[发明专利]一种复杂约束条件下多星多任务观测调度优化方法

摘要

本发明涉及一种复杂约束条件下多星多任务观测调度优化方法，属于深空探测技术领域。本发明通过设计改进的蚁群算法实现，将环绕地球一个轨道圈次的一颗卫星资源用一只卫星代表，所有轨道圈次中的卫星资源形成一个蚁群系统；结合观测约束，引入能量需求预估和容量需求预估来控制转移概率。在状态转移规则中考虑了时间、能量和存储量等约束，并且观测调度任务具有优先级,该方法有助于提高真实卫星任务调度中的数据收集能力和应用水平。其中的改进蚁群算法，在可行的迭代范围内即能收敛得到更优质的解。

主权项

一种复杂约束条件下多星多任务观测调度优化方法，其特征在于：包括如下步骤：步骤1，对多任务多资源调度问题模型的时序参数、优先级参数、存储器容量参数、电量参数进行初始化，产生待选观测任务集合，并在环绕地球的所有轨道圈次中随机放置多个卫星初始运行位置；步骤2，进行约束分析，综合考虑各类约束，建立问题模型和约束模型；将多任务多资源问题描述为六元组的形式，建立问题模型如下：MTRS＝{S,T,P,G,R,W}   (1)其中，S表示卫星集合，设能执行观测任务的卫星数量为N_S，有其中分别表示第1颗卫星，第2颗卫星，…，第N_s颗卫星；T表示所有任务集合，设候选观测任务数量为N_T，则候选观测任务集数据下传任务数量为N_D，则数据下传任务集P表示观测任务优先级的集合，为任务t_i在各卫星上的优先级，p₁为任务t_i在第1颗卫星上的优先级，p₂为任务t_i在第2颗卫星上的优先级，为任务t_i在第N_S颗卫星上的优先级；G表示地面站集合，地面站数量为N_G，分别表示第1，2,…,N_G个地面站；R表示调度过程中资源约束的集合，R＝{E,C}，其中E表示能量，C表示数据存储容量；W表示可见窗口集合；为卫星s_i的可用观测轨道圈次集，其中N_O为s_i可用观测轨道数量；建立多任务多资源问题的约束模型为：①调度的目标函数：$P=\underset{i=1}{\overset{N_T}{\mathrm{\Σ}}}\underset{m=1}{\overset{N_O}{\mathrm{\Σ}}}\underset{p=1}{\overset{N_S}{\mathrm{\Σ}}}{w}_i{c}_{m_i}^P{c}_i---\left(2\right)$②约束条件：观测任务执行唯一性约束：$\underset{i=1}{\overset{N_T}{\mathrm{\Σ}}}\underset{m=1}{\overset{N_O}{\mathrm{\Σ}}}\underset{p=1}{\overset{N_S}{\mathrm{\Σ}}}{\mathrm{ct}}_{\mathrm{ij}}^{\mathrm{pm}}=\underset{r=1}{\overset{N_T}{\mathrm{\Σ}}}\underset{m=1}{\overset{N_O}{\mathrm{\Σ}}}\underset{p=1}{\overset{N_S}{\mathrm{\Σ}}}{\mathrm{ct}}_{\mathrm{jr}}^{\mathrm{pm}}=\underset{m=1}{\overset{N_O}{\mathrm{\Σ}}}\underset{p=1}{\overset{N_S}{\mathrm{\Σ}}}{c}_{\mathrm{mj}}^p---\left(3\right)$同轨道圈次任务执行时间约束：$c_{\mathrm{ij}}^{\mathrm{Pm}}=1,{\mathrm{obt}}_{\mathrm{mj}}^p\≥{\mathrm{obt}}_{\mathrm{mi}}^p+d_i+{\mathrm{tac}}_{\mathrm{ij}}---\left(4\right)$卫星单一轨道圈次内电量约束：$\underset{{\mathrm{tp}}_i\∈T}{\mathrm{\Σ}}{e}_i{c}_{\mathrm{mi}}^p+\underset{{\mathrm{td}}_j\∈D}{\mathrm{\Σ}}{e}_j^d{r}_{\mathrm{mj}}^P+\underset{t_i\∈(T\∪D)}{\mathrm{\Σ}}(e_m{\mathrm{tac}}_{\mathrm{ij}}+e_s){\mathrm{ct}}_{\mathrm{ij}}^{\mathrm{pm}}\≤E_s^p---\left(5\right)$当前卫星(卫星资源)的存储器容量约束：总量约束：$\underset{m=1}{\overset{N_O}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_T}{\mathrm{\Σ}}}{c}_i{c}_{\mathrm{mi}}^p+\underset{m=1}{\overset{N_O}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_D}{\mathrm{\Σ}}}{c}_j{r}_{\mathrm{mj}}^{\mathrm{Pm}}\≤C_s^p---\left(6\right)$下传活动可行性的存储器容量约束：上述约束模型中：时序参数：d_i为候选任务ti的观测持续时长；tac_i,j为任务t_i到任务t_j的姿态调整时间长度；优先级参数：w_i为任务t_i的优先级，对包括观测任务及数据下传任务在内的所有任务的优先级进行随机赋值；存储器容量参数：为卫星s_p总的可用存储容量；c_i为任务t_i所需占用的存储容量；c_max＝max(c_i)为所有观测任务中占用存储器容量的最大值；电量参数：为卫星s_p单个轨道圈次内可用的电量总量；e_i为任务t_i观测所需消耗电量；为数据下传任务td_i所需消耗电量；e_M为姿态机动单位角度所需能量；e_S为姿态稳定所需消耗电量，常数值；调度过程中的决策变量为：步骤3，对一个轨道圈次内的任意一颗卫星，根据公式(4)计算满足时间约束的任务集合，并判断集合是否为空；筛选出该卫星在该圈次内能够执行的且满足时序约束的任务集合；步骤4，在步骤3得到的满足时间约束的任务集合中，根据公式(5)—(7)选取能够同时满足能量和存储容量约束的任务；在满足所有约束的任务集合中，对当前卫星进行状态转移，并逐步得到满足约束的可行任务序列；具体方法为：采用的状态转移规则为式中，${\mathrm{allowed}}_k\left(t_i\right)=T-\underset{i=1}{\overset{N_O{N}_S}{\mathrm{\Σ}}}{\mathrm{tabu}}_i-t\_{\mathrm{violate}}_k$为卫星k允许执行任务的集合，其中：为所有卫星已经探索过的任务目标，此集合为全局变量；t_violate_k为当前卫星k的位置时间参数不能满足时间约束的目标任务集合；q₀为控制转移规则的参数，在[0,1]区间内取值；q为[0,1]区间上均匀分布的随机变量；τ_ij为任务t_i与任务t_j间的信息素强度；ξ_ij＝tac_i,j+e_j为任务t_i与任务t_j间能量需求影响；ω_j为任务t_j优先级的影响；${\mathrm{\θ}}_j=\left\{\begin{array}{cc}\inf & \underset{m=1}{\overset{N_O}{\mathrm{\Σ}}}\underset{i=1}{\overset{N_T}{\mathrm{\Σ}}}{c}_i{c}_{\mathrm{mi}}^p-\underset{m=1}{\overset{N_O}{\mathrm{\Σ}}}\underset{j=1}{\overset{N_D}{\mathrm{\Σ}}}{c}_j{r}_{\mathrm{mj}}^p\≤c_{\max }\\ 1& \mathrm{else}\end{array}\right.---\left(13\right)$θ_j为存储器容量需求的影响；步骤5，经过步骤4的状态转移后，输出当前卫星在该圈次内需要探索的可行任务序列，更新信息素；信息素更新策略采用所有卫星同步迭代的转移方式，具体方法如下：步骤5.1，为所有卫星随机分配初始目标，然后所有卫星根据状态转移规则依次选择下一任务，当所有的卫星完成可行任务序列构造，得到所有卫星的可行任务序列集合为：$\mathrm{TF}=\underset{i=1}{\overset{N_O{N}_S}{\∪}}t\_f_i---\left(14\right)$若无法找到任务，则返回该卫星的可行任务序列t_fi，执行步骤5.2；步骤5.2，将TF收益与当前最优任务执行序列集TF_Best作比较；若TF的总收益P_TF不大于TF_Best的总收益P_Best，则TF所有边上的信息素挥发；步骤5.3，经过挥发更新之后，任务t_i与任务t_j间的信息素浓度为：其中ρ为信息素挥发度，为任务t_i与任务t_j间的原信息素强度；若当前迭代步骤产生任务序列的总收益P_TF大于P_Best，则更新全局最优任务执行序列集TF_Best＝TF；每次循环仅在当前迭代步数达到N_max时，对当前全局最优任务执行序列集中的信息素浓度进行更新：${\mathrm{\τ}}_{\mathrm{ij}}^{\mathrm{new}}=(1-\mathrm{\ρ}){\mathrm{\τ}}_{\mathrm{ij}}^{\mathrm{old}}+{\mathrm{\Δ\τ}}_{\mathrm{ij}}---\left(15\right)$式中其中Q为预设参数，L_Best为任务执行时资源参数的影响：$L_{\mathrm{Best}}=\underset{t_i,t_j\∈{\mathrm{TF}}_{\mathrm{Best}}}{\mathrm{\Σ}}{\mathrm{\ξ}}_{\mathrm{ij}}---\left(16\right)$步骤6，设置蚁群算法最大遗传代数为N_max，若迭代步数未达到N_max，则重新执行步骤3‑步骤5，每个迭代步骤中，所有卫星都完成自己的寻找过程；当迭代步数等于N_max时，对当前全局最优任务执行序列集中的信息素浓度进行更新，完成一次循环，并输出结果TF_best。