一种基于Multi-Agent的弹性可伸缩的任务规划系统及方法技术方案

本发明专利技术属于除数字控制外的程序控制，即顺序控制器或逻辑控制器技术领域，公开了一种基于Multi‑Agent的弹性可伸缩的任务规划系统及方法，先将卫星由聚类算法划分为K类后，再将已经聚为一类的卫星分为一个子Agent；综合Agent中的子Agent划分，可根据任务的不同动态划分，实现资源粒度和任务需求的资源粒度最大程度匹配。本发明专利技术可有效实现任务需求与卫星资源的良好匹配，根据任务动态调整系统结构，并有效利用剩余资源，实现多卫星多任务的快速高效规划；本发明专利技术提出的系统方法，不但使得系统能够弹性可伸缩，可动态调整子Agent结构与任务资源动态匹配，而且可利用各Agent剩余资源，利用资源更高效，任务完成率更高，可适用于不同的任务场景。

An elastic scalable task planning system and method based on Multi-Agent

The invention belongs to the technical field of program control except digital control, i.e. sequential controller or logic controller, and discloses a flexible and scalable task planning system and method based on multi_agent. Firstly, the satellites are divided into K classes by clustering algorithm, and then the satellites that have been clustered into a class are divided into a sub-agent. The sub-agent partition in t can be dynamically partitioned according to different tasks to achieve the maximum matching of resource granularity and task requirements. The invention can effectively realize the good matching of mission requirements and satellite resources, dynamically adjust the system structure according to the mission, and effectively utilize the remaining resources to realize the fast and efficient planning of multi-satellite and multi-task; the system method proposed by the invention can not only make the system flexible and scalable, but also dynamically adjust the sub-agent structure and task. Resource dynamic matching, and can use the remaining resources of each agent, more efficient use of resources, task completion rate is higher, can be applied to different task scenarios.

【技术实现步骤摘要】
一种基于Multi-Agent的弹性可伸缩的任务规划系统及方法
本专利技术属于除数字控制外的程序控制，即顺序控制器或逻辑控制器
，尤其涉及一种基于Multi-Agent的弹性可伸缩的任务规划系统及方法。
技术介绍
目前，业内常用的现有技术是这样的：随着现代卫星技术的发展，星地系统数量和种类的不断增多，卫星功能不断增强，卫星系统在国防军事中的应用逐渐增多，在国民经济的发展中也扮演着越来越重要的角色。同时，不断增多的任务需求与有限资源间的矛盾也不断加剧，不同任务对卫星的资源需求可能是多种的，可能需要多种卫星联合执行才能完成，或者多颗卫星联合执行能够更快更高效的执行。多星任务规划系统(Multi-satellitesSchedulingSystem，MSS)是卫星任务规划系统的重要组成部分，多星任务规划系统产生的任务规划结果，直接影响到能否最大限度的利用卫星的资源以及能否更好地为用户提供更多更有效的服务等关键性问题。目前国内外针对卫星任务规划问题的主要还是在静态环境下采用集中式的任务规划方法，而随着我国卫星种类和数量的不断增多，军用和民用任务需求的也大规模增加，集中式的任务规划算法，耗时较长，而且静态的规划模式，一旦有少量的任务动态调整，系统则需要对所有任务进行重新规划，造成了规划时长的增加和计算资源的浪费。而一般的分布式系统Multi-Agent算法，大多是考虑我国不同的部门和机构而分部门划分，容易造成个部门孤立规划，缺乏统一的协调，难以整合所有的可用资源，使得每个部门有大量资源的浪费。而且，随着不同任务的种类和数量的变化，当前的分布式系统中，各Agent仅管控该孤立部门的资源，难以应对未来用户任务数量和种类复杂多变的需求。另外，对于当前已提出的一般的Multi-Agent规划系统，大多是Agent划分具体到一个卫星为一个Agent，然后根据卫星能否完成任务来选择Agent执行任务，这样容易造成任务需要资源与卫星资源粒度不匹配，使得大量资源浪费，进而可能造成后续任务无法利用剩余资源。还有，未来任务需求多种多样，并且不断变化；卫星数量和种类也不断改变，新发射的卫星不断增多，报废不可再用的卫星每年也在变化。每当卫星和任务发生变化时，当前的分布式系统的需要的改动也较大，难以快速动态调整，适应性也较差；而且，各Agent规划后，剩余资源难以利用，也会造成资源的浪费和任务完成率低。综上所述，现有技术存在的问题是：(1)当前的分布式系统中，各Agent仅管控该孤立部门的资源，难以应对未来用户任务数量和种类复杂多变的需求。(2)前已提出的一般的多Agent规划系统，向部门分配的任务需要资源的大小和该部门的拥有的卫星资源不匹配的话，造成任务难以完成或者任务可以完成但资源遭到浪费。(3)当前的分布式系统随着卫星和任务发生变化时，需要的改动也较大，难以快速动态调整，难以适应未来卫星系统的变化和任务需求情况的发展。(4)已有多Agent系统的各子系统规划后，各Agent缺乏交互，对子Agent中卫星的剩余资源利用不足。解决上述技术问题的难度和意义：既要考虑部门的独立性，又要整合所有可利用资源；由于各个卫星的资源情况不同，整合重划分Agent之后不但要考虑不同Agent的资源粒度大小的确定要合适，既要有区分度，又要与任务需求匹配，同时，还要考虑各Agent规划后的剩余资源如何统筹利用，以便完成更多的任务。这样，就可以既能够分布式并行计算，又充分利用了当前所有可利用的卫星资源，进行快速而高效的任务规划；同时，根据不同的任务情况，调整不同分布式Agent的资源匹配情况，可有效的解决当前任务和卫星种类和数量的增长与任务规划系统、规划方法固定难以动态调整间的矛盾，能够在不改变系统结构的条件下，非常方便的动态调整。
技术实现思路
针对现有技术存在的问题，本专利技术提供了一种基于Multi-Agent的弹性可伸缩的任务规划系统及方法。本专利技术是这样实现的，一种基于Multi-Agent的弹性可伸缩的任务规划方法，所述基于Multi-Agent的弹性可伸缩的任务规划方法将卫星由聚类算法划分为K类后，已经聚为一类的卫星分为一个子Agent，分为K个子Agent；综合Agent中的子Agent划分，根据任务的不同动态划分，实现资源粒度和任务需求的资源粒度最大程度匹配。所述基于Multi-Agent的弹性可伸缩的任务规划方法将卫星根据不同部门的独立性及权限等情况，将其资源划分为隔离资源和可整合资源，部门隔离资源由隔离Agent单独管理，各隔离Agent由总隔离Agent统一管理；不同部门的可整合资源由综合Agent统筹管理，综合Agent可根据任务需求的不同，动态划分下属子Agent。具体可先将任务根据资源需求的粒度大小和均衡情况，按一定算法划分为K类，再根据K值，将卫星由聚类算法划分为K类，已经聚为一类的卫星划分为一个子Agent，可得共K个子Agent；每个子Agent可用条件约束的静态规划方法进行规划，各子Agent规划完成之后，可根据资源粒度大小，将剩余任务由资源粒度小的向资源粒度大的逐级摊派，每一级可按动态签约解约机制利用剩余资源，进行重规划。总隔离Agent和综合Agent都由中控Agent统一管理；中控Agent通过签约解约机制决定和调整下属Agent执行的任务。总的来说，中控Agent根据部门的资源情况将各部门的资源管控隔离与可整合，抽象为总隔离Agent和综合Agent；总隔离Agent管控下属各有隔离资源的部门(即为各隔离Agent)。而综合Agent由于资源较多，计算复杂，考虑分布式并行计算策略，可根据任务情况的不同，动态划分为与任务相匹配的子Agent，实现资源粒度和任务需求的资源粒度最大程度匹配，提高任务完成率。如此，各卫星部门和不同卫星资源，都可纳入此Multi-Agent弹性可伸缩的任务规划系统中，可统一管控和调度卫星资源，不但可分布式快速处理大量任务，还能适应未来卫星种类和数目的变化以及任务需求情况的变化。进一步，所述子Agent划分方法包括以下具体步骤：步骤一：如果系统任务直接有要求划分为K类，则直接确定卫星群个数为K，为子Agent个数；步骤二：如果卫星种类差异很大，差异大的卫星种类为K，则直接确定卫星群个数为K，为子Agent个数；步骤三：如果卫星的资源状况相对比较离散，可根据输入任务的种类来确定K；步骤四：获取每个卫星和每个任务需要观测的目标在任务规划时间内的所有的连续可观测时间t1、t2，……，tn，为卫星的每段观测窗口大小；步骤五：如果n>1，则去掉最小值，对其他所有值求平均，记为t，将其作为该卫星的一个特征值；如果n<＝1，则直接取该特征值为t，该值可表征此卫星的可用资源的粒度大小；由此，每个卫星取得该卫星表征资源粒度大小的特征值之一t；步骤六：从各位星的卫星属性中，获取能量值大小，记为e；获取可开机次数记为o；将e和o也作为卫星的特征值；步骤七：再根据任务的种类K，将卫星按资源粒度特征排序，并分为K段，分别从这K段中随机选取1个卫星为聚类质心点，记为μ1，μ2，…，μk，μ为步骤五，步骤六中获取的各个卫星的特征值组成的列特征；步骤8：通过重复下面过程直到收敛{对于每一本文档来自技高网...

【技术保护点】
1.一种基于Multi‑Agent的弹性可伸缩的任务规划方法，其特征在于，所述基于Multi‑Agent的弹性可伸缩的任务规划方法使用聚类算法根据任务类型将卫星分为K类，然后将已经聚为一类的卫星划分为一个子Agent，所以可划分为与任务匹配的K个子Agent，如此，使得子Agent的划分，根据任务的不同动态划分，实现资源粒度和任务需求的资源粒度最大程度匹配；综合Agent划分好子Agent后，接受中控Agent任务分配，然后将任务分配给相应的子Agent系统；各子Agent系统分别进行初步任务规划，并与中控Agent签约；综合Agent整合剩余任务，重利用各子Agent中的剩余资源进行进一步的任务规划，并与中控Agent签约。

【技术特征摘要】
1.一种基于Multi-Agent的弹性可伸缩的任务规划方法，其特征在于，所述基于Multi-Agent的弹性可伸缩的任务规划方法使用聚类算法根据任务类型将卫星分为K类，然后将已经聚为一类的卫星划分为一个子Agent，所以可划分为与任务匹配的K个子Agent，如此，使得子Agent的划分，根据任务的不同动态划分，实现资源粒度和任务需求的资源粒度最大程度匹配；综合Agent划分好子Agent后，接受中控Agent任务分配，然后将任务分配给相应的子Agent系统；各子Agent系统分别进行初步任务规划，并与中控Agent签约；综合Agent整合剩余任务，重利用各子Agent中的剩余资源进行进一步的任务规划，并与中控Agent签约。2.如权利要求1所述的基于Multi-Agent的弹性可伸缩的任务规划方法，其特征在于，所述基于Multi-Agent的弹性可伸缩的任务规划方法将卫星根据不同部门的独立性及权限情况，将其资源划分为隔离资源和可整合资源，部门隔离资源由隔离Agent单独管理，各隔离Agent由总隔离Agent统一管理；不同部门的可整合资源由综合Agent统筹管理，综合Agent可根据任务需求的不同，动态划分下属子Agent；先将任务根据资源需求的粒度大小和均衡情况，按一定算法划分为K类，再根据K值，将卫星由聚类算法划分为K类，已经聚为一类的卫星划分为一个子Agent，可得与任务种类匹配的K个子Agent；每个子Agent可用条件约束的静态规划方法进行规划，各子Agent规划完成之后，可根据资源粒度大小，将剩余任务由资源粒度小的向资源粒度大的逐级摊派，每一级可按动态签约解约机制利用剩余资源，进行重规划。总隔离Agent和综合Agent都由中控Agent统一管理；中控Agent通过签约解约机制决定和调整下属Agent执行的任务。3.如权利要求1所述的基于Multi-Agent的弹性可伸缩的任务规划方法，其特征在于，所述子Agent划分方法包括以下步骤：步骤一：如果系统任务直接有要求划分为K类，则直接确定卫星群个数为K，为子Agent个数；步骤二：如果卫星种类差异很大，差异大的卫星种类为K，则直接确定卫星群个数为K，为子Agent个数；步骤三：如果卫星的资源状况相对比较离散，可根据输入任务的种类来确定K；步骤四：获取每个卫星和每个任务需要观测的目标在任务规划时间内的所有的连续可观测时间t1、t2，……，tn，为卫星的每段观测窗口大小；步骤五：如果n>1，则去掉最小值，对其他所有值求平均，记为t，将其作为该卫星的一个特征值；如果n<＝1，则直接取该特征值为t，该值可表征此卫星的可用资源的粒度大小；由此，每个卫星取得该卫星表征资源粒度大小的特征值之一t；步骤六：从各位星的卫星属性中，获取能量值大小，记为e；获取可开机次数记为o；将e和o也作为卫星的特征值；步骤七：再根据任务的种类K，将卫星按资源粒度特征排序，并分为K段，分别从这K段中随机选取1个卫星为聚类质心点，记为μ1，μ2，…，μk，μ为步骤五，步骤六中获取的各个卫星的特征值组成的列特征；步骤八：通过重复下面过程直到收敛8a.对于每一个卫星i，根据下面公式计算其此时应该属于的类:8b.对于每一个此次循环划分出的类别j，根据下面公式重新计算该类的质心：K是之前已经确定的聚类数，ci代表卫星i与K个类中距离最近的那个类，ci的值是1到K中的一个；质心μj代表对属于同一个类的卫星中心点的猜测；步骤九：最终每个卫星所属的类可有步骤八中的第一个公式来计算获取。4.如权利要求1所述的基于Multi-Agent的弹性可伸缩的任务规划方法，其特征在于，所述K值由任务聚类划分确定方法包括：步骤一：如果系统任务从接受的任务规格上，明确所有任务按资源需求分为K类，则直接确定任务聚类后个数为K；步骤二：如果接收到的任务需求资源的差异明显很大，任务需求的资源大小分层级很明显，差异大的任务分的层级数为K，则确定任务聚类后个数为K；步骤三：如果所有任务需求的资源大小分层级不是很明显，任务需求资源大小从大到小的差异相对比较连续，则统计任务总数量为N；步骤四：将任务需求资源大小从小到大排序得到数组A0；步骤五：取A0相邻任务所需资源的差值，重新获得一组数据，为一个记录差异值的数组A1，个数为N-1；步骤六：确定任务聚类的个数的最大值M，取M为任务总数量的四分之一，记为M＝N/4；步骤七：找出差异值数组A1中最大的k个值的位置，k取值为1，确定在对应数组A0中的两个任务为划分节点，由此将A0划分为k+1个片段；步骤八：计算步骤七中划分的k+1个片段中，每个任务片段中每段的数据的方差值s1，s2，…,sk+1,求得其和为S＝s1+s2+…+sk+1；步骤九：计算步骤七中划分的k+1个片段中，划分的每个任务片段所需观测资源的均值记为z1，z2，…，zk+1，记为数组Z，求数组Z的方差为F；步骤十：根据步骤八的计算结果值S和步骤九的计算结果值F，求得聚类个数判断标准值步骤十一：依次改变步骤七中k的值，取k为2～M-1，重复步骤七～步骤十，计算取得不同的聚类个数判断标准值t的值，记为数组T；步骤十二：取得步骤十一中得到的数组T的最小值，记录下对应的k的值X，得任务聚类个数K＝X+1。5.如权利要求1所述的基于Multi-Agent的弹性可伸缩的任务规划方法，其特征在于，所述基于Multi-Agent的弹性可伸缩的任务规划方法包括以下步骤：步骤一：根据任务需求和资源状况，划分好隔离Agent和综合Agent及其下属子Agent系统；步骤二：中控Agent负责分析任务，并按任务要求分派任务；如果分析任务必须在用独立Agent来完成...

【专利技术属性】
技术研发人员：李建东，兰冲，盛敏，刘润滋，张琰，宋宁博，唐成圆，
申请(专利权)人：西安电子科技大学，
类型：发明
国别省市：陕西,61