一种多星对地观测任务规划算法的评价方法及装置

摘要

本发明提供了一种多星对地观测任务规划算法的评价方法及装置，所述方法包括：读取测试数据；调用不同的待评价规划算法对所述测试数据进行任务规划，获取规划结果；统计分析所述规划结果，计算所述规划结果中的评价指标值；对所述评价指标值进行加权，获取综合评价值；对所述综合评价值进行比较，输出评价结果；如此，对当前多卫星观测任务中具有代表性的规划算法以可视化的方式进行分析、评价和比较，得出各种算法的特性，为使用者选择算法或研究者改进算法提供依据，在卫星任务规划中具有很好的现实意义。

说明书

技术领域

本发明属于卫星任务规划技术领域，尤其涉及一种多星对地观测任务规划算法的评价方法及装置。

背景技术

卫星任务规划主要解决如何对多颗卫星资源进行有效的分配与调度，指定卫星的观测计划，最大限度地完成用户提交的任务，其结果直接影响到对地观测卫星系统的任务执行效果。在对地观测卫星发展之初，由于卫星载荷能力有限，用户任务也相对较少，任务的观测时间和观测角度都相对固定，卫星管理和控制比较简单，任务规划问题也不突出。但随着对地观测卫星技术的发展和地面影像数据需求的增加，卫星需要调整遥感设备的侧视角度来对地面目标进行观测。在安排的过程中，需考虑诸多的约束，以保证卫星安全可靠的运行和顺利的进行观测任务。一般而言，不能在一次任务规划时间范围内对所有的任务请求进行成像，卫星每次执行的任务是任务数据集合的一个子集，不能满足用户提出的所有需求。

现有技术中，一般是通过建立不同的求解模型与规划算法来解决任务规划的问题，但地观测卫星任务规划问题复杂、涉及大量非线性约束、求解目标不唯一，且不同卫星之间的约束具有差异性。所以即使是针对不同问题，建立的不同模型在拓展上也具有局限性，而这种局限性，使得对相应的规划算法进行比较时存在一定的困难，导致规划算法之间的性能差异缺乏有效的分析。最后造成在面对新的卫星任务规划时，因在规划算法的选择上缺乏理论依据，无法选择较好的算法进行求解，不利于卫星任务规划的整体研究，也不能很好地满足实际需要，导致不能从用户需求、实际问题出发对这些算法的适应性和效率进行完整分析。

基于此，本发明提供一种多星对地观测任务规划算法的评价方法及装置，选取当前多卫星观测任务中具有代表性的规划算法进行分析，评价和比较，总结出各种算法的特性，为使用者选择算法或研究者改进算法提供依据。

发明内容

针对现有技术存在的问题，本发明实施例提供了一种多星对地观测任务规划算法的评价方法及装置，用于解决多卫星对地观测任务规划的现有技术无法全面从用户需求、实际问题出发对主流规划算法的适应性和效率进行完整分析，导致无法选择合适的规划算法进行卫星任务规划的技术问题。

本发明提供一种多星对地观测任务规划算法的评价方法，所述方法包括：

读取测试数据；

调用不同的待评价规划算法对所述测试数据进行任务规划，获取规划结果；

统计分析所述规划结果，计算所述规划结果中的评价指标值；

对所述评价指标值进行加权，获取综合评价值；

对所述综合评价值进行比较，输出评价结果。

上述方案中，所述评价指标包括：完成任务数、任务完成观测时长及任务优先级之和。

上述方案中，所述待评价规划算法包括：演化算法、蚁群算法、模拟退火算法、禁忌搜索算法、贪婪算法及动态规划算法。

上述方案中，所述调用不同的待评价规划算法对所述测试数据进行任务规划，获取规划结果包括：

对所述测试数据进行处理，确定观测元任务集和接收元任务集；

对所述观测元任务集中的观测元任务的侧摆次数、观测工作时间、太阳高度角及侧摆角度进行约束定义；对所述接收元任务集中的接收元任务的数传固存、数传模式、接收工作时间进行约束定义；

对数传固存约束、数传模式约束、侧摆次数约束、观测工作时间约束、接收工作时间约束、太阳高度角约束及侧摆角度约束进行假设，在假设的基础上建立调度模型；

调用不同的待评价规划算法对所述调度模型进行求解，获取规划结果。

本发明还提供一种多星对地观测任务规划算法的评价装置，所述装置包括：

读取模块，所述读取模块用于读取测试数据；

调用模块，所述调用模块用于调用不同的待评价规划算法对所述测试数据进行任务规划，获取规划结果；

计算模块，所述计算模块用于统计分析所述规划结果，计算所述规划结果中的评价指标值；对所述评价指标值进行加权，获取综合评价值；

比较模块，所述比较模块用于对所述综合评价值进行比较，输出评价结果。

上述方案中，所述评价指标包括：完成任务数、任务完成观测时长及任务优先级之和。

上述方案中，所述待评价规划算法包括：演化算法、蚁群算法、模拟退火算法、禁忌搜索算法、贪婪算法及动态规划算法。

上述方案中，所述调用模块具体用于：

对所述测试数据进行处理，确定观测元任务集和接收元任务集；

对所述观测元任务集中的观测元任务的侧摆次数、观测工作时间、太阳高度角及侧摆角度进行约束定义；对所述元任务集中的接收元任务的数传固存、数传模式、接收工作时间进行约束定义；

对数传固存约束、数传模式约束、侧摆次数约束、观测工作时间约束、接收工作时间约束、太阳高度角约束及侧摆角度约束进行假设，在假设的基础上建立调度模型；

调用不同的待评价规划算法对所述调度模型进行求解，获取规划结果。

本发明提供了一种多星对地观测任务规划算法的评价方法，所述方法包括：读取测试数据；调用不同的待评价规划算法对所述测试数据进行任务规划，获取规划结果；统计分析所述规划结果，计算所述规划结果中的评价指标值；对所述评价指标值进行加权，获取综合评价值；对所述综合评价值进行比较，输出评价结果；如此，对当前多卫星观测任务中具有代表性的规划算法以可视化的方式进行分析、评价和比较，得出各种算法的特性，为使用者选择算法或研究者改进算法提供依据，在卫星任务规划中具有很好的现实意义。

附图说明

图1为本发明实施例一提供的多星对地观测任务规划算法的评价方法流程示意图；

图2为本发明实施例一提供的观测任务、载荷与卫星之间的关系映射图；

图3为本发明实施例一提供的卫星、地面与天线之间的关系映射图；

图4为本发明实施例一提供的单圈次工作时间示意图；

图5为本发明实施例二提供的多星对地观测任务规划算法的评价装置结构示意图；

图6为本发明实施例三提供的各算法运算时间比较结果示意图；

图7为本发明实施例三提供的各算法收敛情况比较结果示意图；

图8为本发明实施例三提供的各算法综合评价值比较结果示意图；

图9为本发明实施例三提供的各算法规划结果示意图。

具体实施方式

为了可以对当前多卫星观测任务中具有代表性的规划算法以可视化的方式进行分析，评价和比较，得出各种算法的特性，为使用者选择算法或研究者改进算法提供依据，本发明提供了一种多星对地观测任务规划算法的评价方法，所述方法包括：读取试数据；调用不同的待评价规划算法对所述测试数据进行任务规划，获取规划结果；统计分析所述规划结果，计算所述规划结果中的评价指标值；对所述评价指标值进行加权，获取综合评价值；对所述综合评价值进行比较，输出评价结果。

下面通过附图及具体实施例对本发明的技术方案做进一步的详细说明。

实施例一

本实施例提供一种多星对地观测任务规划算法的评价方法，如图1所示，所述方法包括以下步骤：

步骤110，读取测试数据。

本步骤中，当需要对规划算法进行评价时，从数据库中读取测试数据，所述测试数据包括观测任务和接收任务。所述数据库中包括：卫星信息表、有效载荷信息表及地面目标信息表等。其中，有效载荷是指卫星携带的用来获取图像数据的设备，比如：相机(高光谱、多光谱或全色)、合成孔径雷达等。所述地面目标是指需要进行观测的地面区域，包括：点目标和区域目标。

步骤111，调用不同的待评价规划算法对所述测试数据进行任务规划，获取规划结果；

当读取到测试数据后，需要对观测任务和接收任务进行由任务列表到资源能力表的数据查询和转换处理，形成逻辑资源列表，并确定观测元任务集和接收元任务集。

具体地，观测任务的逻辑资源的要素包括：观测任务、载荷类型要求及卫星时间窗口。假设待成像的任务集为Task＝{Task₁,Task₂,...,Task_n}，卫星个数为k，载荷个数为m；对于每个任务，如果具有可用资源和可见时间窗口，调度预处理后，获取观测元任务集；具体地，对观测任务、载荷类型及卫星时间窗口建立第一映射关系；所述可见时间窗口至少包括一个，所述第一映射关系具体为观测任务、载荷与卫星之间的映射关系，如图2所示。在图2中，如果观测任务和时间窗口之间存在路径，则表示这个时间窗口在任务的可选时间窗口集中，那么就可将所有的可选时间窗口集定义为观测元任务集。其中，m≥k。

同样的，接收任务的逻辑资源的要素包括：卫星已观测的任务和地面站天线接收时间窗。假设卫星个数为k，地面站个数为g，天线个数为q；如果每个地面站与卫星之间存在可见的时间窗口，则可以执行数据下传，调度预处理后，获取接收元任务集；具体地，对卫星、地面站天线时间窗口建立第二映射关系；所述第二映射关系为卫星、地面与天线之间的映射关系，如图3所示。

在图3中，如果卫星和地面站天线时间窗口之间存在路径，则表示这个时间窗口在可选接收时间窗口集中，那么就可将所有的可选接收时间窗口集定义为接收元任务集。其中，q≥g。

当获取到观测元任务集及接收元任务集后，对所述观测元任务集及接收元任务集进行任务规划定义，建立调度模型。

具体地，所述任务规划定义包括两部分：第一为约束定义，第二为规划模型；其中，在约束定义中，只考虑与所要研究的问题直接相关的因素与约束条件。对于观测元任务集来说，对观测元任务的侧摆次数、观测工作时间、太阳高度角及侧摆角度进行约束定义，对观测元任务进行冲突定义；对接收元任务集来说，对接收元任务的数传固存、数传模式、接收工作时间进行约束定义；对接收元任务窗口进行冲突定义；另外，还需对指令模板、指令模板间隔和最大工作时间进行定义。具体的释义如表1所示。

表1

进一步地，在规划模型中，从逻辑资源列表出发，将每个观测时间窗口具体化为一个观测元任务，这些观测元任务有着固定的时间顺序，规划的目标是对于每个任务选择做或者不做。

首先，针对上述的约束项，进行合理假设及约束变量的定义，具体释义如下：

1)假设共有m个可视时间窗口，记为时间窗口W_i的开始时间和结束时间分别为S_i和E_i。

2)假设有n个要完成的任务，记为A＝{a₁,a₂,...,a_n}；每个任务所需时间为D＝{d₁,d₂,...,d_n}，优先级为P＝{p₁,p₂,...,p_n}；

3)第j个任务的开始时间变量记为s_j，结束时间变量为e_j；

4)定义任务决策变量t_j，如果任务能够完成，则t_j＝1，反之，t_j＝0；

5)天线转换时间r，即地面站在完成一项任务之后，执行下一个任务所需的天线姿态调整时间；这里，假设天线转换时间是统一的；

6)指令模板要求的成像之前模板时间为T_cs、成像之后模板时间C_e；指令模板间隔I_t；这里，假设实传和记录模板时间相同；

7)卫星最大固存为M，单位时间的观测数据占用固存为m_j，假设在第j个记录文件放入固存之前固存占用量为M_j；

8)定义一个任务数传模式变量P_j，如果任务做记录模式，则P_j＝1，如果任务做实传模式，则P_j＝0；

9)调度开始时间为T_j，调度截至时间为T_E；

10)单圈次最大观测时长为T_o，单圈次最大接收时长为T_r；

11)第i个接收任务的开始时间变量记为sw_i，结束时间变量为ew_i；

12)定义接收任务决策变量k_i，如果任务能够完成，则k_i＝1，反之，k_i＝0；

然后，在基于模型的假设基础上，建立如下任务调度模型。所述任务调度模型包括：优化目标和考虑约束；具体地，所述优化目标包括：

$>\max :f\left(A\right)=\underset{1\le j\le n}{\Sigma }{t}_j{p}_j,t_j=\{0,1\}---\left(1\right)$>

$>max:f_2\left(A\right)=\underset{1\le j\le n}{\Sigma }{t}_j,t_j=\{0,1\}---\left(2\right)$>

$>max:f_3\left(A\right)=\underset{1\le j\le n}{\Sigma }{t}_j{d}_j,t_j=\{0,1\}---\left(3\right)$>

max:M＝α·f(A)+β·f₃(A)，t_j＝{0,1}(4)

其中，公式(1)表示完成任务的优先级之和最大；公式(2)表示完成任务数最大，即总的完成任务数量；公式(3)表示完成任务的观测时长之和最大。公式(4)表示结合(1)和(3)，对两个目标设置不同的权重得到新的规划目标。所述d_j为单个观测元任务的观测时长；所述α、β为影响因子，并且α+β＝1。

进一步地，所述考虑约束包括：

对于如果P_j＝0，则使得t_js_j≥S_i，1≤j≤n，1≤i≤m(5)

对于如果P_j＝0，则使得t_je_j≤E_i，1≤j≤n，1≤i≤m(6)

T_s≤s_j≤T_E，T_s≤e_j≤T_E，1≤j≤n(7)

t_jh(e_jh+C_s+C_e+I_t)≤t_jbs_jb，1≤j≤n，1≤jh≤jb≤n(8)

M_j+t_j(e_j-s_j)m_j≤M，1≤j≤n，M_j＜M(9)

$>\underset{j=s}{\overset{ϵ}{\Sigma }}{t}_j(e_j-s_j)\le T_0,s\le j\le e,1\le s\le e\le n---\left(10\right)$>

$>\underset{i=s^{\prime }}{\overset{e^{\prime }}{\Sigma }}{k}_i({\mathrm{ew}}_i-{\mathrm{sw}}_i)\le T_r,s^{\prime }\le i\le e^{\prime },1\le s^{\prime }\le e^{\prime }\le m---\left(11\right)$>

其中，公式(5)表示当a_j做实传模式时如果任务在时间窗口W_i内执行，那么任务的开始时间必须在相应的时间窗口的开始时间之后。公式(6)表示当a_j做实传模式时任务的结束时间必须在相应的时间窗口的结束时间之前。式(4)、(5)限定做实传的任务必须在对应的时间窗口之内完成。公式(7)表示所有任务的开始和结束时间必须在规定的时间段[T_s,T_E]之内。公式(8)表示所有任务的结束时间加上指令模板起止时间和指令模板间隔时间都不大于其后执行的观测任务开始时间。公式(8)中jh、jb分别表示观测元任务序列中前后两个相邻的任务序号。

其中，公式(9)表示固存占用量加上当前记录文件固存占用量必须不超过卫星最大固存。公式(10)表示单圈次中观测元任务总的时长必须不超过单圈次最大观测时长。公式(11)表示单圈次中接收任务总的时长必须不超过单圈次最大接收时长。s、e表示单圈次中第一个和最后一个任务的序号；其中：s'、e'表示单圈次中第一个和最后一个任务的序号。

当任务调度模型建立好之后，可以调用不同的待评价规划算法对所述调度模型进行求解，获取相应的规划结果。

具体地，所述待评价规划算法包括：演化算法、蚁群算法、模拟退火算法、禁忌搜索算法、贪婪算法及动态规划算法。其中，演化算法、蚁群算法属于智能算法，所述模拟退火算法、禁忌搜索算法属于局部邻域搜索算法；所述贪婪算法及动态规划算法属于确定性算法。

首先，对观测元任务约束项进行预处理，其中，只有少数约束项是可以提前进行预处理的，比如：太阳高度角约束和侧摆角度约束，在任务规划之前将不满足太阳高度角约束和侧摆角约束的观测元任务直接删除。

其次，对观测元任务冲突和侧摆次数进行预处理，得到无任务冲突和约束的观测元任务集合，提供给数传规划。而在数传规划设计中，要考虑的约束较多，包括有效载荷工作时间约束、指令模板时间间隔冲突、数传文件约束、数传固存约束、数传方式约束。接收元任务窗口冲突。这些约束之间都存在一定的联系，比如数传的方式，决定了有效载荷工作时间约束和指令模板时间间隔冲突。

最后对观测元任务集合接收元任务集进行约束处理，演化算法、蚁群算法、模拟退火算法、禁忌搜索算法将规划对象中的观测元任务集和接收元任务集进行了结合，拼接两部分形成统一的逻辑规划对象。该逻辑规划对象的前部分是观测元任务集(均按照时间排好序)，每一个任务用数字0、1分别表示任务不做或者做；后半部分是接收元任务集(均按照开始时间排好序)，每一个窗口用数字0、1、2分别表示任务不做、做记录或者做实传。逻辑规划对象反映具体规划方案的实体，也是以上4种规划算法迭代操作的直接承载者。各类算法只在逻辑规划对象的生成方法上存在差异和不同，但是，在约束处理方面可以采用相同的处理方式。

多星任务规划是一个带约束的优化问题，需要考虑诸多约束。对逻辑规划对象不合法的情况，可人工调整的方法使逻辑规划对象合法化。

这里，按照以下顺序进行约束处理：(1)元任务冲突约束；(2)数传模式约束；(3)指令模板约束；(4)侧摆次数约束；(5)工作时间约束；(6)文件下传约束。下面对约束处理模块的操作流程进行具体介绍。

组合元任务集由逻辑规划对象解码得到，是按照元任务开始时间排序的组合元任务构成。组合元任务包含观测元任务的下标，以及对应的接收元任务下标，在记录模式下保存一个默认值。

逻辑规划对象结构的前部分对应的是观测元任务序列，后部分对应的是接收元任务序列。如果任务是“实传”模式的任务，则需要确定“实传”的观测元任务对应的接收元任务，得到该接收元任务在所有接收元任务列表中的下标。组合元任务中保存了做实传模式的观测元任务下标和对应的接收元任务下标。假设组合元任务集为设定为C＝{c₁,c₂,c₃,...c_l}，l为总的任务个数，k，q均为其中一个任务下标，k∈{1,2,3,...,l},q∈{1,2,3,...,l}。

对观测元任务冲突进行约束处理时，首先判断是否是属于同一个卫星，然后再判断是否是同一个载荷对其进行观测，最后判断观测时间是否有重叠。如果存在重叠，则表明这两个观测元任务存在冲突，需要删去其中优先级较低的一个观测元任务。

对接收元任务冲突进行约束处理时，判断是否属于同一个卫星，如果是同一颗卫星，则如果时间存在重叠就有冲突；如果不属于同一颗卫星，则判断是否是同一个地面站，如果不是，则不存在冲突，否则如果时间间隔小于5s，则存在冲突。如果存在冲突，则需要删去其中接收时长较短的一个接收元任务，即接收元任务所在基因位置设置为0。比如，对于差分演化算法，一条染色体就映射一个规划方案，染色体上的基因位就映射为一个元任务，如果观测元任务有a个，接收元任务有b个，那染色体的长度就是a+b；那么，基因位置就为a+b。

对数传模式进行约束处理时，本实施例考虑最常见的三种数传模式，分别为“记录”、“实传”、“回放”。假设在“实传”模式下，该观测元任务开始时间为t_s，结束时间为t_e，对应的接收元任务的起止时间分别为w_s、w_e，则必须满足：w_s≤t_s，w_e≥t_e，且t_s＜t_e，w_s＜w_e，即观测元任务窗口必须在接收元任务窗口时间范围内，只有这样才能实时拍摄、实时下传。“记录”模式将接收到数据处理后送至固态记录，择机回放，所有没有“实传”模式下的这一约束，观测的时间不要求在接收元任务的时间窗口内。所以在检测数传模式约束时，只需要对做“实传”模式的任务进行检测。

为方便叙述这一处理过程，下文定义一些变量进行表示。

1)假设现共有n个观测元任务，记为A＝{O₁,O₂,...,O_n}；时间窗口O_i的开始时间和结束时间分别为os_i和oe_i；

2)假设现共有m个接收元任务，记为B＝{R₁,R₂,...,R_m}；时间窗口R_j的开始时间和结束时间分别为rs_j和re_j，数传模式为M_j；其在“元任务映射链”中对应位置的取值为2时，则M_j＝2，代表实传；取值为1时，则M_j＝1，代表回放。

3)数传模式约束冲突判断和冲突消解的处理流程：首先，令i＝0,j＝0，即选择第一个观测元任务和第一个接收元任务，然后比较他们的开始时间，判断观测元任务的开始时间是否大于或等于接收元任务的开始时间，如果不满足，则选择下一个观测元任务，重新进行比较，直到满足比较条件。满足上述条件后，继续比较观测元任务的结束时间是否小于或等于接收元任务的结束时间，如果满足，则通过约束检测；如果不满足，则查看接收元任务设置的数传模式是否为实传，如果不是，则不存在冲突，否则就不满足约束，需要将其修改为回放模式。遍历后续所有的接收元任务，执行相同的操作，从而消除数传模式约束冲突。

进一步地，对指令模板进行约束时，组合元任务集中的每个任务都被设定了特定的数传模式，按照开始时间排好序。指令模板约束的检测和冲突消解就是组合元任务集的基础上进行的。

指令模板约束冲突判断和冲突消解的处理流程：首先，令k＝1，对任务c_k添加指令模板和指令模板间隔，然后依次遍历k后面所有的任务，均对其添加指令模板和指令模板间隔，与任务c_k进行比较，如果与任务c_k存在时间重叠，则说明存在冲突，删去与c_k冲突的所有任务。然后，依次对后面的任务采用相同的方法消除指令模板冲突约束。

这里，对侧摆次数进行约束处理时：假设单圈次最大侧摆次数是S_M，则在任务规划过程中，对侧摆次数的要求是，任意轨道周期内侧摆次数都不能超过S_M。在计算单圈次卫星侧摆次数约束时，需要依次遍历任务列表C＝{c₁,c₂,c₃,...c_l}中的每个任务，向后推算一个轨道周期，统计每个轨道周期内的卫星侧摆次数S_n，检查是否超出限制。

对侧摆次数冲突判断和冲突消解的处理流程：侧摆次数约束消解包括侧摆次数冲突的判断，依次对每个任务进行检测，首先判断其自身是否侧摆，如果侧摆，则侧摆次数计数器加一。然后，以该任务为基准，向后推移一个圈次的时间周期，确定这个周期内的任务。从前往后遍历这些任务，检测它们是否侧摆，并不断更新侧摆次数计数器的数值，一旦发现侧摆次数超出约束，就从中删除一个侧摆的任务，遍历完成以后，可以确保整个圈次的侧摆次数不会超出约束。对每个任务都采用上述操作，从而确保任意圈次内的侧摆次数满足约束。

进一步地，介绍对工作时间进行约束处理，工作时间约束包括单圈次最大观测时长和单圈次最大接收时长。由于这两者的处理方法相同，所以下面只介绍单圈次最大观测时长约束的冲突判断和处理方法。

在计算单圈次最大观测工作时间约束时，需要对每个任务，向后推一个轨道周期，统计每个轨道周期之内的观测任务工作时间，从而判断是否满足约束。当同一个轨道周期内的观测任务的工作时间超出约束时需要通过删除部分任务来消除冲突。如图4所示，示例了计算单圈次观测任务工作时长的计算方法。

单圈次最大观测工作时间约束，要求在任意圈次中工作时间都必须满足约束。通过分析可以发现，只需要依次遍历每个观测元任务，对于每个观测元任务，从其开始时间计算，往后推算一个轨道周期，统计这个轨道周期内的工作时间。如果超过约束，则按照某种规则从这个轨道周期中选择任务进行删除，直到约束消解为止。

例如，图4中“第一个轨道周期”即为一个统计对象，处理完这个轨道周期后，下一个统计对象是“第三个轨道周期”。而类似“第二个轨道周期”这些在“第一个轨道周期”和“第三个轨道周期”之间的轨道周期不需要进行处理判断。原因如下：每次从一个观测元任务的起始位置开始计算轨道周期，前一个观测元任务对应的轨道周期处理完后，它就不会有工作时间约束的问题了。假如“第二个轨道周期”的工作时间超出了约束，则“第三个轨道周期”也必然超出约束，所以只需要对“第三个轨道周期”进行约束消解即可。

进一步地，对文件下传进行约束处理时，需要考虑的因素包括卫星最大固存、接收元任务窗口限制、回放规则设定等。处理过程如下：依次遍历组合元任务集C＝{c₁,c₂,c₃,...c_l}中的每个任务，检测其数传模式，根据不同的数传模式执行不同的操作。

文件下传的处理流程：如果是“记录”模式，则首先检测剩余固存容量是否可以存放该记录文件，如果不能存放，则删去当前“记录”模式的任务；否则，将该文件放入固存中，并更新剩余可用固存大小。如果是“回放”模式，则从固存中按照文件优先级大小或者最小文件优先下传等规则选择回放文件，回放了某个或者某几个文件后，需要更新剩余可用固存大小并更新待回放文件列表。如果是“实传”模式，则拍摄的数据实时下传，不存在记录文件，故不占用固存容量。

这样，就利用以上算法设计对所述调度模型进行求解，求出的解即为规划结果。

步骤112，统计分析所述规划结果，计算所述规划结果中的各个评价指标值。

本步骤中，所述评价指标包括：完成任务数、任务完成观测时长及任务优先级之和。

步骤113，对所述评价指标值进行加权，获取综合评价值；对所述综合评价值进行比较，输出评价结果。

本步骤中，对完成任务数、任务完成观测时长及任务优先级之和进行加权获取综合评价值。对所述综合评价值进行比较，输出评价结果。

具体地，对同一批测试数据调用不同的规划算法得到的综合评价值进行横向比较，或者不同测试数据调用同一个规划算法得到的综合评价值进行纵向比较，得到评价结果。

另外，还应对算法的运行效率、规划时长及算法的收敛情况进行分析。

因算法的运行效率也是评价算法性能的重要指标，是判断其是否适用于特定规划任务的基础。本实施例对每种算法进行独立规划，规划结果保存在指定文件中，然后，在进行比较分析的时候只需要读取这些指定文件即可以得到规划的结果，从结果中即可以分析出所需要的结论。

而规划时长是指在规划算法开始规划到规划趋于稳定，直至收敛所需要的时间，因此也可以作为对算法规划效率评价的参考。

这里，对于同一批数据，进行多次的规划，计算其平均值得到规划时长。可根据公式(12)计算算法的规划时长：

$>f\left(A\right)=\frac{\underset{1\le j\le n}{\Sigma }{T}_j}{n}---\left(12\right)$>

进一步地，比较各个算法的收敛情况可从算法收敛速度和解的稳定性两方面来考虑。

收敛速度针对智能算法和局部邻域搜索算法。比较算法收敛速度时，假设算法一次规划的迭代次数为k次，根据公式(13)来判断算法是否收敛：

|h_i-h_k|≤εi∈[1,k](13)

其中，公式(13)中，h_i为第i次迭代时的目标函数值，h_k为最后一次迭代的目标函数值，ε为一个足够小的正数。

当第i次迭代的目标函数值与最后一次迭代的目标函数值的差值在一个很小的范围内时，就近似地认为该算法在第i次迭代时收敛。比较每种算法的i值，就可以比较出这几种算法的收敛速度快慢程度。

另外，还可以通过画算法收敛变化曲线图来直观表示各算法的收敛情况。分别用智能算法和局部邻域搜索算法这两类4种算法进行多次规划，对于每一次规划，设定固定的迭代次数，记录规划过程中在某些不同迭代次数时的规划结果。以迭代次数为横坐标、评价值为纵坐标，即可绘制出收敛变化曲线。将六种算法的收敛变化曲线绘制在同一个坐标中，就可以直观地看到每种算法的规划情况，据此可以得出比较结果。

比较解的稳定性时，假设每种算法均规划n次，计算规划出来的n个解的平均值，利用公式(14)计算每种算法的解的标准差，标准差越小，说明解的稳定性越好。解的标准差的计算公式如下：

$>s=\sqrt{\frac{\underset{1\le i\le n}{\Sigma }{(x_i-\bar{x})}^2}{n-1}}---\left(14\right)$>

比较各个算法的解的标准差大小，就可以得到各个算法的解的稳定性的比较情况。

当不同算法的完成任务数、任务完成观测时长、任务优先级之和及综合评价值都计算出以后，可根据完成任务数、任务完成观测时长、任务优先级之和及综合评价值生成评价结果并输出，供用户查看。

本实施例提供的多星对地观测任务规划算法的评价方法对当前多卫星观测任务中具有代表性的规划算法以可视化的方式进行分析、评价和比较，得出各种算法的特性，为使用者选择算法或研究者改进算法提供依据，在卫星任务规划中具有很好的现实意义。

实施例二

相对于实施例一，本实施例提供了多星对地观测任务规划算法的评价装置，如图5所示，所述装置包括：读取模块51、调用模块52、计算模块53及比较模块54；其中，

所述读取模块51用于读取测试数据。

具体地，当需要对规划算法进行评价时，所述读取模块5从数据库中读取测试数据，所述测试数据包括观测任务和接收任务。所述数据库中包括：卫星信息表、有效载荷信息表及地面目标信息表等。其中，有效载荷是指卫星携带的用来获取图像数据的设备，比如：相机(高光谱、多光谱或全色)、合成孔径雷达等。所述地面目标是指需要进行观测的地面区域，包括：点目标和区域目标。

当所述读取模块51读取到测试数据后，所述调用模块52用于调用不同的待评价规划算法对所述测试数据进行任务规划，获取规划结果。

具体地，当所述读取模块51读取到测试数据后，所述调用模块52需要对观测任务和接收任务进行由任务列表到资源能力表的数据查询和转换处理，形成逻辑资源列表，并确定观测元任务集和接收元任务集。

这里，观测任务的逻辑资源的要素包括：观测任务、载荷类型要求及卫星时间窗口。假设待成像的任务集为Task＝{Task₁,Task₂,...,Task_n}，卫星个数为k，载荷个数为m；对于每个任务，如果具有可用资源和可见时间窗口，调度预处理后，获取观测元任务集；具体地，对观测任务、载荷类型及卫星时间窗口建立第一映射关系；所述可见时间窗口至少包括一个，所述第一映射关系具体为观测任务、载荷与卫星之间的映射关系，如图2所示。在图2中，如果观测任务和时间窗口之间存在路径，则表示这个时间窗口在任务的可选时间窗口集中，那么就可将所有的可选时间窗口集定义为观测元任务集。其中，m≥k。

同样的，接收任务的逻辑资源的要素包括：卫星已观测的任务和地面站天线接收时间窗。假设卫星个数为k，地面站个数为g，天线个数为q；如果每个地面站与卫星之间存在可见的时间窗口，则可以执行数据下传，调度预处理后，获取接收元任务集；具体地，对卫星、地面站天线时间窗口建立第二映射关系；所述第二映射关系为卫星、地面与天线之间的映射关系，如图3所示。

在图3中，如果卫星和地面站天线时间窗口之间存在路径，则表示这个时间窗口在可选接收时间窗口集中，那么就可将所有的可选接收时间窗口集定义为接收元任务集。其中，q≥g。

当所述调用模块52获取到观测元任务集及接收元任务集后，对所述观测元任务集及接收元任务集进行任务规划定义，建立调度模型。

具体地，所述任务规划定义包括两部分：第一为约束定义，第二为规划模型；其中，在约束定义中，所述调用模块52只考虑与所要研究的问题直接相关的因素与约束条件。对于观测元任务集来说，对观测元任务的侧摆次数、观测工作时间、太阳高度角及侧摆角度进行约束定义，对观测元任务进行冲突定义；对接收元任务集来说，对接收元任务的数传固存、数传模式、接收工作时间进行约束定义；对接收元任务窗口进行冲突定义；另外，还需对指令模板、指令模板间隔和最大工作时间进行定义。具体的释义如表1所示。

表1

进一步地，在规划模型中，从逻辑资源列表出发，将每个观测时间窗口具体化为一个观测元任务，这些观测元任务有着固定的时间顺序，规划的目标是对于每个任务选择做或者不做。

首先，针对上述的约束项，进行合理假设及约束变量的定义，具体释义如下：

1)假设共有m个可视时间窗口，记为时间窗口W_i的开始时间和结束时间分别为S_i和E_i。

2)假设有n个要完成的任务，记为A＝{a₁,a₂,...,a_n}；每个任务所需时间为D＝{d₁,d₂,...,d_n}，优先级为P＝{p₁,p₂,...,p_n}；

3)第j个任务的开始时间变量记为s_j，结束时间变量为e_j；

4)定义任务决策变量t_j，如果任务能够完成，则t_j＝1，反之，t_j＝0；

5)天线转换时间r，即地面站在完成一项任务之后，执行下一个任务所需的天线姿态调整时间；这里，假设天线转换时间是统一的；

6)指令模板要求的成像之前模板时间为T_cs、成像之后模板时间C_e；指令模板间隔I_t；这里，假设实传和记录模板时间相同；

7)卫星最大固存为M，单位时间的观测数据占用固存为m_j，假设在第j个记录文件放入固存之前固存占用量为M_j；

8)定义一个任务数传模式变量P_j，如果任务做记录模式，则P_j＝1，如果任务做实传模式，则P_j＝0；

9)调度开始时间为T_j，调度截至时间为T_E；

10)单圈次最大观测时长为T_o，单圈次最大接收时长为T_r；

11)第i个接收任务的开始时间变量记为sw_i，结束时间变量为ew_i；

12)定义接收任务决策变量k_i，如果任务能够完成，则k_i＝1，反之，k_i＝0；

然后，所述调用模块52在基于模型的假设基础上，建立如下任务调度模型。所述任务调度模型包括：优化目标和考虑约束；具体地，所述优化目标包括：

$>\max :f\left(A\right)=\underset{1\le j\le n}{\Sigma }{t}_j{p}_j,t_j=\{0,1\}---\left(1\right)$>

$>max:f_2\left(A\right)=\underset{1\le j\le n}{\Sigma }{t}_j,t_j=\{0,1\}---\left(2\right)$>

$>max:f_3\left(A\right)=\underset{1\le j\le n}{\Sigma }{t}_j{d}_j,t_j=\{0,1\}---\left(3\right)$>

max:M＝α·f(A)+β·f₃(A)，t_j＝{0,1}(4)

其中，公式(1)表示完成任务的优先级之和最大；公式(2)表示完成任务数最大，即总的完成任务数量；公式(3)表示完成任务的观测时长之和最大。公式(4)表示结合(1)和(3)，对两个目标设置不同的权重得到新的规划目标。所述d_j为单个观测元任务的观测时长；所述α、β为影响因子，并且α+β＝1。

进一步地，所述考虑约束包括：

对于如果P_j＝0，则使得t_js_j≥S_i，1≤j≤n，1≤i≤m(5)

对于如果P_j＝0，则使得t_je_j≤E_i，1≤j≤n，1≤i≤m(6)

T_s≤s_j≤T_E，T_s≤e_j≤T_E，1≤j≤n(7)

t_jh(e_jh+C_s+C_e+I_t)≤t_jbs_jb，1≤j≤n，1≤jh≤jb≤n(8)

M_j+t_j(e_j-s_j)m_j≤M，1≤j≤n，M_j＜M(9)

$>\underset{j=s}{\overset{ϵ}{\Sigma }}{t}_j(e_j-s_j)\le T_0,s\le j\le e,1\le s\le e\le n---\left(10\right)$>

$>\underset{i=s^{\prime }}{\overset{e^{\prime }}{\Sigma }}{k}_i({\mathrm{ew}}_i-{\mathrm{sw}}_i)\le T_r,s^{\prime }\le i\le e^{\prime },1\le s^{\prime }\le e^{\prime }\le m---\left(11\right)$>

其中，公式(5)表示当a_j做实传模式时如果任务在时间窗口W_i内执行，那么任务的开始时间必须在相应的时间窗口的开始时间之后。公式(6)表示当a_j做实传模式时任务的结束时间必须在相应的时间窗口的结束时间之前。式(4)、(5)限定做实传的任务必须在对应的时间窗口之内完成。公式(7)表示所有任务的开始和结束时间必须在规定的时间段[T_s,T_E]之内。公式(8)表示所有任务的结束时间加上指令模板起止时间和指令模板间隔时间都不大于其后执行的观测任务开始时间。公式(8)中jh、jb分别表示观测元任务序列中前后两个相邻的任务序号。

其中，公式(9)表示固存占用量加上当前记录文件固存占用量必须不超过卫星最大固存。公式(10)表示单圈次中观测元任务总的时长必须不超过单圈次最大观测时长。公式(11)表示单圈次中接收任务总的时长必须不超过单圈次最大接收时长。s、e表示单圈次中第一个和最后一个任务的序号；其中：s'、e'表示单圈次中第一个和最后一个任务的序号。

当任务调度模型建立好之后，所述调用模块52可以调用不同的待评价规划算法对所述调度模型进行求解，获取相应的规划结果。

具体地，所述待评价规划算法包括：演化算法、蚁群算法、模拟退火算法、禁忌搜索算法、贪婪算法及动态规划算法。其中，演化算法、蚁群算法属于智能算法，所述模拟退火算法、禁忌搜索算法属于局部邻域搜索算法；所述贪婪算法及动态规划算法属于确定性算法。

首先，所述调用模块52对观测元任务约束项进行预处理，其中，只有少数约束向是可以提前进行预处理的，比如：太阳高度角约束和侧摆角度约束，在任务规划之前将不满足太阳高度角约束和侧摆角约束的观测元任务直接删除。

其次，所述调用模块52对观测元任务冲突和侧摆次数进行预处理，得到无任务冲突和约束的观测元任务集合，提供给数传规划。而在数传规划设计中，要考虑的约束较多，包括有效载荷工作时间约束、指令模板时间间隔冲突、数传文件约束、数传固存约束、数传方式约束。接收元任务窗口冲突。这些约束之间都存在一定的联系，比如数传的方式，决定了有效载荷工作时间约束和指令模板时间间隔冲突。

最后所述调用模块52对观测元任务集合接收元任务集进行约束处理，演化算法、蚁群算法、模拟退火算法、禁忌搜索算法将规划对象中的观测元任务集和接收元任务集进行了结合，拼接两部分形成统一的逻辑规划对象。该逻辑规划对象的前部分是观测元任务集(均按照时间排好序)，每一个任务用数字0、1分别表示任务不做或者做；后半部分是接收元任务集(均按照开始时间排好序)，每一个窗口用数字0、1、2分别表示任务不做、做记录或者做实传。逻辑规划对象反映具体规划方案的实体，也是以上4种规划算法迭代操作的直接承载者。各类算法只在逻辑规划对象的生成方法上存在差异和不同，但是，在约束处理方面可以采用相同的处理方式。

多星任务规划是一个带约束的优化问题，需要考虑诸多约束。对逻辑规划对象不合法的情况，可人工调整的方法使逻辑规划对象合法化。

这里，按照以下顺序进行约束处理：(1)元任务冲突约束；(2)数传模式约束；(3)指令模板约束；(4)侧摆次数约束；(5)工作时间约束；(6)文件下传约束。下面对约束处理模块的操作流程进行具体介绍。

组合元任务集由逻辑规划对象解码得到，是按照元任务开始时间排序的组合元任务构成。组合元任务包含观测元任务的下标，以及对应的接收元任务下标，在记录模式下保存一个默认值。

逻辑规划对象结构的前部分对应的是观测元任务序列，后部分对应的是接收元任务序列。如果任务是“实传”模式的任务，则需要确定“实传”的观测元任务对应的接收元任务，得到该接收元任务在所有接收元任务列表中的下标。组合元任务中保存了做实传模式的观测元任务下标和对应的接收元任务下标。假设组合元任务集为设定为C＝{c₁,c₂,c₃,...c_l}，l为总的任务个数，k，q均为其中一个任务下标，k∈{1,2,3,...,l},q∈{1,2,3,...,l}。

对观测元任务冲突进行约束处理时，首先判断是否是属于同一个卫星，然后再判断是否是同一个载荷对其进行观测，最后判断观测时间是否有重叠。如果存在重叠，则表明这两个观测元任务存在冲突，需要删去其中优先级较低的一个观测元任务。

对接收元任务冲突进行约束处理时，判断是否属于同一个卫星，如果是同一颗卫星，则如果时间存在重叠就有冲突；如果不属于同一颗卫星，则判断是否是同一个地面站，如果不是，则不存在冲突，否则如果时间间隔小于5s，则存在冲突。如果存在冲突，则需要删去其中接收时长较短的一个接收元任务，即接收元任务所在基因位置设置为0。比如，对于差分演化算法，一条染色体就映射一个规划方案，染色体上的基因位就映射为一个元任务，如果观测元任务有a个，接收元任务有b个，那染色体的长度就是a+b；那么，基因位置就为a+b。

对数传模式进行约束处理时，本实施例考虑最常见的三种数传模式，分别为“记录”、“实传”、“回放”。假设在“实传”模式下，该观测元任务开始时间为t_s，结束时间为t_e，对应的接收元任务的起止时间分别为w_s、w_e，则必须满足：w_s≤t_s，w_e≥t_e，且t_s＜t_e，w_s＜w_e，即观测元任务窗口必须在接收元任务窗口时间范围内，只有这样才能实时拍摄、实时下传。“记录”模式将接收到数据处理后送至固态记录，择机回放，所有没有“实传”模式下的这一约束，观测的时间不要求在接收元任务的时间窗口内。所以在检测数传模式约束时，只需要对做“实传”模式的任务进行检测。

为方便叙述这一处理过程，下文定义一些变量进行表示。

1)假设现共有n个观测元任务，记为A＝{O₁,O₂,...,O_n}；时间窗口O_i的开始时间和结束时间分别为os_i和oe_i；

2)假设现共有m个接收元任务，记为B＝{R₁,R₂,...,R_m}；时间窗口R_j的开始时间和结束时间分别为rs_j和re_j，数传模式为M_j；其在“元任务映射链”中对应位置的取值为2时，则M_j＝2，代表实传；取值为1时，则M_j＝1，代表回放。

3)数传模式约束冲突判断和冲突消解的处理流程：首先，令i＝0,j＝0，即选择第一个观测元任务和第一个接收元任务，然后比较他们的开始时间，判断观测元任务的开始时间是否大于或等于接收元任务的开始时间，如果不满足，则选择下一个观测元任务，重新进行比较，直到满足比较条件。满足上述条件后，继续比较观测元任务的结束时间是否小于或等于接收元任务的结束时间，如果满足，则通过约束检测；如果不满足，则查看接收元任务设置的数传模式是否为实传，如果不是，则不存在冲突，否则就不满足约束，需要将其修改为回放模式。遍历后续所有的接收元任务，执行相同的操作，从而消除数传模式约束冲突。

进一步地，对指令模板进行约束时，组合元任务集中的每个任务都被设定了特定的数传模式，按照开始时间排好序。指令模板约束的检测和冲突消解就是组合元任务集的基础上进行的。

指令模板约束冲突判断和冲突消解的处理流程：首先，令k＝1，对任务c_k添加指令模板和指令模板间隔，然后依次遍历k后面所有的任务，均对其添加指令模板和指令模板间隔，与任务c_k进行比较，如果与任务c_k存在时间重叠，则说明存在冲突，删去与c_k冲突的所有任务。然后，依次对后面的任务采用相同的方法消除指令模板冲突约束。

这里，对侧摆次数进行约束处理时：假设单圈次最大侧摆次数是S_M，则在任务规划过程中，对侧摆次数的要求是，任意轨道周期内侧摆次数都不能超过S_M。在计算单圈次卫星侧摆次数约束时，需要依次遍历任务列表C＝{c₁,c₂,c₃,...c_l}中的每个任务，向后推算一个轨道周期，统计每个轨道周期内的卫星侧摆次数S_n，检查是否超出限制。

对侧摆次数冲突判断和冲突消解的处理流程：侧摆次数约束消解包括侧摆次数冲突的判断，依次对每个任务进行检测，首先判断其自身是否侧摆，如果侧摆，则侧摆次数计数器加一。然后，以该任务为基准，向后推移一个圈次的时间周期，确定这个周期内的任务。从前往后遍历这些任务，检测它们是否侧摆，并不断更新侧摆次数计数器的数值，一旦发现侧摆次数超出约束，就从中删除一个侧摆的任务，遍历完成以后，可以确保整个圈次的侧摆次数不会超出约束。对每个任务都采用上述操作，从而确保任意圈次内的侧摆次数满足约束。

进一步地，介绍对工作时间进行约束处理，工作时间约束包括单圈次最大观测时长和单圈次最大接收时长。由于这两者的处理方法相同，所以下面只介绍单圈次最大观测时长约束的冲突判断和处理方法。

在计算单圈次最大观测工作时间约束时，需要对每个任务，向后推一个轨道周期，统计每个轨道周期之内的观测任务工作时间，从而判断是否满足约束。当同一个轨道周期内的观测任务的工作时间超出约束时需要通过删除部分任务来消除冲突。如图4所示，示例了计算单圈次观测任务工作时长的计算方法。

单圈次最大观测工作时间约束，要求在任意圈次中工作时间都必须满足约束。通过分析可以发现，只需要依次遍历每个观测元任务，对于每个观测元任务，从其开始时间计算，往后推算一个轨道周期，统计这个轨道周期内的工作时间。如果超过约束，则按照某种规则从这个轨道周期中选择任务进行删除，直到约束消解为止。

例如，图4中“第一个轨道周期”即为一个统计对象，处理完这个轨道周期后，下一个统计对象是“第三个轨道周期”。而类似“第二个轨道周期”这些在“第一个轨道周期”和“第三个轨道周期”之间的轨道周期不需要进行处理判断。原因如下：每次从一个观测元任务的起始位置开始计算轨道周期，前一个观测元任务对应的轨道周期处理完后，它就不会有工作时间约束的问题了。假如“第二个轨道周期”的工作时间超出了约束，则“第三个轨道周期”也必然超出约束，所以只需要对“第三个轨道周期”进行约束消解即可。

进一步地，对文件下传进行约束处理时，需要考虑的因素包括卫星最大固存、接收元任务窗口限制、回放规则设定等。处理过程如下：依次遍历组合元任务集C＝{c₁,c₂,c₃,...c_l}中的每个任务，检测其数传模式，根据不同的数传模式执行不同的操作。

文件下传的处理流程：如果是“记录”模式，则首先检测剩余固存容量是否可以存放该记录文件，如果不能存放，则删去当前“记录”模式的任务；否则，将该文件放入固存中，并更新剩余可用固存大小。如果是“回放”模式，则从固存中按照文件优先级大小或者最小文件优先下传等规则选择回放文件，回放了某个或者某几个文件后，需要更新剩余可用固存大小并更新待回放文件列表。如果是“实传”模式，则拍摄的数据实时下传，不存在记录文件，故不占用固存容量。

这样，所述调用模块52就利用以上算法设计对所述调度模型进行求解，求出的解即为规划结果。

当所述调用模块52获取到规划结果后，所述计算模块53用于统计分析所述规划结果，计算所述规划结果中的评价指标值；对所述评价指标值进行加权，获取综合评价值。

这里，所述评价指标包括：完成任务数、任务完成观测时长及任务优先级之和。

所述计算模块53对完成任务数、任务完成观测时长及任务优先级之和进行加权获取综合评价值。所述比较模块54用于对所述综合评价值进行比较，输出评价结果。

具体地，所述比较模块54对同一批测试数据调用不同的规划算法得到的综合评价值进行横向比较，或者不同测试数据调用同一个规划算法得到的综合评价值进行纵向比较，得到评价结果。

另外，所述比较模块54还应对算法的运行效率、规划时长及算法的收敛情况进行分析。

因算法的运行效率也是评价算法性能的重要指标，是判断其是否适用于特定规划任务的基础。本实施例对每种算法进行独立规划，规划结果保存在指定文件中，然后，在进行比较分析的时候只需要读取这些指定文件即可以得到规划的结果，从结果中即可以分析出所需要的结论。

而规划时长是指在规划算法开始规划到规划趋于稳定，直至收敛所需要的时间，因此也可以作为对算法规划效率评价的参考。

这里，对于同一批数据，所述比较模块54进行多次的规划，计算其平均值得到规划时长。可根据公式(12)计算算法的规划时长：

$>f\left(A\right)=\frac{\underset{1\le j\le n}{\Sigma }{T}_j}{n}---\left(12\right)$>

进一步地，比较各个算法的收敛情况可从算法收敛速度和解的稳定性两方面来考虑。

收敛速度针对智能算法和局部邻域搜索算法。比较算法收敛速度时，假设算法一次规划的迭代次数为k次，所述比较模块54根据公式(13)来判断算法是否收敛：

|h_i-h_k|≤εi∈[1,k](13)

其中，公式(13)中，h_i为第i次迭代时的目标函数值，h_k为最后一次迭代的目标函数值，ε为一个足够小的正数。

当第i次迭代的目标函数值与最后一次迭代的目标函数值的差值在一个很小的范围内时，就近似地认为该算法在第i次迭代时收敛。所述比较模块54比较每种算法的i值，就可以比较出这几种算法的收敛速度快慢程度。

另外，还可以通过画算法收敛变化曲线图来直观表示各算法的收敛情况。分别用智能算法和局部邻域搜索算法这两类4种算法进行多次规划，对于每一次规划，设定固定的迭代次数，记录规划过程中在某些不同迭代次数时的规划结果。以迭代次数为横坐标、评价值为纵坐标，即可绘制出收敛变化曲线。将六种算法的收敛变化曲线绘制在同一个坐标中，就可以直观地看到每种算法的规划情况，据此可以得出比较结果。

比较解的稳定性时，假设每种算法均规划n次，计算规划出来的n个解的平均值，利用公式(14)计算每种算法的解的标准差，标准差越小，说明解的稳定性越好。解的标准差的计算公式如下：

$>s=\sqrt{\frac{\underset{1\le i\le n}{\Sigma }{(x_i-\bar{x})}^2}{n-1}}---\left(14\right)$>

比较各个算法的解的标准差大小，就可以得到各个算法的解的稳定性的比较情况。

当不同算法的完成任务数、任务完成观测时长、任务优先级之和及综合评价值都计算出以后，所述比较模块54可根据完成任务数、任务完成观测时长、任务优先级之和及综合评价值生成评价结果并输出，供用户查看。

实施例三

实际应用时，可以将实施例二提供的装置集成在计算机中，用户可以通过人机界面对规划算法进行评价。

具体地，首先用户可以点击工具栏中的“数据库配置”，以此连接数据库。读取规划测试数据，开始任务调度。

连接数据库后，用户从数据库中选择需要进行任务规划的数据，点击人机界面工具栏中的“批号选择”，输入批号点击“确定”按钮，就可以获取到观测元任务和接收元任务数据。另外，用户可以根据需要同时对多个批号的数据进行规划，实现并行规划。

其次，用户可以根据需要自行设置不同的参数使算法运行，对测试数据进行规划。其中，演化算法的参数包括种群大小、迭代次数、变异概率和拉伸因子。蚁群算法的参数包括蚂蚁数目、先验知识概率、信息启发式因子、期望值启发式因子、最大迭代次数以及信息素衰减系数。模拟退火算法的参数有最大迭代次数、退火迭代次数、初始温度和温度衰减系数。禁忌搜索算法的参数包括最大迭代次数、候选解个数以及邻域解个数。

最后，用户可以从运算时间、收敛变化情况以及综合评价值三方面对各个算法的性能进行比较；其中，所述运算时间的比较结果如图6所示，收敛变化情况结果如图7所示，综合评价值结果如图8所示。在图7中，代表演化算法；代表蚁群算法；代表禁忌搜索算法；代表模拟退火算法；代表贪婪算法；代表动态规划算法。

当然，用户可以选择将六种规划结果以表格形式进行展示，以能更直观地查看哪种算法的规划效果最好。所述规划结果表格如图9所示。

以上所述，仅为本发明的较佳实施例而已，并非用于限定本发明的保护范围，凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等，均应包含在本发明的保护范围之内。