改进遗传算法求解多星协同对地观测任务调度方法与装置与流程

1.本发明涉及卫星任务调度技术领域，具体涉及一种改进遗传算法求解多星协同对地观测任务调度方法与装置。


背景技术：

2.随着卫星领域技术的不断深入，航天技术已广泛应用于多个领域，对经济、社会等方面发挥了积极效益，在气象、交通领域卫星对地观测系统发挥了至关重要的作用。应用户需求的进一步拓展，为获取更大的观测收益，发挥多星系统间的协同观测能力，就急需对在轨卫星进行任务规划。
3.多星协同对地观测任务调度是卫星在明确观测任务之后，通过计算观测任务的可执行时间范围，在观测任务与时间窗和任务与任务之间不冲突的情况下，为观测任务选择合适的时间窗和实际开始观测时间。随着卫星和目标数量的增多，大规模多星协同对地观测任务的规划调度问题的求解空间在快速增大。通过算法确定规划过程中执行的任务，设计有效的算法可以增加可执行任务的数量，提高多星多观测任务的观测收益和优化效率。
4.然而，不合理的任务观测序列任务转换时间可能出现不充足，或完成观测任务的数量较少，致使卫星的使用效率降低，且无法满足用户的需求。因此，有效规划任务观测序列，可以增大完成观测任务的数量，提高卫星的使用效率。已被证明卫星对地观测任务规划问题是np
‑
hard问题，精确算法仅适用于求解小规模算例，面对逐渐增大的用户需求，使用智能算法在较短时间内求得近似最优解更具优势。但经典的遗传算法存在收敛速度慢、局部搜索能力较差等缺点，导致求解出的多星协同对地观测任务方案观测收益较低。


技术实现要素：

5.(一)解决的技术问题
6.针对现有技术的不足，本发明提供了一种改进遗传算法求解多星协同对地观测任务调度方法与装置，解决了现有技术中的多星协同对地观测任务方案观测收益较低的技术问题。
7.(二)技术方案
8.为实现以上目的，本发明通过以下技术方案予以实现：
9.第一方面，本发明提供一种改进遗传算法求解多星协同对地观测任务调度方法，所述方法包括：
10.s1、获取目标任务点集合和卫星资源集合；
11.s2、基于目标任务点集合和卫星资源集合以任务时间内最大化卫星观测目标任务点的个数为目标构建多星协同对地观测任务模型；
12.s3、采用设有单点多分段交叉算子的遗传算法对多星协同对地观测任务模型进行求解，获取每颗卫星观测任意一个或多个目标任务点的最优任务序列规划方案。
13.优选的，所述多星协同对地观测任务模型包括目标函数和约束条件，所述目标函
数如公式(2)所示，所示约束条件如公式(3)～(6)所示：
[0014][0015][0016][0017][0018][0019]
其中：
[0020]
x
ijh
为卫星sa
i
在第h轨对目标任务点t
j
的观测次数，x
ijh
∈{0,1}；
[0021]
公式(3)表示对于任意一个目标任务点，最多仅有一颗卫星对其进行一次观测；
[0022]
公式(4)表示卫星sa
i
的第h圈次，对于目标任务点t
i
的可见时间窗，为开始时间，为结束时间；
[0023]
公式(5)表示卫星sa
i
的第h圈次，对于目标任务点t
i
的观测时间窗，为观测开始时间，为观测结束时间；
[0024]
公式(6)表示卫星sa
i
实际完成第g次的时刻加上任务转换时间小于或等于第g 1次观测的实际开始时间，其中，表示卫星sa
i
实际完成第g次观测的时刻；表示卫星sa
i
完成从第g次到第g 1次的任务转换时间；表示第g 1次观测的实际开始时间。
[0025]
优选的，所述采用改进遗传算法对多星协同对地观测任务模型进行求解，获取每颗卫星观测任意一个或多个目标任务点的最优任务序列规划方案，包括：
[0026]
s301、初始化改进遗传算法的执行参数；
[0027]
s302、初始化种群，生成初始任务序列规划方案集合；
[0028]
s303、对初始任务序列规划方案集合中的任务序列规划方案进行约束检查和调整；
[0029]
s304、根据公式(2)计算初始任务序列规划方案集合中任务序列规划方案的适应度值；
[0030]
s305、选择两条不同的父代规划方案r
a
和r
b
进行交叉操作得到两条子代规划方案r
c
和r
d
；
[0031]
s306、对规划方案r
c
和r
d
进行目标插入操作得到方案r
e
和r
f
，
[0032]
s307、对规划方案r
e
和r
f
进行局部搜索操作，得到子代规划方案r
e
和r
f
，判断是子代规划方案r
e
和r
f
适应度值大于规划方案r
e
和r
f
的适应度值，如果满足，则替换种群中的父代方案；否则，则不进行替换；
[0033]
s308、判断是否达到最大迭代次数，如果满足，则输出最优染色体；否则，转步骤
s305。
[0034]
优选的，所述初始化种群，生成初始任务序列规划方案集合，包括：
[0035]
s302a、将目标任务点集合n
ta
中的目标任务点进行随机排列n
r
，形成染色体的第一维编码；
[0036]
s302b、针对排列n
r
中的每一个目标任务点，从集合n
sa
中随机选用卫星进行观测，形成染色体的第二维编码；
[0037]
s302c、依据卫星编号选出所观测的目标任务点，并按照目标任务点的时间窗最早开始观测时间非降序排列，从而得到卫星所观测的目标任务点序列h
k
；
[0038]
s302d、根据预设的种群规模n
p
重复步骤s302a～s302c，得到初始任务序列规划方案集合。
[0039]
优选的，所述选择两条不同的父代规划方案r
a
和r
b
进行交叉操作得到两条子代规划方案r
c
和r
d
，具体为：
[0040]
s305a、使用轮盘赌方法从种群中选择2条染色体父代r
a
和父代r
b
用于交叉操作，根据父代r
a
和父代r
b
染色体的第2行分别划分为n段；
[0041]
s305b、判断分段父代染色体r
ak
和r
bk
的第一行有无相同目标任务点，若无相同目标任务点，则随机选择一个目标任务点，将分段父代染色体r
ak
和r
bk
该目标任务点后的基因位进行交换，获得新的子代染色体段r
ck
和r
dk
，若有相同目标任务点，将分段父代染色体r
ak
和r
bk
该目标任务点后的基因位进行交换，获得新的子代染色体段r
ck
和r
dk
；
[0042]
s305c、根据卫星数量n重复步骤s305b，完成所有分段的单点交叉操作，并分别按照卫星编号顺序合并成完整的子代染色体。
[0043]
优选的，所述对规划方案r
c
和r
d
进行目标插入操作得到方案r
e
和r
f
，包括：
[0044]
s306a、如果未观测目标任务点集合n
vc
不为空集，转步骤s306b；否则，输出结果；
[0045]
s306b、从卫星集合n
sa
中随机选择卫星sa
i
；
[0046]
s306c、判断该颗卫星sa
i
是否满足存储限制约束，如果违反约束转步骤s306b；否则，转步骤s306d；
[0047]
s306d、利用公式(7)从n
vc
中选出目标任务点t
i
；
[0048][0049]
公式(7)表示依据卫星sa
i
从未观测目标任务点集合n
vc
中选择待插入目标任务点t
i
，以卫星sa
i
当前任务序列中最后观测的目标任务点t
u
和未插入的目标任务点t
i
之间的任务转换时间和实际开始观测时间与最早开始观测时间之差最小化为目标任务点的选择准则；
[0050]
s306e、检验插入目标任务点t
i
是否满足约束条件，如果满足则将目标任务点t
i
插入当前观测任务序列中，并从集合n
vc
中删除目标任务点t
i
，转步骤s306d；否则，转步骤s306f；
[0051]
s306f、从卫星集合n
sa
中删除卫星sa
i
，转步骤s306a。
[0052]
优选的，所述局部搜索操作包括：单分段搜索算子和多分段搜索算子，其中，
[0053]
单分段搜索算子包括：从染色体中随机选择一个分段，在该分段选择可行位置插入目标任务点t
i
，每进行一次操作记录当前解并与原解进行比较，若当前解适应度函数值
大于原解适应度函数值，则替换原先解；
[0054]
多分段搜索算子包括：从染色体中随机选择两个分段，分别在这两个分段中各选一个目标任务点t
i
,t
j
进行交换插入到可行位置，每进行一次操作记录当前解并与原解进行比较，若当前解适应度函数值大于原解适应度函数值，则替换原先解。
[0055]
第二方面，本发明提供一种改进遗传算法求解多星协同对地观测任务调度装置，包括：
[0056]
数据获取模块，用于获取目标任务点集合和卫星资源集合；
[0057]
模型构建模块，用于基于目标任务点集合和卫星资源集合以任务时间内最大化卫星观测目标任务点的个数为目标构建多星协同对地观测任务模型；
[0058]
模型求解模块，用于采用设有单点多分段交叉算子的遗传算法对多星协同对地观测任务模型进行求解，获取每颗卫星观测任意一个或多个目标任务点的最优任务序列规划方案。
[0059]
第三方面，本发明提供一种计算机可读存储介质，其存储用于改进遗传算法求解多星协同对地观测任务调度的计算机程序，其中，所述计算机程序使得计算机执行如上述所述的改进遗传算法求解多星协同对地观测任务调度方法。
[0060]
第三方面，本发明提供一种电子设备，包括：
[0061]
一个或多个处理器；
[0062]
存储器；以及
[0063]
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上述所述的改进遗传算法求解多星协同对地观测任务调度方法。
[0064]
(三)有益效果
[0065]
本发明提供了一种改进遗传算法求解多星协同对地观测任务调度方法与装置。与现有技术相比，具备以下有益效果：
[0066]
本发明通过基于改进遗传算法的优化方法，设计了单点多分段交叉算子和目标插入算子，最后，采用局部搜索策略，增强搜索能力，有助于算法跳出局部最优。本发明所提出的优化方法能在任务时间内最大化卫星观测目标任务点的个数，减少任务的完成时间，尽可能发挥了卫星观测的效用，有效提升了多星多观测任务的观测收益和优化效率。
附图说明
[0067]
为了更清楚地说明本发明实施例或现有技术中的技术方案，下面将对实施例或现有技术描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本发明的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。
[0068]
图1为本发明实施例一种改进遗传算法求解多星协同对地观测任务调度方法的框图；
[0069]
图2为染色体编码示意图；
[0070]
图3为种群初始化过程示意图；
[0071]
图4为染色体单点多分段交叉示意图，其中(a)为在不存在相同目标点时，单点多
分段交叉的方法；(b)为在存在相同目标点时，单点多分段交叉的方法；
[0072]
图5为局部搜索算子示意图，(a)为单分段搜索算子示意图，(b)为多分段搜索算子。
具体实施方式
[0073]
为使本发明实施例的目的、技术方案和优点更加清楚，对本发明实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例是本发明一部分实施例，而不是全部的实施例。基于本发明中的实施例，本领域普通技术人员在没有作出创造性劳动前提下所获得的所有其他实施例，都属于本发明保护的范围。
[0074]
本技术实施例通过提供一种改进遗传算法求解多星协同对地观测任务调度方法与装置，解决了现有技术中的求解出的多星协同对地观测任务方案观测收益较低的技术问题，实现在任务时间内最大化卫星观测目标任务点的个数，减少任务的完成时间，尽可能发挥了卫星观测的效用，有效提升了多星多观测任务的观测收益和优化效率。
[0075]
本技术实施例中的技术方案为解决上述技术问题，总体思路如下：
[0076]
多星协同对地观测任务调度是卫星在明确观测任务之后，通过计算观测任务的可执行时间范围，在观测任务与时间窗和任务与任务之间不冲突的情况下，为观测任务选择合适的时间窗和实际开始观测时间。随着卫星和目标数量的增多，大规模多星协同对地观测任务的规划调度问题的求解空间在快速增大。通过算法确定规划过程中执行的任务，设计有效的算法可以增加可执行任务的数量，提高多星多观测任务的观测收益和优化效率。本发明实施例提出一种改进遗传算法求解多星协同对地观测任务调度方法与装置，该方法针对大规模多星协同对地观测任务的调度问题特点进行优化，专门设计了种群初始化方式、交叉方式和插入方式，在任务时间内最大化卫星观测目标任务点的个数，降低了任务的完成时间，力求最大限度地发挥了卫星的效用，有效提升了多星多观测任务的观测收益和优化效率，获得高质量多星协同对地观测调度方案。
[0077]
为了更好的理解上述技术方案，下面将结合说明书附图以及具体的实施方式对上述技术方案进行详细的说明。
[0078]
本发明实施例提供一种改进遗传算法求解多星协同对地观测任务调度方法，如图1所示，该方法包括以下步骤：
[0079]
s1、获取目标任务点集合和卫星资源集合；
[0080]
s2、基于目标任务点集合和卫星资源集合以任务时间内最大化卫星观测目标任务点的个数为目标构建多星协同对地观测任务模型；
[0081]
s3、采用设有单点多分段交叉算子的遗传算法对多星协同对地观测任务模型进行求解，获取每颗卫星观测任意一个或多个目标任务点的最优任务序列规划方案。
[0082]
本发明实施例所提出的优化方法能在任务时间内最大化卫星观测目标任务点的个数，减少任务的完成时间，尽可能发挥了卫星观测的效用，有效提升了多星多观测任务的观测收益和优化效率。
[0083]
下面对本发明实施例的具体实施过程进行详细描述：
[0084]
在步骤s1中，获取目标任务点集合和卫星资源集合，具体实施过程如下：
[0085]
计算机获取m个目标任务点组成目标任务点集合n
ta
＝{t1,t2,...,t
i
,...,t
m
}和n
颗卫星组成的卫星资源集合n
sa
＝{sa1,sa2,...,sa
i
,...,sa
n
}。
[0086]
在步骤s2中，基于目标任务点集合和卫星资源集合以任务时间内最大化卫星观测目标任务点的个数为目标构建多星协同对地观测任务模型，具体实施方式如下：
[0087]
在任务时间窗内卫星sa
i
包含orb
i
个轨道圈次，构建多星协同对地观测任务模型如下：
[0088]
设目标任务点的观测窗口集，即
[0089][0090]
其中，为目标任务点t
i
的观测窗口，目标任务点t
i
的观测窗口的取值范围为目标任务点t
i
的观测窗口总个数为s
i
。
[0091]
多星协同对地观测任务模型的目标函数为任务时间内最大化卫星观测目标任务点的个数，即：
[0092][0093]
其中，x
ijh
为卫星sa
i
在第h轨对目标任务点t
j
的观测次数，x
ijh
∈{0,1}。假设目标任务点的权重相同，若权重不同乘以相应权重。
[0094]
多星协同对地观测任务模型的约束条件包括：
[0095][0096][0097][0098][0099]
公式(3)表示对于任意一个目标任务点，最多仅有一颗卫星对其进行一次观测。
[0100]
公式(4)表示卫星sa
i
的第h圈次，对于目标任务点t
i
的可见时间窗，为开始时间，为结束时间。
[0101]
公式(5)表示卫星sa
i
的第h圈次，对于目标任务点t
i
的观测时间窗，为观测开始时间，为观测结束时间。
[0102]
公式(6)表示卫星sa
i
实际完成第g次的时刻加上任务转换时间小于或等于第g 1次观测的实际开始时间。其中，表示卫星sa
i
实际完成第g次观测的时刻；表示卫星sa
i
完成从第g次到第g 1次的任务转换时间；表示第g 1次观测的实际开始时间。
[0103]
在步骤s3中，采用改进遗传算法对多星协同对地观测任务模型进行求解，获取每颗卫星观测任意一个或多个目标任务点的最优任务序列规划方案，具体实施过程如下：
[0104]
s301、初始化改进遗传算法的执行参数，如种群规模n
p
、交叉概率p
cr
和迭代次数
itera，在本发明实施例中种群规模设置为100，交叉概率设置为0.7，迭代次数设置为500。
[0105]
s302、初始化种群，生成初始任务序列规划方案集合；
[0106]
采用所述多星协同对地观测任务模型，根据所述每颗卫星的轨道圈次、侧摆角度、开始观测时间和结束时间，每个目标任务点的观测窗口，获取所述多星对地观测的初始任务序列规划方案种群，包括：
[0107]
依据卫星调度方案特点，设计了一种二维染色体编码方式，第一维编码表示目标任务点序列，第二维编码表示所选用的卫星。该编码方式的优点：(1)染色体可以直接表示卫星调度的解决方案；(2)可简单地对染色体采用交叉方法，将父代优良的遗传信息传递给子代；(3)对每一条染色体，算法可以直接得到其适应度值。染色体编码示意图如图2所示：
[0108]
图2所示染色体表示：卫星sa1对目标任务点t6、目标任务点t3、目标任务点t5、目标任务点t4和目标任务点t7进行观测；卫星sa2对目标任务点t8、目标任务点t9、目标任务点t1和目标任务点t2进行观测。
[0109]
按以下4步生成多星对地观测的初始任务序列规划方案集合：
[0110]
s302a、将目标任务点集合n
ta
中的目标任务点进行随机排列n
r
，形成染色体的第一维编码；
[0111]
s302b、针对排列n
r
中的每一个目标任务点，从集合n
sa
中随机选用卫星进行观测，形成染色体的第二维编码；
[0112]
s302c、依据卫星编号选出所观测的目标任务点，并按照目标任务点的时间窗最早开始观测时间非降序排列，从而得到卫星所观测的目标任务点序列h
k
；
[0113]
s302d、根据预设的种群规模n
p
重复步骤s302a～s302c，得到初始任务序列规划方案集合。
[0114]
种群初始化过程如图3所示。
[0115]
图3所示染色体表示：卫星sa1需要进行观测的目标任务点有t3、t4、t5、t6和t7，卫星sa2需要进行观测的目标任务点有t1、t2、t8和t9。通过的时间窗调整后，卫星sa1从目标任务点t6开始观测，依次观测目标任务点t5、目标任务点t4、目标任务点t3和目标任务点t7；卫星sa2从目标任务点t8开始观测，依次观测目标任务点t1、目标任务点t9和目标任务点t2。
[0116]
s303、对初始任务序列规划方案集合中的任务序列规划方案进行约束检查和调整，具体为：
[0117]
在任务调度规划模型中主要有以下三类约束：存储限制约束、工作时长约束和任务转换时间约束。针对上述三类约束对观测任务序列依据以下约束策略进行调整：
[0118]
约束策略：针对问题染色体，首先，删除任务序列中违反存储限制约束的目标任务点，其次，删除任务序列中违反工作时长约束的目标任务点，最后，删除任务序列中违反任务转换时间约束的目标任务点，直至满足上述三类约束条件。
[0119]
经过上述约束检查和调整策略后的染色体是一个可行的观测任务规划方案。
[0120]
s304、根据公式(2)计算初始任务序列规划方案集合中任务序列规划方案的适应度值；
[0121]
s305、选择两条不同的父代规划方案r
a
和r
b
进行交叉操作得到两条子代规划方案r
c
和r
d
，具体为：
[0122]
种群初始化后的染色体每一段表示一颗卫星的观测任务序列规划方案。针对染色
体编码方式的特点设计了一种单点多分段交叉方式，包括：
[0123]
s305a、使用轮盘赌方法从种群中选择2条染色体父代r
a
和父代r
b
用于交叉操作，根据父代r
a
和父代r
b
染色体的第2行分别划分为n段；
[0124]
s305b、交叉父代r
a
和父代r
b
中相同段染色体。操作如下：判断分段父代染色体r
ak
和r
bk
的第一行有无相同目标任务点，若无相同目标任务点，则随机选择一个目标任务点，将分段父代染色体r
ak
和r
bk
该目标任务点后的基因位进行交换，获得新的子代染色体段r
ck
和r
dk
，如图4(a)所示；若有相同目标任务点，将分段父代染色体r
ak
和r
bk
该目标任务点后的基因位进行交换，获得新的子代染色体段r
ck
和r
dk
，如图4(b)所示；
[0125]
s305c、根据卫星数量n重复步骤s305b，完成所有分段的单点交叉操作，并分别按照卫星编号顺序合并成完整的子代染色体。
[0126]
图4(a)所示的单点多分段交叉方式表示：在不存在相同目标任务点时，随机选择目标任务点，将染色体r
a
中卫星sa1任务序列中目标任务点t3和目标任务点t7，与染色体r
b
中卫星sa1任务序列中目标任务点t2进行交换。图4(b)所示的交叉方式表示：在存在相同目标任务点时，选择相同目标任务点。将染色体r
a
中卫星sa1任务序列中目标任务点t6、目标任务点t4和目标任务点t7，与染色体r
b
中卫星sa1任务序列中目标任务点t2进行交换。
[0127]
s306、对规划方案r
c
和r
d
进行目标插入操作得到方案r
e
和r
f
，具体为：
[0128]
使用单点多分段交叉方式完成交叉操作的染色体不一定满足多星协同对地观测任务的规划调度模型的约束条件，需要对种群中的每条染色体进行约束检查，将不满足约束的目标任务点放入未观测任务点集合n
vc
。经过约束检查后的染色体可能并未完成所有的目标任务点的观测任务，则需要将未完成观测任务的目标任务点插入任务序列中。在任务序列规划方案中，每个目标任务点由卫星单独观测，且为加快全局搜索过程，设计了目标插入算子，包括：
[0129]
s306a、如果未观测目标任务点集合n
vc
不为空集，转步骤s306b；否则，输出结果；
[0130]
s306b、从卫星集合n
sa
中随机选择卫星sa
i
；
[0131]
s306c、判断该颗卫星sa
i
是否满足存储限制约束，如果违反约束转步骤s306b；否则，转步骤s306d；
[0132]
s306d、利用公式(7)从n
vc
中选出目标任务点t
i
；
[0133][0134]
公式(7)表示依据卫星sa
i
从未观测目标任务点集合n
vc
中选择待插入目标任务点t
i
，以卫星sa
i
当前任务序列中最后观测的目标任务点t
u
和未插入的目标任务点t
i
之间的任务转换时间和实际开始观测时间与最早开始观测时间之差最小化为目标任务点的选择准则。
[0135]
s306e、检验插入目标任务点t
i
是否满足约束条件，如果满足则将目标任务点t
i
插入当前观测任务序列中，并从集合n
vc
中删除目标任务点t
i
，转步骤s306d；否则，转步骤s306f；
[0136]
s306f、从卫星集合n
sa
中删除卫星sa
i
，转步骤s306a。
[0137]
s307、对规划方案r
e
和r
f
进行局部搜索操作，得到子代规划方案r
e
和r
f
，判断是子代规划方案r
e
和r
f
适应度值大于规划方案r
e
和r
f
的适应度值，如果满足，则替换种群中的父
代方案；否则，则不进行替换，具体为：
[0138]
所述局部搜索算子对交叉方式和目标插入算子生成任务序列规划方案进行局部搜索，从而得到优化任务序列规划方案，如图5所示，设计了两种局部搜索算子，分别为单分段搜索算子和多分段搜索算子。局部搜索算子定义如下：
[0139]
单分段搜索算子：从染色体中随机选择一个分段，在该分段选择可行位置插入目标任务点t
i
，每进行一次操作记录当前解并与原解进行比较，若当前解适应度函数值大于原解适应度函数值，则替换原先解，如图5(a)所示。
[0140]
多分段搜索算子：从染色体中随机选择两个分段，分别在这两个分段中各选一个目标任务点t
i
,t
j
进行交换插入到可行位置，每进行一次操作记录当前解并与原解进行比较，若当前解适应度函数值大于原解适应度函数值，则替换原先解，如图5(b)所示。
[0141]
s308、判断是否达到最大迭代次数，如果满足，则输出最优染色体；否则，转步骤s305。
[0142]
本发明实施例还提供一种改进遗传算法求解多星协同对地观测任务调度装置，包括：
[0143]
数据获取模块，用于获取目标任务点集合和卫星资源集合；
[0144]
模型构建模块，用于基于目标任务点集合和卫星资源集合以任务时间内最大化卫星观测目标任务点的个数为目标构建多星协同对地观测任务模型；
[0145]
模型求解模块，用于采用设有单点多分段交叉算子的遗传算法对多星协同对地观测任务模型进行求解，获取每颗卫星观测任意一个或多个目标任务点的最优任务序列规划方案。
[0146]
可理解的是，本发明实施例提供的改进遗传算法求解多星协同对地观测任务调度装置与上述改进遗传算法求解多星协同对地观测任务调度方法相对应，其有关内容的解释、举例、有益效果等部分可以参考改进遗传算法求解多星协同对地观测任务调度方法中的相应内容，此处不再赘述。
[0147]
本发明实施例还提供一种计算机可读存储介质，其存储用于改进遗传算法求解多星协同对地观测任务调度的计算机程序，其中，所述计算机程序使得计算机执行如上述所述的改进遗传算法求解多星协同对地观测任务调度方法。
[0148]
本发明实施例还提供一种电子设备，包括：
[0149]
一个或多个处理器；
[0150]
存储器；以及
[0151]
一个或多个程序，其中所述一个或多个程序被存储在所述存储器中，并且被配置成由所述一个或多个处理器执行，所述程序包括用于执行如上述所述的改进遗传算法求解多星协同对地观测任务调度方法。
[0152]
综上所述，与现有技术相比，具备以下有益效果：
[0153]
本发明提出了一种改进遗传算法求解多星协同对地观测任务调度方法与装置，该方法通过基于改进遗传算法的优化方法，采用二维编码方式便于直接表示卫星调度的解决方案，生成初始化种群，并设计了单点多分段交叉算子和目标插入算子，最后，采用局部搜索策略，增强搜索能力，有助于算法跳出局部最优。本发明实施例所提出的优化方法能在任务时间内最大化卫星观测目标任务点的个数，减少任务的完成时间，尽可能发挥了卫星观
测的效用，有效提升了多星多观测任务的观测收益和优化效率。
[0154]
需要说明的是，在本文中，诸如第一和第二等之类的关系术语仅仅用来将一个实体或者操作与另一个实体或操作区分开来，而不一定要求或者暗示这些实体或操作之间存在任何这种实际的关系或者顺序。而且，术语“包括”、“包含”或者其任何其他变体意在涵盖非排他性的包含，从而使得包括一系列要素的过程、方法、物品或者设备不仅包括那些要素，而且还包括没有明确列出的其他要素，或者是还包括为这种过程、方法、物品或者设备所固有的要素。在没有更多限制的情况下，由语句“包括一个
……”
限定的要素，并不排除在包括所述要素的过程、方法、物品或者设备中还存在另外的相同要素。
[0155]
以上实施例仅用以说明本发明的技术方案，而非对其限制；尽管参照前述实施例对本发明进行了详细的说明，本领域的普通技术人员应当理解：其依然可以对前述各实施例所记载的技术方案进行修改，或者对其中部分技术特征进行等同替换；而这些修改或者替换，并不使相应技术方案的本质脱离本发明各实施例技术方案的精神和范围。