一种用于调度卫星观测任务的强化与邻域搜索方法和系统

本发明涉及卫星调度，具体涉及一种用于调度卫星观测任务的强化与邻域搜索方法和系统。

背景技术：

1、对地观测卫星的迅速发展可为越来越多的企业、政府和军事用户提供更丰富的服务。合理地调度卫星对地观测任务对于满足用户需求至关重要，并且已经经历了强劲的发展。然而，大规模紧急任务的在线调度仍然是一个复杂且持续存在的问题。尽管学界为解决卫星对地观测任务调度问题做出了显著努力，但大规模应急任务仍带来双重挑战：一方面，用户提交的任务通常在短时间内密集到达，其到达时间与数量无法提前预知，这种高动态性导致优化环境持续变化，要求算法具备强适应能力；另一方面，随着任务与卫星规模增长，解空间呈指数级爆炸，但调度决策优化的允许时延极短。

2、因此，如何解决现有技术中的不能对地观测卫星如何高效地在线调度大规模紧急任务，是本领域技术人员亟待解决的技术问题。

技术实现思路

1、为实现本发明目的，本申请提供了一种用于调度卫星观测任务的强化与邻域搜索方法，包括：

2、步骤s1：对卫星观测任务进行预处理；

3、步骤s2：利用深度强化学习训练模型训练神经网络，包括将深度强化学习模型中的任务映射到资源的过程转化为任务序列化子过程和资源选择子过程，以压缩随着任务增加而呈指数级增长的搜索空间；

4、步骤s3：将预处理后的卫星观测任务输入到所述神经网络中，输出调度方案；

5、步骤s4：将所述神经网络输出的调度方案作为初始解传递至大邻域搜索算法，输出优化方案；

6、所述大邻域搜索算法包括：对于卫星上的两个对地观测任务，若所述两个对地观测任务的可见时间窗口存在重叠，则通过交换任务执行顺序可获得新的可行执行序列；反之，若一个任务的可见时间窗口结束时间早于另一任务的可见时间窗口开始时间，则前者优先于后者执行。

7、在其中一些具体实施例中，步骤s2包括：

8、构建基于编码器-解码器的策略网络；

9、使用reinforce方法来训练所述策略网络；

10、更新训练过程的网络参数；

11、通过多次迭代训练，使神经网络学习到最优的任务调度策略。

12、在其中一些具体实施例中，步骤s3中，所述深度强化学习训练模型基于编码器-解码器的策略网络来序列化地创建调度方案，以将卫星状态和等待任务信息映射到嵌入表示中。

13、在其中一些具体实施例中，所述预处理包括：添加卫星观测新任务；更新卫星调度时间上限；筛选出执行指令上传时间晚于当前时间上限的任务；任务筛选完成后，取消其原有调度计划。

14、在其中一些具体实施例中，所述大邻域搜索算法的破坏比率、修复比率和交换比率均设定为0.1。

15、为实现本发明目的，本申请还提供了一种用于调度卫星观测任务的强化与邻域搜索系统，包括：

16、预处理模块：用于对卫星观测任务进行预处理；

17、神经网络训练模块：用于利用深度强化学习训练模型训练神经网络，包括将深度强化学习模型中的任务映射到资源的过程转化为任务序列化子过程和资源选择子过程，以压缩随着任务增加而呈指数级增长的搜索空间；

18、调度方案输出模块：用于将预处理后的卫星观测任务输入到所述神经网络中，输出调度方案；

19、调度方案优化模块：用于将所述神经网络输出的调度方案作为初始解传递至大邻域搜索算法，输出优化方案；

20、所述大邻域搜索算法包括：对于卫星上的两个对地观测任务，若所述两个对地观测任务的可见时间窗口存在重叠，则通过交换任务执行顺序可获得新的可行执行序列；反之，若一个任务的可见时间窗口结束时间早于另一任务的可见时间窗口开始时间，则前者优先于后者执行。

21、在其中一些具体实施例中，所述神经网络训练模块用于执行以下步骤：

22、构建基于编码器-解码器的策略网络；

23、使用reinforce方法来训练所述策略网络；

24、更新训练过程的网络参数；

25、通过多次迭代训练，使神经网络学习到最优的任务调度策略。

26、在其中一些具体实施例中，所述神经网络训练模块中，所述深度强化学习训练模型基于编码器-解码器的策略网络来序列化地创建调度方案，以将卫星状态和等待任务信息映射到嵌入表示中。

27、在其中一些具体实施例中，所述预处理包括：添加卫星观测新任务；更新卫星调度时间上限；筛选出执行指令上传时间晚于当前时间上限的任务；任务筛选完成后，取消其原有调度计划。

28、在其中一些具体实施例中，将所述大邻域搜索算法的破坏比率、修复比率和交换比率均设定为0.1。

29、上述技术方案的有益效果：

30、本发明将深度强化学习与大邻域搜索相结合，有效地适应卫星任务调度环境中的动态和资源受限特征。开发一种新的基于滚动时域的紧急调度框架，将动态在线调度转化为一系列静态子问题。这种方法基于当前需求和系统状态增强优化决策。此外，深度强化学习中设计一种新颖的解码机制，简化调度过程，显著减少由于搜索空间呈指数增长所引起的输出维度。此外，设计三个新的破坏和修复算子，以进一步提高大邻域搜索的优化效率，适应环境的高度动态性。

1.一种用于调度卫星观测任务的强化与邻域搜索方法，其特征在于，包括：

2.根据权利要求1所述的用于调度卫星观测任务的强化与邻域搜索方法，其特征在于，步骤s2包括：

3.根据权利要求1所述的用于调度卫星观测任务的强化与邻域搜索方法，其特征在于，步骤s3中，所述深度强化学习训练模型基于编码器-解码器的策略网络来序列化地创建调度方案，以将卫星状态和等待任务信息映射到嵌入表示中。

4.根据权利要求1所述的用于调度卫星观测任务的强化与邻域搜索方法，其特征在于，所述预处理包括：添加卫星观测新任务；更新卫星调度时间上限；筛选出执行指令上传时间晚于当前时间上限的任务；任务筛选完成后，取消其原有调度计划。

5.根据权利要求1所述的用于调度卫星观测任务的强化与邻域搜索方法，其特征在于，所述大邻域搜索算法的破坏比率、修复比率和交换比率均设定为0.1。

6.一种用于调度卫星观测任务的强化与邻域搜索系统，其特征在于，包括：

7.根据权利要求6所述的用于调度卫星观测任务的强化与邻域搜索方法，其特征在于，所述神经网络训练模块用于执行以下步骤：

8.根据权利要求6所述的用于调度卫星观测任务的强化与邻域搜索方法，其特征在于，所述神经网络训练模块中，所述深度强化学习训练模型基于编码器-解码器的策略网络来序列化地创建调度方案，以将卫星状态和等待任务信息映射到嵌入表示中。

9.根据权利要求6所述的用于调度卫星观测任务的强化与邻域搜索方法，其特征在于，所述预处理包括：添加卫星观测新任务；更新卫星调度时间上限；筛选出执行指令上传时间晚于当前时间上限的任务；任务筛选完成后，取消其原有调度计划。

10.根据权利要求6所述的用于调度卫星观测任务的强化与邻域搜索方法，其特征在于，将所述大邻域搜索算法的破坏比率、修复比率和交换比率均设定为0.1。