[发明专利]基于指针神经网络的多星应急任务规划方法及系统

摘要

本发明实施方式提供一种基于指针神经网络的多星应急任务规划方法及系统，属于卫星的应急任务规划技术领域。该基于指针神经网络的多星应急任务规划方法及系统只通过从多颗卫星的任务需求数据集中随机抽取任务数据集，采用该任务数据集对卫星指针式神经网络和任务指针神经网络进行训练，以较小的数据集训练指针式神经网络，降低了对系统资源的占用；另一方面，采用训练好的指针神经网络对卫星的任务需求进行规划，能够自主发现应急任务规划过程中的启发式规则，降低了整体方法对于人工设计的启发式规则的依赖，可以有效地提高卫星的应急任务规划方法的应急响应能力和泛化能力。

主权项

1.一种基于指针神经网络的多星应急任务规划方法，其特征在于，所述应急任务规划方法包括：/n初始化指针神经网络和迭代次数，其中，所述指针神经网络包括卫星指针神经网络和任务指针神经网络；/n从多星的任务需求数据集中随机抽取以形成多条训练数据；/n分别对每条所述训练数据进行预处理；/n针对每条所述训练数据，分别采用LSTM网络根据所述训练数据生成每颗卫星对应的第一向量；/n采用卫星指针神经网络分别针对每条所述训练数据根据所述第一向量从所述卫星的集合中选取一颗未被选取的所述卫星；/n对每条所述训练数据中选取的所述卫星的时间窗数据进行嵌入处理；/n针对每条所述训练数据采用任务指针神经网络根据选取的所述卫星的时间窗数据生成对应的应急任务规划方案，其中，所述应急任务规划方案包括多个应急任务规划子方案，每个所述应急任务规划子方案包括所述任务指针神经网络针对一条所述训练数据选取的所述卫星的生成结果；/n计算选取的所述卫星的应急任务规划方案的收益；/n判断所述集合中是否存在未被选取的所述卫星；/n在判断所述集合中存在未被选取的所述卫星的情况下，再次采用卫星指针神经网络分别针对每条所述训练数据根据所述第一向量从所述卫星的集合中选取一颗未被选取的所述卫星；/n在判断所述集合中不存在未被选取的所述卫星的情况下，判断迭代次数是否大于或等于预设的次数阈值；/n在判断所述迭代次数小于所述次数阈值的情况下，计算所有所述收益的收益均值；/n判断所述迭代次数是否为初始值；/n在判断所述迭代次数为初始值的情况下，根据当前的所述收益均值采用反向梯度法更新所述LSTM神经网络、所述卫星指针神经网络和所述任务指针神经网络；/n在判断所述迭代次数非初始值的情况下，计算当前的所述收益均值和上一次迭代过程中的收益均值的平滑收益，根据所述平滑收益更新所述LSTM神经网络、所述卫星指针神经网络和所述任务指针神经网络；/n更新迭代次数并再次从多星的任务需求数据集中随机抽取以形成所述训练数据；/n在判断所述迭代次数大于或等于所述次数阈值的情况下，采用测试集测试所述卫星指针神经网络和所述任务指针神经网络，判断生成的方案是否满足精度要求；/n在判断生成的方案不满足所述精度要求的情况下，重置迭代次数并再次从多星的任务需求数据集中随机抽取以形成所述训练数据；/n在判断生成的方案满足所述精度要求的情况下，接收实际的任务需求；/n采用所述任务指针神经网络和所述卫星指针神经网络根据所述任务需求生成应急任务规划方案。/n