CN117371234A - 一种基于任务合成的敏捷光学卫星调度方法、装置及设备 - Google Patents

一种基于任务合成的敏捷光学卫星调度方法、装置及设备 Download PDF

Info

Publication number
CN117371234A
CN117371234A CN202311415932.8A CN202311415932A CN117371234A CN 117371234 A CN117371234 A CN 117371234A CN 202311415932 A CN202311415932 A CN 202311415932A CN 117371234 A CN117371234 A CN 117371234A
Authority
CN
China
Prior art keywords
task
synthesis
observation
scheduling
agile optical
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
Application number
CN202311415932.8A
Other languages
English (en)
Inventor
熊伟
刘正
刘亚丽
简平
刘德生
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.)
Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Original Assignee
Peoples Liberation Army Strategic Support Force Aerospace Engineering University
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 Peoples Liberation Army Strategic Support Force Aerospace Engineering University filed Critical Peoples Liberation Army Strategic Support Force Aerospace Engineering University
Priority to CN202311415932.8A priority Critical patent/CN117371234A/zh
Publication of CN117371234A publication Critical patent/CN117371234A/zh
Pending legal-status Critical Current

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F30/00—Computer-aided design [CAD]
    • G06F30/20—Design optimisation, verification or simulation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N3/00—Computing arrangements based on biological models
    • G06N3/004—Artificial life, i.e. computing arrangements simulating life
    • G06N3/006—Artificial life, i.e. computing arrangements simulating life based on simulated virtual individual or collective life forms, e.g. social simulations or particle swarm optimisation [PSO]
    • 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
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/04—Constraint-based CAD
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2111/00—Details relating to CAD techniques
    • G06F2111/06—Multi-objective optimisation, e.g. Pareto optimisation using simulated annealing [SA], ant colony algorithms or genetic algorithms [GA]
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F2119/00—Details relating to the type or aim of the analysis or the optimisation
    • G06F2119/12—Timing analysis or timing optimisation

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • General Physics & Mathematics (AREA)
  • Strategic Management (AREA)
  • Evolutionary Computation (AREA)
  • Entrepreneurship & Innovation (AREA)
  • General Engineering & Computer Science (AREA)
  • Economics (AREA)
  • Molecular Biology (AREA)
  • Development Economics (AREA)
  • Computational Linguistics (AREA)
  • Data Mining & Analysis (AREA)
  • General Health & Medical Sciences (AREA)
  • Biomedical Technology (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Artificial Intelligence (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Biophysics (AREA)
  • Health & Medical Sciences (AREA)
  • Educational Administration (AREA)
  • Geometry (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • General Business, Economics & Management (AREA)
  • Position Fixing By Use Of Radio Waves (AREA)

Abstract

本说明书实施例提供了一种基于任务合成的敏捷光学卫星调度方法、装置及设备，其中，方法包括根据敏捷光学卫星调度所需参数，对多敏捷光学卫星的调度问题进行描述；根据问题的描述，及任务合成约束和观测动作约束，以任务收益率最大化作为优化目标，构建基于任务合成的目标函数；基于任务分配、合成和再分配的策略，及随机初始化初始种群，使用基于种群的启发式算法进行迭代筛选出最优个体，将最优个体代入目标函数中，计算出最优函数值，确定任务的分配及调度方案。本发明可以有效提高解的质量，优化调度方案，满足了当前多敏捷光学卫星大规模调度的需求。

Description

一种基于任务合成的敏捷光学卫星调度方法、装置及设备
技术领域
本发明涉及卫星任务规划技术领域，尤其涉及一种基于任务合成的敏捷光学卫星调度方法、装置、设备及介质。
背景技术
敏捷光学卫星是新一代空间光学卫星平台，在资源勘探、环境监测、灾害预警和军事侦察等领域发挥着重要的作用。
对光学卫星而言，观测任务就是对地面目标观测成像。卫星传感器对地面目标可见的时间段叫做可见时间窗，卫星实际观测目标的时间段叫做观测时间窗。相比于传统卫星，敏捷光学卫星可以通过滚动、俯仰和偏航调整姿态，因此它具有更长的可见时间窗，如图1所示。敏捷光学卫星对目标的观测开始时间与卫星的俯仰角有关，观测时间窗的开始时间决定了卫星观测时的俯仰角，进而会影响卫星姿态转换的时间。因此，敏捷光学卫星的观测俯仰角、姿态转换时间均与观测开始时间有关，这种特性叫做时间依赖特性。敏捷光学卫星调度问题是一类较难的NP(Non-Deterministic Polynomial，非确定多项式)问题，求解复杂度随着问题规模的扩大呈指数增长。卫星的调度过程既需要为每个任务选择合适的可见时间窗，又需要在选中的可见时间窗内确定观测时间窗。任务合成是一种有效提高卫星观测效率的方式，目前已经有许多研究提出了应用于非敏捷光学卫星的任务合成方法。这些方法为多个任务选择各自的可见时间窗，将这些可见时间窗合并起来作为合成任务的观测时间窗。显然，由于敏捷光学卫星具有时间依赖特性，这些方法并不适用于敏捷光学卫星的任务合成。
敏捷光学卫星调度问题是一类求解空间大、约束复杂的组合优化问题。常规的求解算法主要以精确算法、构造启发式算法和元启发式算法为主。当前采用的精确算法由于其算法复杂度较高，主要应用于小规模的单个轨道周期内的调度和单星调度，不适用于大规模的多星调度。构造启发式算法需要针对问题特点专门设计对应的搜索算子，因此它不具有普适性。当前采用的元启发式算法主要包括遗传算法、粒子群优化算法、人工蜂群算法以及它们的变体等，主要应用于单星调度或小规模的多星调度。但是，随着对地观测需求和在轨卫星的数量的大幅增加，这些算法收敛速度慢并且容易陷入局部最优，很难在大规模的求解空间内搜索获取较好的解。
因此，需要一种高效的调度方法来求解多敏捷光学卫星的大规模调度问题。
发明内容
为克服相关技术中存在的问题，本公开提供一种基于任务合成的敏捷光学卫星调度方法、装置、设备及介质，以解决相关技术中没有高效的适用于敏捷光学卫星调度场景下的合理的任务合成和规划方法的技术问题。
本说明书一个或多个实施例提供了一种基于任务合成的敏捷光学卫星调度方法，包括步骤：
根据敏捷光学卫星调度所需参数，对多敏捷光学卫星的调度问题进行描述；
根据问题的描述，及任务合成约束和观测动作，以任务收益率最大化作为优化目标，构建基于任务合成的目标函数；
基于任务分配、合成和再分配的策略，及随机初始化初始种群，使用基于种群的启发式算法进行迭代筛选出最优个体，将最优个体代入目标函数中，计算出最优函数值，确定任务的分配及调度方案。
本说明书一个或多个实施例提供了一种基于任务合成的敏捷光学卫星调度装置，包括，
调度问题描述模块：用于根据敏捷光学卫星调度所需参数，对多敏捷光学卫星的调度问题进行描述；
函数建立模块：用于根据调度问题的描述，以考虑时间依赖特性的任务合成约束和观测动作约束，以任务收益率最大化作为优化目标，构建基于任务合成的目标函数；
函数求解模块：用于基于任务分配、合成和再分配的策略，及随机初始化初始种群，使用基于种群的启发式算法进行迭代筛选出最优个体，将最优个体代入目标函数中，计算出最优函数值，确定任务的分配及调度方案。
本说明书一个或多个实施例提供了一种计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如上述所述基于任务合成的敏捷光学卫星调度方法。
本公开提供的一种基于任务合成的敏捷光学卫星调度方法、装置、设备及介质，优点在于，本实施例装置提出了综合考虑任务合成约束和观测动作约束的多敏捷光学卫星调度的数学模型，特别是考虑敏捷光学卫星的时间依赖特性实现了多个任务的有效合成，实现了考虑时间依赖特性的任务合成方案；基于启发式算法中个体的更新公式，使算法能够适用于离散优化求解，并优化了种群的更新，避免陷入局部最优，具有更好的寻优和收敛能力，在此基础上加入了任务合成、再分配策略并提出了基于任务合成的敏捷光学卫星调度算法，可以有效提高解的质量，优化调度方案，满足了当前多敏捷光学卫星大规模调度的需求。
附图说明
为了更清楚地说明本说明书一个或多个实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本说明书中记载的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
图1为本说明书一个或多个实施例提供的传统光学卫星和敏捷光学卫星的观测过程示意图；
图2为本说明书一个或多个实施例提供的一种基于任务合成的敏捷光学卫星调度方法的流程图；
图3为本说明书一个或多个实施例提供的一种基于任务合成的敏捷光学卫星调度方法中任务合成的示意图；
图4为本说明书一个或多个实施例提供的任务合成时两个任务的可见时间窗的线性关系函数曲线图；
图5为本说明书一个或多个实施例提供的任务合成的有向无环图模型示意图；
图6为本说明书一个或多个实施例提供的一种基于任务合成的敏捷光学卫星调度方法的任务合成与再分配策略中个体解的转换过程示意图；
图7为本说明书一个或多个实施例提供的基于任务合成的敏捷光学卫星调度算法的流程图；
图8为本说明书一个或多个实施例提供的一种基于任务合成的敏捷光学卫星调度装置示意图；
图9为本说明书一个或多个实施例提供的一种计算机设备的结构示意图。
具体实施方式
为了使本技术领域的人员更好地理解本说明书一个或多个实施例中的技术方案，下面将结合本说明书一个或多个实施例中的附图，对本说明书一个或多个实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本说明书的一部分实施例，而不是全部的实施例。基于本说明书一个或多个实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都应当属于本发明件的保护范围。
敏捷光学卫星调度问题的复杂性体现在三个方面：首先，每个任务可能存在多个可见时间窗，随着任务数量的最多，所有任务的可见时间窗的选择会构成一个巨大的组合空间；其次，在较长的可见时间窗内确定观测时间窗也存在着多种可能；最后，由于敏捷光学卫星的敏捷特性和姿态转换时间的时间依赖特性，敏捷光学卫星调度问题具有复杂的约束，本发明示例性实施例针对多敏捷光学卫星调度涉及的任务规模庞大、约束条件复杂、求解计算量大的问题，主要目的在于提供一种基于任务合成的敏捷光学卫星调度方法，能够提高调度效率，优化任务的完成情况，获取高收益的调度方案。下面结合具体实施方式和说明书附图对本发明做出详细的说明。
方法实施例
根据本发明实施例，提供了一种基于任务合成的敏捷光学卫星调度方法，如图2所示，为本实施例提供的基于任务合成的敏捷光学卫星调度方法流程图，根据本发明实施例的基于任务合成的敏捷光学卫星调度方法，包括：
步骤S1、根据敏捷光学卫星调度所需参数，对多敏捷光学卫星的调度问题进行描述，其中，调度所需参数包括获取卫星集合、轨道集合、任务集合、任务的可见时间窗集合、卫星观测动作集合以及相关的属性参数等，相关属性可包括卫星的轨道参数、观测能力参数和任务的地理位置、成像要求等。
步骤S2、根据调度问题的描述，以考虑时间依赖特性的任务合成约束和观测动作约束，以任务收益率最大化作为优化目标，构建基于任务合成的目标函数；
步骤S3、基于任务分配、合成和再分配的策略，及随机初始化初始种群，使用基于种群的启发式算法进行迭代筛选出最优个体，将最优个体代入目标函数中，计算出最优函数值，确定任务的分配及调度方案。根据调度规划结果生成遥感器的控制指令，确认无误后，将指令发送给对应的敏捷光学卫星。
本实施例方法基于任务合成的敏捷光学卫星调度的思想为，在获取卫星集合、任务集合、任务的可见时间窗集合、卫星观测动作集合以及相关的属性参数条件下，为每个任务选择合适的可见时间窗口，并将符合任务合成约束和观测动作约束条件的任务合成为一个新任务，确定卫星对这些任务的观测动作；合成后的新任务称为合成任务。本实施例方法构建的调度模型问题的输入数据包括卫星的轨道参数、属性参数和任务的地理位置、成像要求等，本实施例任务的候选可见时间窗集合根据输入数据计算获取，该技术为现有技术，在此不过多赘述，问题的输出是卫星对可规划任务的观测动作，具体包括观测开始时间、观测结束时间、观测滚动角和观测俯仰角。
本实施例方法提供的卫星调度方法面向敏捷光学卫星，其敏捷特性带来的时间依赖特性决定了敏捷光学卫星不能采用常规卫星(非敏捷)的可见时间窗简单合并的方式实现任务合成，常规卫星不需要考虑敏捷特性，及与时间相关的约束条件。因此，本实施例的任务合成约束是在考虑了敏捷光学卫星的时间依赖特性的基础上提出的，提出了综合考虑任务合成约束和观测动作约束的多敏捷光学卫星调度，特别是考虑敏捷光学卫星的时间依赖特性实现了多个任务的有效合成，再给出了考虑时间依赖特性的任务合成的目标函数，并基于任务分配、合成和再分配策略，通过的基于种群的启发式算法求解，有效地解决面向大规模卫星调度时，算法收敛速度慢并且容易陷入局部最优的问题，能够提高卫星观测效率，满足当前多敏捷光学卫星大规模调度的需求。
在一实施例中，步骤S1中，获取卫星集合、轨道集合、任务集合、任务的可见时间窗集合、卫星观测动作集合以及相关的属性参数，对多敏捷光学卫星的调度问题进行描述具体如下所述。
本实施例中，根据获取的获取卫星集合、任务集合、任务的可见时间窗集合、卫星观测动作集合以及相关的属性参数需要确定调度问题涉及的变量和决策变量。
(一)、定义调度问题中涉及的变量。
不同卫星的轨道可以认为是同一类型调度资源，因此本实施例针对大规模的敏捷光学卫星调度问题就可以转换为多轨道调度问题，其中，
所有轨道的集合表示为O＝{oj|j＝1,2,…,|O|}，|O|表示轨道的数量。
任务集合表示为T＝{ti|i＝1,2,…,|T|}，|T|表示为任务数量。
任务ti的可见时间窗集合表示为VTWi，|VTWi|表示可见时间窗数量。
表示轨道oj上合成任务的集合，|MTj|表示合成任务的数量。
表示轨道oj上的观测动作序列，|Aj|是观测动作的数量，并且|Aj|＝|MTj|。
表示执行合成任务/>的观测动作，/>表示观测开始时间，/>表示观测结束时间，/>表示观测滚动角，/>表示观测俯仰角。/>表示为任务ti选择的在轨道oj上的可见时间窗；其中，/>为可见时间窗的最早开始时间，为可见时间窗的最晚开始时间，/>
是可见时间窗/>对应的滚动角的范围。
pi表示任务ti的优先级，代表了任务的收益。
owi＝[sti,eti]表示任务ti的观测时间窗，sti表示观测开始时间，eti＝sti+di，di表示任务ti所需的持续观测时间。
M表示每个轨道上最大内存容量，m表示卫星观测时内存消耗速率。E表示每个轨道上最大能量，eo表示卫星观测时能量消耗速率，ea表示卫星调整姿态时能量消耗速率，ω表示卫星姿态机动的角速度，ap表示卫星的俯仰角，ap∈[pl,pu]；ar表示卫星的滚动角，ar∈[rl,ru]；其中，pl最小俯仰角，pu最大俯仰角，rl最小滚动角，ru最大滚动角。
(二)、定义决策变量。
用一个二元组(xi，yi)表示决策变量。xi∈{0,1,2,……,|VTWi}，表示为任务ti选择的可见时间窗编号，xi＝0表示没有为该任务选择可见时间窗。yi表示任务ti是否能被成功执行；如果该任务能在被选择的可见时间窗内成功执行，yi＝1；否则，yi＝0，本实施例设置的xi和yi两个变量确保每个任务至多只能被执行一次。
本实施例中，步骤S2中，根据调度问题的描述，包括问题中涉及的变量和决策变量确定，以考虑时间依赖特性的任务合成约束和观测动作约束条件，以任务收益率最大化作为优化目标，构建基于任务合成的目标函数，目标函数具体如下式1：
在实施例中，基于任务合成的敏捷光学卫星调度问题包含两类主要的约束条件：任务合成约束和观测动作约束，其中，
(1)任务合成约束用于判断多个任务是否满足合成的条件，思想为如果多个任务可以由卫星通过一个观测动作执行，那么这些任务就可以合成为一个新任务，可参考图3所示，为本实施例提供的任务合成示意图，通过任务合成，可以有效提高卫星的观测效率；多个任务的合成必须满足对应的任务合成约束，具体的，敏捷光学卫星的观测动作由观测滚动角、观测俯仰角、观测开始时间和观测结束时间决定，由于敏捷光学卫星的时间依赖特性，观测开始时间与结束时间与观测俯仰角是相关，因此，任务合成约束主要包括滚动角约束和俯仰角约束。
(2)观测动作约束用于判断生成的观测动作是否能成功执行。观测动作约束包括转换时间约束、内存容量约束和能量约束。
在一具体实施例中，对滚动角约束、俯仰角约束、转换时间约束、内存容量约束和能量约束的具体描述如下：
①滚动角约束：当卫星保持滚动角不变时，卫星传感器视场范围能扫过所有目标，即任务的可见时间窗对应的滚动角范围存在交集，表达式如下式2：
②俯仰角约束：当卫星保持俯仰角不变时，卫星传感器视场范围能先后连续扫过所有目标，即在固定俯仰角的情况下，前后两个任务的观测开始时间间隔小于前一个任务所需的观测持续时间，如此卫星就可以在观测前一个任务还未结束时，就已经开始观测后一个任务，从而实现通过一个观测动作对多个任务的连续观测；
本实施例，考虑到敏捷光学卫星的时间依赖特性，观测俯仰角和观测开始时间之间的关系用一个线性函数来拟合，对于任务ti，观测俯仰角pa和观测开始时间sti之间的关系通过下式3表达：
本实施例优选的，参考图4所示，为本实施例任意两个任务的可见时间窗的线性关系函数曲线图，以任务tu和tv为例，可知可见时间窗和/>的线性关系函数曲线。对合成任务的观测过程是：在固定了观测俯仰角的情况下，卫星连续扫过多个任务。这个过程中任务的观测是有先后顺序的，因此俯仰角约束的判断是按照顺序两个两个任务的判断。可以参考图4所示，其中，pa、stu与stv之间的关系如下式所示：
为了能够用一次无时间冗余的观测动作观测两个任务，前一个任务观测还没结束，下一个任务也开始观测了，这样能实现一个观测动作能连续观测这两个任务，也就是前一个任务的观测结束时间要大于等于后一个任务的观测开始时间。不等式左边是前一个任务的观测开始时间加持续观测时间，也就是观测结束时间，因此必须满足以下约束条件：
stu+du≥stv 式5。
求解上述不等式5，将式4中的stu和stv用pa表示，然后代入式5就可以解出pa的取值范围，即得到俯仰角的范围，表示为P(tu,tv)。当任务tu和tv合成时，必须满足的俯仰角约束表达式如下式6：
因此，任务{t1,t2,…,tn}合成时需要满足的俯仰角约束为：
当上述滚动角约束和俯仰角约束都能被满足后，合成任务的观测动作就能够被确定。考虑到成像质量要求，以R1∩R2∩…∩Rn的均值作为滚动角，表达式如下：
由于俯仰角与观测开始时间线性相关，选择最早观测开始时间对应的俯仰角作为观测俯仰角，即/>根据俯仰角与观测开始时间之间的线性函数关系式可以计算得到每个任务的观测时间窗口，合成任务的观测时间窗口是单个任务观测时间窗口的并集，表达式如下式9：
本实施例中，上述描述清楚了任务合成约束过程中的约束条件，下面为观测动作约束进行描述，生成的观测动作必须满足观测动作约束才能确保被成功执行，观测动作约束包括转换时间约束、内存容量约束和能量约束，具体如下。
①转换时间约束：当敏捷光学卫星在当前观测动作结束后从当前姿态调整到下一个观测动作对应的姿态时，两个观测动作之间的时间间隔长度必须能够满足姿态转换所需要的时间，转换时间约束参考下式10：
式中，k＝0表示卫星在轨道oj上的初始状态；任何相邻的前后两个观测动作都必须满足式10的约束。如果不能满足，后一个观测动作就无法执行，对应的合成任务就只能被移除。由于后一个观测动作受前一个观测动作的影响，所以观测动作只能按照时间先后顺序逐个确定。
②内存容量约束：存储的观测数据不能超过最大内存容量，表达式如下式11：
③能量约束：观测和姿态调整消耗的能量不能超过最大能量值，表达式如下表12：
本实施例，调度问题的求解算法根据任务分配、合成与再分配的思路，基于上述调度问题的描述以及约束条件的限制，提出基于任务合成的敏捷光学卫星调度算法求解。
本实施例采用改进的正余弦算法实现任务的分配，然后在此基础上加入任务合成与再分配策略，提高卫星观测效率，优化调度方案。具体的，步骤S3包括如下实施步骤：
S31、通过启发式算法中的个体解码实现任务分配到各个轨道上的初步分配方案；
本实施例中，使用基于改进的正余弦算法(SineandCosineAlgorithm，SCA)实现任务分配值对应轨道。
正余弦算法是一种基于种群的启发式算法，它利用正弦函数和余弦函数的数学特性实现寻优，能够通过改变正余弦函数的振幅较好地平衡全局搜索和局部搜索。正余弦算法个体更新的核心公式如下：
上式中，为在第iter次迭代中第h个个体的第i维的值，/>为目标值，r1为个线性自适应参数，r2、r3和r4都是满足均匀分布的随机数(r2∈[0,2π]，r3∈[0,2]，r4∈[0,1])。
为了可以有效提高解的质量，优化调度方案的制定精度，最大化地实现任务收益率，本实施例在初始的正余弦算法的基础上，对其进行改进以优化算法，使算法能够适用于离散优化，并且设计了一个自适应余弦因子和一个自适应贪婪度因子优化了种群的更新，改进后的正余弦算法能够避免陷入局部最优，具有更好的寻优和收敛能力，具体如下所述。
由于多敏捷光学卫星的调度问题是个离散问题，Δx需要四舍五入。此外，每个任务的可见时间窗的数量不是一个很大的值，所以的取值范围并不大。为了防止/>超出取值范围，改进的正余弦算法采用一个映射函数将/>映射到一个较小的范围内。改进后的个体更新公式如下：
另外，在正余弦算法中，r1是个线性因子。为了进一步优化算法的寻优和收敛能力，本实施例采用一个余弦自适应因子取代该线性因子，表达式如下：
式中，MaxIter表示最大迭代次数。
现有正余弦算法采用全局最优解作为目标值来引导种群的进化，而本实施例改进的算法为了增强算法在解空间的寻优能力以及避免算法陷入局部最优采用一个自适应贪婪度因子δ来选择全局最优解或局部最优解作为当前迭代的目标值，表达式如下：
式中，gbi表示全局最优解第i维的值，pbi表示局部最优解第i维的值，r5是一个随机数(r5∈[0,1])。
本实施例制定编解码规则来明确生成的解与实际调度方案之间的对应关系。每一个个体解只是初步的任务分配方案的编码形式。个体解表示为所有任务选择的可见时间窗口编号构成的序列，每一个可见时间窗口都是在对应的轨道上的时间窗口，即一个任务的可能具有多个可见时间窗，这些时间窗口分布在不同的轨道上，所以说可见时间窗口与轨道有对应关系。表示的是为任务ti选择的可见时间窗编号，确定了可见时间窗也就确定了任务所分配的轨道。解码过程就是根据选择的可见时间窗把任务分配到各个轨道上。
S32、在初始分配方案的基础上，使用任务合成与再分配策略实现任务的合成，优化调度方案，提高卫星的观测效率和收益。
任务合成与再分配策略分为三个部分：首先是采用有向无环图模型描述单个轨道上任务之间的合成关系；然后基于先来先服务的策略快速搜索满足合成约束的任务，获取合成任务和对应的观测动作，移除无法执行的任务；最后采用再分配策略把移除的任务分配到后续可行的轨道上。具体步骤如下：
S321、采用有向无环图模型描述单个轨道上任务之间的合成关系。
参考图5(a)所示，Gj＝(Vj,Ej)表示轨道oj上任务合成的有向无环图模型；其中，Vj是点的集合，Ej是边的集合，Vj也表示分配在对应轨道上的任务集合，每一个点v与一个任务相对应，且Vj中的任务按照各自选中的可见时间窗的最早开始时间排列。图5中的数字表示任务排列后的序号。Ej中的边表示两个任务之间具有合成关系。如果两个任务满足任务合成约束，对应的两个点之间就用边连接起来，边的方向是由前一个任务指向后一个任务。N(v)表示点v的邻域，N(v)中邻域节点表示的是v指向的点，也是潜在的v可合成的点。
S322、基于先来先服务的策略，根据合成约束条件，快速搜索满足合成约束的任务，将该任务配置至对应轨道的可见时间窗口。任务的合成过程与路径搜索相似。图5(b)展示了单轨任务合成的示意图，方框表示的是由方框内的多个任务合成的合成任务，方框中的带箭头的虚线表示合成路径，方框外的带箭头的点划线表示观测路径。合成路径的生成过程为：
首先选择第一个任务节点作为合成路径上的起始节点，根据约束条件，从该起始节点的邻域中选择一个点作为合成的第二个节点，第三个合成节点从第二个点的邻域中选择；通过这种方式一直搜索，直到最后一个被选中的节点没有邻域节点或者它的邻域节点无法与之前选的节点合成，合成路径搜索才会停止，最终所有被选中的任务可以合成为一个合成任务；
然后，对应的观测动作也可以确定，观测路径从一个虚拟节点开始，虚拟节点表示的是卫星的初始状态，如果合成任务的观测动作满足观测动作约束，该观测动作就可以作为观测路径中的下一个动作节点；不满足观测动作约束的任务无法在当前轨道执行，会被移除当前轨道。
根据上述的合成筛选操作，可确定有些任务是不满足约束条件需要被移除的节点，为了更好的实现任务的实现，需要设置下述任务再分配功能。
S323、采用再分配策略把移除的任务分配到可行的轨道上，即为移除任务从剩余的候选可见时间窗口中选择一个并分配到对应的轨道上，实现移除任务的再分配，其中，没有剩余候选可见时间窗的任务会被完全删除。
在一具体实施例中，实现上述步骤S321-S323的任务合成与再分配策略的伪代码如下表所示：
表1任务合成与再分配策略的伪代码
S33、基于改进的正余弦算法的任务分配算法和任务合成与再分配策略，随机确定初始化初始种群，使用基于种群的启发式算法进行迭代筛选出最优个体，将最优个体代入目标函数中，计算出最优函数值，确定任务的分配及调度方案。
基于任务合成的敏捷光学卫星调度算法的具体步骤包括种群初始化、循环终止条件判断和种群更新。种群初始化采取随机初始化策略。循环终止的条件是循环迭代次数达到最大值或连续多次迭代种群中目标函数的最优值没有发生变化，种群的更新过程分为以下四个步骤：
(1)每个个体按照改进的正余弦算法的个体更新公式进行更新。
(2)通过解码个体解确定任务分配方案。
(3)基于任务合成与再分配策略逐个轨道实现任务的合成，生成观测动作，再分配移除的任务，删除无法规划的任务，实现了各个轨道上的调度，生成了最终的调度方案。步骤(2)和步骤(3)共同将个体解转换为最终的调度方案，转换过程如图6所示；
参考图6，在任务第一次分配到各个轨道上后，逐个轨道上实现具体的任务规划，也就是任务的合成与再分配，本实施例个体解表示为所有任务选择的可见时间窗口编号构成的序列，每一个可见时间窗口都是在对应的轨道上的时间窗口，即一个任务的可能具有多个可见时间窗，这些时间窗口分布在不同的轨道上，所以说可见时间窗口与轨道有对应关系，解码是根据可见时间窗口编号将任务分配到各个轨道上，获得的就是初步的分配方案，然后逐个轨道进行任务合成与再分配，一个轨道上的任务合成完成后，可能会有少量任务无法在该轨道上实现规划，那么就会在这个任务剩下的可见时间窗口中选择下一个可见时间窗口(当前编号+1)作为该任务被观测的窗口，根据被选中的窗口，也就确定了该任务再分配到另一个后续的轨道上了，即实现再分配。
(4)计算每个个体的目标函数值。
参考图7所示，为本实施例提供的基于任务合成的敏捷光学卫星调度算法的流程图，该算法的伪代码如下表所示：
表2于任务合成的敏捷光学卫星调度算法的伪代码
本发明方法提出了综合考虑任务合成约束和观测动作约束的多敏捷光学卫星调度的数学模型，特别是考虑敏捷光学卫星的时间依赖特性实现了相邻任务的有效合成，并给出了考虑时间依赖特性的任务合成的数学表达；基于改进的正余弦算法中个体的更新公式，使算法能够适用于离散优化求解，并优化了种群的更新，改进后的正余弦算法能够避免陷入局部最优，具有更好的寻优和收敛能力，在此基础上加入了任务合成、再分配策略并提出了基于任务合成的敏捷光学卫星调度算法，可以有效提高解的质量，优化调度方案，不仅能够提高卫星观测效率，还满足了当前多敏捷光学卫星大规模调度的需求。
装置实施例
根据本发明实施例，提供了一种基于任务合成的敏捷光学卫星调度装置，如图8所示，为本实施例提供的基于任务合成的敏捷光学卫星调度装置示意框图，根据本发明实施例的基于任务合成的敏捷光学卫星调度装置，包括：
调度问题描述模块11：用于根据敏捷光学卫星调度所需参数，对多敏捷光学卫星的调度问题进行描述，其中，调度所需参数包括获取卫星集合、轨道集合、任务集合、任务的可见时间窗集合、卫星观测动作集合以及相关的属性参数等，相关属性参数包括如卫星的轨道参数、观测能力参数和任务的地理位置、成像要求等。
函数建立模块12：用于根据调度问题的描述，以考虑时间依赖特性的任务合成约束和观测动作约束，以任务收益率最大化作为优化目标，构建基于任务合成的目标函数；
函数求解模块13：用于基于任务分配、合成和再分配的策略，及随机初始化初始种群，使用基于种群的启发式算法进行迭代筛选出最优个体，将最优个体代入目标函数中，计算出最优函数值，确定任务的分配及调度方案。
本实施例装置提出了综合考虑任务合成约束和观测动作约束的多敏捷光学卫星调度的数学模型，特别是考虑敏捷光学卫星的时间依赖特性实现了多个任务的有效合成，实现了考虑时间依赖特性的任务合成方案；基于改进的正余弦算法中个体的更新公式，使算法能够适用于离散优化求解，并优化了种群的更新，改进后的正余弦算法能够避免陷入局部最优，具有更好的寻优和收敛能力，在此基础上加入了任务合成、再分配策略并提出了基于任务合成的敏捷光学卫星调度算法，可以有效提高解的质量，优化调度方案，不仅能够提高卫星观测效率，还满足了当前多敏捷光学卫星大规模调度的需求。
本发明实施例是与上述方法实施例对应的系统实施例，各个模块处理步骤的具体操作可以参照方法实施例的描述进行理解，在此不再赘述。
如图9所示，本发明还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基于任务合成的敏捷光学卫星调度方法，或者计算机程序被处理器执行时实现上述实施例中基于任务合成的敏捷光学卫星调度方法，所述计算机程序被所述处理器执行时实现如下方法。
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。
本说明书中的各个实施例均采用递进的方式描述，各个实施例之间相同相似的部分互相参见即可，每个实施例重点说明的都是与其他实施例的不同之处。尤其，对于装置或系统实施例而言，由于其基本相似于方法实施例，所以描述得比较简单，相关之处参见方法实施例的部分说明即可。以上所描述的装置及系统实施例仅仅是示意性的，其中所述作为分离部件说明的单元可以是或者也可以不是物理上分开的，作为单元显示的部件可以是或者也可以不是物理单元，即可以位于一个地方，或者也可以分布到多个网络单元上。可以根据实际的需要选择其中的部分或者全部模块来实现本实施例方案的目的。本领域普通技术人员在不付出创造性劳动的情况下，即可以理解并实施。
最后应说明的是：以上各实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述各实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分或者全部技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的范围，且本发明说明书中未作详细描述的内容属本领域技术人员的公知技术。

Claims (10)

1.基于任务合成的敏捷光学卫星调度方法，其特征在于，包括步骤：
根据敏捷光学卫星调度所需参数，对多敏捷光学卫星的调度问题进行描述；
根据问题的描述，及任务合成约束和观测动作约束，以任务收益率最大化作为优化目标，构建基于任务合成的目标函数；
基于任务分配、合成和再分配的策略，及随机初始化初始种群，使用基于种群的启发式算法进行迭代筛选出最优个体，将最优个体代入目标函数中，计算出最优函数值，确定任务的分配及调度方案。
2.如权利要求1所述的基于任务合成的敏捷光学卫星调度方法，其特征在于，所述对多敏捷光学卫星的调度问题进行描述包括：
定义决策变量，包括：
使用一个二元组(xi，yi)表示决策变量；其中，
xi∈{0,1,2,……,|VTWi|}表示为任务ti选择的可见时间窗编号，|VTWi|表示任务ti的可见时间窗数量，xi＝0表示没有为该任务选择可见时间窗；yi表示任务ti是否能被成功执行；如果该任务能在被选择的可见时间窗内成功执行，yi＝1；否则，yi＝0。
3.如权利要求1所述的基于任务合成的敏捷光学卫星调度方法，其特征在于，所述任务合成约束和观测动作约束包括：
任务合成约束包括滚动角约束和俯仰角约束，观测动作约束包括转换时间约束、内存容量约束和能量约束；其中，
滚动角约束：当敏捷光学卫星保持滚动角不变时，卫星的传感器视场范围能扫过所有目标，即任务的可见时间窗对应的滚动角范围存在交集；
俯仰角约束：当敏捷光学卫星保持俯仰角不变时，卫星的传感器视场范围能先后连续扫过所有目标，即在固定俯仰角的情况下任务的观测开始时间间隔小于所需的观测持续时间；
转换时间约束：当敏捷光学卫星在当前观测动作结束后从当前姿态调整到下一个观测动作对应的姿态时，两个观测动作之间的时间间隔长度必须能够满足姿态转换所需要的时间；
内存容量约束：敏捷光学卫星存储的观测数据不能超过最大内存容量；
能量约束：观测和姿态调整消耗的能量不能超过敏捷光学卫星的最大能量值。
4.如权利要求3所述的基于任务合成的敏捷光学卫星调度方法，其特征在于，所述俯仰角约束具体如下：
基于敏捷光学卫星的时间依赖特性，对于任务ti，观测俯仰角pa和观测开始时间sti之间的关系通过下式表达：
其中，pa∈[pl,pu]，pl最小俯仰角，pu最大俯仰角，，为可见时间窗的最早开始时间，/>为可见时间窗的最晚开始时间；
俯仰角约束按照任务排列顺序两两判断，任务{t1,t2,…,,tn}合成时需要满足的俯仰角约束为：
5.如权利要求3所述的基于任务合成的敏捷光学卫星调度方法，其特征在于，所述转换时间约束表达式具体如下：
式中，k＝0表示卫星在轨道oj上的初始状态。
6.如权利要求1所述的基于任务合成的敏捷光学卫星调度方法，其特征在于，所述启发式算法为改进的正余弦算法，具体为：
改进后的个体更新公式如下：
采用一个余弦自适应因子替换正余弦算法中线性因子，表达式为：
式中，MaxIter表示最大迭代次数；
采用一个自适应贪婪度因子来选择全局最优解或局部最优解作为当前迭代的目标值。
7.如权利要求1所述的基于任务合成的敏捷光学卫星调度方法，其特征在于，所述任务分配、合成和再分配的策略具体为：
通过启发式算法中的个体解码实现任务分配到各个轨道上的初步分配方案；
采用有向无环图模型描述单个轨道上任务之间的合成关系；
基于先来先服务的策略，根据合成约束条件，快速搜索满足合成约束的任务，生成合成任务的观测动作，根据观测动作约束判断生成的观测动作能否成功执行；移除不满足观测动作约束条件的任务；
对于移除的任务，从剩余的候选可见时间窗口中选择一个并分配到对应的轨道上，实现移除任务的再分配。
8.如权利要求7所述的基于任务合成的敏捷光学卫星调度方法，其特征在于，所述通过启发式算法中的个体解码实现任务分配到各个轨道上的初步分配方案具体为：
通过制定编解码规则用于确定生成的解与实际任务分配方案之间的对应关系；其中，
对各任务的可见时间窗进行编号，确定任务执行所选择的可见时间窗从而确定任务所分配的轨道，即获得任务分配方案的编码结果；解码过程为根据选择的可见时间窗把任务分配到各个轨道上。
9.基于任务合成的敏捷光学卫星调度装置，其特征在于，包括，
调度问题描述模块：用于根据敏捷光学卫星调度所需参数，对多敏捷光学卫星的调度问题进行描述；
函数建立模块：用于根据调度问题的描述，以考虑时间依赖特性的任务合成约束和观测动作约束，以任务收益率最大化作为优化目标，构建基于任务合成的目标函数；
函数求解模块：用于基于任务分配、合成和再分配的策略，及随机初始化初始种群，使用基于种群的启发式算法进行迭代筛选出最优个体，将最优个体代入目标函数中，计算出最优函数值，确定任务的分配及调度方案。
10.计算机设备，包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序，其特征在于，所述处理器执行所述计算机程序时实现如权利要求1至8任一项所述基于任务合成的敏捷光学卫星调度方法。
CN202311415932.8A 2023-10-27 2023-10-27 一种基于任务合成的敏捷光学卫星调度方法、装置及设备 Pending CN117371234A (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311415932.8A CN117371234A (zh) 2023-10-27 2023-10-27 一种基于任务合成的敏捷光学卫星调度方法、装置及设备

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311415932.8A CN117371234A (zh) 2023-10-27 2023-10-27 一种基于任务合成的敏捷光学卫星调度方法、装置及设备

Publications (1)

Publication Number Publication Date
CN117371234A true CN117371234A (zh) 2024-01-09

Family

ID=89392603

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311415932.8A Pending CN117371234A (zh) 2023-10-27 2023-10-27 一种基于任务合成的敏捷光学卫星调度方法、装置及设备

Country Status (1)

Country Link
CN (1) CN117371234A (zh)

Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102479085A (zh) * 2010-11-30 2012-05-30 中国人民解放军国防科学技术大学 敏捷卫星任务规划方法
CN104143042A (zh) * 2014-06-28 2014-11-12 中国人民解放军国防科学技术大学 一种敏捷卫星对地观测任务预处理方案决策的方法
CN106353771A (zh) * 2016-08-12 2017-01-25 北京空间飞行器总体设计部 一种敏捷卫星成像任务全局优化分配方法
CN106767705A (zh) * 2016-11-22 2017-05-31 航天恒星科技有限公司 一种光学遥感卫星点目标观测任务动中成像姿态建模方法
CN108052759A (zh) * 2017-12-25 2018-05-18 航天恒星科技有限公司 一种基于遗传算法的敏捷多星任务观测计划求解方法及系统

Patent Citations (5)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102479085A (zh) * 2010-11-30 2012-05-30 中国人民解放军国防科学技术大学 敏捷卫星任务规划方法
CN104143042A (zh) * 2014-06-28 2014-11-12 中国人民解放军国防科学技术大学 一种敏捷卫星对地观测任务预处理方案决策的方法
CN106353771A (zh) * 2016-08-12 2017-01-25 北京空间飞行器总体设计部 一种敏捷卫星成像任务全局优化分配方法
CN106767705A (zh) * 2016-11-22 2017-05-31 航天恒星科技有限公司 一种光学遥感卫星点目标观测任务动中成像姿态建模方法
CN108052759A (zh) * 2017-12-25 2018-05-18 航天恒星科技有限公司 一种基于遗传算法的敏捷多星任务观测计划求解方法及系统

Non-Patent Citations (4)

* Cited by examiner, † Cited by third party
Title
HAIQUAN SUN ET AL.: "Agile Earth Observation Satellite Scheduling Algorithm for Emergency Tasks Based on Multiple Strategies", 《JOURNAL OF SYSTEMS SCIENCE AND SYSTEMS ENGINEERING》, vol. 30, 2 September 2021 (2021-09-02), pages 630 - 644 *
ZHENG LIU ET AL.: "A Large-Scale Scheduling Method for Multiple Agile Optical Satellites", 《COMPUTER MODELING IN ENGINEERING & SCIENCES》, vol. 136, no. 2, 6 February 2023 (2023-02-06), pages 1145 - 1155 *
简平等: "动态扰动下低轨预警卫星系统任务规划问题分析", 《电子学报》, vol. 42, no. 10, 15 October 2014 (2014-10-15), pages 1895 - 1899 *
韩鹏: "敏捷成像卫星自主任务规划方法研究", 《中国优秀硕士学位论文全文数据库 工程科技Ⅱ辑》, no. 1, 15 January 2021 (2021-01-15), pages 031 - 908 *

Similar Documents

Publication Publication Date Title
Kim et al. Mission scheduling optimization of SAR satellite constellation for minimizing system response time
Li et al. A multi-objective binary-encoding differential evolution algorithm for proactive scheduling of agile earth observation satellites
Xiaolu et al. Multi satellites scheduling algorithm based on task merging mechanism
Kyriakakis et al. A cumulative unmanned aerial vehicle routing problem approach for humanitarian coverage path planning
CN107864007A (zh) 面向区域目标的多星多地面站资源协同分配管理方法
CN113568426B (zh) 一种基于多星多载荷的卫星集群协同规划方法
US20090012923A1 (en) Method and apparatus for distributing assignments
Han et al. Simulated annealing-based heuristic for multiple agile satellites scheduling under cloud coverage uncertainty
CN110412869A (zh) 一种多星协同的空间动态目标实时跟踪方法
CN104657795A (zh) 多卫星对地协同观测的待观测任务确定方法及装置
CN111612384B (zh) 一种具有时间分辨率约束的多星接力任务规划方法
CN109239735A (zh) 虚拟星座协作观测方法
CN113051815A (zh) 一种基于独立指针网络的敏捷成像卫星任务规划方法
CN104680238A (zh) 多卫星对地协同观测的待观测任务确定方法
CN110675004A (zh) 一种基于灰狼算法的路径规划方法
CN110807579B (zh) 一种资源充足情形下最小完工时间的卫星任务规划方法
Zhao et al. Agile satellite mission planning via task clustering and double-layer tabu algorithm
CN116523155A (zh) 一种基于凸松弛的全覆盖路径规划方法
CN109358345A (zh) 基于Agent的虚拟星座协作观测方法
CN117371234A (zh) 一种基于任务合成的敏捷光学卫星调度方法、装置及设备
CN116109036A (zh) 区域网格化的多星观测规划方法、装置及设备
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
CN116883704A (zh) 巨型星座的协同对地观测任务规划优化方法、设备及介质
Camelo et al. A scalable parallel Q-learning algorithm for resource constrained decentralized computing environments
CN116466369A (zh) 高低轨卫星可见时间窗口确定方法及装置

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