[发明专利]一种基于超启发式算法的多星对地观测任务规划调度方法

说明书

技术领域

本发明涉及对地观测多卫星任务规划方法，尤其涉及一种基于超启发式算法的多星对地观测任务规划方法，属于卫星对地观测应用领域。

背景技术

成像卫星能够通过有效载荷实施对地探测，为侦察监视、应急搜索等各类任务提供重要的信息服务，是国家的重大基础性战略设施之一。成像卫星能够通过有效载荷实施对地探测，为侦察监视、应急搜索等各类任务提供重要的信息服务，是国家的重大基础性战略设施之一。当前，我国卫星技术(包括平台、载荷和组网技术)不断发展，但卫星的总体数量以及频谱、轨道等资源仍然是有限的，且在应用过程中还存在很多不足，如资源利用率不均衡、平台协同能力弱、快速响应能力差等，难以满足日益增多的信息需求。

多星对地观测任务规划必须在复杂的约束条件下和多种优化目标下完成，其复杂性主要体现在如下方面：(1)从任务的角度看，要处理的观测任务数量繁多，来源分布，不同的任务之间有复杂的耦合关系，存在交联、重叠和冲突，需要进行大量的解耦和协调工作；任务往往是动态变化的，会对既有规划方案产生巨大的扰动，需要不断地进行调整。(2)从资源的角度看，不同的卫星存在轨道、载荷等方面的不同，具有不同的时空行为和不同的工作模式；卫星之间的通信机制、互访问性、互操作性还很不完善，信息传递和协同工作往往需要进行多层中转才能完成。(3)从用户的角度看，用户对信息服务的效率和质量往往具有较高的要求，如对响应时间的要求，对连续性支持的要求等，而卫星平台、载荷和频谱等资源的数量是有限的，节点的能力也相对固定，因此任务规划必须同时考虑多个相互冲突的约束条件和优化目标。

卫星资源调度问题主要研究如何使用最少的资源(包括轨道资源、传感器资源、卫星平台资源等)满足最大化的任务需求，是一类典型的组合优化问题，属于NP-Hard问题的研究范畴，因此相关求解算法研究一直是该领域的研究热点的重点。目前对星上任务规划，多星协同规划等方面的研究已取得了一定的进展，提出了很多模型和算法。卫星资源调度的常见求解算法以启发式算法为主，其中用于多星资源调度的传统启发式算法以基于图着色理论的求解方法较为常见，亚启发式算法以蚁群算法等最为典型。当前对于卫星任务规划的相关研究虽然取得了一定的成果，但现有研究对实际环境的高动态性、深度不确定性的影响机理考虑不足，同一算法对多星任务规划问题不同规模的实例求解效率和效果不同。因此，要从根本上提高多星任务规划的水平，需要对常用的算法进行系统性地综合评价，在此基础上探索一种新的求解思路，建立算法的自动选择和匹配机制，以推动算法走向实际应用。

发明内容

本发明为克服现有技术存在的不足，提供一种基于超启发式算法的多星对地观测任务规划调度方法，以期能适应于求解多星任务规划问题不同规模的实例，在可计算的时间内提供一个满意解，解决多卫星协同对地观测任务规划的鲁棒性和可靠性的问题，提高多卫星协同对地观测任务的分配效率和执行效率，从而带来较好的问题求解效率和效果。

为实现上述目的，本发明采用以下技术方案：

本发明一种基于超启发式算法的多星对地观测任务规划调度方法，是应用于由S个卫星对O个地面目标进行观测，并由G个地面站接收所述S个卫星的观测结果而形成的多星对地观测任务中，所述多星对地观测任务能通过m个底层算法进行求解；所述m个底层算法记为H＝{h₁,h₂,…,h_i,…,h_m}；h_i表示第i个底层算法，1≤i≤m；其特点是，所述规划调度方法是按如下步骤进行：

步骤1、初始化：

设置超启发式算法的运行时间为T、设置所述m个底层算法H的运行效力评价因子为α、设置所述m个底层算法H的选择评价因子为γ、设置所述m个底层算法H的目标适应度值为fit；

步骤2、定义循环变量为j，初始化j＝0；并记录所述超启发式算法的开始时间为T₁；

步骤3、利用贪婪算法获得所述观测任务的第j次循环的初始解z_j；