CN104050324A - 针对单星任务规划问题的数学模型的构建方法及求解方法 - Google Patents

Abstract

本发明提供一种针对单星任务规划问题的数学模型的构建方法及求解方法，针对单星多圈的成像卫星任务规划问题，对问题进行了合理简化与假设，并构建数学模型，介绍了软件求解框架和9大分功能模块，其中排序模块采用了启发式的排序策略，活动安排模块创新性的采用了时间窗消减算法，较好的解决了时间窗的冲突问题，提升了时间窗的利用率，使得可行解接近最优。

Description

针对单星任务规划问题的数学模型的构建方法及求解方法

技术领域

本发明涉及分布式成像卫星***领域，具体涉及一种针对单星任务规划问题的数学模型的构建方法及求解方法。

背景技术

由现代智能小卫星组成的分布式成像卫星***是未来对地观测***发展的主要趋势，在小卫星技术发展的不断推动下，美国推出了“新盛世计划(New Millennium Program)”，在该计划中提出“更快、更好、更省”的方针，其中很重要的一个思想就是以分布式空间***来完成大卫星难以完成的功能或替代越来越复杂的大卫星。目前，无论是在国内还是国外，对分布式成像卫星***的自主控制问题的研究都是一个崭新的前沿课题，而卫星自主控制问题解决的正是卫星任务安排的规划问题。

卫星任务规划问题实现自主控制的难点主要为：分布式卫星***仅从地面***那里接收用户提交的各种观测任务，根据时间窗、遥感器侧摆角度和星上电源容量等约束条件，为各观测任务自主的安排合适的卫星、执行时间，并得到各卫星的任务序列，实现一定的优化目标。各个卫星在得到属于自己的任务计划方案后，按照卫星的***构成、功能和约束条件，将任务序列进一步分解成详细的有效载荷控制指令序列。这个序列不仅包括星上有效载荷具体的动作指令，还指定了动作的执行时间及资源分配的情况等，可以直接由卫星执行。

卫星自主控制问题属于人工智能规划问题范畴，但是与一般的人工智能规划问题相比，又有一些不同，具体表现在以下几个方面：

(1)规划的领域知识比较复杂。成像卫星往往由多个具有不同功能和特性的分***构成，其变量可能达到几十个甚至上百个，它们的组合是一个惊人的数字，故相较于一般规划问题更加复杂。

(2)动作之间具有很强的逻辑关系。由于卫星是一种独占型资源，一次只能处理一个观测任务，而对某特定的观测任务来说，卫星要执行的动作序列往往具有很强的逻辑关联性。

(3)考虑资源约束及数量约束。在卫星智能规划问题中，需要受星上电源、存储空间等资源限制，而这种约束在传统的人工智能规划问题(如STRIPS)中通常是不考虑的。然而，在卫星的动作规划过程中，如果不同时考虑动作的资源要求，就很有可能得到实际不可行的方案，导致规划失败。资源约束条件下的规划也是近年人工智能研究领域的热点问题。

(4)活动具有持续时间。传统规划方法总是假设所有动作是瞬时完成的，而卫星的任务总是带有具体的时间要求，并且不同动作的准备与执行过程也需要一个持续的时间段，这就造成了许多时间窗冲突，因此规划***在进行推理时必须考虑这些复杂的时间约束。

现有的任务规划软件与算法结构不够清晰，可迁移性不强，在面对现实复杂问题时往往出现各式各样的纰漏。

发明内容

本发明的目的是根据背景技术中存在的缺点和问题加以改进，提供一种能够解决时间窗的冲突问题、提升时间窗的利用率使得可行解接近最优的针对单星任务规划问题的数学模型的构建方法及求解软件架构。

本发明的技术方案是提供一种针对单星任务规划问题的数学模型的构建方法，包括以下几个步骤：

步骤S101：设定以下输入条件：

(1)每次进行规划的任务总数量为N，回传窗口的数目为N_BW；

(2)每个任务T_i的优先级为p_i，需要的观测时间为Vt_i,回传时间为Bt_i,任务的容量为C_i，其中：i＝1,2,…N；

(3)每个任务观测窗口VW_i的时间窗为[VS_i,VE_i]，该任务只能在其观测时间窗内安排观测活动,其中：i＝1,2,…N；

(4)回传窗口BW_j的时间窗为[BS_j,BE_j]，只能在该回传窗口的时间窗内安排回传活动,其中：j＝1,2,…N_BW；

(5)卫星所能承载的最大载荷量C_max，t时刻卫星的承载容量为C_t；

步骤S102：设定以下输出条件：

(1)决策变量：

单个任务的收益值为分段函数，即：

${\mathrm{pf}}_i=\left\{\begin{array}{c}0.6{\mathrm{\ω}}_j,t_0\≤t_i\≤t_1\\ 0.8{\mathrm{\ω}}_j,t_1\≤t_i\≤t_2\\ 1.0{\mathrm{\ω}}_j,t_2\≤t_i\≤t_3\\ 0.8{\mathrm{\ω}}_j,t_3\≤t_i\≤t_4\\ 0.6{\mathrm{\ω}}_j,t_4\≤t_i\≤t_5\end{array}\right.,$

其中[t₀,t₅]为任务收益函数pf_i的定义域，t₀＝VS_i,t₅＝VE_i，即每个观测时间窗被均匀划分为5段；

(2)N个任务的排序结果：以N×4的矩阵形式输出，其中第一列表示任务的ID序号T_i，第二列表示该任务实际开始观测时刻RVS_i，第三列表示该任务实际开始回传时刻RBS_i，第四列表示该任务的收益pf_i：

$\left[\begin{array}{cccc}{T}_1& {\mathrm{RVS}}_1& {\mathrm{RBS}}_1& {\mathrm{pf}}_1\\ T_2& {\mathrm{RVS}}_2& {\mathrm{RBS}}_2& {\mathrm{pf}}_2\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ T_N& {\mathrm{RVS}}_N& {\mathrm{RBS}}_N& {\mathrm{pf}}_N\end{array}\right];$

步骤S103：将该单星多圈的成像卫星任务规划问题的优化目标设置为在保证成像质量的前提下，实现以尽可能少的资源消耗实现最大的任务收益，即以完成观测和回传的任务总收益作为衡量求解结果的度量指标，目标函数为：

步骤S104：设定以下约束条件：

(1)在安排观测任务时，任务的总容量大小不能超过卫星的最大载荷量：

C_t≤C_max；

(2)每个任务只能在其观测时间窗内安排观测活动。设任务T_i实际开始观测的时刻为RVS_i：

VS_i≤RVS_i≤RVS_i+Vt_i≤VE_i,i＝1,2,...,N；

(3)所有任务只能在回传时间窗内安排回传活动。设任务T_i实际开始回传的时刻为RBS_i:

BS_j≤RBS_i≤RBS_i+Bt_i≤BE_j,

$i=\mathrm{1,2},...,N,\∃j=\mathrm{1,2},...,N_{\mathrm{BW}};$

(4)每个任务只有在安排了观测活动之后才能安排回传活动，且每个任务最多只能安排一次观测和一次回传：

y_i≤x_i≤1,i＝1,2,...,N，

RBV_i+Vt_i≤RBS_i,i＝1,2,...,N。

本发明又提供一种针对单星任务规划问题的数学模型的求解方法：由输入信息管理、任务求解管理、输出信息管理三个部分组成，所述的输入信息管理包括文件操作、约束处理和网络结构体三个功能模块，所述的任务求解管理包括求解框架、排序、观测活动安排和回传活动安排四个功能模块，所述的输出信息管理包括中间结果管理和最终结果管理两个功能模块，其中：

所述的文件操作，主要完成对卫星观测任务文件的读取操作，并将任务信息转换成指定格式进行存储，为其他模块操作提供数据支持；

所述的求解框架，先对任务进行排序、再按顺序处理每个任务，或先对任务进行排序、统一安排观测、统一安排回传；

所述的网络结构体，对各个结构体进行定义和初始化，设置和读取实例中的基本信息、任务资源信息和回传窗口的相关属性；

所述的排序，采用启发式方法，依据概率累积的方法对任务进行随机选择，得到一个排序序列，并将该任务排序结果提交给观测活动安排功能模块；

所述的约束处理，在任务观测开始时刻检查卫星的当前载荷量是否超出其最大固存，从而判断该观测时刻是否合理，并将检查结果提交给观测活动安排模块，对容量约束的情况进行实时更新，依据时间段的开始时间对约束结构体中的相关时间段进行排序；

所述的观测活动安排，尝试给指定任务安排观测活动，首先判断给指定任务安排观测活动的可能性，再从给定任务的可选观测时间段内随机选取活动的开始观测时刻，并提交约束检查，再根据约束检查模块的反馈结果确定任务的开始观测时刻；

所述的回传活动安排，尝试给指定任务安排回传活动，首先判断给指定任务安排回传活动的可能性，再从给定任务的可选回传时间段内随机安排回传活动(或从给定任务的可选回传时间段内选择最早的机会安排回传活动，并要确保回传活动在该任务观测活动结束之后开始进行；

所述的中间结果处理，进行时间窗的消减，对卫星和任务的可用时间段进行信息管理，即排序和更新，也可以分别对卫星资源信息和任务属性信息进行读取；

所述的最终结果处理，通过计算每个任务的收益值和当前方案中所有任务的总收益值，对方案群中的方案进行排序，并更新最优和最差方案的属性信息，最终可以得到最优的观测调度方案和回传调度方案。

本发明具有以下优点：

本发明对单星多圈的成像卫星任务规划问题进行了合理简化与假设，然后构建了在满足任务观测时间窗、卫星回传时间窗、及卫星固存容量约束的条件下，进行任务观测与回传活动规划的数学模型，并采用基于启发式的智能优化求解算法，以及时间窗裁剪的创新性处理方式，设计了良好的软件求解框架和9大分功能模块，其中排序模块采用了15种启发式的排序策略，活动安排模块创新性的采用了时间窗裁剪算法，较好的解决了时间窗的冲突问题，提升了时间窗的利用率，使得可行解接近最优。该求解算法和软件具有一定的健壮性和通用性，可扩展使用于自主控制的其他领域，如工厂仓库物资的管控，物流车辆管理等，帮助解决一系列现实问题。

附图说明

图1为本发明求解软件结构框架图。

图2(a)为本发明网络结构体功能模块对活动结构体进行定义和初始化的示意图。

图2(b)为本发明网络结构体功能模块对网络结构体进行定义和初始化的示意图。

图3为本发明约束处理功能模块中约束处理结构体示意图。

图4为本发明观测活动安排流程图。

图5为本发明回传活动安排流程图。

图6为本发明中间结果结构体示意图。

图7为本发明最终结果管理流程图。

图8为本发明时间窗裁剪机制示意图。

图9为本发明算法流程图。

具体实施方式

本发明提供一种针对单星任务规划问题的数学模型的构建方法及求解方法，针对单星多圈的成像卫星任务规划问题，开展了一系列研究：首先对问题进行了合理简化与假设，然后构建数学模型，并介绍了软件求解框架和9大分功能模块，其中排序模块采用了15种启发式的排序策略，活动安排模块创新性的采用了时间窗消减算法，较好的解决了时间窗的冲突问题，提升了时间窗的利用率，使得可行解接近最优。

单星任务规划问题可以描述为：已知一定数目的任务和它们的时间窗，通过单颗卫星进行任务规划；任务必须先安排观测再安排回传活动；该卫星的最大载荷量(固存)已知，且任何时刻卫星的实时负载不能大于其固存；卫星对地面站的回传时间窗数目和时间段已知，只能在其时间窗内安排回传活动；没有进行回传的任务和正在进行观测的任务都会占据卫星的存储空间；优化目标为任务总收益最大，资源消耗最小。

为简化问题，我们做出以下假设：

(1)假设任务数量是已知的，此为静态的规划；

(2)假设只有单颗卫星，且该卫星只携带一个遥感器；

(3)假设观测目标位固定目标，且不进行点目标和区域目标的区分，因为点目标可以看做是单个条带的区域目标；

(4)假设地面站接收任务仅受回传时间窗口的约束，不考虑移动地面站、中继卫星等；

(5)假设观测任务只受观测时间窗口的约束，不考虑天气、云层等气象条件的影响。

本发明所述的针对单星任务规划问题的数学模型的构建方法，包括以下步骤：

步骤一、设定输入条件：

(1)每次进行规划的任务总数量为N，回传窗口的数目为N_BW。

(2)每个任务T_i(i＝1,2,...,N)的优先级为p_i，需要的观测时间为Vt_i,回传时间为Bt_i,任务的容量为C_i。

(3)每个任务观测窗口VW_i(i＝1,2,...,N)的时间窗为[VS_i,VE_i]，该任务只能在其观测时间窗内安排观测活动。

(4)回传窗口BW_j(j＝1,2,...,N_BW)的时间窗为[BS_j,BE_j]，只能在该回传窗口的时间窗内安排回传活动。

(5)卫星所能承载的最大载荷量C_max，t时刻卫星的承载容量为C_t。

步骤二、设定输出条件

(1)决策变量：

单个任务的收益值为分段函数，即：

${\mathrm{pf}}_i=\left\{\begin{array}{c}0.6{\mathrm{\ω}}_j,t_0\≤t_i\≤t_1\\ 0.8{\mathrm{\ω}}_j,t_1\≤t_i\≤t_2\\ 1.0{\mathrm{\ω}}_j,t_2\≤t_i\≤t_3\\ 0.8{\mathrm{\ω}}_j,t_3\≤t_i\≤t_4\\ 0.6{\mathrm{\ω}}_j,t_4\≤t_i\≤t_5\end{array}\right.,$

其中[t₀,t₅]为任务收益函数pf_i的定义域，t₀＝VS_i,t₅＝VE_i，即每个观测时间窗被均匀划分为5段。

(2)N个任务的排序结果：以N×4的矩阵形式输出，其中第一列表示任务的ID序号T_i，第二列表示该任务实际开始观测时刻RVS_i，第三列表示该任务实际开始回传时刻RBS_i，第四列表示该任务的收益pf_i，如下：

$\left[\begin{array}{cccc}{T}_1& {\mathrm{RVS}}_1& {\mathrm{RBS}}_1& {\mathrm{pf}}_1\\ T_2& {\mathrm{RVS}}_2& {\mathrm{RBS}}_2& {\mathrm{pf}}_2\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ T_N& {\mathrm{RVS}}_N& {\mathrm{RBS}}_N& {\mathrm{pf}}_N\end{array}\right].$

步骤三、设定目标函数

本发明所述的一种针对单星任务规划问题的的优化目标为在保证成像质量的前提下，实现以尽可能少的资源消耗实现最大的任务收益，即以完成观测和回传的任务总收益作为衡量求解结果的度量指标，目标函数为：

步骤四、设定约束条件

(1)在安排观测任务时，任务的总容量大小不能超过卫星的最大载荷量：

C_t≤C_max；

(2)每个任务只能在其观测时间窗内安排观测活动。设任务T_i(i＝1,2,...,N)实际开始观测的时刻为RVS_i：

VS_i≤RVS_i≤RVS_i+Vt_i≤VE_i,i＝1,2,...,N；

(3)所有任务只能在回传时间窗内安排回传活动。设任务T_i(i＝1,2,...,N)实际开始回传的时刻为RBS_i:

BS_j≤RBS_i≤RBS_i+Bt_i≤BE_j,

$i=\mathrm{1,2},...,N,\∃j=\mathrm{1,2},...,N_{\mathrm{BW}};$

(4)每个任务只有在安排了观测活动之后才能安排回传活动，且每个任务最多只能安排一次观测和一次回传：

y_i≤x_i≤1,i＝1,2,...,N；

RBV_i+Vt_i≤RBS_i,i＝1,2,...,N。

本发明还提供一种针对单星任务规划问题的数学模型的求解方法，即一种求解软件构架，求解软件主要可以分为9个功能模块，即文件操作、求解框架、网络结构体、排序、约束处理、观测活动安排、回传活动安排、中间结果处理、最终结果管理，而这9个模块可以分为输入信息管理、任务求解管理、输出信息管理3部分，我们采用启发式方法进行排序的优化处理，可以实现较理想的求解效率，各功能模块工作任务如下：

(1)文件操作

主要完成对卫星观测任务文件的读取操作，并将任务信息转换成指定格式进行存储，为其他模块操作提供数据支持。

(2)求解框架

以活动结构体为基本单元，可以构建求解框架：先对任务进行某种规则的排序，再统一安排观测活动和回传活动。

(3)网络结构体

本模块可以对各个结构体进行定义和初始化，可以设置和读取实例中的基本信息，任务资源信息和回传窗口的相关属性。

(4)排序

本模块采取启发式方法设计了15种排序策略，依据概率累计的方式对任务进行随机选选择得到一个排序序列，并且可以将任务排序结果提交给活动安排模块。

1.按照优先级对任务进行排序(优先安排优先级高的任务)：

$P_i=\frac{p_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{p}_i};$

2.按照随机方式对任务进行排序(以相等的概率随机选择任务)：

$P_i=\frac{\mathrm{random}\left[\mathrm{1,10000}\right]}{10000};$

3.按照观测时间长短对任务进行排序(优先安排观测时间短的任务)：

$P_i=1-\frac{{\mathrm{Vt}}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{Vt}}_i};$

4.按照观测时间长短对任务进行排序(优先安排观测时间长的任务)：

$P_i=\frac{{\mathrm{Vt}}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{Vt}}_i}$

5.按照回传时间长短对任务进行排序(优先安排回传时间短的任务)：

$P_i=1-\frac{{\mathrm{Bt}}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{Bt}}_i};$

6.按照回传时间长短对任务进行排序(优先安排回传时间长的任务):

$P_i=\frac{{\mathrm{Bt}}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{Bt}}_i};$

7.按照观测加回传总时间长短对任务进行排序(优先安排总时间短的任务)：

$P_i=1-\frac{{\mathrm{Vt}}_i+{\mathrm{Bt}}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{Vt}}_i+{\mathrm{Bt}}_i)};$

8.按照观测加回传总时间长短对任务进行排序(优先安排总时间长的任务)：

$P_i=\frac{{\mathrm{Vt}}_i+{\mathrm{Bt}}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}({\mathrm{Vt}}_i+{\mathrm{Bt}}_i)};$

9.按照优先级除以观测加回传总时间的比率对任务进行排序(优先安排比值小的任务)：

$P_i=1-\frac{p_i/({\mathrm{Vt}}_i+{\mathrm{Bt}}_i)}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{p}_i/({\mathrm{Vt}}_i+{\mathrm{Bt}}_i)};$

10.按照优先级除以观测加回传总时间的比率对任务进行排序(优先安排比值大的任务)：

$P_i=\frac{p_i/({\mathrm{Vt}}_i+{\mathrm{Bt}}_i)}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{p}_i/({\mathrm{Vt}}_i+{\mathrm{Bt}}_i)};$

11.按照最佳成像点的位置对任务进行排序(优先安排观测机会早的任务)：

$P_i=\frac{{\mathrm{pf}}_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{\mathrm{pf}}_i};$

12.按照任务所占容量大小对任务进行排序(优先安排容量小的任务)：

$P_i=1-\frac{C_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_i};$

13.按照任务所占容量大小对任务进行排序(优先安排容量大的任务):

$P_i=\frac{C_i}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_i};$

14.按照任务容量除以观测加回传总时间的比率对任务进行排序(优先安排比值小的任务)：

$P_i=1-\frac{C_i/({\mathrm{Vt}}_i+{\mathrm{Bt}}_i)}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_i/({\mathrm{Vt}}_i+{\mathrm{Bt}}_i)};$

15.按照任务容量除以观测加回传总时间的比率对任务进行排序(优先安排比值大的任务)：

$P_i=\frac{C_i/({\mathrm{Vt}}_i+{\mathrm{Bt}}_i)}{\underset{i=1}{\overset{N}{\mathrm{\Σ}}}{C}_i/({\mathrm{Vt}}_i+{\mathrm{Bt}}_i)};$

(5)约束处理

本模块在任务观测开始时刻检查卫星的当前载荷量是否超出其最大固存，从而判断该观测时刻是否合理，并将检查结果提交观测活动安排模块；对容量约束的情况进行实时更新，对约束结构体中的相关时间段进行排序(依据时间段的开始时间)。

(6)观测活动安排

本模块尝试给指定任务安排观测活动，首先判断给指定任务安排观测活动的可能性(进行容量约束可行性检测)，再从给定任务的可选观测时间段内随机选取活动的开始观测时刻，并提交约束检查，再根据约束检查模块的反馈结果确定任务的开始观测时刻。

(7)回传活动安排

本模块尝试给指定任务安排回传活动，首先判断给指定任务安排回传活动的可能性，再从给定任务的可选回传时间段内随机安排回传活动(或从给定任务的可选回传时间段内选择最早的机会安排回传活动)，并要确保回传活动在该任务观测活动结束之后开始进行。

(8)中间结果处理

本模块进行时间窗的消减，对卫星和任务的可用时间段进行信息管理，即排序和更新，也可以分别对卫星资源信息和任务属性信息进行读取

(9)最终结果管理

本模块通过计算每个任务的收益值和当前方案中所有任务的总收益值，对方案群中的方案进行排序，并更新最优和最差方案的属性信息，最终可以得到最优的观测调度方案和回传调度方案。

所述的观测活动安排功能模块采用了时间窗裁剪处理，不同活动的观测活动和回传活动的时间窗可能发生重叠，为了避免这样的冲突，必须在确定时间窗之前对每一个活动的可选时间窗口进行剪裁，以便在安排其他活动的时候将其从可用时间段中剔除。

通过对不同时间窗重叠情形的分类考虑，可使得时间窗的裁剪更加清晰明了和容易实施，并保证了时间窗的最大利用效率，使任务安排的可行解更接近最优解，实现了在保证观测效果收益的前提下资源的最小消耗。

本发明所述的实施例仅仅是对本发明的优选实施方式进行的描述，并非对本发明构思和范围进行限定，在不脱离本发明设计思想的前提下，本领域中工程技术人员对本发明的技术方案作出的各种变型和改进，均应落入本发明的保护范围，本发明请求保护的技术内容，已经全部记载在权利要求书中。

Claims (3)

1.一种针对单星任务规划问题的数学模型的构建方法，其特征在于，包括以下几个步骤：

步骤S101：设定以下输入条件：

(1)每次进行规划的任务总数量为N，回传窗口的数目为N_BW；

(2)每个任务T_i的优先级为p_i，需要的观测时间为Vt_i,回传时间为Bt_i,任务的容量为C_i，其中：i＝1,2,…N；

(3)每个任务观测窗口VW_i的时间窗为[VS_i,VE_i]，该任务只能在其观测时间窗内安排观测活动,其中：i＝1,2,…N；

(4)回传窗口BW_j的时间窗为[BS_j,BE_j]，只能在该回传窗口的时间窗内安排回传活动,其中：j＝1,2,…N_BW；

(5)卫星所能承载的最大载荷量C_max，t时刻卫星的承载容量为C_t；

步骤S102：设定以下输出条件：

(1)决策变量：

单个任务的收益值为分段函数，即：

${\mathrm{pf}}_i=\left\{\begin{array}{c}0.6{\mathrm{\ω}}_j,t_0\≤t_i\≤t_1\\ 0.8{\mathrm{\ω}}_j,t_1\≤t_i\≤t_2\\ 1.0{\mathrm{\ω}}_j,t_2\≤t_i\≤t_3\\ 0.8{\mathrm{\ω}}_j,t_3\≤t_i\≤t_4\\ 0.6{\mathrm{\ω}}_j,t_4\≤t_i\≤t_5\end{array}\right.,$

其中[t₀,t₅]为任务收益函数pf_i的定义域，t₀＝VS_i,t₅＝VE_i，即每个观测时间窗被均匀划分为5段；

(2)N个任务的排序结果：以N×4的矩阵形式输出，其中第一列表示任务的ID序号T_i，第二列表示该任务实际开始观测时刻RVS_i，第三列表示该任务实际开始回传时刻RBS_i，第四列表示该任务的收益pf_i；

$\left[\begin{array}{cccc}{T}_1& {\mathrm{RVS}}_1& {\mathrm{RBS}}_1& {\mathrm{pf}}_1\\ T_2& {\mathrm{RVS}}_2& {\mathrm{RBS}}_2& {\mathrm{pf}}_2\\ .& .& .& .\\ .& .& .& .\\ .& .& .& .\\ T_N& {\mathrm{RVS}}_N& {\mathrm{RBS}}_N& {\mathrm{pf}}_N\end{array}\right];$

步骤S103：将该单星多圈的成像卫星任务规划问题的优化目标设置为在保证成像质量的前提下，实现以尽可能少的资源消耗实现最大的任务收益，即以完成观测和回传的任务总收益作为衡量求解结果的度量指标，目标函数为：

步骤S104：设定以下约束条件：

(1)在安排观测任务时，任务的总容量大小不能超过卫星的最大载荷量：

C_t≤C_max；

(2)每个任务只能在其观测时间窗内安排观测活动；设任务T_i实际开始观测的时刻为RVS_i：

VS_i≤RVS_i≤RVS_i+Vt_i≤VE_i,i＝1,2,...,N；

(3)所有任务只能在回传时间窗内安排回传活动；设任务T_i实际开始回传的时刻为RBS_i:

BS_j≤RBS_i≤RBS_i+Bt_i≤BE_j,

$i=\mathrm{1,2},...,N,\∃j=\mathrm{1,2},...,N_{\mathrm{BW}};$

(4)每个任务只有在安排了观测活动之后才能安排回传活动，且每个任务最多只能安排一次观测和一次回传：

y_i≤x_i≤1,i＝1,2,...,N；

RBV_i+Vt_i≤RBS_i,i＝1,2,...,N。

2.一种针对单星任务规划问题的求解方法，其特征在于：构建了一种求解软件架构，由输入信息管理、任务求解管理、输出信息管理三个部分组成，所述的输入信息管理包括文件操作、约束处理和网络结构体三个功能模块，所述的任务求解管理包括求解框架、排序、观测活动安排和回传活动安排四个功能模块，所述的输出信息管理包括中间结果管理和最终结果管理两个功能模块，其中：

所述的文件操作，主要完成对卫星观测任务文件的读取操作，并将任务信息转换成指定格式进行存储，为其他模块操作提供数据支持；

所述的求解框架，先对任务进行排序、再按顺序处理每个任务，或先对任务进行排序、统一安排观测、统一安排回传；

所述的网络结构体，对各个结构体进行定义和初始化，设置和读取实例中的基本信息、任务资源信息和回传窗口的相关属性；

所述的排序，采用启发式方法，依据概率累积的方法对任务进行随机选择，得到一个排序序列，并将该任务排序结果提交给观测活动安排功能模块；

所述的约束处理，在任务观测开始时刻检查卫星的当前载荷量是否超出其最大固存，从而判断该观测时刻是否合理，并将检查结果提交给观测活动安排模块，对容量约束的情况进行实时更新，依据时间段的开始时间对约束结构体中的相关时间段进行排序；

所述的观测活动安排，尝试给指定任务安排观测活动，首先判断给指定任务安排观测活动的可能性，再从给定任务的可选观测时间段内随机选取活动的开始观测时刻，并提交约束检查，再根据约束检查模块的反馈结果确定任务的开始观测时刻；

所述的回传活动安排，尝试给指定任务安排回传活动，首先判断给指定任务安排回传活动的可能性，再从给定任务的可选回传时间段内随机安排回传活动(或从给定任务的可选回传时间段内选择最早的机会安排回传活动，并要确保回传活动在该任务观测活动结束之后开始进行；

所述的中间结果处理，进行时间窗的消减，对卫星和任务的可用时间段进行信息管理，即排序和更新，也可以分别对卫星资源信息和任务属性信息进行读取；

所述的最终结果处理，通过计算每个任务的收益值和当前方案中所有任务的总收益值，对方案群中的方案进行排序，并更新最优和最差方案的属性信息，最终可以得到最优的观测调度方案和回传调度方案。

3.根据权利要求2所述的针对单星任务规划问题的求解软件架构，其特征在于：所述的观测活动安排，采用时间窗裁剪算法，观测活动和回传活动的时间窗在确定之前进行剪裁处理；所述剪裁处理为：设新增任务的拍摄时段为[T_S,T_E]，待消减的时间窗为[W_S,W_E]，针对其包含或者相交的不同冲突类型设置裁剪算法，主要应用于任务可选观测时间段、卫星可用观测时间段、任务可选回传时间窗和卫星可用回传时间窗的计算上。