[发明专利]一种多星协同任务规划方法

权利要求书

1.一种多星协同任务规划方法，其特征在于，该规划方法包括以下步骤：

步骤1，为多星协同任务设定编码规则；

步骤2，基于编码规则，采用蚁群算法搜索多星协同任务的次优解；

步骤3，蚁群算法搜索陷入局部最优时，使用蚁群算法快速搜索到的次优解作为模拟退火算法的初始解，继续采用模拟退火算法进行搜索，直至达到迭代步数或者达到优化目标，输出结果，确定每个任务对应的执行卫星。

2.根据权利要求1所述的多星协同任务规划方法，其特征在于，步骤1中，数字编码规则为：根据任务数量N_t，设定等长的数字编码，编码上的每个元素定义为基因，每个基因有其相对应任务的编号；其基因的值为对应的时间窗口编号；任务的时间窗口与卫星相对应，确定了时间窗口编号，也就确定了此基因对应任务所选择的卫星编号；

基因值为0，相应任务不被执行；当基因值不为0时，需要经过时间窗口约束规划窗口，机动约束规划窗口，资源约束规划窗口以及存储约束规划窗口等限制条件判断，上述约束窗口都是长度为N_t的0-1二进制编码；0代表不满足此约束，1代表满足此约束，当任务j所对应的所有规划窗口都为1时，才代表任务j可以执行。

3.根据权利要求1所述的多星协同任务规划方法，其特征在于，步骤2可以通过包括以下的步骤实施：

步骤2.1，初始蚁群算法参数以及信息素模型：将任务安排在某时间窗口内的概率信息定义为信息素，针对每个任务分别构造信息素，初始化信息素；

步骤2.2，构造状态转移矩阵：考虑时间窗口冲突因素，对信息素进行修正，得到修正后任务选择任意时间窗口的概率，即为状态转移矩阵；

步骤2.3，计算出任务对所有窗口的概率后，按照轮盘赌算法对时间窗口进行选择，依次为每个任务选出一个时间窗口，构造出一套任务方案，进一步依次遍历m只蚂蚁，为m只蚂蚁构造出相应的任务方案；

步骤2.4，按照解的任务综合收益大小，从小到大对蚂蚁进行排序；

步骤2.5，根据排序和更新策略进行信息素更新；排序的策略采取基本排序蚁群算法策略，即在每次循环中，只有排名在前ω位的蚂蚁才允许释放信息素；

步骤2.6，依据步骤2.2至2.5进行循环，判断蚁群算法是否陷入局部最优，若没有则转步骤2.2，否则进行模拟退火算法。

4.根据权利要求3所述的多星协同任务规划方法，其特征在于，步骤2.1中，初始化信息素，设为任务选择各时间窗口的初始概率相等，概率和为1：

假设任务i共有O_i个时间窗口，信息素τ_ik表示将任务i安排在窗口k的概率，初始化信息素，任务选择各时间窗口的初始概率相等都为概率和为1。

5.根据权利要求4所述的多星协同任务规划方法，其特征在于，步骤2.2中，构造状态转移矩阵的具体步骤为：

增加了一个启发因子η_ik，η_ik表示任务i的第k个时间窗口与其他任务时间窗口的重叠次数，η_ik越大，则任务i选择此时间窗口与其他任务产生冲突的可能性越高，任务完成情况也就越差；

任务i选择第k个时间窗口的概率为：

其中，α表示信息素启发因子，β表示任务冲突启发因子。

6.根据权利要求5所述的多星协同任务规划方法，其特征在于，在步骤2.5中，更新策略如下：

τ_ik(t+1)＝ρτ_ik(t)+w_rΔτ 1≤r≤ω

ρ表示遗忘因子，Δτ表示信息素增量，w_r表示排在第r名解的系数，排名越靠前，w_r值越大，t表示循环次数；

其他排名ω位之后的路径乘以遗忘因子ρ即可，τ_ik(t+1)＝ρτ_ik(t) 1≤r≤ω。