正在加载图片...
654 智能系统学报 第12卷 泛关注。当前,卫星任务规划的对象是整个卫星集 的目的。 合,规划的目的是安排整个卫星集合的动作,使得 我们拟对子问题1展开研究。但由于卫星异构 在满足卫星所有约束的前提下,能够最大化满足用 的特性,不同团队执行同一组对地观测任务的代价 户需求。主要的研究工作可以分为集中式规划和 通常不同。如何构建能够完成多组观测任务的最 分布式规划两个类别。 小卫星团队(团队中不存在冗余观测能力),且执行 集中式的任务规划方法[)]通常采用约束满足 代价最小,已经成为卫星任务规划领域出现的新而 问题模型】、图模型[)等对多星任务调度问题进行 亟待解决的问题。 统一建模,然后采用贪婪算法、启发式算法)以及 T.Okimoto等[16]处理巴黎火灾救援问题时,将 各种智能优化算法[6-)进行求解,处理的卫星均为 救援设备建模为Agent,根据火势大小,向各个火灾 同种类型。 点组织消防车团队进行救援,是一种面向任务的 而分布式任务规划研究则主要是将卫星建模 Agent团队构建思想。受此启发,我们拟对观测任 为具有自主性、协同性、社会性的Agent,.多颗卫星 务集合、卫星集群能力[可进行建模,研究面向任务 通过自主协商完成任务优化分配,目前多采用基于 的卫星Agent团队构建方法。设定卫星集群中的每 拍卖的协商协议[8)。例如,采用基于方案融合的合 颗卫星在执行每一个对地观测任务时,可以获得对 同网方法),采用聚类降载与演化计算相结合的协 应的收益和代价,执行不同的任务,代价不同。因 同方法[,基于协同进化与迁移学习的协同方 此在胜任集合中所有任务的前提下,合理挑选卫 法[山]等。分布式卫星任务规划较集中式卫星任务 星,使卫星团队执行所有任务的总代价最小8]。 规划而言,有更大的灵活性,可以将不同类型的卫 1 问题描述 星建模为异构的卫星规划Agent,.从而能处理不同 种类卫星的任务规划问题,且可采用Agent并行协 面向任务的对地观测卫星团队构建问题就是 同方式提升规划效率。但随着卫星规模的增加,任 在已知系统的初始状态、可用资源、每颗卫星的负 务协同计算代价增长明显。 载情况的前提下,针对对地观测任务集合,基于卫 传统卫星任务规划问题中,卫星数量通常在几 星在执行任务时产生的代价从卫星集群中挑选出 颗到十几颗左右,当问题规模上升为数十颗乃至上 一组能胜任所有观测任务的卫星,组成卫星团队, 百颗卫星时,集中式规划方法会因为问题规模巨大 使得执行所有任务的总代价最小。 很难给出用户满意解,分布式规划方法也会因为协 1.1符号定义 同耗时太长很难在有效时间内给出问题可行解。 为了方便描述,首先给出相关符号定义,如表1 随着航天科技的飞速发展,逐渐出现了由多种 所示。 异构卫星组成的卫星集群)],如用于木星大气层探 1.2目标函数 测的SMARA微型卫星群)、用于小行星探测的 面向任务的对地观测卫星团队构建问题的目 ANTS群卫星系统[14)、用于天文观测的OLFAR卫星 标是从卫星集群中找到一个能够胜任这些任务的 集群吲]等,这些卫星集群的规模都在几十颗到上百 卫星团队,并使团队的总代价最小,即当team∈ 颗之间。与传统的卫星系统相比,卫星集群的规模 TEAM时: 更大,能力更多,通常只需从集群中挑选一个子集 ieam.Cost=∑Cn(Say,task)→MIN (称为面向任务的卫星团队,简称卫星团队),即可 团队的总代价是团队中所有卫星执行任务的 完成一组对地观测任务。 代价之和。 可见,卫星群任务规划在规划场景、规划目的、 卫星Sat,执行任务task的代价Csr(Sat:,task) 问题规模上均与传统的卫星任务规划方法存在较 可由SC:和TC计算得到: 大差别,传统的任务规划方法难以直接应用。 Csr(Sati,task;)=SC;x TC 基于上述分析,对卫星集群的任务规划可分解 SC,由卫星Sat:当前时刻执行任务情况决定。 为两个子问题:子问题1,根据任务集特点从整个卫 卫星的使用代价SC:与执行的任务数、被占用的时 星集群中筛选出一个能够胜任该任务集的卫星团 间窗数正相关: 队:子问题2,针对筛选出的卫星团队采用传统任务 SC:=a(Btasks,+TW_used,) 规划方法优化安排每一颗卫星的观测动作,从而达 在团队构建过程中,卫星使用代价随着承担任 到缩减任务规划中卫星资源规模,降低时间复杂度 务数增多,而不断增长。泛关注。 当前,卫星任务规划的对象是整个卫星集 合,规划的目的是安排整个卫星集合的动作,使得 在满足卫星所有约束的前提下,能够最大化满足用 户需求。 主要的研究工作可以分为集中式规划和 分布式规划两个类别。 集中式的任务规划方法[2] 通常采用约束满足 问题模型[3] 、图模型[4] 等对多星任务调度问题进行 统一建模,然后采用贪婪算法、启发式算法[5] 以及 各种智能优化算法[6-7] 进行求解,处理的卫星均为 同种类型。 而分布式任务规划研究则主要是将卫星建模 为具有自主性、协同性、社会性的 Agent,多颗卫星 通过自主协商完成任务优化分配,目前多采用基于 拍卖的协商协议[8] 。 例如,采用基于方案融合的合 同网方法[9] ,采用聚类降载与演化计算相结合的协 同方法[10] , 基于协同进化与迁移学习的协同方 法[11]等。 分布式卫星任务规划较集中式卫星任务 规划而言,有更大的灵活性,可以将不同类型的卫 星建模为异构的卫星规划 Agent,从而能处理不同 种类卫星的任务规划问题,且可采用 Agent 并行协 同方式提升规划效率。 但随着卫星规模的增加,任 务协同计算代价增长明显。 传统卫星任务规划问题中,卫星数量通常在几 颗到十几颗左右,当问题规模上升为数十颗乃至上 百颗卫星时,集中式规划方法会因为问题规模巨大 很难给出用户满意解,分布式规划方法也会因为协 同耗时太长很难在有效时间内给出问题可行解。 随着航天科技的飞速发展,逐渐出现了由多种 异构卫星组成的卫星集群[12] ,如用于木星大气层探 测的 SMARA 微型卫星群[13] 、用于小行星探测的 ANTS 群卫星系统[14] 、用于天文观测的 OLFAR 卫星 集群[15]等,这些卫星集群的规模都在几十颗到上百 颗之间。 与传统的卫星系统相比,卫星集群的规模 更大,能力更多,通常只需从集群中挑选一个子集 (称为面向任务的卫星团队,简称卫星团队),即可 完成一组对地观测任务。 可见,卫星群任务规划在规划场景、规划目的、 问题规模上均与传统的卫星任务规划方法存在较 大差别,传统的任务规划方法难以直接应用。 基于上述分析,对卫星集群的任务规划可分解 为两个子问题:子问题 1,根据任务集特点从整个卫 星集群中筛选出一个能够胜任该任务集的卫星团 队;子问题 2,针对筛选出的卫星团队采用传统任务 规划方法优化安排每一颗卫星的观测动作,从而达 到缩减任务规划中卫星资源规模,降低时间复杂度 的目的。 我们拟对子问题 1 展开研究。 但由于卫星异构 的特性,不同团队执行同一组对地观测任务的代价 通常不同。 如何构建能够完成多组观测任务的最 小卫星团队(团队中不存在冗余观测能力),且执行 代价最小,已经成为卫星任务规划领域出现的新而 亟待解决的问题。 T. Okimoto 等 [16]处理巴黎火灾救援问题时,将 救援设备建模为 Agent,根据火势大小,向各个火灾 点组织消防车团队进行救援,是一种面向任务的 Agent 团队构建思想。 受此启发,我们拟对观测任 务集合、卫星集群能力[17] 进行建模,研究面向任务 的卫星 Agent 团队构建方法。 设定卫星集群中的每 颗卫星在执行每一个对地观测任务时,可以获得对 应的收益和代价,执行不同的任务,代价不同。 因 此在胜任集合中所有任务的前提下,合理挑选卫 星,使卫星团队执行所有任务的总代价最小[18] 。 1 问题描述 面向任务的对地观测卫星团队构建问题就是 在已知系统的初始状态、可用资源、每颗卫星的负 载情况的前提下,针对对地观测任务集合,基于卫 星在执行任务时产生的代价从卫星集群中挑选出 一组能胜任所有观测任务的卫星,组成卫星团队, 使得执行所有任务的总代价最小。 1.1 符号定义 为了方便描述,首先给出相关符号定义,如表 1 所示。 1.2 目标函数 面向任务的对地观测卫星团队构建问题的目 标是从卫星集群中找到一个能够胜任这些任务的 卫星团队,并使团队的总代价最小,即当 team ∈ TEAMM 时: team.Cost = ∑ M i = 1 CST Sat j,taski ( ) → ΜΙΝ 团队的总代价是团队中所有卫星执行任务的 代价之和。 卫星 Sat i 执行任务 taskj 的代价 CST(Sat i,taskj) 可由 SCi 和 TCj 计算得到: CST(Sat i,taskj) = SCi × TCj SCi 由卫星 Sat i 当前时刻执行任务情况决定。 卫星的使用代价 SCi 与执行的任务数、被占用的时 间窗数正相关: SCi = α Btasksi + TW_usedi ( ) 在团队构建过程中,卫星使用代价随着承担任 务数增多,而不断增长。 ·654· 智 能 系 统 学 报 第 12 卷
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有