[发明专利]基于双蚁群的多星任务调度方法和装置

权利要求书

1.一种基于双蚁群的多星任务调度方法，其特征在于，包括：

构建多个卫星的任务调度的数学模型，所述任务包括观测任务和下传任务，所述数学模型包含至少一个约束；

基于双蚁群算法对所述数学模型进行求解，获得所述多个卫星的任务调度方案；

根据所述多个卫星的任务调度方案调度多个卫星的观测任务和下传任务；

其中，所述多个卫星的任务调度的数学模型为：

其中，

R_num，R_wgt是比例系数；

T＝{1,2,...,i,...,N_T}是目标集合，目标对应一个观测任务，N_T是目标数量，i表示第i个目标；

S＝{1,2,...,j,...N_S}是卫星集合，N_S是卫星数量，j表示第j个卫星；

是卫星j在调度周期中的轨道圈次数集合，k为卫星j的第k圈次，为调度期最大圈次数；

tw_i是目标i的权重；

是决策变量，

是一般变量，

所述约束包括以下约束中的至少一种：

约束1：

约束2：

约束3：

约束4：

约束5：

约束6：

约束7：

其中，

ST_j是卫星j的存储容量；

是卫星j的最大存储容量；

是卫星j开始观测时的存储容量即ST_j的初始值；

是卫星j结束观测时的存储容量即ST_j的最终值；

et_j是卫星j在单位时间进行观测或数据下传所需消耗的能量；

E_j是卫星j在单个轨道圈次内可消耗的最大能量；

td_i是目标i的观测时间；

tc_i是观测目标i所需消耗的卫星存储；

是目标i与卫星j在第k个轨道圈次内的执行时间窗，是开始时间，是结束时间；

TGap_j是卫星j观测完某个目标后需要调整进入下个观测状态的过渡时间；

G＝{1,2,...,m,...,N_G}是地面站集合，N_G是地面站数量，m表示第m个地面站；

GGap_m是地面站m在前后接收两颗卫星的下传时，之间的过渡时间；

是地面站m与卫星j在第k个轨道圈次内的执行时间窗，是开始时间，是结束时间；

所述基于双蚁群算法对所述数学模型进行求解，获得多个卫星的任务调度方案包括：

步骤A，对蚁群进行初始化；具体的，以目标的剩余观测机会、目标的权重、目标的执行时间、观测机会的冲突度，下传机会间时间差中任一种启发式信息构成相应的启发式信息体系来引导蚂蚁；

步骤B，判断求解过程是否停泄，如果是，进入步骤C，否则，进入步骤D；

步骤C，选择全局最优解中未观测卫星的观测机会为首个节点，并删除相应节点；具体的，在下一代解中从全局最优解中未观测目标的观测机会点集合中随机选取一个点作为首个插入到解中的节点，并在任务冲突图中删除与之连线的节点；

步骤D，在第一支蚁群选择一个下传机会点，并删除相应节点；具体的，反复执行第一支蚁群的操作直到下传任务节点为空为止，便可以得到问题的解，每只蚂蚁开始求解的过程都要首先初始化任务冲突图；

步骤E，在第二支蚁群选择观测机会点，并删除相应节点；具体的，反复执行第二支蚁群的操作直到观测点为空为止，便可以得到问题的解，每只蚂蚁开始求解的过程都要首先初始化任务冲突图；

其中，步骤E中第二支蚁群如果没有节点可选，则重新进入步骤D中第一支蚁群的运算，进行下传机会点选择；

步骤F，判断当前代蚁群是否生成完整解，如果是，进入步骤G，否则，返回步骤D；

步骤G，对所述完整解进行评价，并分别对两支蚁群进行信息素更新；具体的，按照下面公式对两支蚁群进行信息素更新，其中ρ为信息素挥发系数，Δτ为信息增量依据全局最优解计算而来，

τ_max＝1/ρ,τ_min＝τ_max/20

τ_i(t+1)＝τ_i(t)*(1-ρ)+△τ(t)

△τ(t)＝Fitness(S_best)

τ_i(t+1)＝τ_max ifτ_i(t+1)>τ_max

τ_i(t+1)＝τ_min ifτ_i(t+1)<τ_min

其中：

τ_max为蚁群执行任务的最大知识累计；

τ_min为蚁群执行任务的最小知识累计；

S_best为蚁群完成一次任务规划的最优解；

Fitness(S_best)为蚁群完成一次任务规划的适应度函数；

τ_i(t)为蚂蚁i在第t次迭代过程中执行任务的知识累计；

t为蚁群执行任务的迭代次数；

t+1为蚁群执行任务的迭代次数；

步骤H，判断是否求解过程满足终止条件，如果是，结束，否则，返回步骤A；

所述卫星为中国高分系列卫星。

2.一种基于双蚁群的多星任务调度装置，其特征在于，包括：

模型构建单元，用于构建多个卫星的任务调度的数学模型，所述任务包括观测任务和下传任务，所述数学模型包含至少一个约束；

模型求解单元，用于基于双蚁群算法对所述数学模型进行求解，获得多个卫星的任务调度方案；

任务调度单元，用于根据所述多个卫星的任务调度方案调度多个卫星的观测任务和下传任务；

所述多个卫星的任务调度的数学模型为：

其中，

R_num，R_wgt是比例系数；

T＝{1,2,...,i,...,N_T}是目标集合，目标对应一个观测任务，N_T是目标数量，i表示第i个目标；

S＝{1,2,...,j,...N_S}是卫星集合，N_S是卫星数量，j表示第j个卫星；

是卫星j在调度周期中的轨道圈次数集合，k为卫星j的第k圈次，为调度期最大圈次数；

tw_i是目标i的权重；

是决策变量，

是一般变量，

所述约束包括以下约束中的至少一种：

约束1：

约束2：

约束3：

约束4：

约束5：

约束6：

约束7：

其中，

ST_j是卫星j的存储容量；

是卫星j的最大存储容量；

是卫星j开始观测时的存储容量即ST_j的初始值；

是卫星j结束观测时的存储容量即ST_j的最终值；

et_j是卫星j在单位时间进行观测或数据下传所需消耗的能量；

E_j是卫星j在单个轨道圈次内可消耗的最大能量；

td_i是目标i的观测时间；

tc_i是观测目标i所需消耗的卫星存储；

是目标i与卫星j在第k个轨道圈次内的执行时间窗，是开始时间，是结束时间；

TGap_j是卫星j观测完某个目标后需要调整进入下个观测状态的过渡时间；

G＝{1,2,...,m,...,N_G}是地面站集合，N_G是地面站数量，m表示第m个地面站；

GGap_m是地面站m在前后接收两颗卫星的下传时，之间的过渡时间；

是地面站m与卫星j在第k个轨道圈次内的执行时间窗，是开始时间，是结束时间；

所述模型求解单元包括：

初始化子单元，用于对蚁群进行初始化；具体的，以目标的剩余观测机会、目标的权重、目标的执行时间、观测机会的冲突度，下传机会间时间差中任一种启发式信息构成相应的启发式信息体系来引导蚂蚁；

第一判断子单元，用于判断求解过程是否停泄，如果是，触发第一观测节点选择子单元，否则，触发下传节点选择子单元；

第一观测节点选择子单元，用于选择全局最优解中未观测目标的观测机会为首个节点，并删除相应节点；具体的，在下一代解中从全局最优解中未观测目标的观测机会点集合中随机选取一个点作为首个插入到解中的节点，并在任务冲突图中删除与之连线的节点；

下传节点选择子单元，用于在第一支蚁群选择一个下传机会点，并删除相应节点；具体的，反复执行第一支蚁群的操作直到下传任务节点为空为止，便可以得到问题的解，每只蚂蚁开始求解的过程都要首先初始化任务冲突图；

第二观测节点选择子单元，用于在第二支蚁群选择观测机会点，并删除相应节点；具体的，反复执行第二支蚁群的操作直到观测点为空为止，便可以得到问题的解，每只蚂蚁开始求解的过程都要首先初始化任务冲突图；其中，第二观测节点选择子单元中第二支蚁群如果没有节点可选，则重新进入下传节点选择子单元中第一支蚁群的运算，进行下传机会点选择；

第二判断子单元，用于判断当前代蚁群是否生成完整解，如果是，触发评价更新子单元，否则，重新触发下传节点选择子单元；

评价更新子单元，用于对完整解进行评价，并分别对两支蚁群进行信息素更新；具体的，按照下面公式对两支蚁群进行信息素更新，其中ρ为信息素挥发系数，Δτ为信息增量依据全局最优解计算而来，τ_max＝1/ρ,τ_min＝τ_max/20

τ_i(t+1)＝τ_i(t)*(1-ρ)+△τ(t)

△τ(t)＝Fitness(S_best)

τ_i(t+1)＝τ_max ifτ_i(t+1)>τ_max

τ_i(t+1)＝τ_min ifτ_i(t+1)<τ_min

其中：

τ_max为蚁群执行任务的最大知识累计；

τ_min为蚁群执行任务的最小知识累计；

S_best为蚁群完成一次任务规划的最优解；

Fitness(S_best)为蚁群完成一次任务规划的适应度函数；

τ_i(t)为蚂蚁i在第t次迭代过程中执行任务的知识累计；

t为蚁群执行任务的迭代次数；

t+1为蚁群执行任务的迭代次数；

第三判断子单元，用于判断求解过程是否满足终止条件，如果是，结束，否则，重新触发初始化子单元；

所述卫星为中国高分系列卫星。