基于大语言模型多智能体协同的卫星动态调度方法及系统
本发明涉及卫星任务调度,具体涉及一种基于大语言模型多智能体协同的卫星动态调度方法和系统。
背景技术:
1、对地观测卫星已广泛应用于灾害应急响应、军事侦察、环境监测与国土资源普查等关键领域。随着星群组网规模的扩大和高时效观测需求的增长,大量动态观测任务(即应急任务)在调度周期内高频随机到达。这类任务要求系统在极短时间内对既有多星调度方案做出响应,在同时满足时间窗口互斥、星载存储容量等多维硬性约束的前提下,尽可能多地保证高优先级任务的执行,以实现全局观测收益的最大化。因此,高效、灵活的冲突消解机制成为卫星动态调度中的核心技术挑战。
2、目前,卫星动态调度的冲突消解主要采用基于滚动时域与启发式搜索的策略。该类方法将连续调度周期划分为若干连续的较短时间窗口,当新任务到达时,在受影响窗口内调用自适应大邻域搜索等元启发式算法进行局部重规划。其消解冲突的核心操作通常为“直接删除”:当插入高优先级新任务引发时间窗重叠或存储资源超限时,依据预设的固定规则,强制从现有方案中删除一个或多个优先级较低的任务,以腾出资源给新任务。
3、然而,上述现有技术方案存在明显缺陷。其冲突消解机制过度依赖静态的人工规则,决策逻辑僵硬。在处理高密度、多任务高度耦合的复杂冲突时,仅能执行简单的二元删除操作,缺乏像人类调度专家一样通过灵活调整来寻求全局更优解的能力。这种刚性处理极易破坏原本优质的调度结构,导致大量本可保留的高价值任务被误删,使重规划方案陷入局部最优,最终造成全局观测总收益显著下滑,且无法有效保障动态调度的应急时效性与方案可行性。
技术实现思路
1、针对现有技术的不足,本发明提供了一种基于大语言模型多智能体协同的卫星动态调度方法和系统,解决了现有冲突消解机制决策的重规划方案容易陷入局部最优,造成全局观测总收益下滑,无法有效保障动态调度时效性与可行性的技术问题。
2、为实现以上目的,本发明提供一种基于大语言模型多智能体协同的卫星动态调度方法(agent-based conflict resolution,agentcr),包括:
3、响应于突发的动态到达的点目标观测任务,通过局部调度智能体调用启发式算法,将所述动态到达的点目标观测任务强制插入当前调度方案,生成包含潜在资源冲突的初步重规划方案;
4、通过冲突检测智能体对所述初步重规划方案进行约束扫描,定位产生冲突的卫星、标识与涉事任务集合,并调用预设的翻译规则字典将底层离散冲突数据转换为具有标准格式的结构化自然语言冲突诊断报告;
5、通过全局管理智能体获取由独立管理进程实时维护的动态记忆流,所述动态记忆流表征各卫星的当前负载状态和资源余量;
6、将所述冲突诊断报告和动态记忆流作为上下文信息输入至协商消解智能体,利用所述协商消解智能体执行链式协商推理并生成包含任务平移和/或置换的修改动作指令集;
7、通过所述全局管理智能体对所述修改动作指令集进行约束终审和全局累计观测收益审计,若终审通过且全局观测收益实现正向增长,则锁定并输出更新后的调度方案,同步更新所述动态记忆流;否则,提取失败因果机理并转化为补充冲突提示文本,更新所述冲突诊断报告,返回执行新一轮链式协商推理,直至满足预设终止条件。
8、于本发明一实施例中,所述通过局部调度智能体调用启发式算法,将所述动态到达的点目标观测任务强制插入当前调度方案,得到包含潜在资源冲突的初步重规划方案,包括:
9、调取当前满足约束的初始调度方案,并提取所述动态到达的点目标观测任务的任务属性,所述任务属性包括任务id、地理空间坐标位置、观测收益、单次观测的存储资源消耗量以及所述动态到达的点目标观测任务对应卫星的可见时间窗;
10、以最大化所述动态到达的点目标观测任务的局部排入收益为单一优化导向,通过自适应大邻域搜索算法和基于最早开始时间的贪婪插入算子,将所述动态到达的点目标观测任务贪婪插入对应的卫星可见时间窗内,从而得到包含潜在资源冲突的初步重规划方案。
11、于本发明一实施例中,所述通过冲突检测智能体对所述初步重规划方案进行约束扫描,定位冲突的卫星、任务以及类型,并将冲突信息转换为结构化的自然语言冲突诊断报告,包括:
12、对同一卫星的任意两个已分配观测任务,校验其时间窗是否重叠,若重叠则标记为时间窗重叠冲突,并计算时间重叠度;
13、对卫星在每一轨道圈次内执行的任务,校验累积观测数据量是否超过该卫星的固态存储上限,若超过则标记为存储超载冲突,并计算存储超限度;
14、基于结构化的自然语言冲突诊断报告确定冲突卫星id、涉事冲突任务id集、冲突类型标签、冲突差值参数、以及涉事任务的当前优先级与资源消耗明细。
15、于本发明一实施例中,所述利用所述协商消解智能体内置的大语言模型激活链式协商推理,生成修改动作指令集,包括:
16、第一层推理:基于所述冲突诊断报告中提取的时间重叠度或存储超限度,明确资源超限度,同时结合所述动态记忆流中提取的涉事任务的当前剩余可见时间窗数量与距离任务截止时间的时效余量,计算涉事冲突任务的时间紧迫度;
17、第二层推理:向所述全局管理智能体检索可见时间窗,若判定存在满足空间几何与资源约束的备用节点,则生成将冲突任务平移至备用时间窗的无损调整指令;
18、第三层推理:若不存在备用时间窗,则触发基于价值密度的有损置换决策,生成包含放弃低价值任务并安排高价值任务的置换组合指令;
19、其中,所述大语言模型基于模型上下文协议(model context protocol,mcp)与底层算子进行交互,将所述任务平移与任务置换动作封装为标准化技能(skill),其输出的修改动作指令集被强制约束为包含内部推理思维链及技能调用(skill calling)序列的标准json格式数据。
20、于本发明一实施例中,所述基于价值密度的有损置换决策,其计算方式为:
21、针对发生冲突的每一个任务, 计算其价值密度,计算公式为:
22、
23、其中,为执行任务所能获取的预期观测收益,为执行任务所需消耗的星载存储数据量或占用的时间窗长度;
24、所述大语言模型在高级语义空间内统筹对比各冲突任务的价值密度差异,优先舍弃价值密度较低的已规划旧任务,以释放时空资源安排价值密度较高的新到达的点目标观测任务。
25、于本发明一实施例中,所述获取实时维护的动态记忆流,包括:
26、当所述全局管理智能体通过阈值比较逻辑,监测到某卫星当前的存储占用比例超过预设安全阈值时,触发系统警告事件,生成宏观控制警告指令;
27、将所述宏观控制警告指令作为最高优先级的强制约束条件,拼接至所述协商消解智能体的输入上下文中,以约束所述大语言模型在生成修改动作指令集时,优先调用跨星负载转移技能。
28、于本发明一实施例中,全局累计观测收益审计,包括:
29、在所述修改动作指令集满足所有时间窗互斥与单圈存储容量极限方程的前提下,计算应用指令集后的全新系统全局总收益,并与更新前的基准全局总收益进行对比;若满足,则判定系统全局观测收益实现正向增长,批准所述修改动作指令集通过审计。
30、于本发明一实施例中,提取失败原因并转换为补充语义信息,包括:
31、提取验算失败的具体维度、次生冲突节点和失败因果机理,并将其转化为自然语言格式的补充冲突提示文本,以更新冲突诊断报告。
32、本发明还提供一种基于大语言模型多智能体协同的卫星动态调度系统,包括:
33、局部调度模块,被配置为接收动态到达的点目标观测任务,强制其插入当前调度方案以生成包含潜在资源冲突的初步重规划方案;
34、冲突检测模块,被配置为对所述初步重规划方案进行约束扫描,定位冲突的卫星、任务及类型,并将冲突信息转换为结构化的自然语言冲突诊断报告;
35、全局管理模块,被配置为获取并维护表征系统负载状态的动态记忆流,并在方案输出前进行约束终审与全局观测收益的正向增长审计;
36、协商消解模块,内部集成有大语言模型,被配置为基于所述冲突诊断报告和所述动态记忆流激活链式协商推理,依据空闲备用窗口与任务价值密度,通过调用预定义的时间窗平移技能与价值密度置换技能(skill),自动编排并生成修改动作指令集;
37、其中,当所述全局管理模块审计失败时,提取失败因果机理并通过所述冲突检测模块更新提示文本,触发所述协商消解模块进行闭环迭代修正。
38、本发明还提供一种电子设备,电子设备包括存储器和处理器,存储器存储有程序指令;处理器用于运行程序指令,以执行如上述的基于大语言模型多智能体协同的卫星动态调度方法。
39、本发明还提供一种计算机可读存储介质,其存储有计算机程序,计算机程序使得计算机执行如上述的基于大语言模型多智能体协同的卫星动态调度方法。
40、本发明提供了一种基于大语言模型多智能体协同的卫星动态调度方法和系统。与现有技术相比,具备以下有益效果:通过将传统底层启发式计算与顶层大语言模型语义推理进行解耦,进行强制拟合、语义翻译、动态记忆流注入、链式协商推理和闭环验证等步骤,实现了在强约束高动态环境下对卫星点目标观测任务冲突的灵活消解。既能通过时空平移和负载转移尽量减少方案扰动,又能在必要时基于价值密度进行精细化置换决策,同时依靠终审与迭代修正机制确保方案的确定性可行。最终,在满足所有工程约束的前提下,提升了应急调度的全局观测收益和任务保全率,为大规模星群动态管控提供了一种新颖且高效的技术手段。
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