CN116070803B - 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 PDF

Info

Publication number
CN116070803B
CN116070803B CN202310349007.3A CN202310349007A CN116070803B CN 116070803 B CN116070803 B CN 116070803B CN 202310349007 A CN202310349007 A CN 202310349007A CN 116070803 B CN116070803 B CN 116070803B
Authority
CN
China
Prior art keywords
observation
target
satellite
constraint
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.)
Active
Application number
CN202310349007.3A
Other languages
English (en)
Other versions
CN116070803A (zh
Inventor
王建江
李娇娇
周鋆
潘晓刚
李卫丽
罗佳妮
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 CN202310349007.3A priority Critical patent/CN116070803B/zh
Publication of CN116070803A publication Critical patent/CN116070803A/zh
Application granted granted Critical
Publication of CN116070803B publication Critical patent/CN116070803B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

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

本申请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。所述方法包括：获取目标观测任务，构建卫星观测模型，构建每个待观测目标的间隔圈数收益函数，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，采用
Figure ZY_1
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，通过对主问题和定价子问题进行求解，得到卫星调度方案。采用本方法能够提高基于间隔圈数模型求解的效率。

Description

基于间隔圈数模型的卫星调度问题求解方法和装置
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
Figure SMS_1
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
Figure SMS_2
，其中节点集合为/>
Figure SMS_3
，弧集合为/>
Figure SMS_4
，节点0和/>
Figure SMS_5
对应没有收益的虚拟起点和虚拟终点，/>
Figure SMS_6
表示有收益的节点集合；
在所述卫星观测模型中，每个目标
Figure SMS_9
对应一个持续观测时间/>
Figure SMS_11
，以及设置圈次集合为/>
Figure SMS_13
；其中，每圈次都从虚拟起点出发，返回虚拟终点；每圈次/>
Figure SMS_8
对目标/>
Figure SMS_12
的可观测时间窗口是/>
Figure SMS_14
，每圈次经过目标/>
Figure SMS_15
和/>
Figure SMS_7
的转换时间为/>
Figure SMS_10
。
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
Figure SMS_16
和目标/>
Figure SMS_17
，/>
Figure SMS_18
，/>
Figure SMS_19
表示第一次观测的目标集合，
Figure SMS_20
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
Figure SMS_21
，其中，/>
Figure SMS_22
；
设置目标
Figure SMS_23
在间隔/>
Figure SMS_24
圈后完成两次观测后完成的收益为：
Figure SMS_25
；
其中，
Figure SMS_26
表示目标/>
Figure SMS_27
在间隔/>
Figure SMS_28
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：
Figure SMS_29
；
其中，
Figure SMS_30
表示目标/>
Figure SMS_31
完成两次观测所在圈次是否间隔/>
Figure SMS_32
圈；
构建约束条件包括：
观测起点和终点约束为：
Figure SMS_33
；
其中，起点为节点0，终点为节点
Figure SMS_34
；
流平衡约束为：
Figure SMS_35
；
其中，
Figure SMS_37
和/>
Figure SMS_39
分别表示每圈次/>
Figure SMS_41
从目标/>
Figure SMS_38
到目标/>
Figure SMS_40
和每圈次/>
Figure SMS_42
从目标/>
Figure SMS_43
到目标/>
Figure SMS_36
；
观测约束为：
Figure SMS_44
；
完成观测约束为：
Figure SMS_45
；
决策变量约束为：
Figure SMS_46
；
观测圈次约束为：
Figure SMS_47
；
观测排序约束为：
Figure SMS_48
；
其中，
Figure SMS_49
表示每圈次/>
Figure SMS_50
观测目标/>
Figure SMS_51
的开始时间，/>
Figure SMS_52
为正整数；
时间窗约束为：
Figure SMS_53
;
Figure SMS_54
；
决策变量取值范围约束为：
Figure SMS_55
；
Figure SMS_56
；
Figure SMS_57
。
在其中一个实施例中，采用
Figure SMS_58
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：
Figure SMS_59
；
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：
Figure SMS_60
；
对所述完成观测约束进行修改，得到：
Figure SMS_61
；
对所述决策变量约束进行修改，得到：
Figure SMS_62
；
对所述观测圈次约束进行修改，得到：
Figure SMS_63
；
Figure SMS_64
；
对所述决策变量取值范围约束进行修改，得到：
Figure SMS_65
；
Figure SMS_66
；
以及分别设置
Figure SMS_67
和/>
Figure SMS_68
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：
Figure SMS_69
；
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
Figure SMS_70
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
Figure SMS_71
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
Figure SMS_72
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，
Figure SMS_73
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
Figure SMS_74
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
Figure SMS_86
，其中节点集合为/>
Figure SMS_78
，弧集合为/>
Figure SMS_83
，节点0和/>
Figure SMS_80
对应没有收益的虚拟起点和虚拟终点，/>
Figure SMS_88
表示有收益的节点集合；在卫星观测模型中，每个目标/>
Figure SMS_81
对应一个持续观测时间/>
Figure SMS_89
，以及设置圈次集合为/>
Figure SMS_77
；其中，每圈次都从虚拟起点出发，返回虚拟终点；每圈次/>
Figure SMS_84
对目标/>
Figure SMS_82
的可观测时间窗口是
Figure SMS_90
，/>
Figure SMS_76
表示开始时间，/>
Figure SMS_87
表示结束时间，每圈次经过目标/>
Figure SMS_79
和/>
Figure SMS_85
的转换时间为/>
Figure SMS_75
。
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
Figure SMS_93
和目标/>
Figure SMS_94
，/>
Figure SMS_97
，/>
Figure SMS_92
表示第一次观测的目标集合，
Figure SMS_96
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/>
Figure SMS_98
，其中，/>
Figure SMS_99
；设置目标/>
Figure SMS_91
在间隔/>
Figure SMS_95
圈后完成两次观测后完成的收益为：
Figure SMS_100
；
其中，
Figure SMS_101
表示目标/>
Figure SMS_102
在间隔/>
Figure SMS_103
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
Figure SMS_104
都有一个离散的阶梯收益函数，不同的间隔时间/>
Figure SMS_105
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：
Figure SMS_106
；
其中，
Figure SMS_107
表示目标/>
Figure SMS_108
完成两次观测所在圈次是否间隔/>
Figure SMS_109
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：
Figure SMS_110
表示每圈次/>
Figure SMS_111
从目标/>
Figure SMS_112
到目标/>
Figure SMS_113
，否则为0；
Figure SMS_114
表示目标/>
Figure SMS_115
的两次观测间隔时间/>
Figure SMS_116
，否则为0；
Figure SMS_117
为实数变量，表示每圈次/>
Figure SMS_118
观测目标/>
Figure SMS_119
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：
Figure SMS_120
；
其中，起点为节点0，终点为节点
Figure SMS_121
；
流平衡约束为：
Figure SMS_122
；
其中，
Figure SMS_124
和/>
Figure SMS_126
分别表示每圈次/>
Figure SMS_128
从目标/>
Figure SMS_123
到目标/>
Figure SMS_127
和每圈次/>
Figure SMS_129
从目标/>
Figure SMS_130
到目标
Figure SMS_125
；
所述观测约束为：
Figure SMS_131
；
完成观测约束为：
Figure SMS_132
；
决策变量约束为：
Figure SMS_133
；
观测圈次约束为：
Figure SMS_134
；
观测排序约束为：
Figure SMS_135
；
其中，
Figure SMS_136
表示每圈次/>
Figure SMS_137
观测目标/>
Figure SMS_138
的开始时间，/>
Figure SMS_139
为正整数；
时间窗约束为：
Figure SMS_140
；
Figure SMS_141
；
决策变量取值范围约束为：
Figure SMS_142
；
Figure SMS_143
；
Figure SMS_144
；
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
Figure SMS_145
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/>
Figure SMS_146
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/>
Figure SMS_147
，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，/>
Figure SMS_148
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
Figure SMS_149
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：
Figure SMS_150
；
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：
Figure SMS_151
；
对所述完成观测约束进行修改，得到：
Figure SMS_152
；
对决策变量约束进行修改，得到：
Figure SMS_153
；
对观测圈次约束进行修改，得到：
Figure SMS_154
；
Figure SMS_155
；
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：
Figure SMS_156
；
Figure SMS_157
；
以及分别设置
Figure SMS_158
和/>
Figure SMS_159
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
Figure SMS_161
的列集合表示为/>
Figure SMS_167
。每列/>
Figure SMS_171
都包含参数/>
Figure SMS_163
，其中当圈次/>
Figure SMS_165
上的列/>
Figure SMS_169
连续观测目标/>
Figure SMS_173
和/>
Figure SMS_160
时，/>
Figure SMS_164
，否则为0。引入一个变量，当圈次/>
Figure SMS_168
上的列/>
Figure SMS_172
被选中时，/>
Figure SMS_162
，否则为0。 当目标/>
Figure SMS_166
的两次观测间隔时间为/>
Figure SMS_170
时，/>
Figure SMS_174
，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：
Figure SMS_175
；
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
Figure SMS_176
和/>
Figure SMS_177
，目标B被分成/>
Figure SMS_178
和
Figure SMS_179
。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(
Figure SMS_180
)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(/>
Figure SMS_181
)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
Figure SMS_182
由最后一个节点/>
Figure SMS_183
相关的标号/>
Figure SMS_184
表示，/>
Figure SMS_185
，由以下部分组成：
Figure SMS_186
： 最后一个观测的节点/>
Figure SMS_187
；
Figure SMS_188
：节点/>
Figure SMS_189
最早的开始观测时间 ；
Figure SMS_190
：该列的缩减成本；/>
Figure SMS_191
：该列已观测的目标集合。
当把节点
Figure SMS_192
的前向标号扩展到其相邻的节点/>
Figure SMS_193
时，对于一个节点/>
Figure SMS_194
，如果满足/>
Figure SMS_195
和/>
Figure SMS_196
，我们可以根据以下资源扩展函数生成一个新的前向标号/>
Figure SMS_197
。
Figure SMS_198
；
Figure SMS_199
；
Figure SMS_200
；
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
Figure SMS_201
结束的标号被另一个以节点/>
Figure SMS_202
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.
Figure SMS_203
；
2.
Figure SMS_204
；
3.
Figure SMS_205
；
前向扩展过程如算法1所示。定义
Figure SMS_206
为节点/>
Figure SMS_207
的前向标号集；/>
Figure SMS_208
为待检查的节点集。
一个后向可行的部分列
Figure SMS_209
由最后一个节点/>
Figure SMS_210
相关的标号/>
Figure SMS_211
表示，/>
Figure SMS_212
，由以下部分组成：
Figure SMS_213
：最后一个观测的节点/>
Figure SMS_214
；
Figure SMS_215
：节点/>
Figure SMS_216
最晚的开始观测时间 ；
Figure SMS_217
：该列的缩减成本；
Figure SMS_218
：该列已观测的目标集合。
当把节点
Figure SMS_219
的后向标号扩展到其相邻的节点/>
Figure SMS_220
时，对于一个节点/>
Figure SMS_221
，如果满足/>
Figure SMS_222
和/>
Figure SMS_223
，我们可以根据以下资源扩展函数生成一个新的后向标号/>
Figure SMS_224
：
Figure SMS_225
；
Figure SMS_226
；
Figure SMS_227
；
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
Figure SMS_228
结束的标号被另一个以节点/>
Figure SMS_229
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.
Figure SMS_230
；
2.
Figure SMS_231
；
3.
Figure SMS_232
；
一个结束于节点
Figure SMS_233
的前向标号/>
Figure SMS_234
和后向标号
Figure SMS_235
，如果/>
Figure SMS_236
，/>
Figure SMS_237
，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：
Figure SMS_238
；
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
Figure SMS_239
为观测目标/>
Figure SMS_240
的圈次数量。如果至少有一个目标/>
Figure SMS_241
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
Figure SMS_242
为从目标/>
Figure SMS_243
到目标/>
Figure SMS_244
的总流量。如果至少有一个目标对/>
Figure SMS_245
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
Figure SMS_248
的新分支策略。如果至少有一个目标/>
Figure SMS_252
的/>
Figure SMS_256
为分数，那么我们就在其小数部分最接近0.5的/>
Figure SMS_246
进行分支。在一个分支中，强制目标/>
Figure SMS_251
和/>
Figure SMS_255
在间隔时间/>
Figure SMS_258
完成观测，即在主问题添加约束/>
Figure SMS_249
。在另一个分支中，禁止目标/>
Figure SMS_250
和/>
Figure SMS_254
在间隔时间/>
Figure SMS_257
完成观测，即在主问题添加约束/>
Figure SMS_247
，允许但不强制
Figure SMS_253
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
Figure SMS_259
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
Figure SMS_261
，其中节点集合为/>
Figure SMS_265
，弧集合为/>
Figure SMS_269
，节点0和/>
Figure SMS_262
对应没有收益的虚拟起点和虚拟终点，/>
Figure SMS_266
表示有收益的节点集合；在所述卫星观测模型中，每个目标/>
Figure SMS_270
对应一个持续观测时间/>
Figure SMS_273
，以及设置圈次集合为
Figure SMS_260
；其中，每圈次都从虚拟起点出发，返回虚拟终点；每圈次/>
Figure SMS_264
对目标/>
Figure SMS_268
的可观测时间窗口是/>
Figure SMS_272
，每圈次经过目标/>
Figure SMS_263
和/>
Figure SMS_267
的转换时间为/>
Figure SMS_271
。
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
Figure SMS_276
和目标/>
Figure SMS_278
，/>
Figure SMS_280
，/>
Figure SMS_275
表示第一次观测的目标集合，/>
Figure SMS_277
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，/>
Figure SMS_279
；设置目标/>
Figure SMS_281
在间隔/>
Figure SMS_274
圈后完成两次观测后完成的收益为：
Figure SMS_282
；
其中，
Figure SMS_283
表示目标/>
Figure SMS_284
在间隔/>
Figure SMS_285
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：
Figure SMS_286
；
其中，
Figure SMS_287
表示目标/>
Figure SMS_288
完成两次观测所在圈次是否间隔/>
Figure SMS_289
圈；
构建约束条件包括：
观测起点和终点约束为：
Figure SMS_290
；
其中，起点为节点0，终点为节点
Figure SMS_291
；
所述流平衡约束为：
Figure SMS_292
；
其中，
Figure SMS_295
和/>
Figure SMS_297
分别表示每圈次/>
Figure SMS_299
从目标/>
Figure SMS_293
到目标/>
Figure SMS_296
和每圈次/>
Figure SMS_298
从目标/>
Figure SMS_300
到目标
Figure SMS_294
；
所述观测约束为：
Figure SMS_301
；
所述完成观测约束为：
Figure SMS_302
；
所述决策变量约束为：
Figure SMS_303
；
所述观测圈次约束为：
Figure SMS_304
；
所述观测排序约束为：
Figure SMS_305
；
其中，
Figure SMS_306
表示每圈次/>
Figure SMS_307
观测目标/>
Figure SMS_308
的开始时间，/>
Figure SMS_309
为正整数；
所述时间窗约束为：
Figure SMS_310
；
Figure SMS_311
；
所述决策变量取值范围约束为：
Figure SMS_312
；
Figure SMS_313
；
Figure SMS_314
；
在其中一个实施例中，求解模块308还用于采用
Figure SMS_315
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：
Figure SMS_316
；
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：
Figure SMS_317
；
对所述完成观测约束进行修改，得到：
Figure SMS_318
；
对所述决策变量约束进行修改，得到：
Figure SMS_319
；
对所述观测圈次约束进行修改，得到：
Figure SMS_320
；
Figure SMS_321
；
对所述决策变量取值范围约束进行修改，得到：
Figure SMS_322
；
Figure SMS_323
；
以及分别设置
Figure SMS_324
和/>
Figure SMS_325
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：
Figure SMS_326
；
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 (7)

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；
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
Figure QLYQS_1
，其中节点集合为/>
Figure QLYQS_2
，弧集合为/>
Figure QLYQS_3
，节点0和/>
Figure QLYQS_4
对应没有收益的虚拟起点和虚拟终点，
Figure QLYQS_5
表示有收益的节点集合；
在所述卫星观测模型中，每个目标i对应一个持续观测时间
Figure QLYQS_6
，以及设置圈次集合为
Figure QLYQS_7
；其中，每圈次都从虚拟起点出发，返回虚拟终点；每圈次t对目标i的可观测时间窗口是/>
Figure QLYQS_8
，每圈次经过目标i和j的转换时间为/>
Figure QLYQS_9
；
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i和目标i+n，
Figure QLYQS_10
，
Figure QLYQS_11
表示第一次观测的目标集合，/>
Figure QLYQS_12
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，
Figure QLYQS_13
；
设置目标i在间隔m圈后完成两次观测后完成的收益为：
Figure QLYQS_14
，
其中，
Figure QLYQS_15
表示目标i在间隔m圈后完成两次观测后完成的收益；
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，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：
Figure QLYQS_16
，
其中，
Figure QLYQS_17
表示目标i完成两次观测所在圈次是否间隔m圈；
构建约束条件包括：
观测起点和终点约束为：
Figure QLYQS_18
；
其中，起点为节点0，终点为节点2n+1；
流平衡约束为：
Figure QLYQS_19
，
其中，
Figure QLYQS_20
和/>
Figure QLYQS_21
分别表示每圈次t从目标i到目标j和每圈次t从目标j到目标i；
观测约束为：
Figure QLYQS_22
，
完成观测约束为：
Figure QLYQS_23
，
决策变量约束为：
Figure QLYQS_24
，
观测圈次约束为：
Figure QLYQS_25
，
观测排序约束为：
Figure QLYQS_26
，
其中，
Figure QLYQS_27
表示每圈次t观测目标i的开始时间，L为正整数；
时间窗约束为：
Figure QLYQS_28
，
Figure QLYQS_29
，
决策变量取值范围约束为：
Figure QLYQS_30
，
Figure QLYQS_31
，
Figure QLYQS_32
。
2.根据权利要求1所述的方法，其特征在于，所述采用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，包括：
采用DW分解方式对所述卫星调度优化问题进行分解，得到主问题为：
Figure QLYQS_33
，
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：
Figure QLYQS_34
，
对所述完成观测约束进行修改，得到：
Figure QLYQS_35
，
对所述决策变量约束进行修改，得到：
Figure QLYQS_36
，
对所述观测圈次约束进行修改，得到：
Figure QLYQS_37
Figure QLYQS_38
，
Figure QLYQS_39
，
对所述决策变量取值范围约束进行修改，得到：
Figure QLYQS_40
，
Figure QLYQS_41
，
以及分别设置
Figure QLYQS_42
和/>
Figure QLYQS_43
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。
3.根据权利要求2所述的方法，其特征在于，采用DW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：
Figure QLYQS_44
，
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。
4.根据权利要求1至3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。
5.一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；
观测模型构建模块，还用于构建卫星观测模型包括有向图
Figure QLYQS_46
，其中节点集合为
Figure QLYQS_49
，弧集合为/>
Figure QLYQS_51
，节点0和/>
Figure QLYQS_47
对应没有收益的虚拟起点和虚拟终点，/>
Figure QLYQS_50
表示有收益的节点集合；在所述卫星观测模型中，每个目标i对应一个持续观测时间/>
Figure QLYQS_52
，以及设置圈次集合为/>
Figure QLYQS_53
；其中，每圈次都从虚拟起点出发，返回虚拟终点；每圈次t对目标i的可观测时间窗口是/>
Figure QLYQS_45
，每圈次经过目标i和j的转换时间为/>
Figure QLYQS_48
；
收益函数构建模块，还用于将两次观测的待观测目标拆分为两个目标，包括：目标i和目标i+n，
Figure QLYQS_54
，/>
Figure QLYQS_55
表示第一次观测的目标集合，/>
Figure QLYQS_56
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，/>
Figure QLYQS_57
；设置目标i在间隔m圈后完成两次观测后完成的收益为：
Figure QLYQS_58
，
其中，
Figure QLYQS_59
表示目标i在间隔m圈后完成两次观测后完成的收益；
求解模块，还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为：
Figure QLYQS_60
，
其中，
Figure QLYQS_61
表示目标i完成两次观测所在圈次是否间隔m圈；构建约束条件包括：观测起点和终点约束为：
Figure QLYQS_62
；
其中，起点为节点0，终点为节点2n+1；流平衡约束为：
Figure QLYQS_63
，
其中，
Figure QLYQS_64
和/>
Figure QLYQS_65
分别表示每圈次t从目标i到目标j和每圈次t从目标j到目标i；观测约束为：
Figure QLYQS_66
，
完成观测约束为：
Figure QLYQS_67
，
决策变量约束为：
Figure QLYQS_68
，
观测圈次约束为：
Figure QLYQS_69
，
观测排序约束为：
Figure QLYQS_70
，
其中，
Figure QLYQS_71
表示每圈次t观测目标i的开始时间，L为正整数；
时间窗约束为：
Figure QLYQS_72
，
Figure QLYQS_73
，
决策变量取值范围约束为：
Figure QLYQS_74
，
Figure QLYQS_75
，
Figure QLYQS_76
。
6.一种计算机设备，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4中任一项所述方法的步骤。
7.一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4中任一项所述的方法的步骤。
CN202310349007.3A 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 Active CN116070803B (zh)

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 CN116070803A (zh) 2023-05-05
CN116070803B true 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 (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Family Cites Families (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US9494692B2 (en) * 2010-12-10 2016-11-15 Maxlinear, Inc. Method and system for power optimization for a global navigation satellite system
US9819617B2 (en) * 2015-03-03 2017-11-14 Apple Inc. Dynamic rule-based notifications
CN114545459B (zh) * 2021-12-22 2024-04-05 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
CN114604443B (zh) * 2022-02-17 2023-06-06 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
CN114819765B (zh) * 2022-06-27 2022-10-18 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

Patent Citations (2)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
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

Non-Patent Citations (1)

* Cited by examiner, † Cited by third party
Title
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》.第1398-1402页. *

Also Published As

Publication number Publication date
CN116070803A (zh) 2023-05-05

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
Wang et al. A model, a heuristic and a decision support system to solve the scheduling problem of an earth observing satellite constellation
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
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
CN109919378B (zh) 一种卫星星载自主规划系统
Lee et al. Towards robust technology roadmapping: How to diagnose the vulnerability of organisational plans
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
Andrade-Michel et al. Vehicle and reliable driver scheduling for public bus transportation systems
Wu et al. Research on task priority model and algorithm for satellite scheduling problem
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
CN108171374A (zh) 一种基于模拟退火算法的对地观测卫星任务规划方法
Gu et al. Mission replanning for multiple agile earth observation satellites based on cloud coverage forecasting
CN116070803B (zh) 基于间隔圈数模型的卫星调度问题求解方法和装置
Gregory et al. Early validation of the data handling unit of a spacecraft using MBSE
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
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
CN115146844A (zh) 一种基于多任务学习的多模式交通短时客流协同预测方法

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