CN116070803A - 基于间隔圈数模型的卫星调度问题求解方法和装置 - Google Patents
基于间隔圈数模型的卫星调度问题求解方法和装置 Download PDFInfo
- Publication number
- CN116070803A CN116070803A CN202310349007.3A CN202310349007A CN116070803A CN 116070803 A CN116070803 A CN 116070803A CN 202310349007 A CN202310349007 A CN 202310349007A CN 116070803 A CN116070803 A CN 116070803A
- Authority
- CN
- China
- Prior art keywords
- observation
- constraint
- satellite
- target
- interval
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 53
- 238000005457 optimization Methods 0.000 claims abstract description 28
- 238000000354 decomposition reaction Methods 0.000 claims abstract description 16
- 230000006870 function Effects 0.000 claims description 48
- 230000008901 benefit Effects 0.000 claims description 25
- 238000012986 modification Methods 0.000 claims description 17
- 230000004048 modification Effects 0.000 claims description 17
- 238000004590 computer program Methods 0.000 claims description 11
- 238000010276 construction Methods 0.000 claims description 10
- 230000009977 dual effect Effects 0.000 claims description 8
- 238000002372 labelling Methods 0.000 claims description 5
- 230000002457 bidirectional effect Effects 0.000 claims description 4
- 230000003287 optical effect Effects 0.000 description 4
- 230000002829 reductive effect Effects 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 230000008569 process Effects 0.000 description 3
- 238000013461 design Methods 0.000 description 2
- 230000000694 effects Effects 0.000 description 2
- 238000011835 investigation Methods 0.000 description 2
- 238000012544 monitoring process Methods 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 238000011160 research Methods 0.000 description 2
- 230000001360 synchronised effect Effects 0.000 description 2
- 230000001133 acceleration Effects 0.000 description 1
- 238000006243 chemical reaction Methods 0.000 description 1
- 238000001514 detection method Methods 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 230000000670 limiting effect Effects 0.000 description 1
- 239000004973 liquid crystal related substance Substances 0.000 description 1
- 230000036961 partial effect Effects 0.000 description 1
- 230000009467 reduction Effects 0.000 description 1
- 238000001228 spectrum Methods 0.000 description 1
- 230000003068 static effect Effects 0.000 description 1
- 230000036962 time dependent Effects 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F17/00—Digital computing or data processing equipment or methods, specially adapted for specific functions
- G06F17/10—Complex mathematical operations
- G06F17/11—Complex mathematical operations for solving equations, e.g. nonlinear equations, general mathematical optimization problems
-
- 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
Landscapes
- Engineering & Computer Science (AREA)
- Business, Economics & Management (AREA)
- Physics & Mathematics (AREA)
- Human Resources & Organizations (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Mathematical Physics (AREA)
- Computational Mathematics (AREA)
- Data Mining & Analysis (AREA)
- General Business, Economics & Management (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Tourism & Hospitality (AREA)
- Mathematical Analysis (AREA)
- Mathematical Optimization (AREA)
- Quality & Reliability (AREA)
- Pure & Applied Mathematics (AREA)
- Educational Administration (AREA)
- Algebra (AREA)
- Databases & Information Systems (AREA)
- Software Systems (AREA)
- General Engineering & Computer Science (AREA)
- Position Fixing By Use Of Radio Waves (AREA)
Abstract
Description
技术领域
本申请涉及卫星任务调度技术领域,特别是涉及一种基于间隔圈数模型的卫星调度问题求解方法和装置。
背景技术
光学对地观测卫星是通过搭载的光学遥感器(有效载荷)对地球表面和低层大气进行探测以获取相关信息的一类卫星平台。光学对地观测卫星具有覆盖范围广,信息获取精度高,不受空域国界限制,不涉及人员安全等优势,被广泛应用于态势侦察、目标识别、地球资源探测、自然灾害监视、城市规划和农作物监测等领域。
卫星运行于一定的轨道,同一轨道圈次内有很多目标可能被观测,每个目标都具有相应的观测时间窗口。为了充分利用宝贵的卫星资源,获取最大数量、最优观测效果的地面目标影像数据,需要对什么时间、对哪些目标进行观测实施合理的规划调度。因此,研究对地观测卫星调度问题,对于提高卫星资源使用效率,满足用户需求具有重要意义。
传统的对地观测卫星调度问题研究都是假设目标只需要一次观测即可完成任务,满足用户需求,因此问题建模时假设每个目标最多观测一次。虽然该假设便于问题建模描述,但是显然不适用于目标具有多次观测需求,并且多次观测相互耦合、相互依赖的现实应用场景。
发明内容
基于此,有必要针对上述技术问题,提供一种基于间隔圈数模型的卫星调度问题求解方法和装置。
一种基于间隔圈数模型的卫星调度方法,所述方法包括:
获取目标观测任务;所述目标观测任务包括:普通观测任务和精确观测任务;所述精确观测任务在所述普通观测任务之后,以及所述普通观测任务与所述精确观测任务执行的时间间隔与所述精确观测任务完成的成功率相关;
构建卫星观测模型;所述卫星观测模型包括:有向图,所述有向图中的节点包括:待观测目标、虚拟起点以及虚拟终点;
构建每个待观测目标的间隔圈数收益函数;所述间隔圈数收益函数表示完成待观测目标观测在间隔圈次完成两次观测的收益;
根据所述卫星观测模型以及所述间隔圈数收益函数,构建最大化收益的目标函数以及约束条件,得到卫星调度优化问题;
采用分解方式对所述卫星调度优化问题进行分解,得到主问题和定价子问题;
通过对所述主问题和所述定价子问题进行求解,得到卫星调度方案。
在其中一个实施例中,还包括:构建卫星观测模型包括有向图,其中节点集合为,弧集合为,节点0和对应没有收益的虚拟起点和虚拟终点,表示有收益的节点集合;
在所述卫星观测模型中,每个目标对应一个持续观测时间,以及设置圈次集合为;其中,每圈次都从虚拟起点出发,返回虚拟终点;每圈次对目标的可观测时间窗口是,每圈次经过目标和的转换时间为。
在其中一个实施例中,还包括:将两次观测的待观测目标差分为两个目标,包括:目标和目标,,表示第一次观测的目标集合,表示第二次观测的目标集合;
设置每个目标两次观测间隔的圈数,其中,;
设置目标在间隔圈后完成两次观测后完成的收益为:
;
其中,表示目标在间隔圈后完成两次观测后完成的收益。
在其中一个实施例中,还包括:根据所述卫星观测模型以及所述间隔圈数收益函数,构建最大化收益的目标函数为:
;
其中,表示目标完成两次观测所在圈次是否间隔圈;
构建约束条件包括:
观测起点和终点约束为:
;
其中,起点为节点0,终点为节点;
流平衡约束为:
;
其中,和分别表示每圈次从目标到目标和每圈次从目标到目标;
观测约束为:
;
完成观测约束为:
;
决策变量约束为:
;
观测圈次约束为:
;
观测排序约束为:
;
其中,表示每圈次观测目标的开始时间,为正整数;
时间窗约束为:
;
;
决策变量取值范围约束为:
;
;
。
在其中一个实施例中,采用分解方式对所述卫星调度优化问题进行分解,得到主问题为:
;
修改所述主问题的约束条件为:
对所述观测约束进行修改,得到:
;
对所述完成观测约束进行修改,得到:
;
对所述决策变量约束进行修改,得到:
;
对所述观测圈次约束进行修改,得到:
;
;
对所述决策变量取值范围约束进行修改,得到:
;
;
以及分别设置和为修改后所述观测约束、修改后所述完成观测约束、修改后所述决策变量约束以及修改后所述决策变量约束再对偶线性规划问题中的对偶变量。
在其中一个实施例中,根据所述对偶变量,得到定价子问题为:
;
其中,所述定价子问题的约束条件包括:所述观测起点和终点约束、所述流平衡约束、所述观测排序约束、所述时间窗约束以及所述决策变量取值范围约束。
在其中一个实施例中,还包括:通过有向图简化、双向动态标号算法以及分支策略对所述主问题和所述定价子问题进行求解,得到卫星调度方案。
一种基于间隔圈数模型的卫星调度装置,所述装置包括:
任务获取模块,用于获取目标观测任务;所述目标观测任务包括:普通观测任务和精确观测任务;所述精确观测任务在所述普通观测任务之后,以及所述普通观测任务与所述精确观测任务执行的时间间隔与所述精确观测任务完成的成功率相关;
观测模型构建模块,用于构建卫星观测模型;所述卫星观测模型包括:有向图,所述有向图中的节点包括:待观测目标、虚拟起点以及虚拟终点;
收益函数构建模块,用于构建每个待观测目标的间隔圈数收益函数;所述间隔圈数收益函数表示完成待观测目标观测在间隔圈次完成两次观测的收益;
求解模块,用于根据所述卫星观测模型以及所述间隔圈数收益函数,构建最大化收益的目标函数以及约束条件,得到卫星调度优化问题,采用分解方式对所述卫星调度优化问题进行分解,得到主问题和定价子问题;通过对所述主问题和所述定价子问题进行求解,得到卫星调度方案。
上述基于间隔圈数模型的卫星调度问题求解方法和装置,在处理包含普通观测任务和精确观测任务的目标观测任务时,传统的一次观测即可完成任务方法以无法解决本发明的问题,在此基础上,本发明通过建立普通观测任务与所述精确观测任务执行的时间间隔与所述精确观测任务完成的成功率相关的关系,从而将时间间隔与间隔圈数相对应,为了更好了研究卫星观测问题,构建了卫星观测模型,然后以卫星观测模型为基础,确定了每个待观测目标的间隔圈数收益函数,最后通过收益函数以及间隔时间构建优化问题,在求解上述优化问题时,将优化问题采用分解为主问题和定价子问题,可以大大提升问题的求解效率。
附图说明
图1为一个实施例中基于间隔圈数模型的卫星调度方法的流程示意图;
图2为一个实施例中两个目标简化后的有向图;
图3为一个实施例中基于间隔圈数模型的卫星调度装置的结构框图;
图4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,提供了一种基于间隔圈数模型的卫星调度问题求解方法,包括以下步骤:
步骤102,获取目标观测任务。
目标观测任务包括:普通观测任务和精确观测任务,普通观测任务指的是对待观测目标进行普查,可以包括目标的位置、数量等,而精确观测任务指的是对待观测目标进行详查,可以包括目标的类别、大小等。例如在进行目标搜索任务时,可以用电磁频谱卫星对目标进行普查,再通过引导光学卫星对目标进行详查,获取到目标的详细信息,因此,精确观测任务在普通观测任务之后。此时,需要至少两次观测才能满足用户需求,并且观测效果依赖于两次观测之间的时间间隔,如果观测时间间隔过长,可能由于目标丢失导致观测失败。因此,通观测任务与精确观测任务执行的时间间隔与所述精确观测任务完成的成功率相关。
步骤104,构建卫星观测模型。
卫星观测模型包括:有向图,有向图中的节点包括:待观测目标、虚拟起点以及虚拟终点。具体的,卫星为绕地卫星,围绕地球一圈回到起点,因此在一圈中,无法进行折返进行目标进行观测,只能在下一圈进行观测。
步骤106,构建每个待观测目标的间隔圈数收益函数。
间隔圈数收益函数表示完成待观测目标观测在间隔圈次完成两次观测的收益。
步骤108,根据卫星观测模型以及间隔圈数收益函数,构建最大化收益的目标函数以及约束条件,得到卫星调度优化问题。
步骤110,采用分解方式对卫星调度优化问题进行分解,得到主问题和定价子问题。
本步骤中,分解指的是Dantzig-Wolfe分解。
步骤112,通过对主问题和定价子问题进行求解,得到卫星调度方案。
采用Dantzig-Wolfe分解后,用列生成求解,在列生成过程中采用了动态ng松弛加速求解。采用分支策略使分数变量化整。
上述基于间隔圈数模型的卫星调度问题求解方法中,在处理包含普通观测任务和精确观测任务的目标观测任务时,传统的一次观测即可完成任务方法以无法解决本发明的问题,在此基础上,本发明通过建立普通观测任务与所述精确观测任务执行的时间间隔与所述精确观测任务完成的成功率相关的关系,从而将时间间隔与间隔圈数相对应,为了更好了研究卫星观测问题,构建了卫星观测模型,然后以卫星观测模型为基础,确定了每个待观测目标的间隔圈数收益函数,最后通过收益函数以及间隔时间构建优化问题,在求解上述优化问题时,将优化问题采用分解为主问题和定价子问题,可以大大提升问题的求解效率。
在其中一个实施例中,构建卫星观测模型包括有向图,其中节点集合为,弧集合为,节点0和对应没有收益的虚拟起点和虚拟终点,表示有收益的节点集合;在卫星观测模型中,每个目标对应一个持续观测时间,以及设置圈次集合为;其中,每圈次都从虚拟起点出发,返回虚拟终点;每圈次对目标的可观测时间窗口是,表示开始时间,表示结束时间,每圈次经过目标和的转换时间为。
在其中一个实施例中,将两次观测的待观测目标差分为两个目标,包括:目标和目标,,表示第一次观测的目标集合,表示第二次观测的目标集合;设置每个目标两次观测间隔的圈数,其中,;设置目标在间隔圈后完成两次观测后完成的收益为:
;
其中,表示目标在间隔圈后完成两次观测后完成的收益。
本实施例中,要求在一定的间隔时间内完成对目标的两次观测,如果间隔时间太短或太长,收益都会减少,部分场景中,收益仅随间隔时间增加而减少。因此,为了考虑间隔时间对收益的影响,定义了一个间隔时间依赖收益函数。每个目标都有一个离散的阶梯收益函数,不同的间隔时间对应不同的收益。
在其中一个实施例中,根据卫星观测模型以及间隔圈数收益函数,构建最大化收益的目标函数为:
;
其中,表示目标完成两次观测所在圈次是否间隔圈。
值得说明的是,为了使总收益最大化,需要做出如下决策:每圈次观测哪些目标并对这些目标进行排序;决定每个目标两次观测的间隔时间;选择每圈次观测每个目标的开始时间。设计了以下决策变量:
表示每圈次从目标到目标,否则为0;
表示目标的两次观测间隔时间,否则为0;
为实数变量,表示每圈次观测目标的开始时间。
在其中一个实施例中,设计约束条件包括:观测起点和终点约束、流平衡约束、观测约束、完成观测约束、决策变量约束、观测圈次约束、观测排序约束、时间窗约束以及决策变量取值范围约束。
具体的,观测起点和终点约束为:
;
其中,起点为节点0,终点为节点;
流平衡约束为:
;
其中,和分别表示每圈次从目标到目标和每圈次从目标到目标;
所述观测约束为:
;
完成观测约束为:
;
决策变量约束为:
;
观测圈次约束为:
;
观测排序约束为:
;
其中,表示每圈次观测目标的开始时间,为正整数;
时间窗约束为:
;
;
决策变量取值范围约束为:
;
;
;
对于上述约束,观测起点和终点约束约定了每个圈次的起点后和观测后返回的终点,流平衡约束约束了每个目标有进有出,且被同一圈次观测,观测约束约束了每个拆分的目标最多被观测一次,完成观测约束约束了目标的两次观测要么都完成,要么都不完成,决策变量约束约束了决策变量之间的关系,表示目标两次观测相差的圈数,观测圈次约束约束了每个目标两次观测相差的圈数最多选择一个间隔圈数,观测排序约束约束了前后两个目标的观测时间先后衔接关系,前序目标的观测开始时间、持续时间与转换时间之和不超过后序目标的观测开始时间,是一个足够大的正整数,时间窗约束约束了目标的观测开始时间要不小于时间窗的最早开始时间,观测结束时间不大于时间窗的最晚开始时间,决策变量取值范围约束限定了决策变量的取值范围。
在其中一个实施例中,采用分解方式对所述卫星调度优化问题进行分解,得到主问题为:
;
修改所述主问题的约束条件为:
对所述观测约束进行修改,得到:
;
对所述完成观测约束进行修改,得到:
;
对决策变量约束进行修改,得到:
;
对观测圈次约束进行修改,得到:
;
;
其中,上述观测圈次约束中第一个约束为观测卫星约束,第二个约束是观测圈次组合约束。
对所述决策变量取值范围约束进行修改,得到:
;
;
以及分别设置和为修改后所述观测约束、修改后所述完成观测约束、修改后所述决策变量约束以及修改后所述决策变量约束再对偶线性规划问题中的对偶变量。
具体的,将每个圈次的列集合表示为。每列都包含参数,其中当圈次上的列连续观测目标和时,,否则为0。引入一个变量,当圈次上的列被选中时,,否则为0。 当目标的两次观测间隔时间为时,,否则为0。
在其中一个实施例中,根据所述对偶变量,得到定价子问题为:
;
其中,定价子问题的约束条件包括:观测起点和终点约束、流平衡约束、观测排序约束、时间窗约束以及决策变量取值范围约束。
具体的,定价子问题是一个资源受限的初等最长路问题 (Resource ConstrainedElementary Longest Path Problem, RCELPP)。对于每个定价子问题,如果最优值大于0,就会为相应的圈次产生一个新的列,并使其收益提高;否则就不会产生新的列。列生成迭代,直到所有定价子问题都返回一个不大于0的最优值,证明没有违反约束。
在其中一个实施例中,有向图优化过程如下:由于每个目标在每个圈次的可观测时间窗口不同,特别是有些目标在某一圈次没有时间窗口,所以每个圈次的子问题是不同的。
举例,要求完成目标A和B的两次观测。目标A被分成和,目标B被分成和。卫星运行4圈。要求每个目标在同一圈次不能被观测两次。目标A的时间窗是[8:00,8:05]、[9:17,9:20)和[8:10,8:20]。目标B的时间窗是[9:00,9:04]、[11:55,12:00]和15,8:20]。图2是两个目标简化后的有向图。图中包含的节点取决于当前圈次是否有时间窗,包含的弧取决于节点之间是否满足时间衔接。目标A和B在第1圈次都有时间窗。第2圈次只有目标B有时间窗,所以有向图只包含目标B。同样的,第3圈次有向图只包含目标A。目标A和B在第4圈次都有时间窗,且有向图带环。
由于每个目标的两次观测不能在同一圈次进行,每个目标可以在其最早的时间窗口(如果目标在第一圈次没有时间窗口,那么第二圈次的时间窗口是最早的,以此类推)从当前圈次的有向图中删除目标的第二次观测节点。同样地,在其最晚的时间窗口,目标的第一次观测节点可以从该圈次的有向图中删除。在这个例子中,可以通过从第一圈次的有向图中删除第二次观测节点及相关弧()和从最后一圈次的有向图中删除第一次观测节点及相关弧()来简化有向图。
在其中一个实施例中,双向动态标号算法的过程如下:
针对上述资源受限的初等最长路定价子问题,采用双向动态标号算法求解该问题。这个算法主要包括前向扩展、后向扩展和路径合并。
一个前向可行的部分列由最后一个节点相关的标号表示,,由以下部分组成:
: 最后一个观测的节点;
:节点最早的开始观测时间 ;
:该列的缩减成本;
:该列已观测的目标集合。
当把节点的前向标号扩展到其相邻的节点时,对于一个节点,如果满足和,我们可以根据以下资源扩展函数生成一个新的前向标号。
;
;
;
前向标号是通过从初始标号开始生成的。在前向扩展的过程中,所有由以下占优规则确定的被占有标号都可以消除。
占优规则1(前向占优)。一个以节点结束的标号被另一个以节点结束的标号所支配,如果以下条件都满足并且至少有一个不等式严格满足:
1.;
2.;
3.;
前向扩展过程如算法1所示。定义为节点的前向标号集;为待检查的节点集。
一个后向可行的部分列由最后一个节点相关的标号表示,,由以下部分组成:
:最后一个观测的节点;
:节点最晚的开始观测时间 ;
:该列的缩减成本;
:该列已观测的目标集合。
当把节点的后向标号扩展到其相邻的节点时,对于一个节点,如果满足和,我们可以根据以下资源扩展函数生成一个新的后向标号:
;
;
;
后向标号是通过从初始标号开始生成的。在后向扩展的过程中,所有由以下占优规则确定的被占有标号都可以消除。
后向扩展的过程与前向扩展类似,不再介绍。
占优规则2(后向占优)。一个以节点结束的标号被另一个以节点结束的标号所支配,如果以下条件都满足并且至少有一个不等式严格满足:
1.;
2.;
3.;
一个结束于节点的前向标号和后向标号,如果,,那么两个标号可以合并成一条完整的可行列。该列的缩减成本为:
;
针对路径初等约束,即每个节点最多只能访问一次。为了提高问题求解效率,采用动态ng路径松弛技术。
在其中一个实施例中,分支策略过程如下:
解决方案中决策变量可能为分数,因此需要进行分支,化整。在这里,我们提出了三个层次的分支策略。在这三个层次分支后,要么有一个整数解,要么问题不可行。
在第一层,我们对每个目标的圈次数量进行分支。设为观测目标的圈次数量。如果至少有一个目标有小数,那么我们就在其小数部分最接近0.5的地方进行分支。
在第二层,当所有目标都使用整数的圈次时,我们在两个目标之间的总流量进行分支。定义为从目标到目标的总流量。如果至少有一个目标对存在小数,那么我们就在其小数部分最接近0.5的地方进行分支。
在第三层,我们设计基于观测间隔时间的新分支策略。如果至少有一个目标的为分数,那么我们就在其小数部分最接近0.5的进行分支。在一个分支中,强制目标和在间隔时间完成观测,即在主问题添加约束。在另一个分支中,禁止目标和在间隔时间完成观测,即在主问题添加约束,允许但不强制在任何其他间隔时间观测。
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3所示,提供了一种基于间隔圈数模型的卫星调度问题求解装置,包括:任务获取模块302、观测模型构建模块304、收益函数构建模块306和求解模块308,其中:
任务获取模块302,用于获取目标观测任务;所述目标观测任务包括:普通观测任务和精确观测任务;所述精确观测任务在所述普通观测任务之后,以及所述普通观测任务与所述精确观测任务执行的时间间隔与所述精确观测任务完成的成功率相关;
观测模型构建模块304,用于构建卫星观测模型;所述卫星观测模型包括:有向图,所述有向图中的节点包括:待观测目标、虚拟起点以及虚拟终点;
收益函数构建模块306,用于构建每个待观测目标的间隔圈数收益函数;所述间隔圈数收益函数表示完成待观测目标观测在间隔圈次完成两次观测的收益;
求解模块308,用于根据所述卫星观测模型以及所述间隔圈数收益函数,构建最大化收益的目标函数以及约束条件,得到卫星调度优化问题,采用分解方式对所述卫星调度优化问题进行分解,得到主问题和定价子问题;通过对所述主问题和所述定价子问题进行求解,得到卫星调度方案。
在其中一个实施例中,观测模型构建模块304用于构建卫星观测模型包括有向图,其中节点集合为,弧集合为,节点0和对应没有收益的虚拟起点和虚拟终点,表示有收益的节点集合;在所述卫星观测模型中,每个目标对应一个持续观测时间,以及设置圈次集合为;其中,每圈次都从虚拟起点出发,返回虚拟终点;每圈次对目标的可观测时间窗口是,每圈次经过目标和的转换时间为。
在其中一个实施例中,收益函数构建模块306用于将两次观测的待观测目标差分为两个目标,包括:目标和目标,,表示第一次观测的目标集合,表示第二次观测的目标集合;设置每个目标两次观测间隔的圈数M,其中,;设置目标在间隔圈后完成两次观测后完成的收益为:
;
其中,表示目标在间隔圈后完成两次观测后完成的收益。
在其中一个实施例中,求解模块308还用于根据卫星观测模型以及间隔圈数收益函数,构建最大化收益的目标函数为:
;
其中,表示目标完成两次观测所在圈次是否间隔圈;
构建约束条件包括:
观测起点和终点约束为:
;
其中,起点为节点0,终点为节点;
所述流平衡约束为:
;
其中,和分别表示每圈次从目标到目标和每圈次从目标到目标;
所述观测约束为:
;
所述完成观测约束为:
;
所述决策变量约束为:
;
所述观测圈次约束为:
;
所述观测排序约束为:
;
其中,表示每圈次观测目标的开始时间,为正整数;
所述时间窗约束为:
;
;
所述决策变量取值范围约束为:
;
;
;
在其中一个实施例中,求解模块308还用于采用分解方式对所述卫星调度优化问题进行分解,得到主问题为:
;
修改所述主问题的约束条件为:
对所述观测约束进行修改,得到:
;
对所述完成观测约束进行修改,得到:
;
对所述决策变量约束进行修改,得到:
;
对所述观测圈次约束进行修改,得到:
;
;
对所述决策变量取值范围约束进行修改,得到:
;
;
以及分别设置和为修改后所述观测约束、修改后所述完成观测约束、修改后所述决策变量约束以及修改后所述决策变量约束再对偶线性规划问题中的对偶变量。
在其中一个实施例中,求解模块308还用于根据所述对偶变量,得到定价子问题为:
;
其中,所述定价子问题的约束条件包括:所述观测起点和终点约束、所述流平衡约束、所述观测排序约束、所述时间窗约束以及所述决策变量取值范围约束。
在其中一个实施例中,求解模块308还用于通过有向图简化、双向动态标号算法以及分支策略对所述主问题和所述定价子问题进行求解,得到卫星调度方案。
关于基于间隔圈数模型的卫星调度问题求解装置的具体限定可以参见上文中对于基于间隔圈数模型的卫星调度问题求解方法的限定,在此不再赘述。上述基于间隔圈数模型的卫星调度问题求解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4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间隔圈数模型的卫星调度问题求解方法。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4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)
1.一种基于间隔圈数模型的卫星调度问题求解方法,其特征在于,所述方法包括:
获取目标观测任务;所述目标观测任务包括:普通观测任务和精确观测任务;所述精确观测任务在所述普通观测任务之后,以及所述普通观测任务与所述精确观测任务执行的时间间隔与所述精确观测任务完成的成功率相关;
构建卫星观测模型;所述卫星观测模型包括:有向图,所述有向图中的节点包括:待观测目标、虚拟起点以及虚拟终点;
构建每个待观测目标的间隔圈数收益函数;所述间隔圈数收益函数表示完成待观测目标观测在间隔圈次完成两次观测的收益;
根据所述卫星观测模型以及所述间隔圈数收益函数,构建最大化收益的目标函数以及约束条件,得到卫星调度优化问题;
采用DW分解方式对所述卫星调度优化问题进行分解,得到主问题和定价子问题;
通过对所述主问题和所述定价子问题进行求解,得到卫星调度方案。
2.根据权利要求1所述的方法,其特征在于,所述构建卫星观测模型,包括:
构建卫星观测模型包括有向图,其中节点集合为,弧集合为,节点0和对应没有收益的虚拟起点和虚拟终点,表示有收益的节点集合;
在所述卫星观测模型中,每个目标对应一个持续观测时间,以及设置圈次集合为;其中,每圈次都从虚拟起点出发,返回虚拟终点;每圈次对目标的可观测时间窗口是,每圈次经过目标和的转换时间为。
3.根据权利要求2所述的方法,其特征在于,构建每个待观测目标的间隔圈数收益函数,包括:
将两次观测的待观测目标拆分为两个目标,包括:目标和目标,,表示第一次观测的目标集合,表示第二次观测的目标集合;
设置每个目标两次观测间隔的圈数,其中,;
设置目标在间隔圈后完成两次观测后完成的收益为:
;
其中,表示目标在间隔圈后完成两次观测后完成的收益。
4.根据权利要求3所述的方法,其特征在于,根据所述卫星观测模型以及所述间隔圈数收益函数,构建最大化收益的目标函数以及约束条件,得到卫星调度优化问题,包括:
根据所述卫星观测模型以及所述间隔圈数收益函数,构建最大化收益的目标函数为:
;
其中,表示目标完成两次观测所在圈次是否间隔圈;
构建约束条件包括:
观测起点和终点约束为:
;
其中,起点为节点0,终点为节点;
流平衡约束为:
;
其中,和分别表示每圈次从目标到目标和每圈次从目标到目标;
观测约束为:
;
完成观测约束为:
;
决策变量约束为:
;
观测圈次约束为:
;
观测排序约束为:
;
其中,表示每圈次观测目标的开始时间,为正整数;
时间窗约束为:
;
;
决策变量取值范围约束为:
;
;
。
5.根据权利要求4所述的方法,其特征在于,所述采用分解方式对所述卫星调度优化问题进行分解,得到主问题,包括:
采用分解方式对所述卫星调度优化问题进行分解,得到主问题为:
;
修改所述主问题的约束条件为:
对所述观测约束进行修改,得到:
;
对所述完成观测约束进行修改,得到:
;
对所述决策变量约束进行修改,得到:
;
对所述观测圈次约束进行修改,得到:
;
;
对所述决策变量取值范围约束进行修改,得到:
;
;
以及分别设置和为修改后所述观测约束、修改后所述完成观测约束、修改后所述决策变量约束以及修改后所述决策变量约束再对偶线性规划问题中的对偶变量。
6.根据权利要求5所述的方法,其特征在于,采用分解方式对所述卫星调度优化问题进行分解,得到定价子问题包括:
根据所述对偶变量,得到定价子问题为:
;
其中,所述定价子问题的约束条件包括:所述观测起点和终点约束、所述流平衡约束、所述观测排序约束、所述时间窗约束以及所述决策变量取值范围约束。
7.根据权利要求1至6任意一项所述的方法,其特征在于,通过对所述主问题和所述定价子问题进行求解,得到卫星调度方案,包括:
通过有向图简化、双向动态标号算法以及分支策略对所述主问题和所述定价子问题进行求解,得到卫星调度方案。
8.一种基于间隔圈数模型的卫星调度问题求解装置,其特征在于,所述装置包括:
任务获取模块,用于获取目标观测任务;所述目标观测任务包括:普通观测任务和精确观测任务;所述精确观测任务在所述普通观测任务之后,以及所述普通观测任务与所述精确观测任务执行的时间间隔与所述精确观测任务完成的成功率相关;
观测模型构建模块,用于构建卫星观测模型;所述卫星观测模型包括:有向图,所述有向图中的节点包括:待观测目标、虚拟起点以及虚拟终点;
收益函数构建模块,用于构建每个待观测目标的间隔圈数收益函数;所述间隔圈数收益函数表示完成待观测目标观测在间隔圈次完成两次观测的收益;
求解模块,用于根据所述卫星观测模型以及所述间隔圈数收益函数,构建最大化收益的目标函数以及约束条件,得到卫星调度优化问题,采用分解方式对所述卫星调度优化问题进行分解,得到主问题和定价子问题;通过对所述主问题和所述定价子问题进行求解,得到卫星调度方案。
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 |
---|---|---|---|
CN202310349007.3A CN116070803B (zh) | 2023-04-04 | 2023-04-04 | 基于间隔圈数模型的卫星调度问题求解方法和装置 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN202310349007.3A CN116070803B (zh) | 2023-04-04 | 2023-04-04 | 基于间隔圈数模型的卫星调度问题求解方法和装置 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN116070803A true CN116070803A (zh) | 2023-05-05 |
CN116070803B CN116070803B (zh) | 2023-06-23 |
Family
ID=86173518
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN202310349007.3A Active CN116070803B (zh) | 2023-04-04 | 2023-04-04 | 基于间隔圈数模型的卫星调度问题求解方法和装置 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN116070803B (zh) |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150301192A1 (en) * | 2010-12-10 | 2015-10-22 | Maxime Leclercq | Method and System for Power Optimization for a Global Navigation Satellite System |
US20160261528A1 (en) * | 2015-03-03 | 2016-09-08 | Apple Inc. | Dynamic rule-based notifications |
CN109165858A (zh) * | 2018-09-05 | 2019-01-08 | 中国人民解放军国防科技大学 | 面向大区域目标观测的多星调度方法 |
CN112330000A (zh) * | 2020-10-27 | 2021-02-05 | 中国电子科技集团公司第五十四研究所 | 一种基于当圈策略的应急快响卫星资源优化决策方法 |
CN114545459A (zh) * | 2021-12-22 | 2022-05-27 | 中国西安卫星测控中心 | 基于统一逻辑表征的低轨卫星例行测控任务预处理方法 |
CN114604443A (zh) * | 2022-02-17 | 2022-06-10 | 中国电子科技集团公司第十研究所 | 一种真实复杂约束条件下的多星测控调度方法及系统 |
CN114819765A (zh) * | 2022-06-27 | 2022-07-29 | 中国人民解放军国防科技大学 | 卫星测控资源调度方法及相关设备 |
-
2023
- 2023-04-04 CN CN202310349007.3A patent/CN116070803B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20150301192A1 (en) * | 2010-12-10 | 2015-10-22 | Maxime Leclercq | Method and System for Power Optimization for a Global Navigation Satellite System |
US20160261528A1 (en) * | 2015-03-03 | 2016-09-08 | Apple Inc. | Dynamic rule-based notifications |
CN109165858A (zh) * | 2018-09-05 | 2019-01-08 | 中国人民解放军国防科技大学 | 面向大区域目标观测的多星调度方法 |
CN112330000A (zh) * | 2020-10-27 | 2021-02-05 | 中国电子科技集团公司第五十四研究所 | 一种基于当圈策略的应急快响卫星资源优化决策方法 |
CN114545459A (zh) * | 2021-12-22 | 2022-05-27 | 中国西安卫星测控中心 | 基于统一逻辑表征的低轨卫星例行测控任务预处理方法 |
CN114604443A (zh) * | 2022-02-17 | 2022-06-10 | 中国电子科技集团公司第十研究所 | 一种真实复杂约束条件下的多星测控调度方法及系统 |
CN114819765A (zh) * | 2022-06-27 | 2022-07-29 | 中国人民解放军国防科技大学 | 卫星测控资源调度方法及相关设备 |
Non-Patent Citations (3)
Title |
---|
孙凯;陈成;陈英武;贺仁杰;: "成像卫星星地联合成像调度", 控制工程, no. 04, pages 148 - 151 * |
王沛;李菊芳;谭跃进;: "编队卫星对地观测调度问题模型比较研究", 系统工程与电子技术, no. 08, pages 139 - 144 * |
童科伟: "广义多圈Lambert算法求解多脉冲最优交会问题", 《 航空航天科学与工程》, pages 1398 - 1402 * |
Also Published As
Publication number | Publication date |
---|---|
CN116070803B (zh) | 2023-06-23 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Xu et al. | Priority-based constructive algorithms for scheduling agile earth observation satellites with total priority maximization | |
Peng et al. | Agile earth observation satellite scheduling: An orienteering problem with time-dependent profits and travel times | |
CN109960544B (zh) | 基于数据驱动型敏捷卫星任务并行调度方法 | |
CN109919484B (zh) | 一种星上自主任务规划方法 | |
Zhou et al. | A spatiotemporal attention mechanism-based model for multi-step citywide passenger demand prediction | |
He et al. | Scheduling multiple agile earth observation satellites with an edge computing framework and a constructive heuristic algorithm | |
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 | |
CN113703741B (zh) | 神经网络编译器配置方法、装置、计算机设备和存储介质 | |
CN104050324A (zh) | 针对单星任务规划问题的数学模型的构建方法及求解方法 | |
CN114357724A (zh) | 基于动态多目标优化的临机用频规划方法、装置和设备 | |
Lee et al. | Towards robust technology roadmapping: How to diagnose the vulnerability of organisational plans | |
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 | |
Gu et al. | Mission replanning for multiple agile earth observation satellites based on cloud coverage forecasting | |
Wistuba et al. | Inductive transfer for neural architecture optimization | |
Pihrt et al. | Weatherfusionnet: Predicting precipitation from satellite data | |
CN116070803B (zh) | 基于间隔圈数模型的卫星调度问题求解方法和装置 | |
Peláez-Rodríguez et al. | Bike sharing and cable car demand forecasting using machine learning and deep learning multivariate time series approaches | |
CN116629508A (zh) | 基于圈次组合模型的卫星调度问题求解方法和装置 | |
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 | |
Silva et al. | A study of different metaheuristics to solve the urban transit crew scheduling problem | |
CN114596702A (zh) | 一种交通状态预测模型构建方法及交通状态预测方法 | |
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 | |
CN117521343A (zh) | 基于间隔时间依赖收益的对地观测卫星方法和装置 | |
Wei et al. | Knowledge-transfer based genetic programming algorithm for multi-objective dynamic agile earth observation satellite scheduling problem | |
Han et al. | Improved Dynamic Coupled Graph Convolutional Recurrent Networks for Traffic Forecasting |
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 |