面向应急响应的基于任务优先级的多星动态任务规划方法技术

本发明专利技术公开了一种面向应急响应的基于任务优先级的多星动态任务规划方法，针对紧急情况下地球观测卫星综合调度问题，在分析任务优先级的基础上，提出了一种任务需求的综合调度模型。首先针对应急任务设计任务优先级评价准则，基于七种影响因素提出了一套合理的任务优先级计算方法。其次，详细分析调度过程中的约束条件，以最大化观测任务优先级、最大化任务收益和最小化对执行时间有紧迫性要求的任务的等待时间为子目标函数，通过遗传禁忌混合算法获得初始卫星调度方案。针对初始方案执行过程中应急任务动态到达的情况，提出一种基于优先级的动态调度算法以解决新增任务的调度问题，以获得新增任务的调度方案。

Emergency Response Oriented Multi-Satellite Dynamic Task Planning Method Based on Task Priority

【技术实现步骤摘要】
面向应急响应的基于任务优先级的多星动态任务规划方法
本专利技术涉及多星动态任务规划方法，尤其是面向应急响应的基于任务优先级的多星动态任务规划方法。
技术介绍
对地观测卫星的任务规划就是在卫星数量固定、传感器能力有限，而任务之间存在冲突的情况下，确定任务的执行顺序以及其与资源、时间的对应关系，以排除不同任务之间的冲突，并最大化满足用户的需求，提高卫星资源的利用率、优化观测任务的执行方案。近年来，随着对地观测卫星在自然灾害监测、事故灾难、公共卫生事件等应急条件下的广泛应用，对地观测卫星调度呈现出一些新的特点。应急条件下的对地观测卫星调度存在诸多不确定因素，包括用户需求、天气条件、卫星状态等。此外，用户提交的应急任务通常是动态到达的，任务数量和到达时间均是不确定的。由于动态实时调度的特点，在调度时需要同时考虑多个目标，如调度收益，稳定性和节能。所有这些约束和不确定性使得紧急调度成为NP-hard组合优化问题。因此提出一种快速高效的多星动态应急调度策略具有重要意义。目前，国内外学者针对卫星调度问题开展了大量研究，在满足各项约束的条件下，为成像观测任务合理分配卫星资源和观测时段，以提高任务执行的效率。但是，在考虑资源争用时，在目标上分配多个交互式卫星更加复杂和具有挑战性。解决这个问题的方法包括基于优先级的启发式，局部搜索，禁忌搜索，模拟退火，遗传算法和蚁群算法。基于上述方法的卫星调度策略大都是在静态调度框架下提出的，不适用于应急条件下的多星动态调度问题。对于应急规划一个显著的特点是有新的应急成像任务的到来，一些学者采用完全重规划算法对原问题重新建模求解，产生的新任务规划方案与初始方案相差较大，导致卫星重调度难度大。然而上述方法大多以常规任务为背景，难以适用于应急任务的调度。对于应急观测任务规划，大多数研究方法多侧重于在应急情况下卫星影像的获取，对卫星规划调度问题并没有详细的说明。此外，由于任务的重要性不同因此执行的顺序有所差别，合理有效的优先级算法对提高任务执行效率有重要意义。
技术实现思路
考虑到应急观测问题的特殊性，本专利技术构建了一套完整的模型对应急条件下的多星动态调度问题开展研究。首先针对应急任务设计任务优先级评价准则，考虑因素包括成像任务等级、观测图像类型、卫星资源的可用度、执行紧迫性程度、执行任务类型、任务之间的冲突度和成像任务收益，以获得任务的重要性程度并将其作为求解约束规划问题时的启发式信息。其次，详细分析问题中的主要约束条件，以最大化观测任务优先级、最大化任务收益和最小化对执行时间有紧迫性要求的任务的等待时间为子目标函数，通过遗传禁忌混合算法相结合获得初始卫星调度方案，以避免在算法后期逼近最优解时做大量无用的迭代。以此为基础，在有新紧急任务插入的情况下，提出一种基于优先级的动态调度算法以解决新增任务的调度问题，该方法基于规则将新到达的任务插入到初始的调度方案，以获得新的调度方案。最后通过实验仿真验证算法有效性，通过模型性能评价函数以验证应急观测任务规划模型的可行性。本专利技术实现以上思路所采用的具体的技术方案是：本专利技术构建了基于任务优先级的多星协同应急调度模型(图1)，并将该模型进一步分为任务排序子问题和卫星资源配置子问题两部分。1任务优先级排序1.1任务优先级影响因子通过分析对地观测卫星资源及应急任务的应用需求，确定任务优先级设置主要考虑的如下主要影响因子1.2任务优先级计算模型基于不同的任务优先级影响因子，对任务优先级影响因子中的定性因子定量化，采用TOPSIS(TechniqueforOrderPreferencebySimilaritytoIdealSolution)进行综合计算，得到任务优先级的量化指标。2.应急观测任务规划建模与传统调度模式不同，动态应急调度主要是针对具有期望完成时间、到达时间不确定的非周期任务。在满足卫星观测约束及任务需求的条件下，本专利技术建立了多星动态应急调度多目标数学规划模型，优化观测方案，以最大化完成任务规划的目标。2.1卫星任务规划约束分析本文定义的任务是指能被卫星传感器在一个视场内观测的点目标任务。考虑卫星成像的各种约束条件，建立数学规划模型对问题进行描述，在观测调度阶段，确定规定的主要约束条件。2.2优化目标函数将基于任务优先级的多星应急调度模型视为一个多目标优化求解问题，不仅要求规划方案中重点应急任务的完成率较高，成像任务收益较大，还要尽可能的使每个任务的规划效率较大以保证卫星资源的预留率较高。因此对于多卫星资源调度模型采用加权和法构建优化目标函数，保证更重要、更紧迫及收益较高任务的优先执行，以合理进行资源的调配，实现全局优化。构建优化目标函数的方法为：先构建最大化观测任务优先级之和，最大化任务收益之和，最小化对执行时间有紧迫性要求的任务的等待时间的子目标函数，再基于以上子优化目标函数，利用加权法得到全局优化目标函数。3面向应急调度的卫星资源动态匹配应急观测任务规划的目的是确定任务的执行顺序，并为每个任务合理分配卫星资源和执行时间，由于不断有新应急任务的加入，进一步增加了问题的复杂性。由于多星协同调度涉及的约束较多，并且新任务的到达会对原问题模型中任务集、卫星资源集、时间窗口和约束集产生影响，因此本研究提出一种基于优先级的动态调度算法以解决新增任务的调度问题。首先通过遗传禁忌混合算法实现任务的初始调度，当有新任务加入时，以初始调度结果为基础，在资源集中寻找与任务需求相匹配的卫星，分别对其进行任务的直接插入、重新分配，替换和删除操作，以满足动态调度中最高优先级完成原则、初始调度方案变化最小原则和最快调度原则。3.1卫星资源的初始调度方案本文设计一种遗传禁忌混合算法，对得到的任务集进行卫星资源配置，利用该算法对组合优化模型求解,得到初始调度方案。首先采用遗传算法在全局空间进行大范围搜索，即初始群体以并行的方式快速遍历解空间的大部分区域，迭代终止时结果稳定在解空间部分较优的区域内，再从优化区域的每个个体出发，采用禁忌搜索算法在局部空间进行小范围搜索，从而延迟或避免遗传算法陷入局部最优，提高算法的寻优能力。该混合算法有效弥补了遗传算法局部搜索能力弱和禁忌搜索算法较强依赖初始解等缺陷。4.2新增应急任务动态调度方案在新增应急任务动态调度方案中，本研究提出一种基于优先级的动态调度算法以解决新增任务的调度问题，该方法基于规则将新到达的任务插入到初始的调度方案，以获得新的调度方案。对新增任务集中的任务依据优先级由高到低进行排序，优先级高的任务优先调度，对于新任务的加入，可分为直接插入过程、任务重新分配过程、任务替换过程和任务删除过程。新任务直接插入是指在不改变当前调度方案任务安排的资源、时间窗口及调度顺序的前提下，按照新任务优先级从高到低的顺序，依次判断新任务集中的任务能否在满足所有调度约束的条件下，直接插入到其可用卫星资源的任务调度安排中。在插入任务时，根据任务可见时间窗口的开始时间及已安排调度任务的完成时刻，确定插入点次序。任务重新分配是指在不删除原调度方案中任务的情况下将与新任务相冲突的原任务插入到其它资源的时间窗口中，新任务插入到原任务时间窗口中，该方式会造成规划调度方案中部分任务安排的资源和时间发生变化。任务替换是指在无法直接插入和重新分配的情况下，为了进一步本文档来自技高网...

【技术保护点】
1.一种面向应急响应的基于任务优先级的多星动态任务规划方法，包括一种任务需求的综合调度模型，一套合理的任务优先级计算模型，一种基于优先级的动态调度方案；其中，所述任务需求的综合调度模型，针对紧急情况下地球观测卫星综合调度问题，在面对大量不同优先级点目标成像任务(指范围较小的目标，可被遥感器单次覆盖)且有新任务加入的条件下，用来确定各任务的具体执行次序、执行时间、执行方式，最终生成卫星对地观测计划；所述任务优先级计算方法，针对应急任务设计任务优先级评价准则，综合定量化的任务优先级影响因子和任务优先级计算模型得到任务优先级的量化指标，来决定各任务优先程度；所述基于优先级的动态调度模型，利用遗传禁忌混合算法，对得到的任务集进行卫星资源配置，利用该算法对组合优化模型求解,得到初始调度方案，再基于优先级的动态调度算法以解决新增任务的调度问题。

【技术特征摘要】
1.一种面向应急响应的基于任务优先级的多星动态任务规划方法，包括一种任务需求的综合调度模型，一套合理的任务优先级计算模型，一种基于优先级的动态调度方案；其中，所述任务需求的综合调度模型，针对紧急情况下地球观测卫星综合调度问题，在面对大量不同优先级点目标成像任务(指范围较小的目标，可被遥感器单次覆盖)且有新任务加入的条件下，用来确定各任务的具体执行次序、执行时间、执行方式，最终生成卫星对地观测计划；所述任务优先级计算方法，针对应急任务设计任务优先级评价准则，综合定量化的任务优先级影响因子和任务优先级计算模型得到任务优先级的量化指标，来决定各任务优先程度；所述基于优先级的动态调度模型，利用遗传禁忌混合算法，对得到的任务集进行卫星资源配置，利用该算法对组合优化模型求解,得到初始调度方案，再基于优先级的动态调度算法以解决新增任务的调度问题。2.根据要求1所述的任务需求的综合调度模型，其特征在于，针对紧急情况下地球观测卫星综合调度问题，在面对大量不同优先级点目标成像任务(指范围较小的目标，可被遥感器单次覆盖)且有新任务加入的条件下，综合考虑卫星、遥感器等资源的能力、任务优先级影响因子及各类约束条件，进行约束检查，任务优先级排序和对消除任务间的冲突，为每颗卫星合理分配成像任务，确定各任务的具体执行次序、执行时间、执行方式，最终生成卫星对地观测计划；该模型进一步分为任务排序子问题和卫星资源配置子问题两部分。3.根据要求1所述的任务优先级计算模型，其特征在于，对任务优先级设置了7种主要的影响因子，通过任务优先级计算模型量化分析对地观测卫星资源及应急任务的应用需求从而确定了卫星资源接收任务需求的重要程度。4.根据要求3所述的7种主要的影响因子为：(1)成像任务等级。在应急响应的过程中，针对不同的突发事件按照其性质、严重程度、可控性和影响范围等因素分成4级(I～IV)。(2)观测图像类型。比如假设图像类型满足如下排序:可见光＞微波＞红外。(3)卫星资源的可用度。在设置优先级时应赋予卫星资源可用度大的任务更高的优先级，从而保障该任务的执行。(4)执行紧迫性程度。任务越紧迫越容易错过执行期而失败，应该使其优先执行。(5)执行任务类型。定义不同应急任务类型的优先级满足如下排序：海上移动目标>海上静态目标>陆地移动目标>陆地静态目标。(6)任务之间的冲突度。定义任务的冲突程度为与该任务竞争同一卫星资源的任务数量,定义任务冲突小的任务优先级高。(7)成像任务收益。将由观测任务的重要程度决定的成像任务收益作为基本收益。此外，由于云层覆盖的存在，成像任务的实际收益受云层覆盖率的影响而变化。因此，总成像任务收益需考虑以上两个因素，优先选择成像收益高的任务进行卫星资源的分配。表1任务优先级影响因子(evaluationindicatesoftaskpriority)5.根据要求3所述的任务优先级计算模型，具体包括基于不同的任务优先级影响因子，对任务优先级影响因子中的定性因子定量化，采用TOPSIS(TechniqueforOrderPreferencebySimilaritytoIdealSolution)[35]进行综合计算，得到任务优先级的量化指标，主要步骤如下。(1)对于任务集T＝{t1,t2,...,tm}分别计算优先级影响因子，构成影响因子矩阵X＝[xij]m×7，其中xij为ti的第j项指标的量化值，m为任务的数量。(2)采用极差变换法将影响因子矩阵X＝[xij]m×7转化为标准矩阵Y＝[yij]m×7，0≤yij≤1。(3)设置理想解I＝＜I+,I-＞,其中I+＝(1,1,...,1)为正理想解，I-＝(0,0,...,0)为负理想解。(4)计算任务ti与理想解的贴近度Ci：其中，和为任务ti与理想解I的距离，(5)任务ti的优先级为Pi:通过以上步骤可以得到各任务的优先级定量化数值，且取值在[0,10]之间，Pi值越大任务的优先程度越高。6.根据要求1所述的基于优先级的动态调度方案，其特征在于，首先通过遗传禁忌混合算法实现任务的初始调度，当有新任务加入时，以初始调度结果为基础，基于优先级的动态调度算法以解决新...

【专利技术属性】
技术研发人员：张新，崔锦甜，邓晚倩，
申请(专利权)人：中国科学院遥感与数字地球研究所，
类型：发明
国别省市：北京,11