一种基于滚动时域控制的成像卫星自主任务规划算法

摘要

本发明涉及一种基于滚动时域控制的成像卫星自主任务规划算法。本发明针对成像卫星自主任务规划问题进行了研究,建立了基于RHC策略的自主任务规划框架,描述了滚动构造任务规划子问题的优化方法,并提出了基于RHC策略的成像卫星自主任务规划启发式算法。在实验分析中,通过不同问题规模、不同RHC策略参数的对比实验,验证了针对成像卫星自主任务规划问题,本文提出的基于RHC的启发式算法是有效的,该算法边规划边执行的策略对于对地观测网络中随时可能出现的动态任务具有较强的鲁棒性,能够较好地解决成像卫星自主任务规划问题中实时性和最优性间的矛盾。

说明书

技术领域

本发明涉及一种基于滚动时域控制的成像卫星自主任务规划算法。

背景技术

近年来,随着卫星遥感技术的不断发展,对地观测网络逐渐成为国内外研究的热点。对地观测网络由各类成像卫星组成,依靠事件感知触发星间或星地信息交互。成像卫星根据交互信息中随时可能出现的观测任务对观测计划进行实时调整,通过网内卫星协同观测,快速响应各类突发或渐变事件,从而提供多种空间、时间和光谱分辨率的多源遥感数据,对推动国家军事、经济和社会发展具有重要意义的同时,也对目前成像卫星任务规划模式带来巨大挑战。

以现有的地面管控方式为例,成像卫星高度依靠地面任务规划系统对观测任务进行规划调度,然后再选择合适的上行链路将观测方案上传至卫星执行。如果每次通过信息交互产生的观测任务都必须首先经过地面纳入观测计划,再将调整后新的观测计划上传至卫星,那么对地观测网络显然将会失去其快速响应、协同观测的优势,因此对地观测网络中的成像卫星必须具备一定的自主任务规划能力,才能对随时有可能出现的观测任务做出快速反应。

要想实现对随时有可能出现的观测任务做出快速反应,就必须将优化和交互信息结合起来,这是实现自主任务规划的关键。过程控制中得到广泛应用的滚动时域控制RHC(Receding Horizon Control)正是将优化与信息交互完美结合的一种比较成熟的方法策略,为解决成像卫星自主任务规划问题提供了新的思路。文献（Robot Path in Globally Unknown Environments based on Rolling Windows,全局环境未知时基于滚动窗口的机器人路径规划,发表在《中国科学E辑:技术科学》 2001年01期。研究了全局环境未知时机器人的路径规划问题,借鉴预测控制滚动优化原理,提出了基于滚动窗口的移动机器人路径规划方法。Robot Rolling Path based on Locally Detected Information,基于局部探测信息的机器人滚动路径规划,发表在《自动化学报》 2003年01期。用基于滚动窗口的路径规划方法研究了全局环境未知时的机器人路径规划问题。该法充分利用机器人实时测得的局部环境信息,以滚动方式进行在线规划,实现了优化与反馈的合理结合。）成功运用RHC优化原理在求解移动机器人路径规划问题中取得了一定成果。本发明针对问题特点,同样借鉴了RHC优化原理,提出了一种基于RHC的成像卫星自主任务规划启发式算法。

发明内容

本发明的目的是根据背景技术中存在的缺点和问题加以改进，提供一种能够针对信息交换过程中随时有可能出现的观测任务进行快速响应，且能够取得好的规划结果的基于滚动时域控制的成像卫星自主任务规划算法。

本发明的技术方案是提供一种基于滚动时域控制的成像卫星自主任务规划方法，其特征在于：包含预测窗口、滚动窗口、规划子问题和滚动机制四要素，所述规划子问题是指在每个规划时刻根据当前滚动窗口构造的局部规划问题，滚动机制用于在限定了规划子问题求解后确定规划方案结束的执行位置和下一个规划时刻；该成像卫星自主任务规划方法是用若干个沿任务轴滚动的局部规划替代一次性全局规划，在每个规划时刻，首先通过当前的预测窗口对任务信息进行实时更新，更新过程中增加一些新的任务、或者删除被取消的任务、或者对任务的属性信息进行调整，然后在预测窗口的基础上再确定当前的滚动窗口，每次局部规划均针对滚动窗口进行，每次局部规划结束后，只执行规划结果中的一部分任务，这部分任务全部执行结束的时刻是下一次规划的开始时刻。

本发明还提供了一种基于滚动时域控制的成像卫星自主任务规划算法，其特征在于：采用启发式方法在预测窗口和滚动窗口不断向前滚动的过程中逐个对每一个规划子问题进行规划求解，该成像卫星自主任务规划算法包括八个模块：滚动机制控制模块、预测窗口信息更新模块、滚动窗口预处理模块、观测活动确定模块、约束检查模块、回传活动确定模块、时间窗口维护模块、方案生成模块；

所述滚动机制控制模块根据自主任务规划方案以及滚动步长确定当前规划时刻的预测窗口和滚动窗口；

所述预测窗口信息更新模块主要完成对预测窗口内各任务和约束信息的实时更新，为其它模块操作提供及时准确的数据支持；

所述滚动窗口预处理模块依据排序规则对滚动窗口内的任务进行排序，并按照任务队列次序依次将观测任务提交给观测活动确定模块，将回传任务提交给回传活动确定模块；

所述观测活动确定模块根据每个任务当前实时更新的可用观测时间窗口信息,选择任务的观测开始时刻,然后提交给约束检查模块,再根据约束检查模块的反馈结果确定任务的观测开始时刻；

所述约束检查模块根据任务的观测开始时刻计算卫星固存使用情况,判断任务观测开始时刻是否合理,并将检查结果提交给观测活动确定模块和回传活动确定模块；

所述回传活动确定模块根据当前任务的可用回传时间窗口情况,确定该任务的回传开始时刻, 并确保回传开始时刻在该任务观测结束时刻之后；

所述时间窗口维护模块利用卫星的已用时间窗口对观测目标当前可用时间窗进行裁剪,更新观测目标可用时间窗口信息；>

所述方案生成模块根据每次迭代后的收益情况,确定每个规划子问题的最终规划结果；

具体步骤如下：

步骤1：确定滚动时域调度策略参数后启动算法,令调度时刻p=0；>

步骤2：在调度时刻p, p=p+1,确定预测窗口F(p),同时更新预测窗口内任务及相关约束信息,并按时间窗口开始时刻的先后顺序进行排序；>

步骤3：根据预测窗口F(p)内信息,建立滚动窗口K(p)；>

步骤4：对滚动窗口内任务进行排序,生成任务队列Sequence,Sequence中包含I个任务, I=k,Sequence[1]表示队列的首任务；>

步骤5：判断I是否等于0,如果I=0,转至步骤14；

步骤6：判断Sequence[1]是否为观测任务,如果不是,转至步骤11；>

步骤7：对Sequence[1]的可用观测时间窗口进行裁剪；

步骤8：判断Sequence[1]是否有可用观测时间窗口,如果没有,则将Sequence[1]从Sequence中删除,I=I-1,并转至步骤5；

步骤9：为Sequence[1]确定观测开始时刻t；>

步骤10：针对Sequence[1]的观测开始时刻进行约束检查,如果M_t>M,其中M_t和M分别表示t时刻卫星固存占用值和卫星固存占用值，则将Sequence[1]从Sequence中删除,I=I-1,并转至步骤5；

步骤11：对Sequence[1]的回传时间窗口进行裁剪；

步骤12：判断是否有可用回传时间窗口,如果没有,则将Sequence[1]从Sequence中删除, I=I-1, 并转至步骤5；

步骤 13：为Sequence[1]确定回传开始时刻,然后将Sequence[1]从Sequence中删除, I=I-1,并转至步骤5；

步骤14：生成此次迭代的调度方案；>

步骤15：判断是否满足迭代终止条件,如果不满足,转至步骤4；

步骤16：生成最优调度方案；>

步骤17：卫星只执行方案中前x个任务并删除这些任务；>

步骤18：判断此时是否还有未执行的任务,如果有,转至步骤2；>

步骤19：算法暂停,等待新任务的出现。

本发明具有以下优点：

本发明提出的算法能够满足成像卫星自主任务规划的需求，实现最优性与实时性的统一，不仅能够针对信息交换过程中随时可能出现的观测任务进行快速响应，而且能够得到好的规划结果。

本发明针对成像卫星自主任务规划问题进行了研究,建立了基于RHC策略的自主任务规划框架,描述了滚动构造任务规划子问题的优化方法,并提出了基于RHC策略的成像卫星自主任务规划启发式算法。在实验分析中,通过不同问题规模、不同RHC策略参数的对比实验,验证了针对成像卫星自主任务规划问题,本文提出的基于RHC的启发式算法是有效的,该算法边规划边执行的策略对于对地观测网络中随时可能出现的动态任务具有较强的鲁棒性,能够较好地解决成像卫星自主任务规划问题中实时性和最优性间的矛盾。

附图说明

图1为本发明所述算法的求解框架图。

图2为基于滚动时域控制的成像卫星自主任务规划示意图。

图3为成像卫星观测区域示意图。

图4为本发明所述算法的流程图。

图5为全局规划问题结果比较示意图。

图6为基于不同滚动步长下的任务完成率示意图。

图7为基于不同滚动步长下的规划次数示意图。

图8为滚动规划与假设全局规划在任务完成率上的比较示意图。

图9为滚动规划与全局规划在任务完成率上的比较示意图。

图10为滚动时域规划与假设全局规划在累计规划时间上的比较示意图。

图11为不同排序规则下的任务完成率比较示意图。

具体实施方式

一、问题描述：

成像卫星在进行对地观测时,不仅要遵循各种严格的约束限制,而且只能对其观测区域内的目标进行观测。成像卫星的观测区域由星下点、侧摆角、俯仰角和视场角共同确定,如图3所示。在规划周期内,成像卫星可能会有多次机会对某个观测目标进行观测,但每轨最多只有一次机会对该目标进行观测,每个观测任务均具有一定的观测收益。因此成像卫星自主任务规划问题可以描述为,成像卫星能够实时根据自身状态、外部环境以及其他约束条件,在不需要地面干预的情况下,星上自主生成任务规划方案,不仅能够以尽可能少的规划时间和资源消耗获得尽可能大的观测收益,而且能够对随时有可能出现的观测任务做出快速响应。

（1）问题假设：

为便于研究，在不影响对地成像卫星主要需求的前提下, 进行如下假设:>

1) 只考虑携带一个遥感器的单颗成像卫星,不考虑卫星机动成像,并假设星上数据能够进行随机存取；>

2) 只考虑地面固定点目标或单个条带的区域目标；>

3) 只考虑固定地面站,不考虑移动地面站和中继星。只考虑地面站相关约束中的回传时间窗口约束；>

4) 不考虑立体成像任务,不考虑实拍实传任务；>

5) 不考虑卫星能量约束。

（2）问题模型：

模型中各参数定义:>

J: 观测任务集；>

J_p:>p∈J；>

M_j: 能够观测目标j的卫星圈次集合, j∈J；>

W_j: 能够回传目标j的观测数据的卫星圈次集合, j∈J；>

w_j: 目标j的观测收益, j∈J；>

p_j: 观测目标j所需的持续时间, j∈J；>

d_j:>

M: 卫星固存的最大值；

M_t:>

ws_jk,>jk:>jk≥0,>jk≥ws_jk,>j；

rws_jk,>jk:>jk≥ws_jk,>jk≤we_jk,>j；>

ds_jm,>jm:>jm≥0,>jm≥ds_jm,>j；>

rds_jm,>jm:>jm≥ds_jm,>jm≤de_jm,>j；>

决策变量:>

x_jk: 布尔变量,>j,如果卫星在圈次k对目标j进行观测,>jk>jk =0；>

y_jm: 布尔变量,>j,如果卫星在圈次m对目标j的观测数据进行回传,则y_jm>jm =0；>

问题模型:>

其中目标函数（1）指出问题的优化目标是使得完成观测并数传的观测目标累积收益最大； 约束（2）限定了每个观测目标最多只能被观测一次；约束（3）限定了每个观测目标的观测数据最多只能回传一次；约束（4）限定了只有完成了观测任务,才会安排此任务的回传任务； 约束（5）限定了每个成像任务必须在其相应的时间窗口内执行；约束（6）限定了每个回传任务必须在其相应的时间窗口内执行；约束（7）限定了观测数据不能超过卫星固存限制；约束（8）限定了一个目标的数传动作的开始时间应该不早于其成像动作的开始时间。

二、算法设计

（1）基于RHC的自主任务规划策略：

基于RHC的成像卫星自主任务规划过程是一个随规划时刻向前不断移动的迭代过程,其实质是用若干个沿任务轴滚动的局部规划替代一次性全局规划。在每个规划时刻,首先通过当前的预测窗口对任务信息进行实时更新,更新过程中可能会增加一些新的任务，也可能会删除一些被取消的任务或对一些任务的属性信息进行调整，然后在预测窗口的基础上再确定当前的滚动窗口,每次局部规划均针对滚动窗口进行。每次局部规划结束后,只执行规划结果中的一部分任务,这部分任务全部执行结束的时刻又是下一次规划的开始时刻,滚动过程如图2所示。

基于RHC的成像卫星自主任务规划策略包含预测窗口、滚动窗口、规划子问题和滚动机制4要素, 下面分别进行描述:>

1）预测窗口

预测窗口实际上是一个大的任务集,由当前规划时刻一定数量的尚未观测或回传的任务所组成。预测窗口的功能就是根据交互信息实时更新窗口内的任务信息。

在本问题中,假设卫星将在物理时刻u_p进行第p次规划,那么预测窗口首先要在u_p时刻删除窗口内所有已执行的任务,再更新窗口内所有任务信息及每个任务的约束信息,此时全部未执行的任务集F(p)及相关约束就是第p次规划的预测窗口。预测窗口内的任务不但包括观测任务而且还包括回传任务。

2）滚动窗口

滚动窗口同样是一个任务集,只不过它的规模较预测窗口要小,该任务集是当前预测窗口的一个子集。由于预测窗口中的任务数量可能较大,如果每次进行规划时都全盘考虑,会给成像卫星带来巨大负担,而且时间上也是不容许的,所以滚动窗口的目的就是要在预测窗口中合理的选择一部分任务之后再进行局部规划。

在本问题中,滚动窗口用任务集合K(p)表示,由预测窗口F(p)的前k个任务所组成, k表示每个滚动窗口的实际长度。|K(p)|表示滚动窗口K(p)内任务的个数, |K(p)|=k=min{K,|F(p)|}, K属于算法的可选配置参数,是滚动窗口初始化长度。当预测窗口F(p)内的任务个数大于K时,需要从预测窗口F(p)的后面连续去掉|K(p)|-K个任务,当预测窗口内的任务个数小于等于K,那么此时的预测窗口F(p)就是滚动窗口K(p)。

3)规划子问题

规划子问题是指在每个规划时刻,根据当前滚动窗口构造的局部规划问题,是全局规划问题在局部的一种体现形式,规划子问题的优化目标是全局优化目标的一个局部映射,比如进行第p次规划时针对滚动窗口K(p)的规划子问题的优化目标为。

4）滚动机制

滚动机制的作用就是限定了规划子问题求解后,规划方案应该执行到哪个位置结束,下一个规划时刻又该如何确定。下面从驱动方式的角度,将滚动机制分为3类:>

1）间隔性机制,每个规划子问题求解后,执行规划方案中前x(1≤x≤k)个任务, x表示滚动步长。下一次局部规划在第x个任务执行结束时开始。>

2）事件驱动机制,每次星间或星地信息交互后开始规划。事件驱动模式能够及时处置随时可能出现的观测任务,但规划将完全由任务触发,对规划频率和规划周期的预测变得很难, 规划过程不好控制。

3）混合机制,在使用间隔性机制的同时,当且仅当应急任务到达时启用事件驱动机制,这种混合机制同时具备以上两种驱动模式的优点,因此最适合成像卫星自主任务规划问题。（2）基于RHC的启发式算法

由于星上资源有限, 为保证算法的求解效率, 本算法采用启发式方法进行优化求解.算法根据RHC优化原理, 能够在预测窗口和滚动窗口不断向前滚动的过程中逐个对每一个规划子问题进行规划求解. 另外, 只要将滚动窗口长度和滚动步长均设置为与任务总数相等的长度, 本算法就可以对全局规划问题进行一次规划求解而不需滚动.

1）算法框架

结合RHC优化原理和成像卫星任务规划问题特点构建了如图1所示的成像卫星自主任务规划求解框架, 主要包括8个模块: 滚动机制控制模块、预测窗口信息更新模块、滚动窗口预处理模块、观测活动确定模块、约束检查模块、回传活动确定模块、时间窗口维护模块、方案生成模块.

滚动机制控制模块根据自主任务规划方案以及滚动步长确定当前规划时刻的预测窗口和滚动窗口。预测窗口信息更新模块主要完成对预测窗口内各任务和约束信息的实时更新,为其它模块操作提供及时准确的数据支持。滚动窗口预处理模块依据排序规则对滚动窗口内的任务进行排序,并按照任务队列次序依次将观测任务提交给观测活动确定模块,将回传任务提交给回传活动确定模块。观测活动确定模块根据每个任务当前实时更新的可用观测时间窗口信息,选择任务的观测开始时刻,然后提交给约束检查模块,再根据约束检查模块的反馈结果确定任务的观测开始时刻。约束检查模块根据任务的观测开始时刻计算卫星固存使用情况,判断任务观测开始时刻是否合理,并将检查结果提交给观测活动确定模块和回传活动确定模块。 回传活动确定模块根据当前任务的可用回传时间窗口情况,确定该任务的回传开始时刻,并确保回传开始时刻在该任务观测结束时刻之后。时间窗口维护模块利用卫星的已用时间窗口对观测目标当前可用时间窗进行裁剪,更新观测目标可用时间窗口信息。方案生成模块根据每次迭代后的收益情况,确定每个规划子问题的最终规划结果。

2）任务序列的生成

任务序列是指滚动窗口中以任务编号为元素构成的一个一维数组。任务序列的生成是在滚动窗口预处理模块中完成的，它是进行局部规划的基础。本算法设计了7种排序规则,排序时随机选取一种规则,并基于轮盘赌思想构造任务序列,这样既充分考虑了概率指标对排序的影响, 又保证了序列的多样性。7种排序规则分别是: 按优先级高低顺序排序规则PF, 短观测时间任务优先规则ST,长观测时间任务优先规则LT,按观测机会先后顺序排序规则OT,按照优先级除以观测时间与回传时间之和的比率又可以分为小比率优先规则SP和大比率优先规则LP,以及随机排序规则RS。

任务序列构造过程中,首先根据排序规则确定排序指标,然后计算每个任务的排序指标值。用JB表示任务序列中所有任务的集合,JB既包括了观测任务又包括了回传任务,排序指标值用f_i表示,每个任务的选择概率为P_i,。将一个假想的圆盘按任务数进行分割,其中第i个扇形的中心角为。构造任务序列时,首先产生一个随机数r,若P₁+P₂+…+P_i-1<r<P₁+P₂+…+P_i,则选择任务i。任务i如果任务i是第一个被选中的任务,那么任务序列中的第一个元素为i,Sequence[1]=i,然后在剩余任务中重新计算每个任务的选择概率挑选出第2个任务,以此类推最终可以构造出一个完整的任务序列Sequence。排序过程中,如果同一个任务的观测任务和回传任务同时出现,那必须确保回传任务排在观测任务之后。如果是不同任务的排序指标值相同,那么采用随机方式选择其中一个任务加入队列。

3）算法步骤

步骤1：确定滚动时域调度策略参数后启动算法,令调度时刻p=0；>

步骤2：在调度时刻p, p=p+1,确定预测窗口F(p),同时更新预测窗口内任务及相关约束信息,并按时间窗口开始时刻的先后顺序进行排序；>

步骤3：根据预测窗口F(p)内信息,建立滚动窗口K(p)；>

步骤4：对滚动窗口内任务进行排序,生成任务队列Sequence,Sequence中包含I个任务, I=k,Sequence[1]表示队列的首任务；>

步骤5：判断I是否等于0,如果I=0,转至步骤14；

步骤6： 判断Sequence[1]是否为观测任务,如果不是,转至步骤11；>

步骤7：对Sequence[1]的可用观测时间窗口进行裁剪；

步骤 8：判断Sequence[1]是否有可用观测时间窗口,如果没有,则将Sequence[1]从Sequence中删除,I=I-1,并转至步骤5；

步骤9：为Sequence[1]确定观测开始时刻t；>

步骤10：针对Sequence[1]的观测开始时刻进行约束检查,如果M_t>M,则将Sequence[1]从Sequence中删除,I=I-1,并转至步骤5；

步骤11：对Sequence[1]的回传时间窗口进行裁剪；

步骤12：判断是否有可用回传时间窗口,如果没有,则将Sequence[1]从Sequence中删除, I=I-1, 并转至步骤5；

步骤 13：为Sequence[1]确定回传开始时刻,然后将Sequence[1]从Sequence中删除, I=I-1,并转至步骤5；

步骤14：生成此次迭代的调度方案；>

步骤15：判断是否满足迭代终止条件,如果不满足,转至步骤4；

步骤16：生成最优调度方案；>

步骤17：卫星只执行方案中前x个任务并删除这些任务；>

步骤18：判断此时是否还有未执行的任务,如果有,转至步骤2；>

步骤19：算法暂停,等待新任务的出现。

算法流程如图4所示。

三、实验结果及分析

实验计算机配置为Intel(R) Core(TM) i7-3517U CPU @1.90GHz 2.40GHz,内存为4G,操作系统为Windows 7,编程环境为Microsoft Visual Studio 2010,开发语言是C语言。由于没有标准的测试集,因此采用随机方式生成观测任务,生成规则如下:>

1) 确定观测和回传时间窗口所在时间区间为2004-07-01T 12: 00: 00至2004-07-02T 12: 00: 00；

2) 为每个观测任务随机产生观测和回传持续时间,选择时间范围为60-300sec；>

3) 为每个观测任务随机生成若干个观测机会,机会数量范围为1-5,并随机生成观测机会的开始和结束时间,不同的观测机会不可以重叠；

4) 生成10个卫星回传窗口,并随机生成回传窗口的开始和结束时间；>

5) 为每个观测任务随机产生一个优先级,优先级范围为1-20；

6) 为每个观测任务随机产生一个固存占用值,固存占用值范围为0-60GB；>

7) 卫星固存小于所有任务固存占用值之和的三分之一；

8) 观测和回传活动每秒分别增加和减少1GB卫星固存；

9) 在时间区间2004-07-01T 12: 00: 00至2004-07-02T 12: 00: 00内随机确定任务提交时间。

为验证本文提出算法的有效性,共设置了4组不同规模的仿真实验,每组实验均由50个相同规模的仿真实验构成,仿真实验过程中算法实时对随机可能出现的观测任务进行规划,表1是随机到达任务的部分数据信息,表内信息时间单位为秒。实验以任务完成率、累计规划时间和规划次数作为主要统计指标。为了削弱随机性对算法结果的影响,提高实验的准确性,令算法迭代次数G=100,并采用每组实验数据计算结果的平均值作为最终的实验结果。

表1部分任务信息

算法执行过程中,如果每次进入滚动窗口的任务比较少,那么调度方案由于缺乏任务整体性而导致最终的规划结果较差, 所以滚动窗口不能太小。但是进入滚动窗口的任务太多显然又会加大系统负担, 因此滚动窗口又不能太大。通过对不同规模全局规划问题的规划结果进行比较,由图5所示,随着问题规模的增加,规划时间不断变大而任务完成率不断降低, 为了在任务数量、任务完成率和规划时间上找到一个平衡点，将算法的滚动窗口长度设为100。为了分析滚动步长对算法的影响,将滚动步长分别取1-15步，针对不同问题规模进行规划求解。由图6可知, 当滚动步长逐渐延长时,不同问题规模下的任务完成率都会逐渐降低，尤其当任务规模比较小时, 这种下降趋势更为明显。这是由于随着滚动步长的增加, 被执行的任务数量增加, 调度周期也随之延长, 所以预测窗口中的动态任务信息不能及时更新, 导致更多的动态任务不能及时参与调度,而下一次局部调度时,又有一些任务可能已经错过了可用的时间窗口,又或者是资源已经被占用, 而无法纳入观测计划,因此造成任务完成率逐渐降低。由此可知,滚动步长是影响任务完成率的重要因素。从图6中还可以发现,针对不同问题规模, 滚动步长保持在1-10能得到较好规划的结果。

由图7可知,当滚动步长逐渐延长时,不同问题规模下的规划次数都会逐渐降低,这是由于当滚动步长延长之后,每次规划后所执行的任务数量也随之增加,所以规划次数会降低。规划次数越多意味着占用系统资源的频率也就越高,所以在系统资源比较稀缺的星上,较小的滚动步长显然是不合适的,因此在设计滚动步长的时候应该综合考虑任务完成率和规划次数。>

如果假设动态随机到达的任务能够在任务规划的最早开始时刻一次全部到达, 那么此时的规划问题就属于全局规划问题了。为了验证本算法的有效性, 将本算法的规划结果与假设的全局规划结果进行了比较。由图8可知, 算法的规划结果与假设的全局规划结果还是有一定差距的, 这是因为本算法的本质是通过对一系列局部优化问题的求解来逼进全局最优,由于不具备全局视图,所以最终解相对于假设的全局规划的解肯定是次优的。但是在求解自主规划调度问题时,面对动态任务进行这种假设的全局规划显然是不可能的,如果一定要实现全局规划,只能等到最后一个任务到达后才能进行,那么任务完成率比较如图9所示,全局规划的任务完成率很低,这是因为相当多一部分任务在最后一个任务到达时已经错过了观测或回传时间窗口,无法再纳入计划。从图8中可以看出,当滚动步长设定在1-10步时,本算法的规划结果与假设的全局规划结果的差距并不是很大,所以本算法在求解效果方面还是非常出色的。

由图10可知,算法累计规划时间随着步长的增加会不断减少,逐渐接近假设全局规划所用时间,这是因为步长越长,每次调度结束后所执行的任务就越多,剩下的任务就越少,调度的次数也自然减少,所以累计规划时间会减少。全局规划只需要规划一次,规划时间不需要累加, 所以较短。从图10中还可以看出,当滚动步长大于10时,算法累计规划时间与假设全局规划的时间差距并不是很大, 这是由于本算法把一个全局规划问题分解为一系列相关联的小规模优化子问题,由于每个子问题的计算复杂性大大降低,所以累加起来的规划时间与假设全局规划所用时间很接近。>

根据以上实验结论可知,当滚动窗口长度设为100时,滚动步长设为10较为合理,并在这种参数配置下,实验分析了各种排序规则对规划结果的影响。由图11可知,针对相同规模的任务,算法选择不同的排序规则得到的任务完成率也是不同的。任务规模为200时,规则PF的任务完成率最高,而规则RS的任务完成率最低。任务规模为300时,规则LT的任务完成率最高, 而规则OT的任务完成率最低。任务规模为400时，规则OT的任务完成率最高,而规则ST的任务完成率最低。任务规模为500时,规则LP的任务完成率最高,而规则RS的任务完成率最低。可以认为没有哪一种排序规则可以针对不同的问题规模都能得到最好的任务完成率,因此算法中使用随机的方式选择排序规则是合理的。>

成像卫星自主任务规划问题是成像卫星任务规划领域中出现的新而复杂的问题。本文针对成像卫星自主任务规划问题进行了研究,建立了基于RHC策略的自主任务规划框架,描述了滚动构造任务规划子问题的优化方法,并提出了基于RHC策略的成像卫星自主任务规划启发式算法。在实验分析中,通过不同问题规模、不同RHC策略参数的对比实验,验证了针对成像卫星自主任务规划问题,本文提出的基于RHC的启发式算法是有效的,该算法边规划边执行的策略对于对地观测网络中随时可能出现的动态任务具有较强的鲁棒性,能够较好地解决成像卫星自主任务规划问题中实时性和最优性间的矛盾。

本发明所述的实施例仅仅是对本发明的优选实施方式进行的描述，并非对本发明构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域中工程技术人员对本发明的技术方案作出的各种变型和改进，均应落入本发明的保护范围，本发明请求保护的技术内容，已经全部记载在权利要求书中。>