[发明专利]基于动态偏好匹配的多月基装备协作任务规划方法

说明书

本发明涉及一种基于动态偏好匹配的多月基装备协作任务规划方法，属于航空航天技术领域。本发明首先获取任务场景信息，包括任务集合、装备集合，以及每个任务和装备的详细信息。为任务和装备建立抽象模型，将多装备任务规划问题建立为任务和装备的双边匹配模型，然后采用改进的延迟接受算法(盖尔‑夏普利算法)生成多任务在多装备中的规划方案。基于动态偏好匹配的多月基装备协作任务规划方法能够快速生成多任务在多装备中的规划方案，满足各装备内部的时间约束，提高多装备协作任务的安全性及价值收益。

技术领域

本发明涉及一种基于动态偏好匹配的多月基装备协作任务规划方法，属于航空航天技术领域。

背景技术

在我国既定的“绕、落、回”探月工程即将完成之际，为了更加深入地开展月球科学研究，勘查可利用地月球资源，国家已经启动无人月球科研站地论证工作，拟在世界上首次实施无人月球科研站建设的重大任务。无人月球科研站是由多个协同工作的着陆器、巡视器、功能舱、特种机器人、能源站等月基装备组成的智能集群系统。月球基地的建设是一个大规模复杂工程，依赖多种装备合作完成环境感知、基地构建等任务，月基装备多机作业任务众多、约束复杂，需要通过规划技术进行装备间分配任务，实现安全高效的多探测器多任务协同作业。因此，多机协同任务规划是多月基装备协同作业需要解决的重要问题。

多月基装备协同作业任务规划属于多航天器任务规划问题，可借鉴已有的多航天器任务规划方法。多航天器任务规划问题采用的方法有遗传算法等元启发式算法，以及基于招投标机制的规划算法等。元启发式算法的建模过程较为复杂，以遗传算法为例，需要将航天器选择任务的规划方案抽象成基因、染色体、个体和种群等模型，对航天器执行任务会受到的时间、资源等多种约束的描述能力不强。同时，元启发式算法的时间复杂度和空间复杂度高，面对大量的航天器或者任务，会导致计算时间长，程序运行占用存储空间大的问题。元启发式算法还存在一定的随机性，会降低航天器的可控性和可靠性。基于招投标机制的规划算法的建模过程较为简单直观，但招投标算法没有回溯机制，有可能导致本来有解的问题无法找到解，或者只能找到次优解。

发明内容

针对多月基装备协同作业任务规划问题，本发明提供一种基于动态偏好匹配的多月基装备协作任务规划方法。该方法为多月基装备协同作业任务规划问题建立模型，将实际问题抽象为数学模型，便于利用优化方法解决问题。研究任务规划方法，生成多个月球装备的任务规划方案，优化多机协同作业的任务完成率和总体收益。在任务规划方法中，检查装备内部时间约束，生成满足时间约束的任务规划方案，保证任务执行的安全性。

本发明的目的是通过下述技术方案实现的：

本发明公开的基于动态偏好匹配的多月基装备协作任务规划方法，首先获取任务场景信息，包括任务集合、装备集合，以及每个任务和装备的详细信息。为任务和装备建立抽象模型，将多装备任务规划问题建立为任务和装备的双边匹配模型，然后采用改进的延迟接受算法(盖尔-夏普利算法)生成多任务在多装备中的规划方案。基于动态偏好匹配的多月基装备协作任务规划方法能够快速生成多任务在多装备中的规划方案，满足各装备内部的时间约束，提高多装备协作任务的安全性及价值收益。

基于动态偏好匹配的多月基装备协作任务规划方法，包括如下步骤：

步骤一、获取场景信息，包括装备集合和任务集合。

装备集合表示为S＝{s₁,s₂,…,s_n},每个装备表示为s_i＝(i,d,A)，装备参数包括装备编号i、相邻动作间最短间隔时长d、装备完成各任务的可用动作集合A。任务集合表示为T＝{t₁,t₂,…,t_n},每个任务表示为t_j＝(j,p,l,B)，任务参数包括任务编号j、任务优先级p、该任务最短执行时长l、各装备可完成该任务的可用动作集合B。任务优先级越高，p的数值越大；A_t的初始集合为空集，需要从各装备处获得该任务的可用动作。