云层遮挡不确定条件下的卫星观测任务调度方法及相关装置
本发明属于无线通信网络资源调度,涉及一种云层遮挡不确定条件下的卫星观测任务调度方法及相关装置。
背景技术:
1、光学遥感卫星是获取地表空间信息的核心手段,在灾害应急响应、国土资源普查、生态环境监测等领域发挥着不可替代的作用。随着在轨卫星数量与观测需求的爆发式增长,多星多任务协同调度已成为提升卫星资源利用效率的核心技术。然而,光学卫星的成像效果对云层遮挡高度敏感,云层的随机波动会直接导致观测任务失效,是制约光学卫星观测效能发挥的核心瓶颈,如何在云层遮挡不确定性下实现可靠的任务调度在航天遥感领域变得尤为重要。
2、通过利用随机规划、鲁棒优化等不确定量化建模技术,以及智能优化求解方法,可以实现对云层遮挡随机波动特性的量化刻画与调度方案的鲁棒性优化,从而为提升卫星观测任务执行成功率、提高在轨资源利用效率提供了条件。现阶段已有部分工作对云层遮挡时空分布特性、不确定环境下对地观测任务调度等方向展开研究,并基于不同的不确定处理框架,提出了多类卫星观测任务调度优化方法。
3、然而,现有针对对地观测任务调度中云层遮挡影响的研究存在明显不足。多数研究将云层遮挡视作可预先精准获知的确定性信息,仅通过预筛选、裁剪观测时间窗口的方式规避云量影响,所得到的理想化调度方案对未预见的云层波动缺乏适应性,实际执行中极易因突发云量变化导致任务失效,造成卫星观测资源的浪费。另外现有研究多采用单一概率分布等简化方式刻画云层波动,针对云层遮挡不确定性的建模精度不足,未能精准捕捉不同区域、不同轨道圈次下云层遮挡的分布特性,易导致模型过度保守,浪费观测资源。此外,现有求解策略难以适配复杂不确定性场景下的大规模调度需求,仅适用于卫星数量、任务规模有限的简单场景,无法满足实际工程应用中的调度需求。
技术实现思路
1、本发明的目的在于克服上述现有技术的缺点,提供了一种云层遮挡不确定条件下的卫星观测任务调度方法及相关装置,该方法及相关装置能够在云层遮挡不确定的情况下提高观测任务完成率,同时降低任务规划的计算复杂度。
2、为达到上述目的,本发明公开了一种云层遮挡不确定条件下的卫星观测任务调度方法,包括以下步骤:
3、1)初始化卫星网络场景基本参数;
4、2)根据光学对地观测卫星工作原理和空间网络资源特性,搭建云层遮挡不确定条件下的卫星观测任务调度模型;
5、3)将所述卫星网络场景的基本参数输入到所述云层遮挡不确定条件下的卫星观测任务调度模型中,得到最优调度方案,根据最优调度方案进行卫星调度。
6、进一步的,所述空间网络的基本参数包括观测卫星集合、观测任务集合、所有卫星在调度周期内的全部轨道圈次集合以及所有卫星能观测到任务的全部轨道圈次集合。
7、进一步的,步骤2)中搭建云层遮挡不确定条件下的卫星观测任务调度模型的具体过程为:
8、2a)根据卫星网络场景的具体要求,建立优化变量;
9、定义0-1决策变量描述任务分配状态,表示观测任务分配到卫星的轨道圈次上,表示不分配该任务至该轨道圈次对应的观测窗口;有效观测执行组合集合用于限定云层遮挡变量的定义域,引入连续变量对云层遮挡的不确定性进行精细化建模,,其中,表示卫星在轨道圈次上观测任务时无云层遮挡,表示存在不同程度的云层遮挡,当时表示完全遮挡,观测完全失效;
10、设任务在卫星的轨道圈次上的实际收益为云层遮挡变量的非线性函数,表示任务的基础收益权重,表示云层遮挡阈值,非线性函数表示为:
11、
12、2b)将求解任务集合的最大化执行收益建模为优化问题,其目标函数为最大化实数变量,即:
13、
14、构建约束一,所述约束一为唯一性约束,用于确保每个观测任务最多调度到一颗卫星的一个轨道圈次上,并且最多被观测一次,即:
15、
16、构建约束二及约束三,用于确定顺序变量的范围,即:
17、
18、
19、其中,二元变量,表示任务与任务在同一卫星的轨道圈次上的执行次序,表示在轨道圈次上观测任务先于观测任务执行,表示任务在任务之后观测;有效顺序变量索引集合,用于限定全局顺序决策变量的有效作用范围,仅对同一卫星、同一轨道圈次内均具备观测可见性的不同任务定义执行顺序;
20、构建约束四、约束五,约束四、约束五为:
21、
22、
23、其中,表示卫星在轨道圈次上从任务切换到任务的姿态转换时间;
24、构建约束六为能量约束,表示每个轨道圈次上调度方案的能量消耗小于或等于该卫星该轨道圈次总能量容量,约束六为:
25、
26、其中,表示卫星在轨道圈次上执行任务时的能量消耗,表示卫星在轨道圈次上执行任务时的侧摆能量消耗;
27、构建约束七及约束八:
28、
29、
30、其中,为云层遮挡不确定预算参数,用于控制多面体不确定集的覆盖范围,为鲁棒优化引入的全局确定性决策变量,用于表征云层遮挡不确定性的边际影响;
31、构建约束九:
32、。
33、进一步的,步骤3)的具体操作为:
34、31)建立问题模型;
35、32)使用benders分解问题模型,得到主问题和子问题;
36、33)采用遗传算法求解迭代的主问题,输出候选调度方案;
37、34)对于候选调度方案进行子问题的可行性校验与对偶问题求解,将得到的benders割平面添加到主问题,并重复步骤33)更新全局最优解;
38、35)得到最优调度方案,根据最优调度方案进行任务调度。
39、进一步的,步骤31)的具体操作为:
40、31a)设定收敛阈值和最大迭代次数;
41、31b)初始化全局变量,设全局下界,全局上界,迭代计数,割平面集合。
42、进一步的,步骤32)的具体操作为:
43、32a)主问题的数学形式表述为:
44、
45、subject to
46、
47、
48、其中,约束为由子问题生成的benders割平面集合中的约束,用于逐步排除不可行解并收紧下界;
49、32b)子问题用于检验能量可行性,对于轨道圈次,主问题求解得到一个候选解,子问题负责验证该解在场景下下的可行性,构造为一个以最小化约束违反程度为目标的线性规划,即:
50、
51、subject to
52、
53、
54、其中,决策变量表示为每个卫星的第个轨道圈次引入的松弛变量,表示该圈次能量约束的超出量;目标函数表示最小化所有卫星、所有轨道圈次的总能量超出量,约束表示松弛后的能量约束,超出量由记录。当原分配方案完全满足能量约束,即对和成立,则最优解为,目标函数值为0,则表明候选解满足能量可行性要求;
55、32c)将子问题转化为其对偶问题并求解,以此生成benders割平面,子问题的对偶问题为:
56、
57、subject to
58、
59、
60、其中,作为约束的对偶变量;
61、进一步的,步骤33)采用遗传算法求解主问题的具体操作为:
62、33a)采用随机生成初始种群,对于种群中的每个个体,依次处理每个任务,从其可行的组合集合中均匀随机选择一个组合进行分配,或以一定概率将其分配为未分配状态;
63、33b)设计适应度函数计算种群中每个个体的适应度,即:
64、
65、其中,为该分配方案下期望观测收益的估计值,为任务在卫星的轨道圈次上的成功观测概率,为二进制决策变量在染色体中的体现,为度量个体违反当前benders分解过程中生成的割平面以及模型中惰性约束程度的总和函数,为一个较大的正惩罚系数,用于确保违反关键约束的个体具有较低的适应度;
66、33c)从当前种群中随机选取个个体,为锦标赛规模,比较其适应度值,并从中选择适应度最高的个体进入下一代父代池;
67、33d)采用单点交叉,随机选择一个交叉点,将两个父代染色体在该点处断开,并交换交叉点之后的所有基因片段,以产生新的子代个体;
68、33e)对于子代个体的每一个基因位,即每一个任务,以预设的变异概率判断是否进行变异,若触发变异,则将该任务重新随机分配至其可行组合集合中的另一个组合;
69、33f)对进行可行性校验,仅保留可行个体进入后续过程;
70、33g)从中选出适应度最高的个体,作为本次进化迭代的迭代最优个体,对比其适应度值与当前全局最优个体的适应度值,若,则将全局最优个体更新为本次迭代最优个体,同时将全局最优收益估计值更新为迭代最优个体对应的收益值,若不满足条件,则不执行更新操作;
71、33h)此次进化迭代终止后,输出候选解以及该方案对应的全局最优收益估计值;
72、33i)得到候选解,并更新全局下界。
73、进一步的,步骤34)的具体操作为:
74、34a)将候选解代入对偶子问题求解,得到最优对偶解及其目标函数值,该目标函数值在数学上等于原子问题中的总能量超出量;
75、34b)总能量超出量为0表明当前主问题的解完全满足能量约束,是可行解,基于计算精确收益为;
76、34c)以此更新全局上界与全局最优解;
77、34d)若总能量超出量大于0,表明违反能量约束,此时量化了每个轨道圈次能量约束的违反程度,并构造benders可行性割平面为:
78、
79、将生成的割平面通过约束添加到主问题的约束中,进入步骤33)重新求解主问题;
80、34e)迭代技术递增,若且全局上下界未满足收敛阈值,则转至步骤33)继续迭代;
81、34f)否则,将全局上界作为最优目标收益,输出全局最优任务调度方案以及对应最优目标收益。
82、本发明公开了一种计算机设备,包括存储器、处理器以及存储在所述存储器中并可在所述处理器上运行的计算机程序,所述处理器执行所述计算机程序时实现所述云层遮挡不确定条件下的卫星观测任务调度方法的步骤。
83、本发明公开了一种计算机可读存储介质,所述计算机可读存储介质存储有计算机程序,所述计算机程序被处理器执行时实现所述云层遮挡不确定条件下的卫星观测任务调度方法的步骤。
84、本发明具有以下有益效果:
85、本发明所述云层遮挡不确定条件下的卫星观测任务调度方法及相关装置在具体操作时,针对光学卫星观测受云层遮挡随机波动制约的工程痛点,基于多星多轨道观测场景建立考虑云层遮挡不确定性的卫星观测任务调度模型,设计混合benders遗传优化算法,通过遗传优化算法求解带动态割平面约束的主问题,以获取候选调度方案,再通过各卫星轨道圈次的能量约束校验子问题,完成可行性判定与对偶解求解,生成割平面动态收紧主问题可行域,最终在满足观测时间窗、卫星能量、任务唯一性约束条件下收敛至全局最优解。与现有技术相比,本发明在考虑云层遮挡不确定性以保障观测任务执行稳定性的同时,采用混合benders遗传算法高效处理高维组合优化问题,既精准平衡了调度方案的鲁棒性与资源利用效率,避免了传统模型过度保守或抗扰动能力不足的缺陷,也突破了大规模任务场景下求解效率低、易陷入局部最优的瓶颈,从而确保获得期望观测收益最大的全局最优调度方案,使得在极端恶劣云层环境下仍保持良好的工程适用性。
版权声明:本站专利文献数据主要来源于国家知识产权局等公开渠道,由 技术新讯 进行整理汇编。页面设计及数据汇编的著作权归本站所有。全部内容仅供个人学习、科研评估与技术交流参考,严禁用于任何商业用途(包括但不限于直接生产制造、技术转让、倒卖数据等)。
免责条款:专利技术具有时效性,本站不对资料的绝对准确性、完整性和可实施性提供任何明示或暗示的担保。因参考本站内容造成的直接或间接损失,本站不承担相关法律责任。若您认为本站内容有侵权问题,请及时提供权属证明与我们联系,本站将在核实后依法处理。反馈意见:yyfuon@163.com