamma ray Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000011160 research Methods 0.000 description 1
- 230000000717 retained effect Effects 0.000 description 1
- 230000002441 reversible effect Effects 0.000 description 1
- 238000011895 specific detection Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 238000012795 verification Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- 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
-
- 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
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/10—Services
- G06Q50/26—Government or public services
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/04—Constraint-based CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/08—Probabilistic or stochastic CAD
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2111/00—Details relating to CAD techniques
- G06F2111/10—Numerical modelling
Landscapes
- Business, Economics & Management (AREA)
- Engineering & Computer Science (AREA)
- Human Resources & Organizations (AREA)
- Theoretical Computer Science (AREA)
- Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- Economics (AREA)
- General Physics & Mathematics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Radar Systems Or Details Thereof (AREA)
Abstract
本申请涉及一种基于多规则融合的空间目标探测多传感器协同调度方法。所述方法包括:根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件;将总探测空间目标的优先级之和最大设置为目标函数,根据约束条件和目标函数构建空间目标探测多传感器协同调度优化模型;根据进化算法和启发式规则对空间目标探测多传感器协同调度优化模型进行求解,利用得到的传感器跟踪探测的具体起始时间和结束时间进行多传感器协同调度。采用本方法能够提高获取空间目标信息效率。
Description
技术领域
本申请涉及空间态势感知技术领域,特别是涉及一种基于多规则融合的空间目标探测多传感器协同调度方法、装置、计算机设备和存储介质。
背景技术
随着人类航天活动的日益频繁,长期驻留轨道的物体数量与日俱增,需要通过地基雷达、光电望远镜等多种传感器对其进行跟踪探测,从而及时获取空间目标相关信息。由于空间目标探测设备的数量和能力有限,为能够在指定时间内更高效地获取空间目标信息,需要对空间目标探测设备的协同运用进行优化调度。考虑空间目标和探测设备之间的时空关系,空间目标的运行轨道与探测设备的探测范围相交部分即为空间目标的可探测弧段,因此空间目标探测多传感器协同调度问题一般可以转换为可探测弧段的调度问题。
现有研究多基于“全弧段跟踪”的策略进行空间目标探测多传感器协同调度,即对于指定空间目标,一旦分配某一“可探测弧段”,则相应的探测设备将在该弧段对应的整个时间区间内都将对该目标进行跟踪探测。实际上,部分空间目标的“可探测弧段”时间较长,远超对其进行编目定轨所需的探测时长,因此“全弧段跟踪”策略容易造成空间目标探测资源的浪费。
发明内容
基于此,有必要针对上述技术问题,提供一种能够减少空间目标探测资源的浪费,提高获取空间目标信息效率的基于多规则融合的空间目标探测多传感器协同调度方法、装置、计算机设备和存储介质。
一种基于多规则融合的空间目标探测多传感器协同调度方法,所述方法包括:
获取空间目标所需的探测时间和空间目标可用探测窗口;
根据传感器探测距离、传感器俯仰角范围以及空间目标轨道构建空间目标可用探测窗口的约束条件,根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件;
将总探测空间目标的优先级之和最大设置为多传感器协同调度的目标函数,根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型;
根据进化算法和启发式规则对空间目标探测多传感器协同调度优化模型进行求解,得到每个传感器跟踪探测的具体起始时间和结束时间;
根据每个传感器跟踪探测的具体起始时间和结束时间对空间目标进行多传感器协同调度。
在其中一个实施例中,根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型,包括:
根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型为
δ≥δmin
其中,Res为雷达资源集,Job为目标集,为传感器i的最大探测距离,δ为传感器的俯仰角,δmin是最小俯仰角,表示第q个传感器的第i+1探测起始时间,为对应的传感器探测结束时间,γq为第q个传感器的设备转换时间,表示第i个传感器针对第j个目标的积累时间,表示传感器i的探测能力表示目标j的实际开始探测时间,为相应的结束时间,为目标j所需探测时间,表示可用探测窗口的开始时间,是对应的结束时间,T表示调度周期,N表示目标在一个调度周期内所需探测的次数,ξijk表示决策变量,Pi表示空间目标i的优先级。
在其中一个实施例中,根据进化算法和启发式规则对空间目标探测多传感器协同调度优化模型进行求解,得到每个传感器跟踪探测的具体起始时间和传感器探测结束时间,包括:
根据进化算法对所述空间目标探测多传感器协同调度优化模型进行求解,得到空间目标的最佳探测窗口;
利用启发式规则从所述空间目标的最佳探测窗口中确定每个传感器跟踪探测的具体起始时间和结束时间。
在其中一个实施例中,根据进化算法对空间目标探测多传感器协同调度优化模型进行求解,得到空间目标的最佳探测窗口,包括:
根据进化算法对空间目标探测多传感器协同调度优化模型进行求解,得到满足约束条件的目标函数的多个初始解;初始解为空间目标在探测过程中所需的可用探测窗口;
将目标函数作为空间目标探测多传感器协同调度优化模型的适应度函数;根据适应度函数,对初始解进行计算,得到初始解的适应度;
根据进化算法的选择算子和初始解的适应度对多个初始解进行选择,得到初始解中的精英解;
根据部分匹配交叉算子对精英解进行交叉操作,得到候选解;
通过变异算子对候选解进行选择变异、反转变异和插入变异,得到空间目标探测多传感器协同调度优化模型的最优解;最优解包括空间目标的最佳探测窗口。
在其中一个实施例中,启发式规则包括紧前规则、紧后规则和随机规则;紧前规则为如果执行了最佳探测窗口,则需要在最佳探测窗口的开始处观察第一个空间目标,传感器探测开始时间为对应的最佳探测窗口的开始时间,传感器探测结束时间取决于空间目标所需的探测时间,后期的空间目标按预先设置的顺序进行补充。
在其中一个实施例中,紧后规则为将第一个空间目标的结束时刻与最佳探测窗口的结束时刻对齐,然后往前倒推这个空间目标探测的起始时刻,最终根据最佳探测窗口的开始时刻和结束时刻以及最后空间目标的所需探测时间判断最后空间目标能否被探测到。
在其中一个实施例中,随机规则为当第一个空间目标出现时,第一个空间目标被随机分配到窗口内进行观察,当第二个空间目标出现时,第二个空间目标也是随机分配的,但是两个窗口被分配,第一个空间目标和第二个空间目标在探测时间窗口上不会重叠。
一种基于多规则融合的空间目标探测多传感器协同调度装置,所述装置包括:
探测数据获取模块,用于获取空间目标所需的探测时间和空间目标可用探测窗口;
设置约束条件模块,用于根据传感器探测距离、传感器俯仰角范围以及空间目标轨道构建空间目标可用探测窗口的约束条件,根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件;
协同调度优化模型构建模块,用于将总探测空间目标的优先级之和最大设置为多传感器协同调度的目标函数,根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型;
模型求解和协同调度模块,用于根据进化算法和启发式规则对空间目标探测多传感器协同调度优化模型进行求解,得到每个传感器跟踪探测的具体起始时间和结束时间;利用传感器跟踪探测的具体起始时间和结束时间进行多传感器协同调度。
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:
获取空间目标所需的探测时间和空间目标可用探测窗口;
根据传感器探测距离、传感器俯仰角范围以及空间目标轨道构建空间目标可用探测窗口的约束条件,根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件;
将总探测空间目标的优先级之和最大设置为多传感器协同调度的目标函数,根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型;
根据进化算法和启发式规则对空间目标探测多传感器协同调度优化模型进行求解,得到每个传感器跟踪探测的具体起始时间和结束时间;
根据每个传感器跟踪探测的具体起始时间和结束时间对空间目标进行多传感器协同调度。
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:
获取空间目标所需的探测时间和空间目标可用探测窗口;
根据传感器探测距离、传感器俯仰角范围以及空间目标轨道构建空间目标可用探测窗口的约束条件,根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件;
将总探测空间目标的优先级之和最大设置为多传感器协同调度的目标函数,根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型;
根据进化算法和启发式规则对空间目标探测多传感器协同调度优化模型进行求解,得到每个传感器跟踪探测的具体起始时间和结束时间;
根据每个传感器跟踪探测的具体起始时间和结束时间对空间目标进行多传感器协同调度。
上述基于多规则融合的空间目标探测多传感器协同调度方法、装置、计算机设备和存储介质,首先根据传感器探测距离、传感器俯仰角范围以及空间目标轨道构建空间目标可用探测窗口的约束条件,根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件;将总探测空间目标的优先级之和最大设置为多传感器协同调度的目标函数,根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型,然后设计了外层为进化优化算法,内层包含启发式规则的进化-启发式算法,外层主要通过进化计算获得传感器的最佳候选“可探测弧段”,内层则通过启发式规则辅助确定传感器跟踪探测的具体起始时间和结束时间,可以有效获得每个空间目标的具体观测时间,减少空间目标探测资源的浪费,提高获取空间目标信息效率并且能够提高空间目标探测的总优先级,同时本申请对参数的初值设定敏感度较低,具备一定的鲁棒性,能够在复杂情况下获得空间目标的探测调度结果。
附图说明
图1为一个实施例中一种基于多规则融合的空间目标探测多传感器协同调度方法的流程示意图;
图2为一个实施例中决策变量的解释说明的示意图;
图3为一个实施例中“紧前”规则的示意图;
图4为一个实施例中“紧后”规则的示意图;
图5为另一个实施例中“随机”规则的示意图;
图6为一个实施例中一种基于多规则融合的空间目标探测多传感器协同调度装置的结构框图;
图7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。
在一个实施例中,如图1所示,提供了一种基于多规则融合的空间目标探测多传感器协同调度方法,包括以下步骤:
步骤102,获取空间目标所需的探测时间和空间目标可用探测窗口。
由于空间目标探测多传感器协同调度问题的特殊性,由于空间目标的轨道、传感器的部署位置以及探测范围的限制,每个空间目标在一个调度周期内有多个可用的探测时间窗口。协同调度的目的就是确定:对每个空间目标,分别哪个传感器、在哪个时段(开始和结束时间)内进行探测,后续通过采用启发式规则,能够节省可见窗口资源,避免资源浪费。空间目标可用探测窗口表示在一个调度周期内传感器可以探测到空间目标的时间段。
步骤104,根据传感器探测距离、传感器俯仰角范围以及空间目标轨道构建空间目标可用探测窗口的约束条件,根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件。
多传感器协同探测调度问题是一个复杂的组合优化问题,其约束条件可以分别从传感器资源和探测目标两个方面进行展开,利用传感器探测距离、传感器俯仰角范围、空间目标轨道、传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件,有利于计算出最优的协同调度方案。
步骤106,将总探测空间目标的优先级之和最大设置为多传感器协同调度的目标函数,根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型。
步骤108,根据进化算法和启发式规则对空间目标探测多传感器协同调度优化模型进行求解,得到传感器跟踪探测的具体起始时间和结束时间;根据每个传感器跟踪探测的具体起始时间和结束时间对空间目标进行多传感器协同调度。
进化算法通过自适应地改进传统遗传算法遗传算子在多传感器协同调度问题中的应用流程,在进行模型求解过程中,寻求最优解时,首先为确保每个个体中的等位基因存在显著差异,本发明中选择随机生成的方式得到初始化种群,再采用实数编码,染色体长度代表空间目标的数量。若第一个等位基因为i,第二个等位基因为j,则表示第一个空间目标在对应的第i个弧段中进行探测。第二个空间目标在其对应的第j个可见弧段进行探测。
在进化算法的过程中,适应度计算起着重要的作用,因为它影响了个体被选择完成遗传操作的概率。为了将进化-启发式算法与多传感器调度紧密结合,本文使用了之前协同调度优化模型的目标函数作为适应度函数。再根据选择算子选择精英种群作为下一代进化的个体,以保证适应度是上升趋势,最后进行交叉变异,得到空间目标的最佳探测窗口;利用本申请设置的进化-启发式算法从空间目标的最佳探测窗口中确定传感器跟踪探测的具体起始时间和结束时间。
根据各个传感器跟踪探测的具体起始时间和结束时间对空间目标进行协同探测,实现多传感器协同调度。
上述基于多规则融合的空间目标探测多传感器协同调度方法中,首先根据传感器探测距离、传感器最小俯仰角构建空间目标可用探测窗口的约束条件,根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件;将总探测空间目标的优先级之和最大设置为多传感器协同调度的目标函数,根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型,然后设计了外层为进化优化算法,内层包含启发式规则的进化-启发式算法,外层主要通过进化计算获得传感器的最佳候选“可探测弧段”,内层则通过启发式规则辅助确定传感器跟踪探测的具体起始时间和结束时间,可以有效获得每个空间目标的具体观测时间,减少空间目标探测资源的浪费,提高获取空间目标信息效率并且能够提高空间目标探测的总优先级,同时本申请对参数的初值设定敏感度较低,具备一定的鲁棒性,能够在复杂情况下获得空间目标的探测调度结果。
在其中一个实施例中,根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型,包括:
根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型为
δ≥δmin
其中,Res为雷达资源集,Job为目标集,为传感器i的最大探测距离,δ为传感器的俯仰角,δmin是最小俯仰角,表示第q个传感器的第i+1探测起始时间,为对应的传感器探测结束时间,γq为第q个传感器的设备转换时间,表示第i个传感器针对第j个目标的积累时间,表示传感器i的探测能力,表示目标j的实际开始探测时间,为相应的结束时间,为目标j所需探测时间,表示可用探测窗口的开始时间,是对应的结束时间,T表示调度周期,N表示目标在一个调度周期内所需探测的次数,ξijk表示决策变量,Pi表示空间目标i的优先级。
在具体实施例中,设计空间目标探测多传感器协同调度优化模型的决策变量,决策变量包含整数和实数变量,ξijk为1表示第i个空间目标在它对应的第j个可见窗口中的第k个时间进行探测,ξijk为0则不进行探测。如图2所示,tw表示可用探测窗口,ξij表示第i个空间目标在它对应的第j个可见窗口。为解决弧段资源利用率低的问题,本发明中引入k实数变量,它的取值范围为窗口的起始时间和终止时间。因此,ξijk是一个混合整数变量,即包含整数变量,也包含实数变量。本发明中,ξijk=[ξij1,ξij2,..,ξijk,...,ξijend_time]。
多传感器协同探测调度问题是一个复杂的组合优化问题,其约束条件可以分别从传感器资源和探测目标两个方面进行展开。
针对传感器资源,可以梳理出如下约束:
C1:传感器探测距离约束。雷达探测目标的距离是有限的,超过这个距离就无法观测到目标。
C2:传感器最小俯仰角约束。只有当目标处于可用探测窗口内时,传感器才能观察到它。但考虑到地面不水平,可能会有高山和其他障碍物阻碍传感器的探测,限制了有效角度。
δ≥δmin (2)
δ为传感器的俯仰角,δmin是最小俯仰角。
C3:传感器转换时间约束。当传感器探测目标时,对于同一传感器的相邻探测需要有一个切换时间。
C4:传感器最大探测能力约束。对于一个传感器资源,只能同时观察到一定数量的目标。假设传感器同时可以探测到m个目标。则:
针对每个空间目标,可以梳理出如下约束:
C5:空间目标所需的探测时间约束。最短的探测时间影响轨道参数的精度,与目标的有效截面和雷达停留时间有关。最短的探测时间约束为
C6:可用探测窗口约束。只有当目标处于传感器的时间窗内时,才能被探测。
C7:对于同一目标,传感器探测频率约束。根据目标的特点,同一目标的相邻探测时间不能太短。不同目标的探测频率是不同的。当同一目标的探测次数大于1时,必须延长两个相邻的探测时间。
T表示调度周期,N表示目标在一个调度周期内所需探测的次数。
在上述约束中,在生成时间窗信息时需要考虑约束C1和C2,而在调度时需要考虑约束C3、C4、C5、C6和C7。
在其中一个实施例中,根据进化算法和启发式规则对空间目标探测多传感器协同调度优化模型进行求解,得到每个传感器跟踪探测的具体起始时间和传结束时间,包括:
根据进化算法对所述空间目标探测多传感器协同调度优化模型进行求解,得到空间目标的最佳探测窗口;
利用启发式规则从所述空间目标的最佳探测窗口中确定每个传感器跟踪探测的具体起始时间和结束时间。
在其中一个实施例中,进化算法为优化后的遗传算法;根据进化算法对空间目标探测多传感器协同调度优化模型进行求解,得到空间目标的最佳探测窗口,包括:
根据进化算法对空间目标探测多传感器协同调度优化模型进行求解,得到满足约束条件的目标函数的多个初始解;初始解为空间目标在探测过程中所需的可用探测窗口;
将目标函数作为空间目标探测多传感器协同调度优化模型的适应度函数;根据适应度函数,对初始解进行计算,得到初始解的适应度;
根据进化算法的选择算子和初始解的适应度对多个初始解进行选择,得到初始解中的精英解;
根据部分匹配交叉算子对精英解进行交叉操作,得到候选解;
通过变异算子对候选解进行选择变异、反转变异和插入变异,得到空间目标探测多传感器协同调度优化模型的最优解;最优解包括空间目标的最佳探测窗口。
在具体实施例中,本申请中采用双切点交叉,首先,随机生成一个[0,1]之间的数值,并判断该数值与交叉概率之间的关系,如果大于交叉概率,执行交叉操作,否则,不执行。其次,在种群中任意选择两个个体,随机生成两个交叉点(交叉点的范围为染色体的长度)。最后,将两个交叉点之间的基因片段进行交叉,生成两个新的染色体。在变异操作中,本申请中主要采用了三种变异方式:分别是选择变异、反转变异与插入变异。选择变异的流程与交叉变异类似。反转变异的流程为:随机选择两个切点之后,在该切点之间的等位基因进行随机互换。但由于不同的等位基因取值是不同的,在计算适应度时是需要加一个罚函数。插入变异:主要是指随机在染色体找到几个点,进而将等位基因的取值进行随机赋值(数值不会超过可见窗口的数量)。
在其中一个实施例中,启发式规则包括紧前规则、紧后规则和随机规则;紧前规则为如果执行了最佳探测窗口,则需要在最佳探测窗口的开始处观察第一个空间目标,传感器探测开始时间为对应的最佳探测窗口的开始时间,传感器探测结束时间取决于空间目标所需的探测时间,后期的空间目标按预先设置的顺序进行补充。
在具体实施例中,“紧前”规则的示意图如图3所示,该规则是指,如果执行了可用探测窗口,则需要在窗口的开始处观察第一个目标。传感器探测开始时间为对应的最佳探测窗口的开始时间,传感器探测结束时间取决于空间目标所需的探测时间,后期的任务会按顺序进行补充。该方法避免了时间窗内的优化过程,显著降低了计算复杂度。
在其中一个实施例中,紧后规则为第一个空间目标在最佳探测窗口的结束时开始观察,后面的空间目标到达时依次类推,最终根据最佳探测窗口的开始时刻和结束时刻以及最后空间目标的所需探测时间判断最后空间目标能否被探测到。
在具体实施例中,“紧后”规则的示意图如图4所示,“紧后”规则与“紧前”规则相似,但却表现出相反的过程。将第一个空间目标的结束时刻与最佳探测窗口的结束时刻对齐,然后往前倒推这个空间目标探测的起始时刻,如果这个最佳探测窗口内安排了对多个空间目标进行探测,那么这些空间目标应该是按照优先级的顺序,先从高优先级的目标按照“紧后规则”安排探测,再把次高优先级的目标,将它的探测传感器探测结束时间与这个最佳探测窗口的当前最后时刻对齐,判断能否安排的下,最终根据最佳探测窗口的开始时刻和结束时刻以及最后空间目标的所需探测时间判断最后空间目标能否被探测到。如果能探测到则进行探测,如果不能探测到则停止探测,重新进行传感器探测规划。
在其中一个实施例中,随机规则为当第一个空间目标出现时,第一个空间目标被随机分配到窗口内进行观察,当第二个空间目标出现时,第二个空间目标也是随机分配的,但是两个窗口被分配,第一个空间目标和第二个空间目标在探测时间窗口上不会重叠。
在具体实施例中,“随机”规则示意图如图5所示,与“紧前”规则和“紧后”规则不同,随机策略强调一个随机过程。当第一个目标出现时,它被随机分配到窗口内进行观察。当第二个目标出现时,它也是随机分配的,但是两个窗口被分配,使它们不会重叠。
利用启发式规则从空间目标的最佳探测窗口中确定传感器跟踪探测的具体起始时间和结束时间,包括:
通过进化算法可以生成对应的每个空间目标的具体观测最佳探测窗口,举个例子。假设空间目标为10个(实际成百上千,在此仅用于表述),假设仅有一个传感器(为了表达清楚)。初始化后的染色体为[3,6,5,1,5,3,2,5,6,4],表示的是第一个目标在对应的第3个可见窗口执行探测任务,第二个目标在对应的第6个最佳探测窗口执行探测任务,第三个目标在对应的第5个探测窗口上执行探测任务,...,以此类推,第十个空间目标在对应的第4个最佳探测窗口上执行探测任务。
通过上面执行的窗口生成会造成一定的资源浪费(例如第一个目标在对应的第三个弧段一部分完成探测即可,剩下的弧段资源可以释放)。假设第一个目标的第三个可见窗口的归一化后的起始时间和结束时间分别为[0.1,0.4],第二个目标的第6个可见窗口归一化后的起始时间和结束时间分别为[0.2,0.6],...,第十个目标的第4个可见窗口的起始时间和结束时间分别为[0.3-0.8].而第一、第二与第十个目标的实际探测时间仅需0.1s。如果采用传统方法,则以第一、二和第十个目标为例,仅能探测一个目标(因为是全弧段跟踪),但是如果采用的规则,考虑了实际的观测时间,这样能够释放资源。
以紧前规则为例:先出现的是第一个空间目标,而第一个空间目标所需时间为0.1s,因此第一个空间目标的实际观测时间为[0.1,0.2],因此在系统中[0.2,0.4]这个时间资源就被释放了,而此时第二个目标也是通过“紧前规则”,第二个目标的探测时间为[0.2,0.3],同理第十个空间目标的探测时间为[0.3,0.4]。
若以紧后规则为例:先出现的是第一个空间目标,而第一个空间目标所需时间为0.1s,因此第一个空间目标的实际观测时间为[0.3,0.4],因此在系统中[0.1,0.3]这个时间资源就被释放了,而此时第二个目标也是通过“紧前规则”,第二个目标的探测时间为[0.2,0.3],此时虽然第十个空间目标无法被探测,但是还会有其他目标的窗口资源。
若以随机规则为例:先出现的是第一个空间目标,而第一个空间目标所需时间为0.1s,因此第一个空间目标的实际观测开始时间在[0.1,0.4]之间,后期的目标也以此类推,只要不与之前的目标重合即可。
需要说明的是:上述步骤中在每一次迭代的种群[3,6,5,1,5,3,2,5,6,4]都会涉及,因此,进化算法的迭代过程是包含每次进行的启发式规则的。这也是本发明的核心。
在一个实施例中,本申请的进化-启发式算法指的是外层采用进化算法得到空间目标的最佳探测窗口,内层采用启发式规则得到每个空间目标的具体探测时间。通过结合上述两种方法,得到最终的进化-启发式方法的流程如下算法所示。
因此,本文提出的进化-启发式算法的基本参数在程序执行时输入,包括任务号、任务优先级、观察时间、设备号、时间窗、交叉概率和变化概率。然后,它生成初始填充,并定义每个目标的执行可用探测窗口。进而,基于上述解,通过启发式规则计算适应度,确定每次迭代的最佳个体。如果上述过程是在算法迭代范围内,则每一代都保留最优个体和精英群体。其余个体进行交叉变异和突变操作,交叉变异的具体过程详见进化算法流程。在算法完成后,可以得到最佳的解。
在一个实施例中,通过仿真的方法验证本发明模型的有效性和方法的可行性。采用三个地基雷达作为地基传感器资源,雷达的探测距离为500km,传感器经纬度位置为(-75.5966°,40.0386°),(15.5966°,-30.0386°)和(105.597°,-10.0386°)。空间目标数量分别从500到1300不等,空间目标的轨道数据通过下面网站获得,https://celestrak.com/NORAD/elements/。每个空间目标的优先级随机赋值为0-10,同时每个空间目标所需探测时间为200s到500s不等。对比算法主要采用两种启发式算法(分别是先到先服务(FCFS)改进的先到先服务(IFCFS)以及传统的遗传算法)。
为了验证本发明所提方法的有效性,将目标的数量分为500-1300不等,同时采用传统方法以及本发明提出的方法对空间目标探测多传感器协同调度问题进行求解,得到不同算法在不同目标规模下的实验结果如表1。
表1
从表1中可以看出,当目标的规模增加时,总的任务优先级也会增加。此外,本文提出的进化-启发式算法可以求解空间目标探测多传感器协同调度模型,得到比传统方法更好的求解方案。
应该理解的是,虽然图1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。
此外,为了探讨算法参数对实验结果的影响,办法名对进化-启发式算法的参数灵敏度进行了验证实验。在这部分中,本发明主要对比了6组实验参数,分别为pc,pm,pSwap,pReversion=[0.5 0.4 0.3 0.3],[0.5 0.5 0.4 0.4],[0.7 0.2 0.3 0.4],[0.8 0.10.2 0.5],[0.8 0.1 0.3 0.4],and[0.9 0.1 0.4 0.3],通过改变算法的输入参数,得到不同仿真参数下的实验结果如表2所示,其中pc/pm/pSwap/pReversion分别是交叉概率、选择变异概率、反转变异概率与插入变异概率。
表2
由表2可知当交叉、变异、反转及插入概率分别为0.9,0.1,0.4,0.3时,算法解的质量更高。此外,相比较传统的遗传算法,本发明设计的方法效果更好;且最优结果的任务总优先级在一定范围内,说明了算法的鲁棒性。
在一个实施例中,如图6所示,提供了一种基于多规则融合的空间目标探测多传感器协同调度装置,包括:探测数据获取模块602、设置约束条件模块604、协同调度优化模型构建模块606和模型求解和协同调度模块608,其中:
探测数据获取模块602,用于获取空间目标所需的探测时间和空间目标可用探测窗口;
设置约束条件模块604,用于根据传感器探测距离、传感器最小俯仰角构建空间目标可用探测窗口的约束条件,根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件;
协同调度优化模型构建模块606,用于将总探测空间目标的优先级之和最大设置为多传感器协同调度的目标函数,根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型;
模型求解和协同调度模块608,用于根据进化算法和启发式规则对空间目标探测多传感器协同调度优化模型进行求解,得到每个传感器跟踪探测的具体起始时间和结束时间;利用传感器跟踪探测的具体起始时间和结束时间进行多传感器协同调度。
在其中一个实施例中,协同调度优化模型构建模块606还用于根据可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型。
在其中一个实施例中,模型求解和协同调度模块608还用于根据进化算法和启发式规则对空间目标探测多传感器协同调度优化模型进行求解,得到传感器跟踪探测的具体起始时间和结束时间。
关于一种基于多规则融合的空间目标探测多传感器协同调度装置的具体限定可以参见上文中对于一种基于多规则融合的空间目标探测多传感器协同调度方法的限定,在此不再赘述。上述一种基于多规则融合的空间目标探测多传感器协同调度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7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基于多规则融合的空间目标探测多传感器协同调度方法。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7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,该存储器存储有计算机程序,该处理器执行计算机程序时实现上述实施例中方法的步骤。
在一个实施例中,提供了一种计算机存储介质,其上存储有计算机程序,计算机程序被处理器执行时实现上述实施例中方法的步骤。
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 (10)
1.一种基于多规则融合的空间目标探测多传感器协同调度方法,其特征在于,所述方法包括:
获取空间目标所需的探测时间和空间目标可用探测窗口;
根据传感器探测距离、传感器俯仰角范围以及空间目标轨道构建空间目标可用探测窗口的约束条件,根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件;
将总探测空间目标的优先级之和最大设置为多传感器协同调度的目标函数,根据所述可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型;
根据进化算法和启发式规则对所述空间目标探测多传感器协同调度优化模型进行求解,得到每个传感器跟踪探测的具体起始时间和结束时间;
根据每个传感器跟踪探测的具体起始时间和结束时间对空间目标进行多传感器协同调度。
2.根据权利要求1所述的方法,其特征在于,根据所述可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型,包括:
根据所述可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型为
δ≥δmin
3.根据权利要求1所述的方法,其特征在于,根据进化算法和启发式规则对所述空间目标探测多传感器协同调度优化模型进行求解,得到每个传感器跟踪探测的具体起始时间和传感器探测结束时间,包括:
根据进化算法对所述空间目标探测多传感器协同调度优化模型进行求解,得到空间目标的最佳探测窗口;
利用启发式规则从所述空间目标的最佳探测窗口中确定每个传感器跟踪探测的具体起始时间和结束时间。
4.根据权利要求1所述的方法,其特征在于,根据进化算法对所述空间目标探测多传感器协同调度优化模型进行求解,得到空间目标的最佳探测窗口,包括:
根据进化算法对所述空间目标探测多传感器协同调度优化模型进行求解,得到满足所述约束条件的目标函数的多个初始解;所述初始解为空间目标在探测过程中所需的可用探测窗口;
将所述目标函数作为所述空间目标探测多传感器协同调度优化模型的适应度函数;根据所述适应度函数,对所述初始解进行计算,得到初始解的适应度;
根据进化算法的选择算子和所述初始解的适应度对多个初始解进行选择,得到初始解中的精英解;
根据部分匹配交叉算子对所述精英解进行交叉操作,得到候选解;
通过变异算子对所述候选解进行选择变异、反转变异和插入变异,得到空间目标探测多传感器协同调度优化模型的最优解;所述最优解包括空间目标的最佳探测窗口。
5.根据权利要求4所述的方法,其特征在于,所述启发式规则包括紧前规则、紧后规则和随机规则;所述紧前规则为如果执行了最佳探测窗口,则需要在最佳探测窗口的开始处观察第一个空间目标,传感器探测开始时间为对应的最佳探测窗口的开始时间,传感器探测结束时间取决于空间目标所需的探测时间,后期的空间目标按预先设置的顺序进行补充。
6.根据权利要求5所述的方法,其特征在于,所述紧后规则为将第一个空间目标的结束时刻与最佳探测窗口的结束时刻对齐,然后往前倒推这个空间目标探测的起始时刻,最终根据最佳探测窗口的开始时刻和结束时刻以及最后空间目标的所需探测时间判断最后空间目标能否被探测到。
7.根据权利要求6所述的方法,其特征在于,所述随机规则为当第一个空间目标出现时,所述第一个空间目标被随机分配到窗口内进行观察,当第二个空间目标出现时,第二个空间目标也是随机分配的,所述第一个空间目标和所述第二个空间目标在探测时间窗口上不会重叠。
8.一种基于多规则融合的空间目标探测多传感器协同调度装置,其特征在于,所述装置包括:
探测数据获取模块,用于获取空间目标所需的探测时间和空间目标可用探测窗口;
设置约束条件模块,用于根据传感器探测距离、传感器俯仰角范围以及空间目标轨道构建空间目标可用探测窗口的约束条件,根据传感器转换时间、传感器最大探测能力、空间目标所需的探测时间、可用探测窗口、同一目标相邻两次探测时间间隔构建多传感器协同调度的约束条件;
协同调度优化模型构建模块,用于将总探测空间目标的优先级之和最大设置为多传感器协同调度的目标函数,根据所述可用探测窗口的约束条件、多传感器协同调度的约束条件和目标函数构建空间目标探测多传感器协同调度优化模型;
模型求解和协同调度模块,用于根据进化算法和启发式规则对所述空间目标探测多传感器协同调度优化模型进行求解,得到每个传感器跟踪探测的具体起始时间和结束时间;利用每个传感器跟踪探测的具体起始时间和结束时间对空间目标进行多传感器协同调度。
9.一种计算机设备,包括存储器和处理器,所述存储器存储有计算机程序,其特征在于,所述处理器执行所述计算机程序时实现权利要求1至7中任一项所述方法的步骤。
10.一种计算机可读存储介质,其上存储有计算机程序,其特征在于,所述计算机程序被处理器执行时实现权利要求1至7中任一项所述的方法的步骤。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211036963.8A CN115392028A (zh) | 2022-08-25 | 2022-08-25 | 基于多规则融合的空间目标探测多传感器协同调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211036963.8A CN115392028A (zh) | 2022-08-25 | 2022-08-25 | 基于多规则融合的空间目标探测多传感器协同调度方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115392028A true CN115392028A (zh) | 2022-11-25 |
Family
ID=84122751
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211036963.8A Pending CN115392028A (zh) | 2022-08-25 | 2022-08-25 | 基于多规则融合的空间目标探测多传感器协同调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115392028A (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115994678A (zh) * | 2023-03-24 | 2023-04-21 | 中国人民解放军63921部队 | 多任务多粒度天地基资源协同调度方法和终端设备 |
CN116136898A (zh) * | 2023-04-19 | 2023-05-19 | 中国西安卫星测控中心 | 航天测控资源调度结果融合方法、装置和计算机设备 |
-
2022
- 2022-08-25 CN CN202211036963.8A patent/CN115392028A/zh active Pending
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN115994678A (zh) * | 2023-03-24 | 2023-04-21 | 中国人民解放军63921部队 | 多任务多粒度天地基资源协同调度方法和终端设备 |
CN116136898A (zh) * | 2023-04-19 | 2023-05-19 | 中国西安卫星测控中心 | 航天测控资源调度结果融合方法、装置和计算机设备 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115392028A (zh) | 基于多规则融合的空间目标探测多传感器协同调度方法 | |
CN112434448B (zh) | 基于多点加点的代理模型约束优化方法和装置 | |
CN114357724B (zh) | 基于动态多目标优化的临机用频规划方法、装置和设备 | |
Choi et al. | Dynamic programming in a heuristically confined state space: a stochastic resource-constrained project scheduling application | |
Ponz-Tienda et al. | Complete fuzzy scheduling and fuzzy earned value management in construction projects | |
CN112749495A (zh) | 基于多点加点的代理模型优化方法、装置和计算机设备 | |
CN109039428B (zh) | 基于冲突消解的中继卫星单址天线调度随机搜索方法 | |
Ponz‐Tienda et al. | The fuzzy project scheduling problem with minimal generalized precedence relations | |
CN112416783B (zh) | 软件质量影响因素确定方法、装置、设备和存储介质 | |
CN112734239A (zh) | 基于任务与资源能力属性的任务规划方法、装置和介质 | |
Tagliaferri et al. | A real-time strategy-decision program for sailing yacht races | |
Stevens et al. | Reducing run-time adaptation space via analysis of possible utility bounds | |
CN114968531A (zh) | 基于多适应度遗传优化的量子云混合任务调度方法及装置 | |
CN104156619A (zh) | 协同探测中传感器分配方法 | |
US7991722B1 (en) | Information request generator | |
CN116894383A (zh) | 全年天气场景的随机模拟方法及装置 | |
CN114596702B (zh) | 一种交通状态预测模型构建方法及交通状态预测方法 | |
Okmen et al. | A CPM-based scheduling method for construction projects with fuzzy sets and fuzzy operations | |
CN115271821A (zh) | 网点分布处理方法、装置、计算机设备及存储介质 | |
Saharova et al. | Model of the Technical Dia&gnostics Process and Control of the Functional Subsystem of the Telecommunications Network | |
Лапидус et al. | Identification of effective methods for assessing the risks of a construction company in conditions of uncertainty | |
Pyt’ev | Mathematical modeling of randomness and fuzziness phenomena in scientific studies: I. Mathematical and empirical foundations | |
CN116307626A (zh) | 基于间隔圈数模型的卫星调度方法、装置和计算机设备 | |
CN116451948A (zh) | 基于圈次组合模型的卫星调度方法、装置和计算机设备 | |
CN116629508A (zh) | 基于圈次组合模型的卫星调度问题求解方法和装置 |
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 |