CN115795775A - 一种面向点群目标的卫星任务规划方法、系统及装置 - Google Patents
一种面向点群目标的卫星任务规划方法、系统及装置 Download PDFInfo
- Publication number
- CN115795775A CN115795775A CN202210681991.9A CN202210681991A CN115795775A CN 115795775 A CN115795775 A CN 115795775A CN 202210681991 A CN202210681991 A CN 202210681991A CN 115795775 A CN115795775 A CN 115795775A
- Authority
- CN
- China
- Prior art keywords
- task
- satellite
- tasks
- target
- operator
- 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
Images
Landscapes
- Radio Relay Systems (AREA)
Abstract
本发明提供了一种面向点群目标的卫星任务规划方法、系统及装置,该方法包括:首先对点目标任务进行预处理合并;然后通过延长卫星观测条带的方式确定任务合成方案;最后通过设计卫星任务规划模型求最优解的方式输出最终卫星调度方案。本发明根据密集点群目标任务的特点,通过将条带延长比例补充进决策变量等方式,实现一体化建模计算,达到全局寻优的目的,并且充分考虑了任务的时效性和收益性,可快速准确地对卫星点群目标任务进行规划。
Description
技术领域
本发明涉及卫星数据处理及卫星任务规划领域,尤其是涉及一种面向点群目标的卫星任务规划方法、系统及装置。
背景技术
成像卫星观测调度,一般是指在满足卫星各种成像约束条件下,结合任务需求,确定卫星成像方案,从而达到最大观测收益的调度方法。
目前,随着卫星技术水平的发展,卫星被赋予的任务使命也逐渐得到扩展。如在科学研究和抢险救灾行动中,常需要获取一定区域内的大量点目标的图像信息。在这种场景下,卫星任务数量多、密度大,且任务间时间窗重叠度高,很多任务都表现出时间和空间上的强耦合性。如何针对场景特点,充分利用卫星资源,最大化目标收益,成为一项亟待解决的问题。
特别是在密集点群目标场景下,对于卫星来说,具有任务合成观测的需求。星上遥感器往往具有一定的视场范围,在推扫模式下,单次成像能够覆盖地面上一定幅宽的条带区域。当两个任务目标点较为接近,满足合成约束条件时,可通过延长卫星的推扫时间来延长成像条带,从而实现在单次观测活动中同时完成对多个目标的成像任务,以此节约卫星资源,提升观测收益。
卫星采用合成观测有许多优势:
首先,多个观测活动间的姿态转换时间与卫星的侧摆速率及角度差异相关。尤其针对密集点目标场景,任务间时间窗重叠严重时,多数任务由于转换时间不足而被迫放弃。
其次,由于侧摆成像会给卫星带来姿态失稳等影响,因此,卫星在每个轨道圈次内的侧摆成像次数具有严格限制。若不采用合成观测,卫星在每个轨道内能够观测的任务数量将是非常有限的。
另外,对一些相邻的任务采用一次成像完成观测,有利于减少卫星的开关机及侧摆次数,从而保护卫星资源的使用寿命。对一些侧摆性能受限的卫星而言,其侧摆速率较慢,转换时间较长,单圈内的侧摆次数较少,就更有必要采用合成观测。如图1所示,该场景中有a、b、c三个密集点目标观测任务。如图(a)所示,若针对三个任务分别生成时间窗,则该三个时间窗重叠,卫星只能最多完成其中一个任务;但如果采用条带合并与延长的方法,将a目标的条带与b目标的条带合并,再将a目标的条带延长至c目标,此时三个任务均可通过a目标的新条带完成观测,如图(b)所示。
现阶段,针对密集观测场景的处理,成像任务合成规划面临如下问题:
第一、问题约束条件和收益计算更加复杂,问题求解空间计算量大、难度高。多星条件下,卫星与任务间会产生多种组合方式,又由于不同卫星轨道间的异质性,对点目标的条带地理信息和时间窗信息均不相同,这也将导致不同卫星条带下的点目标合并关系存在差异,并随着卫星与任务匹配关系改变而动态更新,因此问题求解的计算复杂程度变得更加巨大。如何充分利用点目标地理位置信息,避免冗余计算,并动态、准确的给出点目标合并关系,进而节约计算资源,提高算法效率,是一项重要的课题。
第二、缺乏一种在密集观测场景下,通过决策变量统一优化点目标合并关系,综合考虑观测条带约束与收益并指导算法设计的调度模型。密集观测场景下的卫星任务规划模型需要确定任务条带的延长比例,并根据确定后的条带信息完成点目标收益计算。传统的规划方式大多是基于先将点目标分类,再将多星任务调度的模式进行分阶段计算,这种模式割裂了点目标合并与任务调度问题整体性的关系,不利于全局寻优。因此,亟需应对密集观测场景下调度需求的模型。
发明内容
本发明的目的在于提供一种面向点群目标的卫星任务规划方法、系统及装置,以解决现有技术中存在的至少一个上述技术问题。
为解决上述技术问题,本发明提供的一种面向点群目标的卫星任务规划方法,包括如下步骤:
步骤1、对点目标任务,通过预处理合并,得到可合并目标任务集合;
步骤2、基于所述步骤1中的可合并目标任务集合,通过延长卫星观测条带的方式确定任务合成方案,得到决策任务集合;
步骤3、基于所述步骤2得到的决策任务集合,通过卫星任务规划模型求最优解的方式,得到最终卫星调度方案,所述卫星任务规划模型的决策因素包括条带延长比例。
进一步地,所述步骤1的预处理方法是:
步骤A、输入所有点目标任务,筛除缺省的点目标任务,输出点目标任务集合;
步骤B、根据不同卫星的时间窗,分别设置空的可合并目标任务集合;
步骤C、以某一点目标任务为基准,遍历其余点目标任务进行比对,将符合合并条件的点目标任务加入对应的可合并目标任务集合;
步骤D、对点目标任务集合中其余点目标任务执行步骤C,输出预处理后的可合并目标任务集合。
进一步地,所述步骤C的合并条件是指目标均在同一卫星的同一条轨道上可见,且目标的观测时间窗在该卫星的时间窗阈值范围内。
通过预处理,缩小了问题的求解空间,以便提高算法的运行效率。
进一步地,所述步骤2中延长卫星观测条带的具体方法是:
步骤1)、输入可合并目标集合,按照卫星进行划分,输出每颗卫星对应的点目标任务集合,再按照轨道进行细分,输出每颗卫星不同轨道下的点目标任务集合,并按时间窗早晚顺序排序;
步骤2)、基于每颗卫星不同轨道下的点目标任务集合,由决策变量逐个确定条带的延长比例,更新条带后得到进阶条带;
步骤3)、基于进阶条带,根据卫星轨道方向判定进阶条带的延长方向,得到进阶条带四个端点的经纬度;
步骤4)、输入点目标的经纬度,验证进阶条带是否覆盖点目标:
若进阶条带覆盖点目标则确定任务合成方案;
若进阶条带未覆盖点目标则更新决策变量,执行步骤2)。
进一步地,所述验证进阶条带是否覆盖点目标的方法可以是引射线法,当然还可以采用本领域公知的其它判断方法来判断进阶条带是否覆盖点目标。
进一步地,所述步骤2)中的决策变量包括:成像执行时机、数传执行时机及条带延长比例。
上述决策变量直接确定卫星成像及卫星数据传送任务的开始时间,从而完成卫星任务及卫星资源的匹配;其中的条带延长比例确定方案中条带长度及条带的执行时间。
进一步地,所述步骤3中的任务规划模型包括假设条件:
条件1)、在任务类型中,只考虑点目标任务,且不考虑点目标任务以及观测资源的动态更新;
条件2)、在规划方案中,每个点目标任务至多只能被执行一次;
条件3)、将时间窗以秒为单位离散化处理,对于某个点目标任务,定义每个可开始执行时间对应一个元任务窗口,每个点目标任务的决策时机集合是这个任务所有元任务窗口下任务执行时机的总和;
条件4)、对于成像及数传任务,卫星在同一时刻分别只能执行一个任务,且不中断;
条件5)、卫星的固存、电量资源对卫星的执行任务是确定的。
通过假设条件,进一步简化问题空间,节约运算时间。
进一步地,所述步骤3中的任务规划模型还包括典型约束:
约束1、执行唯一性约束,是指对于任一决策任务,最多选择一个成像执行时机和一个数传执行时机。
约束2、任务时序逻辑约束,是指对于任一决策任务,任务数传开始时间不能早于成像开始时间。若该决策任务的执行模式为实传模式,则成像及数传必须同时开始;若该决策任务的执行模式为记录回放模式,则数传开始时间必须晚于成像结束时间。
约束3、星上转换时间约束,包括星上成像任务间转换时间的约束、成像任务与数传任务间转换时间的约束。
约束4、地面站转换时间约束,是指卫星对地面站的数传任务转换时间约束:同一卫星时,数传任务无转换时间;不同卫星时,数传任务有转换时间。
约束5、星载资源约束,包括电量约束及固存约束:电量约束是指任一执行任务总耗电量不能超过所在卫星、所在单轨的电量阈值;固存约束是指任一时刻已成像且未数传任务的固存占用总量不能超过星载固存的阈值。
通过典型约束,指出任务规划模型的求解变量范围。
进一步地,所述步骤3中的任务规划模型还包括卫星执行任务收益,所述卫星执行任务收益是指完成任务收益的总和。
通过收益,指出任务规划模型的求解目标函数。
进一步地,所述步骤3中任务规划模型的求最优解的方法:
步骤a、初始化算法参数,通过局部最优计算,输出初始收益值及初始解:首先将决策任务集合划分为各个卫星的待分配任务集合;然后对于每颗卫星进行单星任务调度;最后令当前最优值为初始收益值、当前最优解为初始解。
步骤b、初始化所有算子的权重,令任务分配的调用标记为假。
步骤c、将每颗卫星的当前观测序列作为该卫星待调度任务集合,重新进行邻域搜索,通过破坏算子生成新解,并将对应的任务存入所在卫星的待分配任务列表。此时,若调用标记为真,则执行步骤d,否则执行步骤e。
步骤d、定义待分配任务集合为各个卫星当前待分配任务的并集,并通过分配算子将任务分配至不同卫星,更新分配算子的分数,同时令调用标记为假。
步骤e、根据待分配任务集合,对各个卫星的调度方案进行修复,即选择插入算子将任务插入至调度方案中,输出新解。若新解收益值优于当前最优解,则更新最优解,执行步骤f。否则重复步骤e,直至产生最优解或达到迭代阈值,若达到迭代阈值,令调用标记为真。
步骤f、输入步骤e的结果,更新各个算子库中的算子得分,然后根据算子分数,更新算子的选择概率。
步骤g、若达到终止条件,则输出历史最优解即最终卫星调度方案,规划结束,否则返回步骤c。
进一步地,所述步骤f中算子的选择是根据算子的选择概率通过轮盘赌的方式进行。
进一步地,所述步骤g中的终止条件是指达到最大迭代次数N,和/或,连续迭代n次后当前最优解仍未得到更新。
进一步地,所述步骤3中的算子封装在算子库中。
通过算子库,易于增加和修改算子,以提升算法在面对场景变化时的求解效率,提高算法的鲁棒性。
进一步地,所述步骤3中的算子包括分配算子、破坏算子和修复算子。
进一步地,所述分配算子包括:
分配算子1、随机分配,是指将任务随机分配至某颗卫星;
分配算子2、冲突分配,是指将任务分配至卫星调度方案内任务与该任务时间窗重叠总时间最短的卫星上;
分配算子3、最长时间窗分配,是指将任务分配至具有该任务最长时间窗的卫星上;
分配算子4、最大可能合并分配,是指将任务分配至卫星调度方案内具有最多可与该任务进行合并任务的卫星上;
分配算子5、经验分配,是指将任务分配至历史调度过程中分配到对应卫星所取得平均收益最高的卫星上。
进一步地,所述破坏算子包括:
破坏算子1、随机删除n个任务;
破坏算子2、将任务按优先级升序排序,删除前n个任务;
破坏算子3、将可合并集合中的任务,按数量进行降序排序,删除前n个任务;
破坏算子4、将任务按任务时间窗的冲突度大小降序排序,删除前n个任务。
进一步地,所述修复算子包括:
修复算子1、按优先级顺序降序排序,选择n个任务插入调度方案;
修复算子2、按时间窗数目升序排序,选择n个任务插入调度方案;
修复算子3、将时间窗冲突度最小的任务逐个插入调度方案。
进一步地,所述优先级可以是任务执行优先级,所述任务执行优先级在任务输入时已经确定,当然还可以定义为时间顺序优先级等其它标准的优先级。
进一步地,所述冲突度是指不同任务的时间窗重叠总时间的长度,重叠时间越长,冲突度越大。
带有分值属性的分配算子、破坏算子和修复算子,在迭代过程中,通过对算子的调用实现算子分数的更新,进而体现算法整体的自适应特点。
为了与多星场景相适应,算法加入任务分配层,若在局部搜索过程中经多次迭代未能提高解的收益,则更新任务分配结果,有机会跳出局部最优,以此实现全局寻优,并在最大程度上保留算法的高效求解能力。
另一方面,本发明还公开了一种面向点群目标的卫星任务规划系统,包括任务接收模块、任务处理模块和方案生成模块。
所述任务接收模块用于接收点目标任务,发送至任务处理模块。
所述任务处理模块用于根据面向点群目标的卫星规划方法中步骤1~3对点目标任务进行操作,主要包括任务预处理单元、任务合成单元和任务规划单元:
所述任务预处理单元接收点目标任务,通过预处理合并,输出可合并目标任务集合;
所述任务合成单元接收可合并目标任务集合,通过延长卫星观测条带的方式确定任务合成方案,输出决策任务集合;
所述任务规划单元接收决策任务集合,通过设计卫星任务规划模型求最优解的方式,输出最终卫星调度方案。
所述方案生成模块用于输出最终卫星调度方案。
又一方面,本发明还提供了一种面向点群目标的卫星任务规划装置,主要包括处理器、存储器及总线,所述存储器存储可由处理器读取的指令,所述处理器用于调用所述存储器中的指令,以执行所述的面向点群目标的卫星任务规划方法,所述总线连接各功能部件之间传送信息。
采用上述技术方案,本发明具有如下有益效果:
本方案根据密集点群目标任务的特点,通过将条带延长比例补充进决策变量,实现一体化建模计算,避免了现有技术中无法跳出局部寻优的问题。提供的基于点群目标任务规划的预处理方法,缩小了问题求解空间,提高算法运行效率。提供的基于条带延长密集点群目标合并覆盖的计算模型,实现对目标合并进行快速准确地动态判断。提供的元任务处理模式,针对任务时间窗的特点,实现了统一化建模。提供的求最优解算法,充分考虑了任务的时效性和收益性。提供的破坏算子、修复算子和任务分配算子,交由算法自适应选择,求解问题准确且高效。
附图说明
为了更清楚地说明本发明具体实施方式或现有技术中的技术方案下面将对具体实施方式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,下面描述中的附图是本发明的一些实施方式,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为卫星条带延长示例图;
图2为本发明实施例提供的面向点群目标的卫星任务规划流程图;
图3为本发明实施例提供的算法流程图;
图4为本发明实施例提供的面向点群目标的卫星任务规划系统图。
附图标记:
(a)-图1卫星条带延长合并前;(b)-图1卫星条带延长合并后。
具体实施方式
下面将结合附图对本发明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做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。
本申请的说明书实施例和权利要求书及上述附图中的术语“第一”、“第二”、和“第三”等是用于区别类似的对象,而不必用于描述特定的顺序或先后次序。此外,术语“包括”和“具有”以及他们的任何变形,意图在于覆盖不排他的包含,例如,包含了一系列步骤或模块。方法、系统、产品或设备不必限于清楚地列出的那些步骤或模块,而是可包括没有清楚地列出的或对于这些过程、方法、产品或设备固有的其它步骤或模块。“和/或”用于表示在其所连接的两个对象之间选择一个或全部。
为了使本领域的人员更好地理解本申请实施例方案,先将解决现有技术问题的四个关键切入点说明如下:
1)为了减小运算量,需要对密集点群目标任务规划预处理的方法;
2)为了实现对目标合并进行快速准确地动态判断,需要设计基于条带延长的密集点群目标合并覆盖模型;
3)为了实现对卫星任务进行快速准确地动态规划,需要考虑条带延长的成像卫星任务规划模型;
4)为了提升任务的时效性和收益性,需要研究面向点群目标合并的任务规划算法。
下面结合具体的实施方式对本发明做进一步的解释说明。
如图2所示,本实施例提供的一种面向点群目标的卫星任务规划方法,包括如下步骤:
步骤1、对点目标任务,通过预处理合并,得到可合并目标任务集合;
步骤2、基于所述步骤1中的可合并目标任务集合,通过延长卫星观测条带的方式确定任务合成方案,得到决策任务集合;
步骤3、基于所述步骤2得到的决策任务集合,通过卫星任务规划模型求最优解的方式,得到最终卫星调度方案,所述卫星任务规划模型的决策因素包括条带延长比例。
进一步地,所述步骤1的预处理方法是:
步骤A、基于所有点目标任务,通过筛除缺省的点目标任务的方式进行数据清洗,得到点目标任务集合P;
步骤B、根据不同卫星的时间窗,分别设置空的可合并目标任务集合;
步骤C、以某一点目标任务为基准,遍历其余点目标任务进行比对,将符合合并条件的点目标任务加入对应的可合并目标任务集合;
步骤D、对点目标任务集合中其余点目标任务执行步骤C,输出预处理后的可合并目标任务集合。
进一步地,所述步骤C的合并条件是指目标均在同一卫星的同一条轨道上可见,且目标的观测时间窗在该卫星的时间窗阈值范围内。
通过预处理,缩小了问题的求解空间,以便提高算法的运行效率。
进一步地,所述步骤2中延长卫星观测条带的具体方法是:
步骤1)、基于可合并目标集合,按照卫星进行划分,得到每颗卫星对应的点目标任务集合,再按照轨道进行细分,得到每颗卫星不同轨道下的点目标任务集合,并按时间窗早晚顺序排序;
步骤2)、基于每颗卫星不同轨道下的点目标任务集合,由决策变量逐个确定条带的延长比例,更新条带后得到进阶条带;
步骤3)、基于进阶条带,根据卫星轨道方向判定进阶条带的延长方向,得到进阶条带四个端点的经纬度;
步骤4)、输入点目标的经纬度,验证进阶条带是否覆盖点目标:
若进阶条带覆盖点目标则确定任务合成方案;
若进阶条带未覆盖点目标则更新决策变量,执行步骤2)。
进一步地,所述验证进阶条带是否覆盖点目标的方法可以是引射线法,当然还可以采用本领域公知的其它判断方法来判断进阶条带是否覆盖点目标。
进一步地,所述步骤2)中的决策变量包括:成像执行时机、数传执行时机及条带延长比例。
上述决策变量直接确定卫星成像及卫星数据传送任务的开始时间,从而完成卫星任务及卫星资源的匹配;其中的条带延长比例确定方案中条带长度及条带的执行时间。
进一步地,所述步骤3中的任务规划模型包括假设条件:
条件1)、在任务类型中,只考虑点目标任务,且不考虑点目标任务以及观测资源的动态更新;
条件2)、在规划方案中,每个点目标任务至多只能被执行一次;
条件3)、将时间窗以秒为单位离散化处理,对于某个点目标任务,定义每个可开始执行时间对应一个元任务窗口,每个点目标任务的决策时机集合是这个任务所有元任务窗口下任务执行时机的总和;
条件4)、对于成像及数传任务,卫星在同一时刻分别只能执行一个任务,且不中断;
条件5)、卫星的固存、电量资源对卫星的执行任务是确定的。
通过假设条件,进一步简化问题空间,节约运算时间。
进一步地,所述决策变量定义如下:
点目标任务集合为P,其中第i个任务为pi;
卫星集合为S,其中第j个卫星为sj,sj上的轨道集合为Oj,其中第k个轨道为ojk;
sj上针对pi的元任务窗口集合为Tij,其中第l个元任务窗口为tijl;
根据假设中对于点目标任务执行次数要求,点目标任务执行时机在所有卫星下所有元任务时间窗口中选择。因此,定义决策任务集合DT,点目标任务集合为Pd,第i个点目标任务pi(pi∈Pd)对应一个决策任务dti;
基于成像和数传两类流程,对应dti,分别定义其成像执行时机为IEOi和数传执行时机为DEOi,以此作为卫星资源,多星联合调度问题定义如下:
其中,xij表示决策任务在其成像执行时机IEOj下开始执行;
yij表示决策任务在其数传执行时机DEOj下开始执行;
上述决策变量直接确定了成像及数传任务的开始时间,完成了卫星任务及其资源的匹配;
此外,针对条带延长合并的任务需求,定义zi为决策任务dti所属条带延长比例,可确定方案中条带长度及条带执行时间。
因此,综合上述各决策变量,结合星上的星历信息,可分别求出各卫星任务开始及结束时间、各条带开始及结束状态,并最终得到卫星系统规划方案。
进一步地,所述步骤3中的任务规划模型还包括典型约束:
约束1、执行唯一性约束,是指对于任一决策任务dti,最多选择一个成像执行时机和一个数传执行时机:
约束2、任务时序逻辑约束,是指对于任一决策任务dti,任务数传开始时间bD,i不能早于成像开始时间bO,i。若该决策任务的执行模式为实传模式,则成像及数传必须同时开始;若该决策任务的执行模式为记录回放模式,则数传开始时间必须晚于成像结束时间:
约束3、星上转换时间约束,包括星上成像任务间转换时间ΔO(dti,dti')的约束、成像任务与数传任务间转换时间ΔM的约束,bO(D),i表示对于决策任务dti成像任务的开始与结束时间,eO(D),i表示对于决策任务dti数传任务的开始与结束时间:
约束4、地面站转换时间约束,是指卫星对地面站的数传任务转换时间约束:同一卫星时,数传任务无转换时间;不同卫星时,数传任务有转换时间ΔD:
约束5、星载资源约束,包括电量约束及固存约束:电量约束是指任一执行任务dti总耗电量不能超过所在卫星s(dti)、所在单轨o(dti)的电量阈值Q;固存约束是指任一时刻已成像且未数传任务的固存占用总量不能超过星载固存的阈值M,i(dti,t)和i(dti,t)分别判断t时刻下,该任务是否完成了成像与数传:
通过典型约束,指出任务规划模型的求解变量范围。
进一步地,所述步骤3中的任务规划模型还包括卫星执行任务收益,所述卫星执行任务收益是指完成任务收益pri的总和;check(pi,ST)函数用于判断任务pi是否包含于调度方案所选择的条带ST,若包含于则置为1,否则置为0:
通过收益,指出任务规划模型的求解目标函数。
进一步地,如图3所示,所述步骤3中,通过对任务规划模型的求最优解计算(例如自适应大邻域搜索算法,最早用于带时间窗的车辆路径问题,而卫星调度问题同样具有时间依赖特性,且自适应大邻域算法同时提供自定义启发式算子,能够保证算法高效。)输出最终卫星调度方案,详细步骤如下:
步骤a、初始化算法参数,通过局部最优计算(例如贪心算法),输出初始收益值及初始解:首先将决策任务集合划分为各个卫星的待分配任务集合;然后对于每颗卫星进行单星任务调度;最后令当前最优值为初始收益值、当前最优解为初始解。
步骤b、初始化所有算子的权重,令任务分配的调用标记η为假,即η←fa l se。
步骤c、将每颗卫星的当前观测序列作为该卫星待调度任务集合,重新进行邻域搜索,通过破坏算子生成新解,并将对应的任务存入所在卫星的待分配任务列表。此时,若η为true,则执行步骤d,否则执行步骤e。
步骤d、定义待分配任务集合为各个卫星当前待分配任务的并集,并通过分配算子将任务分配至不同卫星,更新分配算子的分数,同时令η←fa l se。
步骤e、根据待分配任务集合,对各个卫星的调度方案进行修复,即选择插入算子将任务插入至调度方案中,输出新解。若新解收益值,按模拟退火准则或者本领域公知的其它准则,优于当前最优解,则更新最优解,执行步骤f。否则重复步骤e,直至产生最优解或达到迭代阈值,若达到迭代阈值,令η←true。
步骤f、输入步骤e的结果,更新各个算子库中的算子得分,然后根据算子分数,更新算子的选择概率。
步骤g、若达到终止条件,则输出历史最优解即最终卫星调度方案,规划结束,否则返回步骤c。
当然在其它实施例中还可以选用本领域公知的其它算法,以达到相同的技术效果。
进一步地,所述步骤f中算子的选择是根据算子的选择概率通过轮盘赌的方式进行。
进一步地,所述步骤g中的终止条件是指达到最大迭代次数N,和/或,连续迭代n次后当前最优解仍未得到更新。
同样,在其它实施例中还可以选用本领域公知的其它方式选择算子。
进一步地,所述步骤3中的算子封装在算子库中。
通过算子库,易于增加和修改算子,以提升算法在面对场景变化时的求解效率,提高算法的鲁棒性。
进一步地,所述步骤3中的算子包括分配算子、破坏算子和修复算子。
进一步地,所述分配算子包括:
分配算子1、随机分配,是指将任务随机分配至某颗卫星;
分配算子2、冲突分配,是指将任务分配至卫星调度方案内任务与该任务时间窗重叠总时间最短的卫星上;
分配算子3、最长时间窗分配,是指将任务分配至具有该任务最长时间窗的卫星上;
分配算子4、最大可能合并分配,是指将任务分配至卫星调度方案内具有最多可与该任务进行合并任务的卫星上;
分配算子5、经验分配,是指将任务分配至历史调度过程中分配到对应卫星所取得平均收益最高的卫星上。
进一步地,所述破坏算子包括:
破坏算子1、随机删除n个任务;
破坏算子2、将任务按任务执行优先级升序排序,删除前n个任务;
破坏算子3、将可合并集合中的任务,按数量进行降序排序,删除前n个任务;
破坏算子4、将任务按任务时间窗的冲突度大小降序排序,删除前n个任务。
进一步地,所述修复算子包括:
修复算子1、按优先级顺序降序排序,选择n个任务插入调度方案;
修复算子2、按时间窗数目升序排序,选择n个任务插入调度方案;
修复算子3、将时间窗冲突度最小的任务逐个插入调度方案。
进一步地,所述优先级可以是任务执行优先级,所述任务执行优先级在任务输入时已经确定,当然还可以定义为时间顺序优先级等其它标准的优先级。
进一步地,所述冲突度是指不同任务的时间窗重叠总时间的长度,重叠时间越长,冲突度越大。
带有分值属性的分配算子、破坏算子和修复算子,在迭代过程中,通过对算子的调用实现算子分数的更新,进而体现算法整体的自适应特点。
经典自适应大邻域算法采用双重循环,内循环为包括破坏与修复操作的局部搜索过程,外循环使用模拟退火准则更新最优解。为了与多星场景相适应,本实施例提供的算法中加入了任务分配层,若在局部搜索过程中经多次迭代未能提高解的收益,则更新任务分配结果,有机会跳出局部最优,以此实现全局寻优,并在最大程度上保留算法的高效求解能力。
另一方面,本实施例还提供了一种面向点群目标的卫星任务规划系统,包括任务接收模块、任务处理模块和方案生成模块,如图4所示。
所述任务接收模块用于接收点目标任务,发送至任务处理模块。
所述任务处理模块用于根据面向点群目标的卫星规划方法中步骤1~3对点目标任务进行操作,主要包括任务预处理单元、任务合成单元和任务规划单元。
所述任务预处理单元接收点目标任务,通过预处理合并,输出可合并目标集合,预处理方法如下:
步骤A、输入所有点目标任务,通过筛除缺省的点目标任务的方式进行数据清洗,输出点目标任务集合P;
步骤B、根据不同卫星的时间窗,分别设置空的可合并目标任务集合;
步骤C、以某一点目标任务为基准,遍历其余点目标任务进行比对,将符合合并条件的点目标任务加入对应的可合并目标任务集合,其中合并条件是指目标均在同一卫星的同一条轨道上可见,且目标的观测时间窗在该卫星的时间窗阈值范围内;
步骤D、对点目标任务集合中其余点目标任务执行步骤C,输出预处理后的可合并目标任务集合;
通过预处理,缩小了问题的求解空间,以便提高算法的运行效率。
所述任务合成单元接收可合并目标集合,通过延长卫星观测条带的方式确定任务合成方案,输出决策任务集合,其中延长卫星观测条带的具体方法是:
步骤1)、输入可合并目标集合,按照卫星进行划分,输出每颗卫星对应的点目标任务集合,再按照轨道进行细分,输出每颗卫星不同轨道下的点目标任务集合,并按时间窗早晚顺序排序;
步骤2)、基于每颗卫星不同轨道下的点目标任务集合,由决策变量逐个确定条带的延长比例,更新条带后得到进阶条带;
步骤3)、基于进阶条带,根据卫星轨道方向判定进阶条带的延长方向,得到进阶条带四个端点的经纬度;
步骤4)、输入点目标的经纬度,验证进阶条带是否覆盖点目标:
若进阶条带覆盖点目标则确定任务合成方案;
若进阶条带未覆盖点目标则更新决策变量,执行步骤2)。
所述任务规划单元接收决策任务集合,通过设计卫星任务规划模型求最优解的方式,输出最终卫星调度方案;
任务规划模型的假设条件包括:
条件1)、在任务类型中,只考虑点目标任务,且不考虑点目标任务以及观测资源的动态更新;
条件2)、在规划方案中,每个点目标任务至多只能被执行一次;
条件3)、将时间窗以秒为单位离散化处理,对于某个点目标任务,定义每个可开始执行时间对应一个元任务窗口,每个点目标任务的决策时机集合是这个任务所有元任务窗口下任务执行时机的总和;
条件4)、对于成像及数传任务,卫星在同一时刻分别只能执行一个任务,且不中断;
条件5)、卫星的固存、电量资源对卫星的执行任务是确定的。
通过假设条件,进一步简化问题空间,节约运算时间。
任务规划模型的决策变量定义如下:
点目标任务集合为P,其中第i个任务为pi;
卫星集合为S,其中第j个卫星为sj,sj上的轨道集合为Oj,其中第k个轨道为ojk;
sj上针对pi的元任务窗口集合为Tij,其中第l个元任务窗口为tijl;
根据假设中对于点目标任务执行次数要求,点目标任务执行时机在所有卫星下所有元任务时间窗口中选择。因此,定义决策任务集合DT,点目标任务集合为Pd,第i个点目标任务pi(pi∈Pd)对应一个决策任务dti;
基于成像和数传两类流程,对应dti,分别定义其成像执行时机为IEOi和数传执行时机为DEOi,以此作为卫星资源,多星联合调度问题定义如下:
其中,xij表示决策任务在其成像执行时机IEOj下开始执行;
yij表示决策任务在其数传执行时机DEOj下开始执行;
上述决策变量直接确定了成像及数传任务的开始时间,完成了卫星任务及其资源的匹配;
定义zi为决策任务dti所属条带延长比例,确定方案中条带长度及条带执行时间。
因此,综合上述各决策变量,结合星上的星历信息,可分别求出各卫星任务开始及结束时间、各条带开始及结束状态,并最终得到卫星系统规划方案,为任务规划模型的搭建奠定基础。
任务规划模型的典型约束如下:
约束1、执行唯一性约束,是指对于任一决策任务dti,最多选择一个成像执行时机和一个数传执行时机:
约束2、任务时序逻辑约束,是指对于任一决策任务dti,任务数传开始时间bD,i不能早于成像开始时间bO,i。若该决策任务的执行模式为实传模式,则成像及数传必须同时开始;若该决策任务的执行模式为记录回放模式,则数传开始时间必须晚于成像结束时间:
约束3、星上转换时间约束,包括星上成像任务间转换时间ΔO(dti,dti')的约束、成像任务与数传任务间转换时间ΔM的约束,bO(D),i表示对于决策任务dti成像任务的开始与结束时间,eO(D),i表示对于决策任务dti数传任务的开始与结束时间:
约束4、地面站转换时间约束,是指卫星对地面站的数传任务转换时间约束:同一卫星时,数传任务无转换时间;不同卫星时,数传任务有转换时间ΔD:
约束5、星载资源约束,包括电量约束及固存约束:电量约束是指任一执行任务dti总耗电量不能超过所在卫星s(dti)、所在单轨o(dti)的电量阈值Q;固存约束是指任一时刻已成像且未数传任务的固存占用总量不能超过星载固存的阈值M,i(dti,t)和i(dti,t)分别判断t时刻下,该任务是否完成了成像与数传:
通过典型约束,指出任务规划模型的求解变量范围。
任务规划模型中卫星执行任务收益是指完成任务收益pri的总和;check(pi,ST)函数用于判断任务pi是否包含于调度方案所选择的条带ST,若包含于则置为1,否则置为0:
通过收益,指出任务规划模型的求解目标函数。
任务规划模型的求最优解计算采用改进的自适应大邻域搜索算法,输出最终卫星调度方案,详细步骤如下:
步骤a、初始化算法参数,通过贪心算法求局部最优解的方式,输出初始收益值及初始解:首先将决策任务集合划分为各个卫星的待分配任务集合;然后对于每颗卫星进行单星任务调度;最后令当前最优值为初始收益值、当前最优解为初始解。
步骤b、初始化所有算子的权重,令任务分配的调用标记η为假,即η←fa l se。
步骤c、将每颗卫星的当前观测序列作为该卫星待调度任务集合,重新进行邻域搜索,通过破坏算子生成新解,并将对应的任务存入所在卫星的待分配任务列表。此时,若η为true,则执行步骤d,否则执行步骤e。
步骤d、定义待分配任务集合为各个卫星当前待分配任务的并集,并通过分配算子将任务分配至不同卫星,更新分配算子的分数,同时令η←fa l se。
步骤e、根据待分配任务集合,对各个卫星的调度方案进行修复,即选择插入算子将任务插入至调度方案中,输出新解。若新解收益值,按模拟退火准则或者本领域公知的其它准则,优于当前最优解,则更新最优解,执行步骤f。否则重复步骤e,直至产生最优解或达到迭代阈值,若达到迭代阈值,令η←true。
步骤f、输入步骤e的结果,更新各个算子库中的算子得分,然后根据算子分数,更新算子的选择概率。
步骤g、若达到终止条件,则输出历史最优解即最终卫星调度方案,规划结束,否则返回步骤c。终止条件是指达到最大迭代次数N,和/或,连续迭代n次后当前最优解仍未得到更新。
所述方案生成模块用于输出最终卫星调度方案。
在另一个实施例中,本发明方案还可以通过一种面向点群目标的卫星任务规划装置来实现,主要包括处理器、存储器及总线;
所述存储器存储可由处理器读取的指令,根据存储需要灵活配置大小;
所述总线连接计算机各功能部件之间传送信息;
所述处理器用于调用所述存储器中的指令,以执行一种面向点群目标的卫星任务规划方法。
本方案在又一种实施方式下,可以通过设备的方式来实现,该设备可以包括执行上述各个实施方式中各个或几个步骤的相应模块。模块可以是专门被配置为执行相应步骤的一个或多个硬件模块、或者由被配置为执行相应步骤的处理器来实现、或者存储在计算机可读介质内用于由处理器来实现、或者通过某种组合来实现。
处理器执行上文所描述的各个方法和处理。例如,本方案中的方法实施方式可以被实现为软件程序,其被有形地包含于机器可读介质,例如存储器。在一些实施方式中,软件程序的部分或者全部可以经由存储器和/或通信接口而被载入和/或安装。当软件程序加载到存储器并由处理器执行时,可以执行上文描述的方法中的一个或多个步骤。备选地,在其它实施方式中,处理器可以通过其他任何适当的方式(例如,借助于固件)而被配置为执行上述方法之一。
该设备可以利用总线架构来实现。总线架构可以包括任何数量的互连总线和桥接器,这取决于硬件的特定应用和总体设计约束。总线将包括一个或多个处理器、存储器和/或硬件模块的各种电路连接到一起。总线还可以将诸如外围设备、电压调节器、功率管理电路、外部天线等的各种其它电路连接。
总线可以是工业标准体系结构(I SA,I ndustry Standard Arch itecture)总线、外部设备互连(PC I,Per i phera l Component)总线或扩展工业标准体系结构(E ISA,Extended I ndustry Standard Component)总线等。总线可以分为地址总线、数据总线、控制总线等。
最后应说明的是:以上各实施例仅用以说明本发明的技术方案,而非对其限制;尽管参照前述各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,或者对其中部分或者全部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范围。
Claims (10)
1.一种面向点群目标的卫星任务规划方法,其特征在于,包括如下步骤:
步骤1、对点目标任务,通过预处理合并,得到可合并目标任务集合;
步骤2、基于所述可合并目标任务集合,通过延长卫星观测条带的方式确定任务合成方案,得到决策任务集合;
步骤3、基于所述决策任务集合,通过卫星任务规划模型求最优解的方式,得到最终卫星调度方案,所述卫星任务规划模型的决策因素包括条带延长比例。
2.如权利要求1所述的面向点群目标的卫星规划方法,其特征在于,所述步骤1的预处理方法是:
步骤A、输入所有点目标任务,筛除缺省的点目标任务,输出点目标任务集合;
步骤B、根据不同卫星的时间窗,分别设置空的可合并目标任务集合;
步骤C、以点目标任务集合中某一点目标任务为基准,遍历其余点目标任务进行比对,将符合合并条件的点目标任务加入对应的可合并目标任务集合;
步骤D、对点目标任务集合中其余点目标任务执行步骤C,输出预处理后的可合并目标任务集合。
3.如权利要求1所述的面向点群目标的卫星规划方法,其特征在于,所述步骤2中延长卫星观测条带的具体方法是:
步骤1)、输入可合并目标集合,按照卫星进行划分,输出每颗卫星对应的点目标任务集合,再按照轨道进行细分,输出每颗卫星不同轨道下的点目标任务集合,并按时间窗早晚顺序排序;
步骤2)、基于每颗卫星不同轨道下的点目标任务集合,由决策变量逐个确定条带的延长比例,更新条带后得到进阶条带;
步骤3)、基于进阶条带,根据卫星轨道方向判定进阶条带的延长方向,得到进阶条带四个端点的经纬度;
步骤4)、输入点目标的经纬度,验证进阶条带是否覆盖点目标:
若进阶条带覆盖点目标则确定任务合成方案;
若进阶条带未覆盖点目标则更新决策变量,执行步骤2)。
4.如权利要求3所述的面向点群目标的卫星规划方法,其特征在于,所述步骤2)中的决策变量包括:成像执行时机、数传执行时机及条带延长比例;
成像执行时机确定卫星成像任务的开始时间;
数传执行时机确定卫星数据传送任务的开始时间;
条带延长比例确定方案中条带长度及条带的执行时间。
5.如权利要求1所述的面向点群目标的卫星规划方法,其特征在于,所述步骤3中的任务规划模型还包括典型约束:
约束1、执行唯一性约束,是指对于任一决策任务,最多选择一个成像执行时机和一个数传执行时机;
约束2、任务时序逻辑约束,是指对于任一决策任务,任务数传开始时间不能早于成像开始时间;
约束3、星上转换时间约束,包括星上成像任务间转换时间的约束、成像任务与数传任务间转换时间的约束;
约束4、地面站转换时间约束,是指卫星对地面站的数传任务转换时间约束;
约束5、星载资源约束,包括电量约束及固存约束:电量约束是指任一执行任务总耗电量不能超过所在卫星、所在单轨的电量阈值;固存约束是指任一时刻已成像且未数传任务的固存占用总量不能超过星载固存的阈值。
6.如权利要求1所述的面向点群目标的卫星规划方法,其特征在于,所述步骤3中任务规划模型的求最优解的方法为:
步骤a、初始化算法参数,通过局部最优计算,输出初始收益值及初始解:首先将决策任务集合划分为各个卫星的待分配任务集合;然后对于每颗卫星进行单星任务调度;最后令当前最优值为初始收益值、当前最优解为初始解;
步骤b、初始化所有算子的权重,令任务分配的调用标记为假;
步骤c、将每颗卫星的当前观测序列作为该卫星待调度任务集合,重新进行邻域搜索,通过破坏算子生成新解,并将对应的任务存入所在卫星的待分配任务列表,若此时调用标记为真,则执行步骤d,否则执行步骤e;
步骤d、定义待分配任务集合为各个卫星当前待分配任务的并集,并通过分配算子将任务分配至不同卫星,更新分配算子的分数,同时令调用标记为假;
步骤e、根据待分配任务集合,对各个卫星的调度方案进行修复,即选择插入算子将任务插入至调度方案中,输出新解;若新解收益值优于当前最优解,则更新最优解,执行步骤f;否则重复步骤e,直至产生最优解或达到迭代阈值,若达到迭代阈值,令调用标记为真;
步骤f、输入步骤e的结果,更新各个算子库中的算子得分,然后根据算子分数,更新算子的选择概率;
步骤g、若达到终止条件,则输出历史最优解即最终卫星调度方案,规划结束,否则返回步骤c。
7.如权利要求6所述的面向点群目标的卫星规划方法,其特征在于,所述步骤b中的算子包括分配算子、破坏算子和修复算子。
8.如权利要求7所述的面向点群目标的卫星规划方法,其特征在于,所述分配算子的具体方式包括以下方式的一种或其任意组合:
分配算子1、随机分配,是指将任务随机分配至某颗卫星;
分配算子2、冲突分配,是指将任务分配至卫星调度方案内任务与该任务时间窗重叠总时间最短的卫星上;
分配算子3、最长时间窗分配,是指将任务分配至具有该任务最长时间窗的卫星上;
分配算子4、最大可能合并分配,是指将任务分配至卫星调度方案内具有最多可与该任务进行合并任务的卫星上;
分配算子5、经验分配,是指将任务分配至历史调度过程中分配到对应卫星所取得平均收益最高的卫星上;
所述破坏算子的具体方式包括以下方式的一种或其任意组合:
破坏算子1、随机删除n个任务;
破坏算子2、将任务按优先级升序排序,删除前n个任务;
破坏算子3、将可合并集合中的任务,按数量进行降序排序,删除前n个任务;
破坏算子4、将任务按任务时间窗的冲突度大小降序排序,删除前n个任务;
所述修复算子的具体方式包括以下方式的一种或其任意组合:
修复算子1、按优先级顺序降序排序,选择n个任务插入调度方案;
修复算子2、按时间窗数目升序排序,选择n个任务插入调度方案;
修复算子3、将时间窗冲突度最小的任务逐个插入调度方案。
9.一种面向点群目标的卫星任务规划系统,其特征在于,包括任务接收模块、任务处理模块和方案生成模块:
所述任务接收模块用于接收点目标任务,发送至任务处理模块;
所述任务处理模块用于根据权利要求1~8中任一所述的面向点群目标的卫星任务规划方法对点目标任务进行操作,包括任务预处理单元、任务合成单元和任务规划单元:
所述任务预处理单元接收点目标任务,通过预处理合并,输出可合并目标任务集合;
所述任务合成单元接收可合并目标任务集合,通过延长卫星观测条带的方式确定任务合成方案,输出决策任务集合;
所述任务规划单元接收决策任务集合,通过设计卫星任务规划模型求最优解的方式,输出最终卫星调度方案;
所述方案生成模块用于输出最终卫星调度方案。
10.一种面向点群目标的卫星任务规划装置,其特征在于,包括处理器、存储器及总线,所述存储器存储可由处理器读取的指令,所述处理器用于调用所述存储器中的指令,以执行如权利要求1~8中任一所述的面向点群目标的卫星任务规划方法,所述总线连接各功能部件之间传送信息。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681991.9A CN115795775A (zh) | 2022-06-16 | 2022-06-16 | 一种面向点群目标的卫星任务规划方法、系统及装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202210681991.9A CN115795775A (zh) | 2022-06-16 | 2022-06-16 | 一种面向点群目标的卫星任务规划方法、系统及装置 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115795775A true CN115795775A (zh) | 2023-03-14 |
Family
ID=85431177
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202210681991.9A Pending CN115795775A (zh) | 2022-06-16 | 2022-06-16 | 一种面向点群目标的卫星任务规划方法、系统及装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115795775A (zh) |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579582A (zh) * | 2023-07-03 | 2023-08-11 | 中国电子科技集团公司第五十四研究所 | 一种面向用户多样化需求的区域目标卫星任务规划方法 |
CN116599575A (zh) * | 2023-07-17 | 2023-08-15 | 数字太空(北京)科技股份公司 | 大规模遥感任务系统的仿真环境构建方法和装置 |
CN117952399A (zh) * | 2024-03-26 | 2024-04-30 | 中国人民解放军国防科技大学 | 一种多星多轨成像任务规划方法、系统及装置 |
CN117952399B (zh) * | 2024-03-26 | 2024-07-02 | 中国人民解放军国防科技大学 | 一种多星多轨成像任务规划方法、系统及装置 |
-
2022
- 2022-06-16 CN CN202210681991.9A patent/CN115795775A/zh active Pending
Cited By (6)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN116579582A (zh) * | 2023-07-03 | 2023-08-11 | 中国电子科技集团公司第五十四研究所 | 一种面向用户多样化需求的区域目标卫星任务规划方法 |
CN116579582B (zh) * | 2023-07-03 | 2023-09-26 | 中国电子科技集团公司第五十四研究所 | 一种面向用户多样化需求的区域目标卫星任务规划方法 |
CN116599575A (zh) * | 2023-07-17 | 2023-08-15 | 数字太空(北京)科技股份公司 | 大规模遥感任务系统的仿真环境构建方法和装置 |
CN116599575B (zh) * | 2023-07-17 | 2023-10-13 | 数字太空(北京)科技股份公司 | 大规模遥感任务系统的仿真环境构建方法和装置 |
CN117952399A (zh) * | 2024-03-26 | 2024-04-30 | 中国人民解放军国防科技大学 | 一种多星多轨成像任务规划方法、系统及装置 |
CN117952399B (zh) * | 2024-03-26 | 2024-07-02 | 中国人民解放军国防科技大学 | 一种多星多轨成像任务规划方法、系统及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN115795775A (zh) | 一种面向点群目标的卫星任务规划方法、系统及装置 | |
CN109948944B (zh) | 一种卫星任务调度方法及系统 | |
US8103532B2 (en) | Method and system for fast local search and insertion heuristics for vehicle routing | |
CN109377075B (zh) | 一种基于前瞻预测的任务调度方法 | |
CN111967656A (zh) | 多灾点应急救援指挥控制组织资源调度方法及系统 | |
CN115103410B (zh) | 一种测控数传资源调度方法、系统及装置 | |
CN113283789B (zh) | 空间站运营任务的时间冗余启发式规划方法、装置及设备 | |
CN113064449A (zh) | 一种无人机调度方法及系统 | |
CN112764927A (zh) | 一种车辆选择和资源联合优化方法、系统、介质及应用 | |
CN115017814A (zh) | 一种面向卫星任务调度的通用化智能调度引擎及设备 | |
CN114545459A (zh) | 基于统一逻辑表征的低轨卫星例行测控任务预处理方法 | |
CN114035913B (zh) | 一种卫星多目标重复观测任务规划方法及终端 | |
CN115276758A (zh) | 一种基于任务松弛度的中继卫星动态调度方法 | |
CN108199763A (zh) | 中继卫星任务调度方法与系统 | |
Wu et al. | Design of task priority model and algorithm for imaging observation problem | |
CN116894383A (zh) | 全年天气场景的随机模拟方法及装置 | |
Du et al. | Integrated agile observation satellite scheduling problem considering different memory environments: a case study | |
CN114926038A (zh) | 海上平台的航空资源站点配置方法、装置和设备 | |
CN114819702A (zh) | 一种基于多智能体的遥感星座任务管控系统 | |
CN114997644A (zh) | 海上风电场运维调度方法、系统、计算机设备和存储介质 | |
KR20230130988A (ko) | 신규 변전소 최적 위치 선정 방법, 다수 변전소들의 최적 노드 할당 방법 및 변전소 군집화 시스템 | |
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 | |
CN113962525B (zh) | 一种基于可配置准则的遥感卫星任务决策方法 | |
CN114239954B (zh) | 一种基于瓶颈规避的测控任务高效调度方法 | |
CN112232594B (zh) | 一种多星应急观测任务规划方法、装置和计算机设备 |
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 |