CN115841237B - 基于网络拓扑结构的任务资源需求包络预测方法及装置 - Google Patents

基于网络拓扑结构的任务资源需求包络预测方法及装置 Download PDF

Info

Publication number
CN115841237B
CN115841237B CN202310139381.0A CN202310139381A CN115841237B CN 115841237 B CN115841237 B CN 115841237B CN 202310139381 A CN202310139381 A CN 202310139381A CN 115841237 B CN115841237 B CN 115841237B
Authority
CN
China
Prior art keywords
resource
task
node
nodes
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
Application number
CN202310139381.0A
Other languages
English (en)
Other versions
CN115841237A (zh
Inventor
郭帅
罗亚中
张进
朱阅訸
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
National University of Defense Technology
Original Assignee
National University of Defense Technology
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by National University of Defense Technology filed Critical National University of Defense Technology
Priority to CN202310139381.0A priority Critical patent/CN115841237B/zh
Publication of CN115841237A publication Critical patent/CN115841237A/zh
Application granted granted Critical
Publication of CN115841237B publication Critical patent/CN115841237B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Images

Classifications

    • 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
    • Y02P—CLIMATE CHANGE MITIGATION TECHNOLOGIES IN THE PRODUCTION OR PROCESSING OF GOODS
    • Y02P90/00—Enabling technologies with a potential contribution to greenhouse gas [GHG] emissions mitigation
    • Y02P90/30—Computing systems specially adapted for manufacturing

Landscapes

  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

本申请涉及一种基于网络拓扑结构的任务资源需求包络预测方法及装置。所述方法包括：过利用资源处理模式模型对获取的临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案，再根据临时规划任务方案中任一资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的资源需求网络，再根据资源需求网络预测每一处理时间的资源包络也就是各个时刻该资源消耗和生长的上下极值边界，这种预测实际上是对资源需求的一种过度估计，利用其上界值进行资源约束一致性检查并对方案进行修改，在一定限度内确保一定的资源裕量，减小因后续任务修改对于方案的影响，增加方案应对扰动的鲁棒性。

Description

基于网络拓扑结构的任务资源需求包络预测方法及装置
技术领域
本申请涉及空间站在轨运营任务规划的技术领域，特别是涉及一种基于网络拓扑结构的任务资源需求包络预测方法及装置。
背景技术
在中国空间站短期运营规划中，规划对象涵盖了一个任务周期内（大约6个月）的飞船发射、在轨重大应用实/试验、空间站平台维护维修、航天员健康与保障、出舱任务、机械臂操作等各类任务。由于空间站短期运营任务类型繁多且需求复杂，使得资源供需关系远比一般的航天任务要复杂的多，且随着运营时间的加长，在轨任务类型也会逐渐增多，相应的资源类型也会增加。在目前已有的航天任务规划方法中，多数只考虑了有限类资源，无法应对未来资源拓展的需求。因此，针对任务资源复杂特性，设计具备拓展能力的资源描述模型以及相应的资源推理方法，对空间站短期运营任务规划问题的求解具有重要意义。
任务实施需要资源支持，空间站短期运营任务方案能否满足资源约束直接决定了它的合理性与可行性。对于资源约束判断，目前已有方法是先获取一套满足任务时序关系、逻辑关系的临时方案，而后进行资源约束判断，通过对方案不断地迭代修正，直至生成最终方案。这种方法存在两个问题，一是每一类资源拥有一套独立的处理方式，导致资源可拓展性较差；二是规划中存在大量迭代的资源约束判断及冲突修正步骤，影响规划效率，因此需要新的探索。
发明内容
基于此，有必要针对上述技术问题，提供一种能够增加方案应对扰动鲁棒性的基于网络拓扑结构的任务资源需求包络预测方法及装置。
一种基于网络拓扑结构的任务资源需求包络预测方法，所述方法包括：
获取临时规划任务方案，所述临时规划任务方案满足时间约束以及逻辑约束；
利用资源处理模式模型对所述临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案；
从所述临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络，其中，所述资源需求网络包括多个节点以及连接两个相关节点之间的有向边，且各所述节点上标注有对应资源处理阶段最早可处理时间、最晚可处理时间以及对应该阶段所需要的资源处理量；
构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中；
根据所述已处理节点集中的节点计算当前处理时间的资源流值，根据待处理节点集中的节点计算当前处理时间的资源流值改变量，再根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值；
判断当前处理时间是否为终止时间，若不是，则根据规划步长预测下一个处理时间的资源包络取值，若是，则输出时间线上各个处理时间的资源包络取值。
在其中一实施例中，所述根据所述已处理节点集中的节点计算当前处理时间的资源流值采用以下公式：
Figure SMS_1
；
在上式中，
Figure SMS_2
表示已处理节点集，
Figure SMS_3
表示所述已处理节点集中的节点，
Figure SMS_4
、
Figure SMS_5
以及
Figure SMS_6
分别表示不同资源处理阶段对应节点的所需资源处理量。
在其中一实施例中，所述根据待处理节点集中的节点计算当前处理时间的资源流值改变量包括：
所述当前处理时间的资源流值改变量包括改变量上界以及改变量下界；
根据各节点的所需资源处理量将所述待处理节点集中的节点划分为消耗节点以及生产节点；
在计算所述改变量上界时，以计算消耗节点的资源流值优先，在当前处理时间计算消耗节点的资源流值，若所述生产节点的最晚初始时间等于当前处理时间，则在当前处理时间计算生产节点的资源流值，并将所述消耗节点以及生产节点的资源流值作为所述改变量上界，否则仅将消耗节点的资源流值作为所述改变量上界；
在计算所述改变量下界时，以计算生产节点的资源流值优先，在当前处理时间计算生产节点的资源流值，若所述消耗节点的最晚初始时间等于当前处理时间，则在当前处理时间计算消耗节点的资源流值，并将所述消耗节点以及生产节点的资源流值作为所述改变量下界，否则仅将生产节点的资源流值作为所述改变量下界。
在其中一实施例中，所述根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值包括：
所述当前处理时间的包络取值包括包络上界值以及包络下界值；
根据所述资源流值以及改变量上界预测所述包络上界值，根据所述资源流值以及改变量下界值预测所述包络下界值。
在其中一实施例中，在构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中之前，还对所述资源需求网络中的各节点进行资源约束检查，以对任务资源需求变步长推理。
在其中一实施例中，对所述资源需求网络中的各节点进行资源约束检查，以对任务资源需求变步长推理包括：
按照所述资源需求网络中各节点的处理时间顺序，对各节点进行排序，并生成节点顺序集；
根据所述节点顺序集中的节点，对资源流进行推荐及处理，每推进至一个节点则根据资源约束进行检查，若当前节点的检查结果为满足，则按照节点顺序继续推进资源流，对下一个节点进行资源约束检查；
若当前节点的资源约束检查结果为不满足，则对该节点对应的任务进行调整，并在调整之后退回与该节点相邻的上一个节点重新进行资源约束检查，并按照节点顺序继续推进资源流；
直至所述节点顺序集中的全部节点均满足资源约束检查，则输出各节点资源约束一致性检查结果，以完成任务资源需求变步长推理。
在其中一实施例中，执行任务所需的资源包括平台资源，则利用平台资源处理模式模型将执行任务所需的资源分为8种属性类型，包括：
共用连续可恢复型资源、共用离散恢复型资源、独占离散恢复型资源、独占连续恢复型资源、共用连续不可恢复型资源、共用离散不可恢复型资源、独占离散不可恢复型资源以及独占连续不可恢复型资源；
其中，共用型资源可同时支持多个任务，独占型资源则同一时刻只能支持一个任务，离散型资源在整个任务处理阶段处理量值为保持不变的固定值，连续型资源的处理量则与任务处理时间成正比关系，可恢复型资源被消耗时，消耗的资源会在处理阶段结束时被释放，且资源总量不变，不可恢复型资源被消耗时，资源总量随着资源的使用而逐渐减少，需要通过生产性任务进行补充。
在其中一实施例中，所述资源约束包括平台资源约束，所述平台资源约束包括使用属性约束以及恢复属性约束；
所述使用属性约束表示为：
Figure SMS_7
；
在上式中，
Figure SMS_10
表示在
Figure SMS_12
时刻对资源
Figure SMS_14
有需求的任务数量，
Figure SMS_9
为资源
Figure SMS_11
在同一时刻最大可支持任务数量，其中独占资源为1，共用资源为
Figure SMS_13
，
Figure SMS_15
表示所有资源构成的集合，
Figure SMS_8
表示时间线上所有时刻的集合；
所述恢复属性约束包括对于可恢复型资源约束以及不可恢复型资源约束，其中，所述可恢复型资源约束表示为：
Figure SMS_16
；
在上式中，
Figure SMS_18
表示任务
Figure SMS_20
在
Figure SMS_22
时刻对可恢复型资源
Figure SMS_19
的消耗量，
Figure SMS_21
表示可恢复型资源
Figure SMS_23
在
Figure SMS_24
时刻的可供资源量，
Figure SMS_17
表示所有任务集合；
所述不可恢复型资源约束表示为：
Figure SMS_25
；
在上式中，
Figure SMS_27
表示任务
Figure SMS_31
在
Figure SMS_34
时刻对不可恢复型资源
Figure SMS_28
的消耗量，
Figure SMS_30
表示任务
Figure SMS_33
在
Figure SMS_36
个时段补充资源
Figure SMS_26
的数量，
Figure SMS_29
表示资源
Figure SMS_32
在第
Figure SMS_35
个时段可供资源量。
在其中一实施例中，所述若当前节点的资源约束检查结果为不满足，则对该节点对应的任务进行调整包括：
获取当前时刻，若当前时刻大于等于当前节点所属任务的阶段起始节点的标称处理时间，且小于等于阶段终止节点的标称处理时间，则该资源处理阶段为冲突阶段，其所属任务为资源冲突任务；
根据冲突化解策略，确定需调整任务及其调整信息；
根据任务的时间约束以及逻辑约束，对待调整任务及其后续相关任务执行时间进行重新确定，生成更新后的临时任务方案；
根据更新后的临时任务方案，在资源需求网络中对调整任务及其后续任务的资源处理阶段时间信息进行更新，并更新所述节点顺序集。
一种基于网络拓扑结构的任务资源需求包络预测装置，所述装置包括：
任务方案获取模块，用于获取临时规划任务方案，所述临时规划任务方案满足时间约束以及逻辑约束；
任务属性类型分类模块，用于利用资源处理模式模型对所述临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案；
资源需求网络构建模块，用于从所述临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络，其中，所述资源需求网络包括多个节点以及连接两个相关节点之间的有向边，且各所述节点上标注有对应资源处理阶段最早可处理时间、最晚可处理时间以及对应该阶段所需要的资源处理量；
节点集构建模块，用于构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中；
资源包络取值计算模块，用于根据所述已处理节点集中的节点计算当前处理时间的资源流值，根据待处理节点集中的节点计算当前处理时间的资源流值改变量，再根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值；
资源包络取值预测模块，用于判断当前处理时间是否为终止时间，若不是，则根据规划步长预测下一个处理时间的资源包络取值，若是，则输出时间线上各个处理时间的资源包络取值。
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：
获取临时规划任务方案，所述临时规划任务方案满足时间约束以及逻辑约束；
利用资源处理模式模型对所述临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案；
从所述临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络，其中，所述资源需求网络包括多个节点以及连接两个相关节点之间的有向边，且各所述节点上标注有对应资源处理阶段最早可处理时间、最晚可处理时间以及对应该阶段所需要的资源处理量；
构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中；
根据所述已处理节点集中的节点计算当前处理时间的资源流值，根据待处理节点集中的节点计算当前处理时间的资源流值改变量，再根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值；
判断当前处理时间是否为终止时间，若不是，则根据规划步长预测下一个处理时间的资源包络取值，若是，则输出时间线上各个处理时间的资源包络取值。
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：
获取临时规划任务方案，所述临时规划任务方案满足时间约束以及逻辑约束；
利用资源处理模式模型对所述临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案；
从所述临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络，其中，所述资源需求网络包括多个节点以及连接两个相关节点之间的有向边，且各所述节点上标注有对应资源处理阶段最早可处理时间、最晚可处理时间以及对应该阶段所需要的资源处理量；
构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中；
根据所述已处理节点集中的节点计算当前处理时间的资源流值，根据待处理节点集中的节点计算当前处理时间的资源流值改变量，再根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值；
判断当前处理时间是否为终止时间，若不是，则根据规划步长预测下一个处理时间的资源包络取值，若是，则输出时间线上各个处理时间的资源包络取值。
上述基于网络拓扑结构的任务资源需求包络预测方法及装置，通过利用资源处理模式模型对获取的临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案，再根据临时规划任务方案中任一资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的资源需求网络，再根据资源需求网络预测每一处理时间的资源包络也就是各个时刻资源消耗和生长的上下极值边界，这种预测实际上是对资源需求的一种过度估计，利用其上界值（最大资源消耗）进行资源约束一致性检查并对方案进行修改，可以在一定限度内确保一定的资源裕量，减小因后续任务修改对于方案的影响，增加方案应对扰动的鲁棒性。
附图说明
图1为一个实施例中基于网络拓扑结构的任务资源需求变步长推理方法的流程示意图；
图2为一个实施例中平台资源多消耗的示意图；
图3为一个实施例中人时均衡调度策略的示意图；
图4为一个实施例中资源使用属性约束的示意图；
图5为一个实施例中推进剂资源消耗的示意图；
图6为一个实施例中资源需求网络的示意图；
图7为一个实施例中各类节点可调整区间示意图；
图8为一个实施例中资源消耗错峰处理流程示意图；
图9为一个实验仿真中资源约束满足任务执行甘特示意图；
图10为一个实验仿真中各类资源消耗曲线示意图，其中，图10（a）为功率消耗曲线，图10（b）为机械臂使用情况，图10（c）为推进剂消耗情况，图10（d）为在轨存储空间消耗情况；
图11为一个实验仿真中功率资源包络曲线示意图；
图12为一个实施例中基于网络拓扑结构的任务资源需求变步长推理装置的结构框图；
图13为一个实施例中计算机设备的内部结构图。
具体实施方式
为了使本申请的目的、技术方案及优点更加清楚明白，以下结合附图及实施例，对本申请进行进一步详细说明。应当理解，此处描述的具体实施例仅仅用以解释本申请，并不用于限定本申请。
如图1所示，提供了一种基于网络拓扑结构的任务资源需求包络预测方法，包括以下步骤：
步骤S100，获取临时规划任务方案，临时规划任务方案满足时间约束以及逻辑约束；
步骤S110，利用资源处理模式模型对所述临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案；
步骤S120，从所述临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络，其中，所述资源需求网络包括多个节点以及连接两个相关节点之间的有向边，且各所述节点上标注有对应资源处理阶段最早可处理时间、最晚可处理时间以及对应该阶段所需要的资源处理量；
步骤S130，构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中；
步骤S140，根据所述已处理节点集中的节点计算当前处理时间的资源流值，根据待处理节点集中的节点计算当前处理时间的资源流值改变量，再根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值；
步骤S150，判断当前处理时间是否为终止时间，若不是，则根据规划步长预测下一个处理时间的资源包络取值，若是，则输出时间线上各个处理时间的资源包络取值。
在本实施例中，首先需要通过对任务资源需求的属性进行分析从而建立资源处理模式模型，利用资源处理模式模型将任务按照属性进行分类，并匹配上对应属性的处理模式。实际上是将获取的临时规划任务方案中各任务的资源信息转换为可以处理的模式。
具体的，执行任务所需的资源包括平台资源，则利用平台资源处理模式模型将执行任务所需的资源分为8种属性类型，包括：共用连续可恢复型资源、共用离散恢复型资源、独占离散恢复型资源、独占连续恢复型资源、共用连续不可恢复型资源、共用离散不可恢复型资源、独占离散不可恢复型资源以及独占连续不可恢复型资源。
其中，共用型资源可同时支持多个任务，独占型资源则同一时刻只能支持一个任务，离散型资源在整个任务处理阶段处理量值为保持不变的固定值，连续型资源的处理量则与任务处理时间成正比关系，可恢复型资源被消耗时，消耗的资源会在处理阶段结束时被释放，且资源总量不变，不可恢复型资源被消耗时，资源总量随着资源的使用而逐渐减少，需要通过生产性任务进行补充。
具体的，由资源需求属性可知，空间站短期运营任务对平台资源的处理采用多类别、多阶段的方式，即同一任务可在执行期间处理多类平台资源，每一类资源的处理又可分为多个阶段。如图2所示，任务对电功率采取3阶段消耗，每一阶段功率各不相同。
平台资源在任务执行过程中每一个处理阶段的处理模式取决于资源属性。每一种平台资源可从使用属性、数值属性以及恢复属性3个属性维度上进行划分，表1给出了空间站短期运营任务规划中部分平台资源的属性划分。
表1空间站短期运营中平台资源属性分类
Figure SMS_37
通过表1可看出，虽然各个资源所属类别不同，但存在属性相同的资源，如载荷挂点、科学实验柜和舱外实验装置等，它们都属于独占、离散、可恢复型资源。对于相同属性的资源可采用同样的资源处理方式，因此在实际规划中，可以只根据资源属性确定资源的处理模式并处理，而不用去具体识别资源类别。
由使用属性、数值属性以及恢复属性3个属性维度可一共8种属性组合方式，分别为共用连续可恢复型资源、共用离散恢复型资源、独占离散恢复型资源、独占连续恢复型资源、共用连续不可恢复型资源、共用离散不可恢复型资源、独占离散不可恢复型资源以及独占连续不可恢复型资源。而每一种组合属性的处理模式特点如表 2所示，其中：共用型资源可同时支持多个任务；独占型资源则同一时刻只能支持一个任务；离散型资源在整个处理阶段处理量值为固定值保持不变；连续型资源的处理量值则与处理时间成正比关系；可恢复型资源被消耗时，消耗的资源会在处理阶段结束时被释放，资源总量不变；不可恢复型资源被消耗时，资源总量随着资源的使用而逐渐减少，需要通过生产性任务进行补充，如站上数据下传任务会释放在轨数据存储空间。
表2组合属性资源处理模式
Figure SMS_38
每一类平台资源会根据自身物理性质与上述8中组合属性中的一组相对应，作为自己的处理模式，并配有独立ID作为资源唯一标识，规划过程中算法会自动识别资源处理模式，并按任务的资源需求属性进行消耗或补给。
在本实施例中，执行任务所需的资源还包括人时资源，将执行任务所需的人时划分为独占离散型资源，并采用人时均衡调度策略对各任务进行人时安排后，根据所述独占离散不可恢复型资源对人时资源进行处理。
具体的，人时资源从属性维度上可被划分为独占、离散型资源，除航天员轮换任务外，任务一般对人时以多阶段消耗为主，因此下面只讨论人时资源的消耗模式。人时资源与平台资源有三点不同：(1)任务对人时的需求采用“技能+人数”的模式；(2)人时资源需要在约束中考虑航天员作息时间；(3)人时资源以天为周期进行恢复，一天内不恢复。因此导致人时资源有其独立的消耗模式。
人时资源的消耗可分为两步，一是确定工作人员，二是分配工作时长。由于在空间站短期运营任务规划中：
当任务不对航天员技能存在需求时，航天员不作区分，因此在进行航天员任务分配时，采用的是人时均衡调度策略，即当任务有人时需求时，将空闲航天员按总工作时长由小到大排序，根据需求人数，优先选择已工作时长较少的航天员完成相应任务，策略流程如图3所示。
当确定好工作航天员后，即可按独占离散不可恢复型资源对人时进行消耗，即被占用航天员不得同时完成其他任务，工作时长为任务需求的单人工作时长，任务完成后航天员当日工作时长缩减，直至第二日工作时长恢复。
在本实施例中，当对执行任务所需的平台资源以及人时资源利用资源处理模式模型进行重新描述后，再后续利用资源需求网络对各任务的资源需求进行变步长推演时还需要分别构建平台资源以及人时资源的资源约束。
具体的，平台资源约束源于空间站上有限的能量与设备，一套合理的空间站短期运营任务方案需要进行资源约束判断，以满足任务的资源需求。下面将分析空间站短期运营任务规划中需要考虑的资源约束。
在本实施例中，平台资源约束包括使用属性约束以及恢复属性约束。
其中，使用属性分为独占以及共用，主要是描述同一时间资源可支持的任务数，因此使用属性约束可表示为：
Figure SMS_39
（1）
在公式（1）中，
Figure SMS_42
表示在
Figure SMS_44
时刻对资源
Figure SMS_46
有需求的任务数量，
Figure SMS_41
为资源
Figure SMS_43
在同一时刻最大可支持任务数量，其中独占资源为1，共用资源为
Figure SMS_45
，
Figure SMS_47
表示所有资源构成的集合，
Figure SMS_40
表示时间线上所有时刻的集合。如图4所示，给出了机械臂资源的消耗过程，由于机械臂属于独占资源，在任意时刻最多可支持一个任务执行。
其中，恢复属性约束包括对于可恢复型资源约束以及不可恢复型资源约束，主要区别在于资源消耗完毕后是否会被释放，产生消耗积累。
其中，对于可恢复型资源，由于资源在使用完毕时会被释放，因此只需满足资源即时可用量的约束，即：
Figure SMS_48
（2）
在公式（2）中，
Figure SMS_50
表示任务
Figure SMS_52
在
Figure SMS_54
时刻对可恢复型资源
Figure SMS_51
的消耗量，
Figure SMS_53
表示可恢复型资源
Figure SMS_55
在
Figure SMS_56
时刻的可供资源量，
Figure SMS_49
表示所有任务集合。
对于不可恢复型资源，由于消耗量会逐渐累积，需要满足累积使用量约束。而在空间站短期运营任务规划中，资源采用多阶段供应方式，即每一类资源的供给量在不同时段可能会略有不同，而非一成不变，因此需要保证各个时段不可恢复资源消耗量的累积值不超过当前时间段内的总量限制：
Figure SMS_57
（3）
在公式（3）中，
Figure SMS_59
表示任务
Figure SMS_63
在
Figure SMS_66
时刻对不可恢复型资源
Figure SMS_60
的消耗量，
Figure SMS_62
表示任务
Figure SMS_65
在
Figure SMS_68
个时段补充资源
Figure SMS_58
的数量，
Figure SMS_61
表示资源
Figure SMS_64
在第
Figure SMS_67
个时段可供资源量。
如图5所示，给出了推进剂消耗过程，资源上限为1000kg，当任务5执行时，由于资源消耗超限，导致约束冲突。
具体的，关于人时资源约束，航天员作为执行任务的主体，其本身的工作人时属于较为特殊且极其重要的一种资源，在对航天员人时进行规划调度时，需要综合考虑多方面的因素。目前在空间站短期运营中，主要从航天员工作时间范围、工作时长以及工作天数三个方面对航天员人时资源进行约束。
其中，为保证航天员的生理以及心理健康，航天员在站期间作息时间需要与地面保持一致，因此定义两个时间点：白天起始时间点
Figure SMS_69
和夜晚起始时间点
Figure SMS_70
，
Figure SMS_71
为航天员每天的工作时间区间，除特殊需加班的情况外，应尽量安排在工作时间执行任务，则工作时间范围约束为：
Figure SMS_72
（4）
其中，航天员每天的工作时长不宜超过航天员的工作时长上限，除非需要执行紧急任务或者其他优先级较高的任务。以国际空间站为例，航天员每天工作时长为6小时，其余时间用来饮食、锻炼以及处理个人事务等。则航天员工作时长约束表示为：
Figure SMS_73
（5）
在公式（5）中，
Figure SMS_74
表示航天员每天工作时长，
Figure SMS_75
表示航天员每天最大工作时长。
其中，航天员每周的工作时间一般为6天，除特殊情况外，一般不占用休息时间。则航天员工作天数约束表示为：
Figure SMS_76
（6）
在公式（6）中，
Figure SMS_77
表示航天员每周工作天数，
Figure SMS_78
表示航天员每周最大工作天数。
在利用资源需求模式模型将临时规划任务方案中的各任务的资源信息进行转换后，在步骤S120中，从临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络。
在本实施例中，根据临时规划任务方案中每一种资源均可构建对应的资源需求网络。
具体的，资源需求网络是描述空间站短期运营任务方案中资源需求的一种有向、无环网络，主要用于对空间站短期运营任务方案中资源约束的一致性检查，辅助对方案的不断迭代修正，以得到最终的任务方案，如图 6所示，为网络示意图。在规划过程中，每一类资源拥有一个资源需求网络，以描述其在空间站短期运营任务方案执行过程中随时间变化的演化集合，如功耗资源需求网络、散热资源需求网络等。
由于空间站短期运营任务可对同一资源进行多阶段处理，为直接地展示资源处理过程，在资源需求网络中将任务拆解为各自独立的资源处理阶段，每一阶段的时间信息与资源处理信息都被直观地展示在网络中，资源属性也可通过对节点以及相关信息的配置体现在网络中。
具体的，资源需求网络中节点和有向边采用一个三元组表示为：
Figure SMS_79
（7）
在公式（7）中，
Figure SMS_80
表示资源处理阶段的节点集合，
Figure SMS_81
表示任务内部资源处理阶段的有向边集合，
Figure SMS_82
表示各任务之间资源处理阶段的有向边集合。
具体的，资源需求网络中各节点下标注有表示该节点的标称处理时间、最早可处理时间以及最晚可处理时间，还标注有该节点所属的任务ID；
当资源为连续型时，则每一段资源处理阶段可拆解为阶段起始节点、过渡节点以及阶段终止节点，在图6中，分别以
Figure SMS_83
、
Figure SMS_84
和
Figure SMS_85
表示。三类节点下对应标注了一个参数集合分别为：
Figure SMS_86
、
Figure SMS_87
以及
Figure SMS_88
，分别表示各类节点的标称处理时间，最早可处理的时间以及最晚可处理时间。
在资源网络中，资源流的处理只在节点处发生，因此各节点上分别标注了此节点所属任务阶段起始节点标注阶段起始点资源处理量
Figure SMS_89
，在过渡节点标注阶段过渡点资源处理量
Figure SMS_90
，以及在阶段终止节点标注阶段终止点资源处理量
Figure SMS_91
；
进一步的，连续型资源的资源处理量在整个资源处理阶段随时间变化，因此为精确地描述资源处理过程，在
Figure SMS_92
和
Figure SMS_93
中间添加阶段过渡点
Figure SMS_94
，
Figure SMS_95
和
Figure SMS_96
可通过获得，而
Figure SMS_97
则需要通过规划步长
Figure SMS_98
计算得到：
Figure SMS_99
（8）
在公式（8）中，
Figure SMS_100
表示阶段过渡的序号。通过上述处理将一个资源连续处理过程近似为多个离散处理节点，阶段过渡点的数量为：
Figure SMS_101
（9）
由于对于连续型资源，
Figure SMS_102
为该阶段单位时间处理速率，因此当阶段处理模式为消耗资源模式时：
Figure SMS_103
（10）
Figure SMS_104
（11）
当资源恢复属性为可恢复性时：
Figure SMS_105
（12）
若为不可恢复型资源则
Figure SMS_106
为零。
当资源为离散型时，则每一段资源处理阶段只保留阶段起始节点以及阶段终止节点，并在阶段起始节点标注阶段起始点资源处理量，在阶段终止节点标注阶段终止点资源处理量。
进一步的，由于离散型资源在整个资源处理阶段的资源处理量是固定不变的，因此在网络中只保留阶段起始点
Figure SMS_107
和阶段终止点
Figure SMS_108
，
Figure SMS_109
和
Figure SMS_110
可分别通过下式获得：
Figure SMS_111
（13）
Figure SMS_112
（14）
在公式（13）和（14）中，
Figure SMS_113
表示该处理阶段所属任务的起始点，
Figure SMS_114
表示任务起始点与资源处理时段开始时间的间隔时间，
Figure SMS_115
表示任务起始点与资源处理时段结束时间的间隔时间，
Figure SMS_116
表示任务的最早起始点，
Figure SMS_117
表示任务的最晚起始点。在这里指的注意的是，只在任务执行期间进行资源处理，因此
Figure SMS_118
和
Figure SMS_119
需保证其在任务执行区间范围内，即：
Figure SMS_120
（15）
在公式（15）中，
Figure SMS_121
表示任务结束点。
阶段起始点资源处理量
Figure SMS_122
的取值需要根据该阶段处理模式进行确定，若该阶段为消耗模式，则：
Figure SMS_123
（16）
在公式（16）中，
Figure SMS_124
表示该阶段资源处理量，对于离散资源为处理总量。若为生产模式，则：
Figure SMS_125
（17）
而阶段终止点资源处理量
Figure SMS_126
则取决于资源的恢复属性，若为可恢复型资源，则在资源处理结束时释放该资源：
Figure SMS_127
（18）
若为不可恢复型资源则
Figure SMS_128
为0。
在三元组中，
Figure SMS_129
是资源处理阶段内部有向边集合，在图6中以
Figure SMS_130
表示，由处理时间早的节点指向处理时间晚的节点，节点间
Figure SMS_131
容量为
Figure SMS_132
，推理时流量不受限制。
Figure SMS_133
表示资源处理阶段间的有向边集合，图中以
Figure SMS_134
表示，用以映射任务间的时序关系。
资源需求网络是空间站短期运营任务方案中资源需求的有序映射，构建资源需求网络的前提是任务间时间约束以及逻辑约束得以满足，即已完成空间站短期运营任务方案时间、逻辑约束推理处理。资源需求网络中横轴为时间轴，节点在横向上严格按照处理时间顺序进行排列。
接下来，根据由各资源对应构建的资源需求网络进行需求推荐的推理，其推理过程分为平台资源需求推理和人时资源需求推理。
其中，平台资源的需求推理只需要按照节点的时间顺序，依次进行资源流推理，并根据平台资源约束进行一致性检查即可。
在本实施例中，在根据资源需求网络进行资源需求推理时，若当前节点的资源约束检查结果为不满足，则对该节点对应的任务进行调整包括：获取当前时刻，若当前时刻大于等于当前节点所属任务的阶段起始节点的标称处理时间，且小于等于阶段终止节点的标称处理时间，则该资源处理阶段为冲突阶段，其所属任务为资源冲突任务。根据冲突化解策略，确定需调整任务及其调整信息根据任务的时间约束以及逻辑约束，对待调整任务及其后续相关任务执行时间进行重新确定，生成更新后的临时任务方案，根据更新后的临时任务方案，在资源需求网络中对调整任务及其后续任务的资源处理阶段时间信息进行更新，并更新所述节点顺序集。
在本实施例中，平台资源推理算法具体步骤如算法1所示：
算法1 平台资源需求推理算法
Step 0: 输入满足时间约束以及逻辑约束的规划临时任务方案；
Step 1: 从临时任务方案中选出对某一类资源进行处理的任务，提取出任务中各个处理阶段信息，根据资源属性构建资源需求网络；
Step 2: 按照各节点的处理时间顺序，对各资源处理节点进行排序，生成节点顺序集
Figure SMS_135
；
Step 3: 根据
Figure SMS_136
中的节点，对资源流进行推进及处理，每推进至一个节点，进行资源约束检查；
Step 4: 若当前节点的资源约束检查结果为满足，则按照节点时间顺序继续推进资源流，并记录每一节点的资源流信息；
Step 5: 若当前节点的资源约束检查结果为不满足，则需要对其所在任务进行调整：
(1)确定发生资源冲突的任务：当前时刻为
Figure SMS_137
，若某一资源处理阶段满足
Figure SMS_138
，则该资源处理阶段为冲突阶段，其所属任务为资源冲突任务；
(2)根据冲突化解策略，确定需调整任务及其调整信息；
(3)根据任务的时间约束以及逻辑约束，对待调整任务及其后续相关任务执行时间进行重新确定，生成更新后的临时任务方案；
(4)根据更新后的临时任务方案，在资源需求网络中对调整任务及其后续任务的资源处理阶段时间信息进行更新，并更新
Figure SMS_139
；
(5)时间回退到上一相邻的资源约束一致的已处理完毕节点时间，重复Step 3;
Step 6: 判断
Figure SMS_140
中所有节点是否全部处理完毕：
(1)如果未处理完毕则重复Step 3；
(2)如果处理完毕则输出各节点平台资源约束一致性检查结果。
针对以上算法，资源流只在节点处进行处理，而在节点间保持不变，使得资源推理可以变步长推进，减少了资源计算步数，可提升计算效率。在规划中会存在多个资源需求网络，由于每一个网络可单独进行推理，且互不影响，因此可并行推理。
Step 2中各节点处理时间并非一定是
Figure SMS_141
、
Figure SMS_142
或
Figure SMS_143
，也可以选择
Figure SMS_144
、
Figure SMS_145
或
Figure SMS_146
中任意一时间点作为处理时间。
Step 5-(2)中的冲突化解策略综合考虑冲突任务的优先级、重要度、时间冗余等因素制定的，在本实施例中，冲突化解策略可采用现有的策略。
在资源需求网络中，根据任务起始点
Figure SMS_147
、结束点
Figure SMS_148
和当前时刻
Figure SMS_149
之间的关系，可将资源处理节点分为三类：隶属于已执行完毕任务的节点，即
Figure SMS_150
；隶属于执行过程中任务的节点，即
Figure SMS_151
；隶属于未执行任务的节点，即
Figure SMS_152
。
在资源需求网络中，任务调整至影响执行过程中任务和未执行任务的节点，而对已执行完毕任务的节点无影响。因此每一次对任务调整后重新进行资源流推进计算过程中，只需要在Step 5-(5)中将时间回退至最近的一个无影响节点处理时间，即上一已执行完毕任务的最后一个阶段节点。
在本实施例中，同样的，任务对人时的需求同样以阶段进行划分，因此人时资源同样可构建资源需求网络，而人时资源需求推理算法的具体步骤如算法2所示：
算法2 人时资源需求推理算法
Step 0: 输入满足时间约束以及逻辑约束的规划临时任务方案；
Step 1 - Step 2: 同算法1中的 Step 1 – Step 2；
Step 3: 对
Figure SMS_153
中的节点以天为周期进行划分，每一天的起始时间为00:00:00，结束时间为23:59:59，
Figure SMS_154
被拆分为
Figure SMS_155
；
Step 4: 根据
Figure SMS_156
中的节点，对资源流进行推进及处理，每推进至一个节点，根据人时均衡调度策略选取航天员并安排工作人时，然后进行资源约束检查；
Step 5 – Step 6: 同算法1中的Step 4 – Step 5；
Step 7: 判断
Figure SMS_157
中所有节点是否全部处理完毕，如果未处理完毕则重复Step4；
Step 8: 判断
Figure SMS_158
中所有节点是否全部处理完毕
(1)如果未处理完毕则选择下一天节点集
Figure SMS_159
，重复Step 4；
(2)如果处理完毕则输出各节点人时资源约束检查结果。
针对以上算法，在Step 3中，由于人时以天为单位进行周期性恢复，因此需要对资源处理节点以天为周期进行划分，按天进行人时推理。在Step 4中，由于空间站短期运营中对于航天员不作区分，因此在进行人时资源推理时，相比于一类平台资源只有一条资源流，人时资源流会根据站上航天员人数进行分化，每一条分化的资源流代表着一名航天员工作人时，在进行具体资源节点处理时，根据人时均衡调度策略选取航天员并安排工作人时。
当任务因约束冲突而被调整执行时间时，资源处理节点会随着一并调整，其所在天数可能发生变化，因此当任务调整时需要重复Step 3，更新节点所在天数。
在经过上述对资源需求网络进行资源约束检查后，可以获得一套满足时间约束、逻辑约束以及资源约束的空间站短期运营任务方案，但考虑到空间站短期运营的超前规划特性，方案中任务的时序关系不确定性会进而影响到任务对资源的处理上。为了消解这种不确定性的影响，利用资源需求网络预测出各类资源需求变化的包络，即在时间线上每一时刻根据所有可能执行情况推理出资源消耗和生产的上下极值边界，这种预测实际上是对资源需求的一种过度估计，利用其上界值（最大资源消耗）进行资源约束一致性检查并对方案进行修改，可以在一定限度内确保一定的资源裕量，减小因后续任务修改对于方案的影响，增加方案应对扰动的鲁棒性。
基于最大流的思想，在每一时刻选取资源极限处理情况（只消耗或者只生产）来计算资源包络。
在步骤S130中，构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间
Figure SMS_160
与资源需求网络中各类节点的时间关系，将各类节点划分到对应的节点集中，如图7所示。
具体的，已处理节点集
Figure SMS_161
：包含所有最晚处理时间在当前处理时间
Figure SMS_162
之前的节点，即：
Figure SMS_163
（19）
具体的，待处理节点集
Figure SMS_164
：包含所有最早处理时间在当前处理时间
Figure SMS_165
之前、最晚处理时间在当前处理时间
Figure SMS_166
之后的节点，即
Figure SMS_167
（20）
具体得，未处理节点集
Figure SMS_168
：包含所有最早处理时间在当前处理时间
Figure SMS_169
之后的节点，即：
Figure SMS_170
（21）
在计算资源包络时，由于
Figure SMS_171
中各节点已处理完，因此在当前处理时间
Figure SMS_172
资源流值为：
Figure SMS_173
（22）
在公式（22）中，
Figure SMS_174
表示已处理节点集，
Figure SMS_175
表示所述已处理节点集中的节点，
Figure SMS_176
、
Figure SMS_177
以及
Figure SMS_178
分别表示不同资源处理阶段对应节点的所需资源处理量。
而
Figure SMS_179
中的节点由于还未处理，因此在当前处理时间
Figure SMS_180
不会对资源流产生影响，因此，
Figure SMS_181
中节点对资源流改变量为：
Figure SMS_182
（23）
而真正使得资源流产生分支，形成资源包络是在处理
Figure SMS_183
中节点的时候。由于
Figure SMS_184
中每一个节点可选取调整区间内任意一个时间点作为该节点的处理时间，这就使得在当前处理时间
Figure SMS_185
，每一个
Figure SMS_186
是否处理并不确定，出现了多种执行情况分支，而为了计算在所有可能执行情况中资源包络的上下界，在本实施例中，根据待处理节点集中的节点计算当前处理时间的资源流值改变量包括：当前处理时间的资源流值改变量包括改变量上界以及改变量下界，根据各节点的所需资源处理量将所述待处理节点集中的节点划分为消耗节点以及生产节点。
在计算改变量上界时，以计算消耗节点的资源流值优先，在当前处理时间计算消耗节点的资源流值，若生产节点的最晚初始时间等于当前处理时间，则在当前处理时间计算生产节点的资源流值，并将消耗节点以及生产节点的资源流值作为所述改变量上界，否则仅将消耗节点的资源流值作为所述改变量上界。在计算改变量下界时，以计算生产节点的资源流值优先，在当前处理时间计算生产节点的资源流值，若消耗节点的最晚初始时间等于当前处理时间，则在当前处理时间计算消耗节点的资源流值，并将消耗节点以及生产节点的资源流值作为改变量下界，否则仅将生产节点的资源流值作为所述改变量下界。
具体的，将
Figure SMS_188
中
Figure SMS_190
、
Figure SMS_193
或
Figure SMS_187
的节点划分为消耗点
Figure SMS_191
，将
Figure SMS_194
、
Figure SMS_196
或
Figure SMS_189
的节点划分为生产点
Figure SMS_192
，然后采用极值取点法选取每一个
Figure SMS_195
的处理时间，具体方法如下：
(1)在计算资源包络上界时，以优先计算资源消耗为主，对于
Figure SMS_198
，在当前处理时间
Figure SMS_202
进行处理；对于
Figure SMS_205
，若节点最晚处理时间(
Figure SMS_199
、
Figure SMS_201
或
Figure SMS_204
)等于
Figure SMS_206
，则在当前处理时间
Figure SMS_197
进行处理，否则不处理，时刻
Figure SMS_200
资源流值改变量为
Figure SMS_203
；
(2)在计算资源包络下界时，以优先计算资源生产为主，对于
Figure SMS_208
，则在当前处理时间
Figure SMS_210
进行处理；对于
Figure SMS_213
，若节点最晚处理时间(
Figure SMS_209
、
Figure SMS_212
或
Figure SMS_215
)等于
Figure SMS_216
，则在当前处理时间
Figure SMS_207
进行处理，否则不处理，时刻
Figure SMS_211
资源流值改变量为
Figure SMS_214
。
进一步的，根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值包括：当前处理时间的包络取值包括包络上界值以及包络下界值，根据资源流值以及改变量上界预测所述包络上界值，根据资源流值以及改变量下界值预测所述包络下界值。
在本实施例中，还提供了一种资源包络最大流算法的具体步骤如算法3所示：
算法3 资源包络最大流算法
Step 0: 输入空间站短期运营任务方案；
Step 1: 设初始时刻
Figure SMS_217
；
Step 2: 从临时任务方案中选出对一类资源进行处理的任务，提取出任务中各个处理阶段信息，根据资源属性构建资源需求网络；
Step 3: 根据
Figure SMS_218
，将
Figure SMS_219
中节点分为
Figure SMS_220
、
Figure SMS_221
和
Figure SMS_222
；
Step 4: 计算当前处理时间
Figure SMS_223
的
Figure SMS_224
；
Step 5: 处理
Figure SMS_225
中节点，根据极值取点法确定每一个
Figure SMS_226
的处理时间，然后分别计算
Figure SMS_227
时刻的
Figure SMS_228
和
Figure SMS_229
，获得
Figure SMS_230
资源包络值：
Figure SMS_231
；
Step 6: 判断
Figure SMS_232
是否为规划场景终止时间，若不是则增加规划步长：
Figure SMS_233
，重复Step 3；
Step 7:
Figure SMS_234
为规划场景终止时间，输出时间线各个时刻的资源包络取值（上界值和下界值）。
需要说明的是，在Step 4中，当
Figure SMS_235
无变化时，当前处理时间
Figure SMS_236
的资源流值与上一时刻
Figure SMS_237
相同，即：
Figure SMS_238
。
当
Figure SMS_239
中节点增加时，
Figure SMS_240
则变为：
Figure SMS_241
（24）
在公式（24）中，
Figure SMS_242
为新增的已处理完节点集。
在Step 5中，每一个时刻需要重新根据节点处理时间计算
Figure SMS_243
和
Figure SMS_244
，且与上一时刻的
Figure SMS_245
和
Figure SMS_246
无关。
在本实施例中，在得到任务资源需求网络还可以采用资源消耗错峰处理对方案进行修改。此时，在方案上进行修改实际上是在一个时间、逻辑以及资源约束满足方案的基础上进行的局部优化处理，因此不能破坏原方案的完整性。
而在进行资源消耗错峰处理过程中，由于不可恢复型资源的消耗峰值是资源累加消耗导致的，利用错峰处理只能在时间线上平移峰值并不能使其下降或消解，因此错峰处理只限于可恢复型资源。综上所诉，对基于资源包络的资源消耗错峰算法有如下需求：
(1)对全部类型资源计算资源包络并进行资源约束一致性检查，但只对可恢复型资源进行错峰处理，将不可恢复型资源的约束冲突时间点反馈给规划人员，作为手动调整方案依据；
(2)需要以较小的调整代价实现对方案的调整，在调整过程中不得裁剪任何任务；
(3)与对资源需求网络中各节点进行资源约束检测而进行方案调整不同，调整后的方案不需保证所预测的消耗峰值一定满足资源约束，而需要在满足(2)的前提下，尽可能地使峰值下降或接近资源阀值。
在本实施例中，如图8所示，根据时间顺序依次对可恢复型资源的资源需求网络中各冲突时刻采用资源错峰处理进行解耦包括：根据最早的一个未处理资源约束冲突时刻，确定当前处理时刻，将当前处理时刻的产生冲突的任务消耗阶段依据资源消耗量进行降序排列，采用错峰处理，对当前可移动的最大消耗阶段所属任务进行调整，并判断调整后的任务是否满足时间约束，如果不满足时间约束，则将其设为当前不可移动任务，并对降序排列的下一个任务进行调整，如果满足时间约束，则处理调整后的任务及其后续任务，并判断是否有任务裁剪。如果有任务裁剪，则设调整后的任务为当前不可移动任务，并不保留这次调整，如果没有任务裁剪，则保留此次调整。
进一步的，在进行错峰处理时，优先调整最大消耗量阶段所属任务，采用延后调整方式，将对应任务阶段的节点调整至消耗量最小阶段对应节点的最晚处理时间之后处理。且延后调整时间量采用以下公式计算得到：
Figure SMS_247
（25）
在公式（25）中，
Figure SMS_248
表示消耗量最小阶段所属任务最晚处理时间，
Figure SMS_249
表示最大阶段所属任务最早处理时间。
并且，在重新预测调整后的资源需求网络的资源包络，并重新进行资源约束检查之后，还输出可恢复型资源调整后仍存在冲突的时间点以及相关任务消耗阶段。
在本实施例中，还提供了一种基于资源包络的资源消耗错峰算法的具体步骤如算法4所示：
算法4 基于资源包络的资源消耗错峰算法
Step 0: 输入满足各类约束的空间站短期运营任务方案
Step 1: 利用算法4计算各类可恢复型资源的资源包络；
Step 2: 利用可恢复型资源的资源包络上界值进行资源约束一致性检查，确定各资源约束冲突时刻，并将规划时间调到最早的一个未处理资源约束冲突时刻，设此时刻为
Figure SMS_250
；
Step 3: 对
Figure SMS_251
时刻任务消耗阶段冲突进行解耦：
(1)将
Figure SMS_252
时刻冲突的任务消耗阶段依资源消耗量降序排列；
(2)采用错峰处理，对当前可移动的最大消耗阶段所属任务进行调整，并判断其是否满足任务的时间约束；
(3)如果不满足任务的时间约束，则将其设为当前不可移动任务，并返回到Step3-(2)；如果满足任务的时间约束，则根据算法2、算法1以及算法3，处理调整任务及其后续任务，并判断是否有任务裁剪；
(4)如果有任务被裁剪，则设调整任务为当前不可移动任务，方案回退到此次调整之前的状态；如果没有任务被裁剪，则保留此次调整；
Step 4: 重新用算法4计算调整后可恢复型资源的资源包络，并判断
Figure SMS_253
时刻是否满足资源约束；
Step 5: 如果
Figure SMS_254
时刻不满足资源约束且存在可移动消耗阶段则重复Step 3；否则重复Step 2直至全部资源约束冲突时刻处理完毕；
Step 6: 当全部资源约束冲突时刻处理完毕后，利用算法4计算各类资源（包括可恢复和不可恢复）的资源包络，并利用其上界值进行资源约束一致性检查，输出资源约束冲突信息。
针对上述算法需要说明的是：
(1)Step 2中，
Figure SMS_255
时刻要在全部可恢复型资源的未处理资源约束冲突时刻中选择最早那个时间点，这是由于调整一个任务会由于链式反应使得后续任务依次被调整，且算法对冲突任务采用延后处理，这会导致其他资源在后续时间上可能出现新的约束冲突点，为一次性解决所有资源约束冲突，需要对全部可恢复型资源并行推进处理。
(2)Step 3-(2)中，为了避免在修正过程中增加大量冗余的资源约束一致性检查及冲突解耦步骤，设计了一种消耗阶段错峰法，该算法的基本思想是依据资源约束一致性检查结果，对各个任务的资源消耗阶段进行错峰处理，以实现资源约束冲突的解耦。
(3)Step 6中，在对全部资源冲突处理完毕后，重新利用资源包络进行资源约束一致性检查，输出不可恢复型资源的约束冲突时间点以及相关任务消耗阶段，以供人工根据其进行修改，以及可恢复型资源处理后仍存在冲突的时间点以及相关任务消耗阶段。
为了验证本文中任务资源需求包络预测方法以及任务资源需求变步长推理方法的有效性，还根据本方法进行的实验仿真，在规划场景中设置了四类约束，每一类资源的属性以及在规划中各个阶段资源可消耗的上限值如表3所示，其中各阶段的起始时间、终止时间分别为相对于场景开始时间的间隔时间。
在规划场景177件任务中选取执行区间接近的28件任务，并配置相关资源处理信息，如表4所示，其中资源处理阶段的起始时间、终止时间分别为相对于任务起始时间的间隔时间，部分任务设置为多阶段、多类型资源处理。
所选取的28件空间站短期运营任务中，任务3、9、10、13、78以及122为重复任务，经拆解后变为35件任务，其中拆解后任务的资源处理信息与原任务相同，各拆解任务具体信息如表5所示。
表3空间站短期运营任务规划中资源信息
Figure SMS_256
表4空间站短期运营任务规划中任务资源处理信息(时间单位：小时)
Figure SMS_257
表5重复任务拆解信息
Figure SMS_258
然后根据本文中所提的方法构建各物资对应的物资需求网络，在根据资源约束对物资需求网络中的节点进行推理，得到一下结果：
采用设计好的资源需求推理算法对35件任务进行处理，其中33件任务经过时间调整后资源约束一致性得到满足，表 6给出了推理前后任务执行时间的对比，表中的执行时间为与规划场景起始时间的间隔时间，其中推理前各任务以标称时间作为执行时间，图 9给出了方案执行甘特图，蓝色部分为资源约束推理后的任务调整时间。通过对图表中数据的比对可知，对于大部分任务在无资源约束冲突的情况下，执行时间与时间逻辑约束推理后得到的执行时间是相同的。
表6资源需求推理后任务执行时间信息（时间单位：小时）
Figure SMS_259
通过综合分析表4和图 9中的信息，可以得到5个被调整任务的调整原因以及2个被裁剪任务的裁剪原因，如表 7和表 8所示。通过对比上述两表可知，被调整任务基本拥有较宽泛的可调整区间，且其产生冲突的资源一般为可恢复型资源，正是由于可恢复型资源在消耗过程不存在消耗积累，使得当任务因产生资源约束冲突时，可通过在时间线上的调整与即时资源消耗峰值错开来满足资源约束一致性，而对于不可恢复型资源，除非裁剪或移动至生产性任务后执行，否则无论如何调整都无法消除消耗峰值。
表7被调整任务调整原因
Figure SMS_260
表8任务裁剪原因
Figure SMS_261
如图10所示，给出了各类资源的消耗曲线，从中可以清晰地看出资源需求推理前后资源消耗的变化情况。可以看出在推理前，功率、机械臂以及推进剂存在违反资源约束的时间段，推理后被全部消解。在图 10(c)和图10(d)中可以看到推进剂和在轨存储空间存在1-2次的资源补给情况，使得后续任务资源约束得以满足。
但是由算例可以看出，基于资源需求网络的资源需求推理方法可以有效地解决方案中各类资源冲突情况，满足方案的约束一致性需求。但通过推理结果进一步分析可知，虽然当前方案满足资源约束，但部分任务间隔时间较近，如图 10(a)中，在1370 h、1680h、1730 h这几个时间点附近功率需求较为密集（虚线圈标注），可能会出现因前序任务调整，导致后续任务资源约束不满足的情况发生。为尽可能地减小任务调整造成的影响，接着采用任务资源需求包络预测方法增强方案的鲁棒性。如图11所示，给出功率资源包络上界，从图中可知，虽然经资源需求推理后的资源消耗曲线确实低于资源包络上界，但由于算例中部分任务的可调整时间区间跨度一般在[24 h,120 h]这个区间内，导致资源包络上界被过度的估计。再利用其上界值（最大资源消耗）进行资源约束一致性检查并对方案进行修改，可以在一定限度内确保一定的资源裕量，减小因后续任务修改对于方案的影响，增加方案应对扰动的鲁棒性。
上述基于网络拓扑结构的任务资源需求包络预测方法，通过利用资源处理模式模型对获取的临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案，再根据临时规划任务方案中任一资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的资源需求网络，再根据资源需求网络预测每一处理时间的资源包络也就是各个时刻资源消耗和生长的上下极值边界，这种预测实际上是对资源需求的一种过度估计，利用其上界值（最大资源消耗）进行资源约束一致性检查并对方案进行修改，可以在一定限度内确保一定的资源裕量，减小因后续任务修改对于方案的影响，增加方案应对扰动的鲁棒性。
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。
在一个实施例中，如图12所示，提供了一种基于网络拓扑结构的任务资源需求包络预测装置，包括：任务方案获取模块200、任务属性类型分类模块210、资源需求网络构建模块220、节点集构建模块230、资源包络取值计算模块240和资源包络取值预测模块250，其中：
任务方案获取模块200，用于获取临时规划任务方案，所述临时规划任务方案满足时间约束以及逻辑约束；
任务属性类型分类模块210，用于利用资源处理模式模型对所述临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案；
资源需求网络构建模块220，用于从所述临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络，其中，所述资源需求网络包括多个节点以及连接两个相关节点之间的有向边，且各所述节点上标注有对应资源处理阶段最早可处理时间、最晚可处理时间以及对应该阶段所需要的资源处理量；
节点集构建模块230，用于构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中；
资源包络取值计算模块240，用于根据所述已处理节点集中的节点计算当前处理时间的资源流值，根据待处理节点集中的节点计算当前处理时间的资源流值改变量，再根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值；
资源包络取值预测模块250，用于判断当前处理时间是否为终止时间，若不是，则根据规划步长预测下一个处理时间的资源包络取值，若是，则输出时间线上各个处理时间的资源包络取值。
关于基于网络拓扑结构的任务资源需求包络预测装置的具体限定可以参见上文中对于基于网络拓扑结构的任务资源需求包络预测方法的限定，在此不再赘述。上述基于网络拓扑结构的任务资源需求包络预测装置中的各个模块可全部或部分通过软件、硬件及其组合来实现。上述各模块可以硬件形式内嵌于或独立于计算机设备中的处理器中，也可以以软件形式存储于计算机设备中的存储器中，以便于处理器调用执行以上各个模块对应的操作。
在一个实施例中，提供了一种计算机设备，该计算机设备可以是终端，其内部结构图可以如图13所示。该计算机设备包括通过系统总线连接的处理器、存储器、网络接口、显示屏和输入装置。其中，该计算机设备的处理器用于提供计算和控制能力。该计算机设备的存储器包括非易失性存储介质、内存储器。该非易失性存储介质存储有操作系统和计算机程序。该内存储器为非易失性存储介质中的操作系统和计算机程序的运行提供环境。该计算机设备的网络接口用于与外部的终端通过网络连接通信。该计算机程序被处理器执行时以实现一种基于网络拓扑结构的任务资源需求包络预测方法。该计算机设备的显示屏可以是液晶显示屏或者电子墨水显示屏，该计算机设备的输入装置可以是显示屏上覆盖的触摸层，也可以是计算机设备外壳上设置的按键、轨迹球或触控板，还可以是外接的键盘、触控板或鼠标等。
本领域技术人员可以理解，图13中示出的结构，仅仅是与本申请方案相关的部分结构的框图，并不构成对本申请方案所应用于其上的计算机设备的限定，具体的计算机设备可以包括比图中所示更多或更少的部件，或者组合某些部件，或者具有不同的部件布置。
在一个实施例中，提供了一种计算机设备，包括存储器和处理器，存储器中存储有计算机程序，该处理器执行计算机程序时实现以下步骤：
获取临时规划任务方案，所述临时规划任务方案满足时间约束以及逻辑约束；
利用资源处理模式模型对所述临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案；
从所述临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络，其中，所述资源需求网络包括多个节点以及连接两个相关节点之间的有向边，且各所述节点上标注有对应资源处理阶段最早可处理时间、最晚可处理时间以及对应该阶段所需要的资源处理量；
构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中；
根据所述已处理节点集中的节点计算当前处理时间的资源流值，根据待处理节点集中的节点计算当前处理时间的资源流值改变量，再根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值；
判断当前处理时间是否为终止时间，若不是，则根据规划步长预测下一个处理时间的资源包络取值，若是，则输出时间线上各个处理时间的资源包络取值。
在一个实施例中，提供了一种计算机可读存储介质，其上存储有计算机程序，计算机程序被处理器执行时实现以下步骤：
获取临时规划任务方案，所述临时规划任务方案满足时间约束以及逻辑约束；
利用资源处理模式模型对所述临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案；
从所述临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络，其中，所述资源需求网络包括多个节点以及连接两个相关节点之间的有向边，且各所述节点上标注有对应资源处理阶段最早可处理时间、最晚可处理时间以及对应该阶段所需要的资源处理量；
构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中；
根据所述已处理节点集中的节点计算当前处理时间的资源流值，根据待处理节点集中的节点计算当前处理时间的资源流值改变量，再根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值；
判断当前处理时间是否为终止时间，若不是，则根据规划步长预测下一个处理时间的资源包络取值，若是，则输出时间线上各个处理时间的资源包络取值。
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 (8)

1.基于网络拓扑结构的任务资源需求包络预测方法，其特征在于，所述方法包括：
获取临时规划任务方案，所述临时规划任务方案满足时间约束以及逻辑约束；
利用资源处理模式模型对所述临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案；
从所述临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络，其中，所述资源需求网络包括多个节点以及连接两个相关节点之间的有向边，且各所述节点上标注有对应资源处理阶段最早可处理时间、最晚可处理时间以及对应该阶段所需要的资源处理量；
构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中；
根据所述已处理节点集中的节点计算当前处理时间的资源流值，根据待处理节点集中的节点计算当前处理时间的资源流值改变量，再根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值，其中，根据所述已处理节点集中的节点计算当前处理时间的资源流值采用以下公式：
Figure QLYQS_1
,
在上式中，
Figure QLYQS_2
表示已处理节点集，
Figure QLYQS_3
表示所述已处理节点集中的节点，
Figure QLYQS_4
、
Figure QLYQS_5
以及
Figure QLYQS_6
分别表示阶段起始点资源处理量、阶段过渡点资源处理量以及阶段终止点资源处理量；
其中，根据待处理节点集中的节点计算当前处理时间的资源流值改变量包括：所述当前处理时间的资源流值改变量包括改变量上界以及改变量下界，根据各节点的所需资源处理量将所述待处理节点集中的节点划分为消耗节点以及生产节点，在计算所述改变量上界时，以计算消耗节点的资源流值优先，在当前处理时间计算消耗节点的资源流值，若所述生产节点的最晚初始时间等于当前处理时间，则在当前处理时间计算生产节点的资源流值，并将所述消耗节点以及生产节点的资源流值作为所述改变量上界，否则仅将消耗节点的资源流值作为所述改变量上界，在计算所述改变量下界时，以计算生产节点的资源流值优先，在当前处理时间计算生产节点的资源流值，若所述消耗节点的最晚初始时间等于当前处理时间，则在当前处理时间计算消耗节点的资源流值，并将所述消耗节点以及生产节点的资源流值作为所述改变量下界，否则仅将生产节点的资源流值作为所述改变量下界；
判断当前处理时间是否为终止时间，若不是，则根据规划步长预测下一个处理时间的资源包络取值，若是，则输出时间线上各个处理时间的资源包络取值。
2.根据权利要求1所述的任务资源需求包络预测方法，其特征在于，所述根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值包括：
所述当前处理时间的包络取值包括包络上界值以及包络下界值；
根据所述资源流值以及改变量上界预测所述包络上界值，根据所述资源流值以及改变量下界值预测所述包络下界值。
3.根据权利要求2所述的任务资源需求包络预测方法，其特征在于，在构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中之前，还对所述资源需求网络中的各节点进行资源约束检查，以对任务资源需求变步长推理。
4.根据权利要求3所述的任务资源需求包络预测方法，其特征在于，对所述资源需求网络中的各节点进行资源约束检查，以对任务资源需求变步长推理包括：
按照所述资源需求网络中各节点的处理时间顺序，对各节点进行排序，并生成节点顺序集；
根据所述节点顺序集中的节点，对资源流进行推荐及处理，每推进至一个节点则根据资源约束进行检查，若当前节点的检查结果为满足，则按照节点顺序继续推进资源流，对下一个节点进行资源约束检查；
若当前节点的资源约束检查结果为不满足，则对该节点对应的任务进行调整，并在调整之后退回与该节点相邻的上一个节点重新进行资源约束检查，并按照节点顺序继续推进资源流；
直至所述节点顺序集中的全部节点均满足资源约束检查，则输出各节点资源约束一致性检查结果，以完成任务资源需求变步长推理。
5.根据权利要求4所述的任务资源需求包络预测方法，其特征在于，执行任务所需的资源包括平台资源，则利用平台资源处理模式模型将执行任务所需的资源分为8种属性类型，包括：
共用连续可恢复型资源、共用离散恢复型资源、独占离散恢复型资源、独占连续恢复型资源、共用连续不可恢复型资源、共用离散不可恢复型资源、独占离散不可恢复型资源以及独占连续不可恢复型资源；
其中，共用型资源可同时支持多个任务，独占型资源则同一时刻只能支持一个任务，离散型资源在整个任务处理阶段处理量值为保持不变的固定值，连续型资源的处理量则与任务处理时间成正比关系，可恢复型资源被消耗时，消耗的资源会在处理阶段结束时被释放，且资源总量不变，不可恢复型资源被消耗时，资源总量随着资源的使用而逐渐减少，需要通过生产性任务进行补充。
6.根据权利要求5所述的任务资源需求包络预测方法，其特征在于，所述资源约束包括平台资源约束，所述平台资源约束包括使用属性约束以及恢复属性约束；
所述使用属性约束表示为：
Figure QLYQS_7
,
在上式中，
Figure QLYQS_10
表示在
Figure QLYQS_12
时刻对资源
Figure QLYQS_14
有需求的任务数量，
Figure QLYQS_8
为资源
Figure QLYQS_11
在同一时刻最大可支持任务数量，其中独占资源为1，共用资源为
Figure QLYQS_13
，
Figure QLYQS_15
表示所有资源构成的集合，
Figure QLYQS_9
表示时间线上所有时刻的集合；
所述恢复属性约束包括对于可恢复型资源约束以及不可恢复型资源约束，其中，所述可恢复型资源约束表示为：
Figure QLYQS_16
,
在上式中，
Figure QLYQS_18
表示任务
Figure QLYQS_21
在
Figure QLYQS_23
时刻对可恢复型资源
Figure QLYQS_19
的消耗量，
Figure QLYQS_20
表示可恢复型资源
Figure QLYQS_22
在
Figure QLYQS_24
时刻的可供资源量，
Figure QLYQS_17
表示所有任务集合；
所述不可恢复型资源约束表示为：
Figure QLYQS_25
,
在上式中，
Figure QLYQS_28
表示任务
Figure QLYQS_31
在
Figure QLYQS_34
时刻对不可恢复型资源
Figure QLYQS_27
的消耗量，
Figure QLYQS_30
表示任务
Figure QLYQS_33
在
Figure QLYQS_36
个时段补充资源
Figure QLYQS_26
的数量，
Figure QLYQS_29
表示资源
Figure QLYQS_32
在第
Figure QLYQS_35
个时段可供资源量。
7.根据权利要求6所述的任务资源需求包络预测方法，其特征在于，所述若当前节点的资源约束检查结果为不满足，则对该节点对应的任务进行调整包括：
获取当前时刻，若当前时刻大于等于当前节点所属任务的阶段起始节点的标称处理时间，且小于等于阶段终止节点的标称处理时间，则该资源处理阶段为冲突阶段，其所属任务为资源冲突任务；
根据冲突化解策略，确定需调整任务及其调整信息；
根据任务的时间约束以及逻辑约束，对待调整任务及其后续相关任务执行时间进行重新确定，生成更新后的临时任务方案；
根据更新后的临时任务方案，在资源需求网络中对调整任务及其后续任务的资源处理阶段时间信息进行更新，并更新所述节点顺序集。
8.基于网络拓扑结构的任务资源需求包络预测装置，其特征在于，所述装置包括：
任务方案获取模块，用于获取临时规划任务方案，所述临时规划任务方案满足时间约束以及逻辑约束；
任务属性类型分类模块，用于利用资源处理模式模型对所述临时规划任务方案中执行各任务所需资源的属性类型进行分类，并根据分类结果匹配对应的处理方案；
资源需求网络构建模块，用于从所述临时规划任务方案中选出与某一类资源相关的所有任务，并提取任务中各个处理阶段的信息，根据该资源的属性类型、对应的处理方案以及任务中各个处理阶段的信息构建对应的有向、无环的资源需求网络，其中，所述资源需求网络包括多个节点以及连接两个相关节点之间的有向边，且各所述节点上标注有对应资源处理阶段最早可处理时间、最晚可处理时间以及对应该阶段所需要的资源处理量；
节点集构建模块，用于构建已处理节点集、待处理节点集以及未处理节点集，根据当前处理时间将所述资源需求网络中的各节点划分至对应的节点集中；
资源包络取值计算模块，用于根据所述已处理节点集中的节点计算当前处理时间的资源流值，根据待处理节点集中的节点计算当前处理时间的资源流值改变量，再根据所述资源流值以及资源流值改变量预测当前处理时间的资源包络取值，其中，根据所述已处理节点集中的节点计算当前处理时间的资源流值采用以下公式：
Figure QLYQS_37
,
在上式中，
Figure QLYQS_38
表示已处理节点集，
Figure QLYQS_39
表示所述已处理节点集中的节点，
Figure QLYQS_40
、
Figure QLYQS_41
以及
Figure QLYQS_42
分别表示阶段起始点资源处理量、阶段过渡点资源处理量以及阶段终止点资源处理量；
其中，根据待处理节点集中的节点计算当前处理时间的资源流值改变量包括：所述当前处理时间的资源流值改变量包括改变量上界以及改变量下界，根据各节点的所需资源处理量将所述待处理节点集中的节点划分为消耗节点以及生产节点，在计算所述改变量上界时，以计算消耗节点的资源流值优先，在当前处理时间计算消耗节点的资源流值，若所述生产节点的最晚初始时间等于当前处理时间，则在当前处理时间计算生产节点的资源流值，并将所述消耗节点以及生产节点的资源流值作为所述改变量上界，否则仅将消耗节点的资源流值作为所述改变量上界，在计算所述改变量下界时，以计算生产节点的资源流值优先，在当前处理时间计算生产节点的资源流值，若所述消耗节点的最晚初始时间等于当前处理时间，则在当前处理时间计算消耗节点的资源流值，并将所述消耗节点以及生产节点的资源流值作为所述改变量下界，否则仅将生产节点的资源流值作为所述改变量下界；
资源包络取值预测模块，用于判断当前处理时间是否为终止时间，若不是，则根据规划步长预测下一个处理时间的资源包络取值，若是，则输出时间线上各个处理时间的资源包络取值。
CN202310139381.0A 2023-02-21 2023-02-21 基于网络拓扑结构的任务资源需求包络预测方法及装置 Active CN115841237B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202310139381.0A CN115841237B (zh) 2023-02-21 2023-02-21 基于网络拓扑结构的任务资源需求包络预测方法及装置

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202310139381.0A CN115841237B (zh) 2023-02-21 2023-02-21 基于网络拓扑结构的任务资源需求包络预测方法及装置

Publications (2)

Publication Number Publication Date
CN115841237A CN115841237A (zh) 2023-03-24
CN115841237B true CN115841237B (zh) 2023-04-28

Family

ID=85579945

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202310139381.0A Active CN115841237B (zh) 2023-02-21 2023-02-21 基于网络拓扑结构的任务资源需求包络预测方法及装置

Country Status (1)

Country Link
CN (1) CN115841237B (zh)

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US8103533B2 (en) * 2005-08-26 2012-01-24 United Space Alliance, Llc Automated resource planning tool and user interface
CN108304958B (zh) * 2017-12-08 2020-08-18 中国科学院空间应用工程与技术中心 一种单星多载荷复杂约束任务规划方法和系统
CN112859603B (zh) * 2021-01-07 2022-02-22 北京理工大学 航天器灵活任务规划序列鲁棒执行方法
CN113313347B (zh) * 2021-04-20 2022-09-30 合肥工业大学 卫星任务资源匹配方法、装置、存储介质和电子设备
CN113283789B (zh) * 2021-06-10 2022-10-11 中国人民解放军国防科技大学 空间站运营任务的时间冗余启发式规划方法、装置及设备

Non-Patent Citations (5)

* Cited by examiner, † Cited by third party
Title
基于多约束条件的业务规划方法;霍永华;曹毅;汲锡林;;无线电通信技术(第03期) *
基于本体理论的空间站短期任务规划领域建模研究;卜慧蛟;张进;罗亚中;周建平;;载人航天(第02期) *
基于约束满足求解思路的卫星接收任务调度;王凌翔;章文毅;;科学技术与工程(第19期) *
航天器调度中的资源约束推理方法;廉振宇;王云;陈成;谭跃进;;国防科技大学学报(第06期) *
面向突发任务的空间站任务重规划方法;牟帅;卜慧蛟;张进;罗亚中;;航空学报(第07期) *

Also Published As

Publication number Publication date
CN115841237A (zh) 2023-03-24

Similar Documents

Publication Publication Date Title
Ning et al. Data-driven adaptive robust unit commitment under wind power uncertainty: A Bayesian nonparametric approach
CN108154317B (zh) 多云环境下基于实例自适应分配整合的工作流组调度方法
Kolonko Some new results on simulated annealing applied to the job shop scheduling problem
CN110751358A (zh) 一种机场地面服务人员的排班方法、电子设备及存储介质
Xiao et al. Minimizing schedule length of energy consumption constrained parallel applications on heterogeneous distributed systems
Kaplan et al. Exact and heuristic algorithms for the aerial refueling parallel machine scheduling problem with due date-to-deadline window and ready times
CN110298138A (zh) 一种综合能源系统优化方法、装置、设备及可读存储介质
CN111861412B (zh) 面向完成时间优化的科学工作流调度方法及系统
CN112003277A (zh) 一种输配协同负荷恢复优化控制方法及系统
CN114239951A (zh) 基于分层优化的卫星测控任务调度方法、装置和设备
CN110196773B (zh) 统一调度计算资源的多时间尺度安全校核系统及方法
Ng et al. Single machine batch scheduling with jointly compressible setup and processing times
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
CN103984595A (zh) 一种异构cmp的静态任务调度方法
Nattaf et al. Cumulative scheduling with variable task profiles and concave piecewise linear processing rate functions
CN115841237B (zh) 基于网络拓扑结构的任务资源需求包络预测方法及装置
JP7432087B2 (ja) エネルギースケジュールを含むデータ構造、およびエネルギースケジュールを含むデータ構造を提供するための方法
CN116341831A (zh) 基于资源包络的任务方案资源冲突错峰处理方法及装置
CN105512313B (zh) 一种增量式数据处理的方法和装置
CN116307529A (zh) 基于网络拓扑结构的任务资源需求变步长推理方法及装置
CN115766713A (zh) 一种基于联邦学习的云边协同调度方法
CN115514016A (zh) 电力系统机组组合确定方法、装置及设备
CN112308333B (zh) 一种基于随机概率的施工进度风险控制方法
Giri et al. Accounting for idle capacity cost in the scheduling of economic lot sizes
Zhang et al. A Novel Cost-Aware Data Placement Strategy for Edge-Cloud Collaborative Smart Systems

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