CN115936371A - 一种基于局部邻域搜索的装备调度规划方法 - Google Patents
一种基于局部邻域搜索的装备调度规划方法 Download PDFInfo
- Publication number
- CN115936371A CN115936371A CN202211582411.7A CN202211582411A CN115936371A CN 115936371 A CN115936371 A CN 115936371A CN 202211582411 A CN202211582411 A CN 202211582411A CN 115936371 A CN115936371 A CN 115936371A
- Authority
- CN
- China
- Prior art keywords
- equipment
- resource
- representing
- equipment scheduling
- target
- 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
- 238000000034 method Methods 0.000 title claims abstract description 27
- 238000010845 search algorithm Methods 0.000 claims abstract description 12
- 238000007781 pre-processing Methods 0.000 claims abstract description 8
- 238000013468 resource allocation Methods 0.000 claims description 6
- 238000010276 construction Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 238000012163 sequencing technique Methods 0.000 claims description 3
- 239000000126 substance Substances 0.000 claims description 3
- 238000009434 installation Methods 0.000 claims description 2
- 239000002131 composite material Substances 0.000 claims 1
- 230000001174 ascending effect Effects 0.000 description 5
- 230000009286 beneficial effect Effects 0.000 description 5
- 238000005457 optimization Methods 0.000 description 2
- 238000004804 winding Methods 0.000 description 2
- 238000013473 artificial intelligence Methods 0.000 description 1
- 230000001186 cumulative effect Effects 0.000 description 1
- 230000007547 defect Effects 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000012216 screening Methods 0.000 description 1
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
- Y04—INFORMATION OR COMMUNICATION TECHNOLOGIES HAVING AN IMPACT ON OTHER TECHNOLOGY AREAS
- Y04S—SYSTEMS INTEGRATING TECHNOLOGIES RELATED TO POWER NETWORK OPERATION, COMMUNICATION OR INFORMATION TECHNOLOGIES FOR IMPROVING THE ELECTRICAL POWER GENERATION, TRANSMISSION, DISTRIBUTION, MANAGEMENT OR USAGE, i.e. SMART GRIDS
- Y04S10/00—Systems supporting electrical power generation, transmission or distribution
- Y04S10/50—Systems or methods supporting the power network operation or management, involving a certain degree of interaction with the load-side end user applications
Landscapes
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于局部邻域搜索的装备调度规划方法,属于装备调度技术领域,该方法包括:完成需求数据的接收与预处理;对资源数据进行读取与预处理;以启发式的贪心策略生成初始装备调度方案;构建装备调度模型;以初始装备调度方案为当前解;设定局部搜索算法的停止条件;通过邻域动作生成当前解的邻域解,并根据邻域解构建集合;将最优解os作为当前解s;判断是否满足局部搜索算法的停止条件;将当前解s作为最终的装备调度方案。本发明解决了多目标观测能力下装备任务规划的问题。
Description
技术领域
本发明属于装备调度技术领域,具体涉及一种基于局部邻域搜索的装备调度规划方法。
背景技术
装备任务规划问题是一个基于约束的资源优化问题,即在规定时间内向需要执行的任务分配地面装备及执行时间。该问题的优化目标可描述为:在给定时间内完成最多的任务或最大化完成任务的权重值之和。该问题的难点在于,资源(装备可用于观测任务的时间窗口)的分配既要满足任务复杂的需求,又要避免资源之间出现冲突(装备同一时间内的观测能力有限)。
各国学者通常采用人工智能方法求解装备任务规划问题,如贪婪算法、动态规划、启发式搜索算法、约束满足方法等,如何更加快速高效地求解该问题,依然是摆在人们面前地一个严峻挑战。
发明内容
针对现有技术中的上述不足,本发明提供的一种基于局部邻域搜索的装备调度规划方法,解决多目标观测能力下装备任务规划的问题。
为了达到上述发明目的,本发明采用的技术方案为:一种基于局部邻域搜索的装备调度规划方法,包括以下步骤:
S1、完成需求数据的接收与预处理;
S2、根据任务需求,对资源数据进行读取与预处理;
S3、根据任务需求、经预处理后的资源数据以及需求数据,以启发式的贪心策略生成初始装备调度方案;
S4、根据任务需求,构建装备调度模型;
S5、根据装备调度模型,以初始装备调度方案为当前解;
S6、设定局部搜索算法的停止条件;
S7、根据装备调度模型,通过邻域动作生成当前解的邻域解,并根据邻域解构建集合;
S8、取集合中的最优解os,针对F(os)大于F(s)时,则将最优解os作为当前解s,其中,F(os)和F(s)分别表示装备调度方案为os和s时装备调度模型的目标函数;
S9、判断是否满足局部搜索算法的停止条件,若是,则进入步骤S10,否则,返回步骤S7;
S10、将当前解s作为最终的装备调度方案。
本发明的有益效果是:本发明将装备对于带观测目标的可观测时间窗口作为资源,考虑任务需求,建立装备调度模型,通过局部邻域搜索求解装备调度模型,给出一个满足任务需求、装备约束条件与调度方案偏好,且任务完成率高的装备调度方案;本发明能在有效时间内,不断搜索目标函数值更高的可行解,不断提高观测目标的完成率。
进一步地,所述步骤S3包括以下步骤:
S301、根据装备多目标能力,将相应的资源等加成对应装备多目标能力数的资源;
S302、根据需求数据对可用资源进行处理后,计算可用资源集合L中的每一项可用资源的资源冲突数量;
S303、根据资源冲突数量,对可用资源进行排序;
S304、根据目标到达顺序确定目标序列,通过先来先服务的规则,从已排序的可用资源中逐一搜索资源,并判断搜索的资源是否可分配且分配后满足任务需求,若是,则对该资源进行分配,并进入步骤S305,否则,搜索下一条资源,直至任务完成,并进入步骤S305;
S305、判断目标序列中是否存在未分配资源的目标,若是,则返回步骤S304,否则完成所有目标的资源分配,生成初始装备调度方案。
上述进一步方案的有益效果是:本发明根据贪心算法生成初始装备调度方案,提升局部邻域搜索的搜索效率。
再进一步地,所述步骤S4包括以下步骤:
S401、根据任务需求,确定装备调度模型的数据集合;
S402、确定装备调度模型的决策变量;
S403、确定装备调度模型的参数;
S404、确定装备调度模型的目标函数;
S405、确定装备调度模型的约束,完成装备调度模型的构建。
上述进一步方案的有益效果是:本发明通过明确装备调度模型的数据集合、决策变量和参数,为构建装备调度模型做好数据准备。
再进一步地,所述装备调度模型的目标函数的表达式如下:
其中,F(c)表示调度方案c对应的装备调度模型目标函数,yv表示任务决策变量,score表示调度方案的综合得分,Y表示任务决策变量的个数。
再进一步地,所述装备调度模型的约束包括:
圈次需求约束:
其中,zoav表示圈次决策变量集合Zoa中的元素,Zoa表示目标oa对应的圈次决策变量集合,yv表示目标oa对应的任务决策变量,oa表示目标,A1表示数据圈次需求的值;
升降轨圈次约束:
其中,xoaτ表示资源决策变量集合Xoa中的元素,Xoa表示目标oa对应的资源决策变量集合,γλ表示资源lλ对应弧段的升降轨,A2表示数据为升轨圈次的值,A3表示数据降轨圈次的值;
装备工作模式约束:
其中,xμ表示资源决策变量X集合中的元素,mμ表示xμ所对应资源lλ所属弧段的装备工作模式,A5表示指定的装备工作模式;
最大工作时长约束:
冲突约束:
其中,ck和c'k表示选区弧段中第k对时间冲突集合相应的两个弧段,C表示时间冲突集合;
同圈站数约束:
其中,Xpγ表示圈次pγ对应的资源决策变量集合,xpγψ表示资源决策变量集Xpγ的中元素,A4表示数据同圈站数的值,zξ表示圈次决策变量中的元素,pγ表示圈次,P表示圈次集合;
同圈异设备约束:
其中,Xepβγ表示装备eβ和圈次pγ对应资源决策变量集合,xepβγω表示资源决策变量集合Xepβγ中的元素,E表示装备集。
上述进一步方案的有益效果是:本发明明确局部邻域搜索的目标,保证局部邻域搜索的有益性。
再进一步地,所述步骤S7包括以下步骤:
S701、根据装备调度模型,针对当前解s对应的装备调度方案成功满足目标集合为时,令当前解s的邻域解集为Ne={},并初始邻域解集Ne为空集,令a=1,其中,a表示目标集合Os中元素的编号,Aa表示目标集合Os中元素的个数,osa表示目标集合Os中某一元素;
S702、释放观测目标oa的资源,根据释放资源的情况将当前解s变换为新的解s*,并初始化队列Xtemp={s*};
S703、判断队列Xtemp是否为空,若是,则进入步骤S708,否则,进入步骤S704;
S704、使队列Xtemp的第一个装备调度方案出队,并将其作为当前装备调度方案,并令其为解s';
S706、遍历Ls'中对应的资源,针对该资源可分配且分配后满足任务需求,则对该资源进行分配,遍历完成后,将分配的资源加入至装备调度方案s'组成新的装备调度方案,并将新的装备调度方案加入队列Xtemp中;
S707、将新的装备调度方案加入至邻域解集中,令a'的数值为a'+1,判断a'是否小于等于A-As,若是,则返回步骤S706,否则,返回步骤S703,其中,As表示目标集合Os中元素的个数,A表示目标集合O中元素的个数;
S708、判断a是否小于等于A,若是,则令a的数值为a+1,并返回步骤S702,否则,进入步骤S8。
上述进一步方案的有益效果是:本发明通过局部邻域搜索,对初始调度方案进行变换,获得效果更好的装备调度方案。
附图说明
图1为本发明的方法流程图。
具体实施方式
下面对本发明的具体实施方式进行描述,以便于本技术领域的技术人员理解本发明,但应该清楚,本发明不限于具体实施方式的范围,对本技术领域的普通技术人员来讲,只要各种变化在所附的权利要求限定和确定的本发明的精神和范围内,这些变化是显而易见的,一切利用本发明构思的发明创造均在保护之列。
实施例
在本发明的一个实施例中,如图1所示,本发明提供了一种基于局部邻域搜索的装备调度规划方法,其实现方法如下:
S1、完成需求数据的接收与预处理;
本实施例中,需求数据包含任务目标与任务约束,任务目标为需要观测的目标,任务约束包含观测每一项目标的可用装备、总次数、升轨次数、降轨次数、设备工作模式、最大设备工作时长与同圈站数。
S2、根据任务需求,对资源数据进行读取与预处理;
本实施例中,资源数据为可用资源的列表,每一项资源为某装备可用于观测某目标的时间窗口。根据任务目标与可用装备对资源数据进行筛选,分别按照装备-目标-资源与目标-装备-目标-资源的层次建立索引。
S3、根据任务需求、经预处理后的资源数据以及需求数据,以启发式的贪心策略生成初始装备调度方案;
本实施例中,当两个相同装备资源之间存在重叠的时间窗口,则这两个资源不可以都被调度,称这两个资源之间存在冲突。计算每一个资源的冲突度,冲突度的大小等于与该资源存在冲突的资源数量,并对所有资源按冲突度从小到大排序。生成初始装备调度方案时,以固定的目标顺序,通过先来先服务为目标分配资源。其生成初始装备调度方案的实现方法如下:
S301、根据装备多目标能力,将相应的资源等加成对应装备多目标能力数的资源;
S302、根据需求数据对可用资源进行处理后,计算可用资源集合L中的每一项可用资源的资源冲突数量;
S303、根据资源冲突数量,对可用资源进行排序;
S304、根据目标到达顺序确定目标序列,通过先来先服务的规则,从已排序的可用资源中逐一搜索资源,并判断搜索的资源是否可分配且分配后满足任务需求,若是,则对该资源进行分配,并进入步骤S305,否则,搜索下一条资源,直至任务完成,并进入步骤S305;
S305、判断目标序列中是否存在未分配资源的目标,若是,则返回步骤S304,否则完成所有目标的资源分配,生成初始装备调度方案。
S4、根据任务需求,构建装备调度模型;
本实施例中,装备调度模型包括数据集合、模型参数、决策变量、目标函数与约束条件。其构建装备调度模型的实现方法如下:
S401、根据任务需求,确定装备调度模型的数据集合;
所述装备调度模型的数据集合包括:
可用资源集合其中,lλ表示可用资源集合L中的某个元素,即可用资源,λ表示可用资源集合L中元素的编号,Λ表示可用资源集合,可用资源集合L中的每一个元素为一个六元组lλ=(oa,eβ,pγ,tλ,rλ,mμ),oa,eβ,pγ,tλ,rλ,mμ分别表示该可用资源对应的目标、装备、圈次、时间、升降轨和设备工作模式。
装备eβ及圈次pγ对应的可用资源集合其中,lepβγl表示可用资源集合Lepβγ中的某个元素,u表示可用资源集合Lepβγ中元素的编号,Uβγ表示装备eβ及圈次pγ对应的可用资源集合Lepβγ中元素的个数;
S402、确定装备调度模型的决策变量;
所述装备调度模型的决策变量包括:资源决策变量X、任务决策变量Y以及圈次决策变量Z,其具体定义如下:
资源决策变量其中,xμ表示资源决策变量X集合中的元素,μ表示资源决策变量X集合中元素的编号,M表示资源决策变量X中元素的个数,每个元素对应一个资源lλ,表示该资源是否选用,xμ∈{1,0},当xμ为1时,选用资源lλ;当为0时,不选用资源lλ
任务决策变量其中,yv表示任务决策变量Y中的元素,v表示任务决策变量Y中元素的编号,N表示任务决策变量Y中元素的个数,每个元素对应一个目标oa,表示该目标是否完成观测,yv∈{1,0},当yv为1时,目标oa完成观测;当yv为0时,目标oa未完成观测;
圈次决策变量其中,zξ表示圈次决策变量中的元素,ξ表示圈次决策变量中元素的编号,Ξ表示圈次决策变量Z中元素的个数,每个元素对应一个圈次pγ,表示该圈次是否完成观测,zξ∈{1,0},当zξ为1时,圈次pγ完成观测;当zξ为0时,圈次pγ未完成观测;
资源决策变量xμ对应资源lλ;
目标oa对应任务决策变量yv;
圈次决策变量zξ对应圈次pγ;
圈次pγ对应的资源决策变量集合其中,xpγψ表示资源决策变量集Xpγ的中元素,ψ表示资源决策变量集Xpγ中元素的编号,ψγ表示圈次pγ对应的资源决策变量集合Xpγ中元素的个数,pγ表示圈次pγ对应的资源决策变量集合Xpγ中元素的个数;
装备eβ和圈次pγ对应资源决策变量集合其中,xepβγω表示资源决策变量集合Xepβγ中的元素,ω表示资源决策变量集合Xepβγ中元素的编号,Ωβγ表示装备eβ和圈次pγ对应资源决策变量集合Xepβγ中元素的个数,Xpγ表示圈次pγ对应的资源决策变量集合。
S403、确定装备调度模型的参数,其中,所述装备调度模型的参数包括:可观测时间二元组tλ、时间冲突二元组(ck,c'k)、装备描述二元组(β,we)、资源描述六元组(oa,eβ,pγ,tλ,rλ,mu)以及任务描述向量A(5),其具体定义如下:
tλ:可观测时间二元组,tλ=(TWλ,TWλ')。表示一个可观测时间段,TWλ表示观测开始时间,TWλ'表示观测结束时间,|tλ|表示该时间段长度;
(ck,c'k):时间冲突二元组,表示ck对应的资源与c'k对应的资源存在冲突,不可同时选择;
(β,we):装备描述二元组,β表示装备的编号,we表示该装备的设备最大工作时长;
(oa,eβ,pγ,tλ,rλ,mu):资源描述六元组,意义为一个可观测时间弧段,表示该时间段tλ内装备eβ可以对目标oa进行观测,圈次为pγ,轨道模式为rλ(当rλ=1时为升轨,当rλ=0时为降轨),设备工作模式为mu;
A(5):任务描述向量,表示该批次目标的圈次需求、升轨圈次、降轨圈次和同圈站数任务的取值和观测设备工作模式,各元素值表示该批次任务需要的圈次数:
A1:数据“圈次需求”的值(当任务无圈次需求时,为升轨圈次与降轨圈次的和);
A2:数据“升轨圈次”的值;
A3:数据“降轨圈次”的值;
A4:数据“同圈站数”的值;
A5:指定的设备工作模式。
S404、确定装备调度模型的目标函数:
其中,F(c)表示调度方案c对应的装备调度模型目标函数,yv表示任务决策变量,score表示调度方案的综合得分,Y表示任务决策变量的个数,用于衡量方案在最大仰望角优先、装备偏好优先和装备负载均衡优先方面的优劣程度。
score=s1+s2+s3
s1最大仰望角得分:
其中,tri为选取的第i个资源的资源对应的仰望角,n为选取了的资源个数。
s2为设备偏好得分:
其中,prj表示选取的第j个资源对应的装备是否是偏好装备,prj为1时表示该资源对应的装备是偏好装备,prj为0时表示该资源对应的装备不是偏好装备,n为选取了的资源个数。
s3为负载均衡得分:
其中,eak表示选取的资源中,k号装备对应的资源的个数,B表示装备个数。
S405、确定装备调度模型的约束,完成装备调度模型的构建:
约束1:圈次需求约束,表示需要对目标进行观测的圈数。
其中,zoav表示圈次决策变量集合Zoa中的元素,Zoa表示目标oa对应的圈次决策变量集合,yv表示目标oa对应的任务决策变量,oa表示目标,A1表示数据圈次需求的值;
约束2:升降轨圈次约束,表示分别需要对目标进行观测的升轨圈次数与降轨圈次数。
其中,xoaτ表示资源决策变量集合Xoa中的元素,Xoa表示目标oa对应的资源决策变量集合,γλ表示资源lλ对应弧段的升降轨,A2表示数据为升轨圈次的值,A3表示数据降轨圈次的值;
约束3:装备工作模式约束,表示在观测目标时所需的装备工作模式。
其中,xμ表示资源决策变量X集合中的元素,mμ表示xμ所对应资源lλ所属弧段的装备工作模式,A5表示指定的装备工作模式,X表示资源决策变量;
约束4:最大工作时长约束,表示装备可用于观测的累计最大时长。
约束5:冲突约束,表示选用的资源之间不可以存在冲突。
其中,ck和c'k表示选区弧段中第k对时间冲突集合相应的两个弧段,C表示时间冲突集合;
约束6:同圈站数约束,表示在同一个圈次,需要对目标进行观测的次数。
其中,Xpγ表示圈次pγ对应的资源决策变量集合,xpγψ表示资源决策变量集Xpγ的中元素,A4表示数据同圈站数的值,zξ表示圈次决策变量中的元素,pγ表示圈次,P表示圈次集合;
约束7:同圈异设备约束,表示每一个圈次应选用不同装备的资源对目标进行观测。
其中,Xepβγ表示装备eβ和圈次pγ对应资源决策变量集合,xepβγω表示资源决策变量集合Xepβγ中的元素,E表示装备集合。
S5、根据装备调度模型,以初始装备调度方案为当前解;
本实施例中,根据初始调度方案确定当前解,将选用资源对应的决策变量的值设定为1,其他决策变量的值设定为0。
S6、设定局部搜索算法的停止条件;
本实施例中,设定局部搜索算法停止条件,包括最大轮数、最长运行时间。最大轮数为局部搜索算法进行迭代的次数,最长运行时间为局部搜索算法进行搜索的时间,当达到停止条件时,算法停止运行,并将当前最优解作为最终解。
S7、根据装备调度模型,通过邻域动作生成当前解的邻域解,并根据邻域解构建集合:
本实施例中,根据装备调度模型,通过邻域动作生成a的邻域解,这些邻域解构成集合Ne。通过邻域动作对当前解进行变换,以跳出局部最优解,其实现方法如下:
S701、根据装备调度模型,针对当前解s对应的装备调度方案成功满足目标集合为时,令当前解s的邻域解集为Ne={},并初始邻域解集Ne为空集,令a=1,其中,a表示目标集合Os中元素的编号,Aa表示目标集合Os中元素的个数,osa表示目标集合Os中某一元素;
S702、释放观测目标oa的资源,根据释放资源的情况将当前解s变换为新的解s*,并初始化队列Xtemp={s*};
S703、判断队列Xtemp是否为空,若是,则进入步骤S708,否则,进入步骤S704;
S704、使队列Xtemp的第一个装备调度方案出队,并将其作为当前装备调度方案,并令其为解s';
S706、遍历Ls'中对应的资源,针对该资源可分配且分配后满足任务需求,则对该资源进行分配,遍历完成后,将分配的资源加入至装备调度方案s'组成新的装备调度方案,并将新的装备调度方案加入队列Xtemp中;
S707、将新的装备调度方案加入至邻域解集中,令a'的数值为a'+1,判断a'是否小于等于A-As,若是,则返回步骤S706,否则,返回步骤S703,其中,As表示目标集合Os中元素的个数,A表示目标集合O中元素的个数;
S708、判断a是否小于等于A,若是,则令a的数值为a+1,并返回步骤S702,否则,进入步骤S8。
S8、取集合中的最优解os,针对F(os)大于F(s)时,则将最优解os作为当前解s,其中,F(os)和F(s)分别表示装备调度方案为os和s时装备调度模型的目标函数;
本实施例中,取集合中的最优解os,判断F(os)是否大于F(s),若是,将最优解os作为当前解s,成功生成邻域解后,计算邻域解的目标函数值,判断邻域解的质量,并从邻域解中取最优异的解,作为下一轮迭代的初始解。
S9、判断是否满足局部搜索算法的停止条件,若是,则进入步骤S10,否则,返回步骤S7;
本实施例中,判断是否满足终止条件,若是,进入S10;若否,返回S7。满足终止条件时,停止搜索过程,当前迭代得到的最优解即为最终解。
S10、将当前解s作为最终的装备调度方案。
本实施例中,将当前解s确定为最终装备调度方案。在多轮迭代后,通过当前解确定最终调度方案,找到在迭代过程中最能满足任务需求、装备约束条件与调度方案偏好,且任务完成率高的装备调度方案。
本发明将装备对于带观测目标的可观测时间窗口作为资源,考虑任务需求,建立装备调度模型,通过局部邻域搜索求解装备调度模型,给出一个满足任务需求、装备约束条件与调度方案偏好,且任务完成率高的装备调度方案;本发明能在有效时间内,不断搜索目标函数值更高的可行解,不断提高观测目标的完成率。
Claims (6)
1.一种基于局部邻域搜索的装备调度规划方法,其特征在于,包括以下步骤:
S1、完成需求数据的接收与预处理;
S2、根据任务需求,对资源数据进行读取与预处理;
S3、根据任务需求、经预处理后的资源数据以及需求数据,以启发式的贪心策略生成初始装备调度方案;
S4、根据任务需求,构建装备调度模型;
S5、根据装备调度模型,以初始装备调度方案为当前解;
S6、设定局部搜索算法的停止条件;
S7、根据装备调度模型,通过邻域动作生成当前解的邻域解,并根据邻域解构建集合;
S8、取集合中的最优解os,针对F(os)大于F(s)时,则将最优解os作为当前解s,其中,F(os)和F(s)分别表示装备调度方案为os和s时装备调度模型的目标函数;
S9、判断是否满足局部搜索算法的停止条件,若是,则进入步骤S10,否则,返回步骤S7;
S10、将当前解s作为最终的装备调度方案。
2.根据权利要求1所述的基于局部邻域搜索的装备调度规划方法,其特征在于,所述步骤S3包括以下步骤:
S301、根据装备多目标能力,将相应的资源等加成对应装备多目标能力数的资源;
S302、根据需求数据对可用资源进行处理后,计算可用资源集合L中的每一项可用资源的资源冲突数量;
S303、根据资源冲突数量,对可用资源进行排序;
S304、根据目标到达顺序确定目标序列,通过先来先服务的规则,从已排序的可用资源中逐一搜索资源,并判断搜索的资源是否可分配且分配后满足任务需求,若是,则对该资源进行分配,并进入步骤S305,否则,搜索下一条资源,直至任务完成,并进入步骤S305;
S305、判断目标序列中是否存在未分配资源的目标,若是,则返回步骤S304,否则完成所有目标的资源分配,生成初始装备调度方案。
3.根据权利要求1所述的基于局部邻域搜索的装备调度规划方法,其特征在于,所述步骤S4包括以下步骤:
S401、根据任务需求,确定装备调度模型的数据集合;
S402、确定装备调度模型的决策变量;
S403、确定装备调度模型的参数;
S404、确定装备调度模型的目标函数;
S405、确定装备调度模型的约束,完成装备调度模型的构建。
5.根据权利要求4所述的基于局部邻域搜索的装备调度规划方法,其特征在于,所述装备调度模型的约束包括:
圈次需求约束:
其中,zoav表示圈次决策变量集合Zoa中的元素,Zoa表示目标oa对应的圈次决策变量集合,yv表示目标oa对应的任务决策变量,oa表示目标,A1表示数据圈次需求的值;
升降轨圈次约束:
其中,xoaτ表示资源决策变量集合Xoa中的元素,Xoa表示目标oa对应的资源决策变量集合,γλ表示资源lλ对应弧段的升降轨,A2表示数据为升轨圈次的值,A3表示数据降轨圈次的值;
装备工作模式约束:
其中,xμ表示资源决策变量X集合中的元素,mμ表示xμ所对应资源lλ所属弧段的装备工作模式,A5表示指定的装备工作模式;
最大工作时长约束:
冲突约束:
其中,ck和c'k表示选区弧段中第k对时间冲突集合相应的两个弧段,C表示时间冲突集合;
同圈站数约束:
其中,Xpγ表示圈次pγ对应的资源决策变量集合,xpγψ表示资源决策变量集Xpγ的中元素,A4表示数据同圈站数的值,zξ表示圈次决策变量中的元素,pγ表示圈次,P表示圈次集合;
同圈异设备约束:
其中,Xepβγ表示装备eβ和圈次pγ对应资源决策变量集合,xepβγω表示资源决策变量集合Xepβγ中的元素,E表示装备集合。
6.根据权利要求5所述的基于局部邻域搜索的装备调度规划方法,其特征在于,所述步骤S7包括以下步骤:
S701、根据装备调度模型,针对当前解s对应的装备调度方案成功满足目标集合为时,令当前解s的邻域解集为Ne={},并初始邻域解集Ne为空集,令a=1,其中,a表示目标集合Os中元素的编号,Aa表示目标集合Os中元素的个数,osa表示目标集合Os中某一元素;
S702、释放观测目标oa的资源,根据释放资源的情况将当前解s变换为新的解s*,并初始化队列Xtemp={s*};
S703、判断队列Xtemp是否为空,若是,则进入步骤S708,否则,进入步骤S704;
S704、使队列Xtemp的第一个装备调度方案出队,并将其作为当前装备调度方案,并令其为解s';
S706、遍历Ls'中对应的资源,针对该资源可分配且分配后满足任务需求,则对该资源进行分配,遍历完成后,将分配的资源加入至装备调度方案s'组成新的装备调度方案,并将新的装备调度方案加入队列Xtemp中;
S707、将新的装备调度方案加入至邻域解集中,令a'的数值为a'+1,判断a'是否小于等于A-As,若是,则返回步骤S706,否则,返回步骤S703,其中,As表示目标集合Os中元素的个数,A表示目标集合O中元素的个数;
S708、判断a是否小于等于A,若是,则令a的数值为a+1,并返回步骤S702,否则,进入步骤S8。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211582411.7A CN115936371A (zh) | 2022-12-08 | 2022-12-08 | 一种基于局部邻域搜索的装备调度规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202211582411.7A CN115936371A (zh) | 2022-12-08 | 2022-12-08 | 一种基于局部邻域搜索的装备调度规划方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN115936371A true CN115936371A (zh) | 2023-04-07 |
Family
ID=86650289
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202211582411.7A Pending CN115936371A (zh) | 2022-12-08 | 2022-12-08 | 一种基于局部邻域搜索的装备调度规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN115936371A (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050015504A1 (en) * | 2001-09-13 | 2005-01-20 | Dorne Raphael Jh | Resource management method and apparatus |
US20150205759A1 (en) * | 2013-11-19 | 2015-07-23 | D-Wave Systems Inc. | Systems and methods for finding quantum binary optimization problems |
CN108304958A (zh) * | 2017-12-08 | 2018-07-20 | 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 |
CN109829636A (zh) * | 2019-01-22 | 2019-05-31 | 中国人民解放军国防科技大学 | 基于动态优先级的应急任务调度规划方法 |
CN110618862A (zh) * | 2019-09-18 | 2019-12-27 | 中国人民解放军国防科技大学 | 基于极大团模型的卫星测控资源调度方法和系统 |
CN114926038A (zh) * | 2022-05-26 | 2022-08-19 | 中国人民解放军海军航空大学 | 海上平台的航空资源站点配置方法、装置和设备 |
CN115103410A (zh) * | 2022-08-22 | 2022-09-23 | 中国人民解放军国防科技大学 | 一种测控数传资源调度方法、系统及装置 |
-
2022
- 2022-12-08 CN CN202211582411.7A patent/CN115936371A/zh active Pending
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050015504A1 (en) * | 2001-09-13 | 2005-01-20 | Dorne Raphael Jh | Resource management method and apparatus |
US20150205759A1 (en) * | 2013-11-19 | 2015-07-23 | D-Wave Systems Inc. | Systems and methods for finding quantum binary optimization problems |
CN108304958A (zh) * | 2017-12-08 | 2018-07-20 | 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 |
CN109829636A (zh) * | 2019-01-22 | 2019-05-31 | 中国人民解放军国防科技大学 | 基于动态优先级的应急任务调度规划方法 |
CN110618862A (zh) * | 2019-09-18 | 2019-12-27 | 中国人民解放军国防科技大学 | 基于极大团模型的卫星测控资源调度方法和系统 |
CN114926038A (zh) * | 2022-05-26 | 2022-08-19 | 中国人民解放军海军航空大学 | 海上平台的航空资源站点配置方法、装置和设备 |
CN115103410A (zh) * | 2022-08-22 | 2022-09-23 | 中国人民解放军国防科技大学 | 一种测控数传资源调度方法、系统及装置 |
Non-Patent Citations (2)
Title |
---|
杜永浩等: ""航天器任务调度模型、算法与通用求解技术综述"", 《自动化学报》, vol. 47, no. 12, 16 April 2020 (2020-04-16), pages 2716 - 2741 * |
陶孙杰等: ""一种测控数传一体化站网资源调度算法"", 《电讯技术》, vol. 58, no. 7, 28 July 2018 (2018-07-28), pages 760 - 767 * |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106875090B (zh) | 一种面向动态任务的多机器人分布式任务分配形成方法 | |
CN108594858B (zh) | 马尔科夫运动目标的无人机搜索方法及装置 | |
CN109544998B (zh) | 一种基于分布估计算法的航班时隙分配多目标优化方法 | |
CN113392521B (zh) | 面向海空联合作战任务的资源编组模型构建方法及系统 | |
CN105302153A (zh) | 异构多无人机协同察打任务的规划方法 | |
CN112859912B (zh) | 中继充电模式下无人机路径规划的自适应优化方法与系统 | |
CN113703472B (zh) | 多无人机与车辆协同巡检的路径优化方法和装置 | |
CN104077634B (zh) | 基于多目标优化的主动‑反应式动态项目调度方法 | |
CN107180309B (zh) | 一种空天地观测资源的协同规划方法 | |
CN111813144B (zh) | 一种基于改进羊群算法的多无人机协同航路规划方法 | |
CN112306658A (zh) | 一种多能源系统数字孪生应用管理调度方法 | |
CN111737826B (zh) | 一种基于增强学习的轨道交通自动仿真建模方法及装置 | |
CN112149990B (zh) | 一种基于预测的模糊供需匹配方法 | |
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 | |
CN115730700A (zh) | 基于参考点的自适应多目标任务规划方法、系统和设备 | |
CN113887748B (zh) | 在线联邦学习任务分配方法、装置、联邦学习方法及系统 | |
CN110222824B (zh) | 智能算法模型自主生成及进化方法、系统、装置 | |
CN113608855B (zh) | 一种边缘计算中服务功能链放置的强化学习方法 | |
CN111352713A (zh) | 边缘环境面向时延优化的自动驾驶推理任务工作流调度方法 | |
CN113438620B (zh) | 一种无人机集群中心节点最优选择方法 | |
Liu et al. | Quantum-inspired African vultures optimization algorithm with elite mutation strategy for production scheduling problems | |
CN108197749B (zh) | 飞行器滑行调度方法与装置 | |
CN115936371A (zh) | 一种基于局部邻域搜索的装备调度规划方法 | |
CN117075634A (zh) | 基于改进蚁群算法的配电网多无人机调度巡检方法及装置 | |
Huang et al. | Path planning model for UAV collaborative search task Based on NGA |
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 |