基于Multi‑Agent与DNN的测控资源调度分配的方法技术

本发明专利技术公开了一种基于Multi‑Agent与DNN的测控资源调度分配方法，步骤为：设计测控资源动态调度问题的3大类智能体；基于对策论的Multi‑Agent协商分配机制，对测控任务与测控资源的初步安排；创建测控任务知识库，利用具有深度学习结构的DNN深度神经网络算法对测控任务知识库进行反复训练，进而消除测控任务之间相互冲突问题；深度学习后生成测控任务动态事实库，然后根据生成的最优测控任务执行序列把任务分发至各个测控站进行准确执行。本发明专利技术通过采用基于对策论Multi‑Agent协作技术以及深度神经网络技术优化了测控资源规划与调度问题。利用DNN深度神经网络算法的深度学习过程，不断完善测控任务知识库，从而提高测控资源调度管理的动态调整和智能化执行。

【技术实现步骤摘要】
基于Multi-Agent与DNN的测控资源调度分配的方法
本专利技术属于智能体
，涉及基于Multi-Agent与DNN的测控资源调度分配的方法。
技术介绍
随着世界各国航天事业的不断壮大，各个不同种类的卫星以及相应载荷对世界各地的文化、经济及军事方面起到了至关重要的作用。由于卫星种类及数量不断增多，进而引入了多星测控资源调度的相关研究。目前测控资源数量是一定的，多星测控资源调度问题指的是在测控资源有限的条件下，来研究如何针对各类卫星的测控需求和任务问题，通过对测控资源进行合理的调度和分配，使得各类卫星发挥最大的应用效能，更大的满足各类卫星的需求。在测控问题上，如果测控需求和任务很少并且没有冲突的背景下，现有的人工与智能相结合的算法即可满足需要，但随着卫星数量的不断增多，用户的测控需求种类和数量进而变得越来越多，从而使得测控压力变得越来越大。一定数量的测控资源和越来越多的测控需求间的冲突不断加大，使得测控问题的求解难度日益增大。因此，迫切需要更加智能高效的测控调度管理软件。随着人工智能在专业领域的使用不断增多，研究人员更为重视智能化在测控资源调度和分配中的使用，多智能体系统理论(multi-agentsystem,MAS)技术被广泛地运用到实时管理系统中。为解决测控资源调度问题，本专利技术从实际卫星运行情况出发，结合对过往卫星实际运行数据的分析，采用Agent技术构建混合式层次结构的测控资源调度模型，运用神经网络算法，构建智能化测控资源调度系统。达到提升测控资源利用效率和自动化运行的能力。
技术实现思路
专利技术所要解决的课题是通过提供的基于对策论Multi-Agent协作技术与DNN深度神经网络相结合的测控资源调度分配方法，实现了资源约束和执行冲突的任务计划充分消解、动态感知、动态调整，使测控资源的调度过程进行智能、动态的调整，从而提升测控资源利用效率和任务的自动化运行能力。用于解决课题的技术手段基于Multi-Agent与DNN的测控资源调度分配的方法，具体包含如下步骤：步骤A,设计测控资源动态调度问题的智能体；步骤B，基于对策论的Multi-Agent协商调度分配机制，对测控任务与测控资源进行分配，生成测控任务与测控资源分配与调度的初步方案；步骤C，创建测控任务知识库，利用具有深度学习结构的DNN深度神经网络算法对测控任务知识库进行反复训练，进而消除测控任务之间相互冲突问题；步骤D，深度学习后生成测控任务动态事实库，进而根据生成的最优测控任务执行序列把任务分发至各个测控站进行准确执行。作为本专利技术基于Multi-Agent与DNN的测控资源调度分配的方法的进一步优选方案，所述智能体具体包括管理者Agent、资源Agent、任务组Agent。作为本专利技术基于Multi-Agent与DNN的测控资源调度分配的方法的进一步优选方案，在步骤B中，基于对策论Multi-Agent协作技术是一种面向多层次以及多目标问题的协商机制。作为本专利技术基于Multi-Agent与DNN的测控资源调度分配的方法的进一步优选方案，在步骤C中，测控任务知识库中存储的是与测控任务相关的判别规则与执行规则。作为本专利技术基于Multi-Agent与DNN的测控资源调度分配的方法的进一步优选方案，在步骤C中，深度学习结构的DNN深度神经网络的基本单位是神经元，神经网络中的每一个神经元输出都会作为其他神经元的输入。作为本专利技术基于Multi-Agent与DNN的测控资源调度分配的方法的进一步优选方案，在步骤D中，已生成的测控任务在未分配执行之前经历过多次的推理过程而生成测控任务动态事实库。作为本专利技术基于Multi-Agent与DNN的测控资源调度分配的方法的进一步优选方案，管理者Agent、资源Agent和任务组Agent具体如下：其中，管理者Agent：测控资源分配调度的核心，负责整个测控资源调度与分配的管理工作,包括任务的分配、管理、调度以及测控资源管理；任务Agent：包含将要被分配调度的所有任务的集合，与实际任务的关系是相互对应和映射的，正常情况下，任务Agent中的任务是动态的，随着实际测控任务的发布而产生，并且随着测控任务的结束而结束；资源Agent：在测控资源池中用于调度的一切资源实体,且是卫星、测控站、多功能的测控设备，资源Agent直接控制着测控资源中的资源实体,位置在整个系统的最底端，可用的资源队列是资源Agent的基本信息单元,该队列是动态生成的，在资源Agent产生时刻利用外部数据生成的，并且在注册时全部发送给管理Agent。专利技术效果(1)基于对策论的Multi-Agent协调机制，建立测控资源分配优化模型测控资源调度和分配问题是比较复杂的多种约束、高矛盾的NP组合优化问题，在计算时，其难度高，强度大，需要建立问题的标准化描述，已有模型类型不同，缺乏一个统一标准，不能完全反应测控资源调度的特点，且模型集成困难。因此，通过分析航天测控资源调度问题的特点和工程需求，针对问题求解中涉及的冲突与约束条件，提出基于对策论的Multi-Agent协商机制，建立测控资源调度的Agent优化模型，通过各智能体之间协商、竞争等智能行为完成复杂测控任务的初步求解，生成测控资源的初步调度方案。(2)提出基于DNN深度神经网络的测控任务动态推理机制，传统算法迭代寻优需要大量的预计计算，耗时多，严重影响问题求解效率，基于DNN深度神经网络的测控资源智能调度算法通过动态调节进化的参数，提高寻优能力，并且采用衰减因子改善了网络参数中梯度内容信息的计算方法，防止学习过程早熟从而陷入局部最优的不足。(3)建立智能体协调与深度学习的测控任务专家原型系统，基于对策论的Multi-Agent协调机制的测控资源分配优化模型与基于DNN深度神经网络的测控任务动态推理机制，建立具有良好模块性和扩展性的动态学习智能调度管理专家原型系统，充分发挥已有资源的最大作用，满足日益增加的航天测控资源调度需求，并能为航天规划顶层设计提供有效的辅助决策支持。附图说明图1是本专利技术数据处理方法流程图；图2是本专利技术对策论协商机制的协商过程。具体实施方式以下，基于附图针对本专利技术进行详细地说明。下面结合附图对专利技术的方式进行进一步的详细描述：1.采取的技术路线如图1所示。基于多智能体协作技术的调度方法，测控资源动态调度问题包含3大类智能体。具体内容如下：(1)管理者Agent。测控资源分配调度的核心，负责整个测控资源调度与分配的管理工作,包括任务的分配、管理、调度以及测控资源管理等等。(2)任务Agent。包含将要被分配调度的所有任务的集合，与实际任务的关系是相互对应和映射的。正常情况下，任务Agent中的任务是动态的，随着实际测控任务的发布而产生，并且随着测控任务的结束而结束。(3)资源Agent。测控资源池中可以用于调度的一切资源实体,它可以是卫星、测控站、多功能的测控设备。资源Agent直接控制着测控资源中的资源实体,位置在整个系统的最底端。可用的资源队列是资源Agent的基本信息单元,该队列是动态生成的，在资源Agent产生时刻利用外部数据生成的。并且在注册时全部发送给管理Agent。(4)基于对策论的Multi-Agent协商调度分配机制。在多智能体的多边协作商议过程中，为取本文档来自技高网...

【技术保护点】
基于Multi‑Agent与DNN的测控资源调度分配的方法，其特征在于：具体包含如下步骤：步骤A,设计测控资源动态调度问题的智能体；步骤B，基于对策论的Multi‑Agent协商调度分配机制，对测控任务与测控资源进行分配，生成测控任务与测控资源分配与调度的初步方案；步骤C，创建测控任务知识库，利用具有深度学习结构的DNN深度神经网络算法对测控任务知识库进行反复训练，进而消除测控任务之间相互冲突问题；步骤D，深度学习后生成测控任务动态事实库，进而根据生成的最优测控任务执行序列把任务分发至各个测控站进行准确执行。

【技术特征摘要】
1.基于Multi-Agent与DNN的测控资源调度分配的方法，其特征在于：具体包含如下步骤：步骤A,设计测控资源动态调度问题的智能体；步骤B，基于对策论的Multi-Agent协商调度分配机制，对测控任务与测控资源进行分配，生成测控任务与测控资源分配与调度的初步方案；步骤C，创建测控任务知识库，利用具有深度学习结构的DNN深度神经网络算法对测控任务知识库进行反复训练，进而消除测控任务之间相互冲突问题；步骤D，深度学习后生成测控任务动态事实库，进而根据生成的最优测控任务执行序列把任务分发至各个测控站进行准确执行。2.根据权利要求1所述的基于Multi-Agent与DNN的测控资源调度分配的方法，其特征在于：所述智能体具体包括管理者Agent、资源Agent、任务组Agent。3.根据权利要求1所述的基于Multi-Agent与DNN的测控资源调度分配的方法，其特征在于：在步骤B中，基于对策论Multi-Agent协作技术是一种面向多层次以及多目标问题的协商机制。4.根据权利要求1所述的基于Multi-Agent与DNN的测控资源调度分配的方法，其特征在于：在步骤C中，测控任务知识库中存储的是与测控任务相关的判别规则与执行规则。5.根据权利要求1所述的基于Multi-Agent与DNN的测控资源调度...

【专利技术属性】
技术研发人员：李长德，徐梁，陈洁，王兆俊，
申请(专利权)人：航天天绘科技有限公司，
类型：发明
国别省市：北京,11