CN108053051B - 基于任务拆分聚合的数据中继卫星***任务规划方法 - Google Patents
基于任务拆分聚合的数据中继卫星***任务规划方法 Download PDFInfo
- Publication number
- CN108053051B CN108053051B CN201711134511.2A CN201711134511A CN108053051B CN 108053051 B CN108053051 B CN 108053051B CN 201711134511 A CN201711134511 A CN 201711134511A CN 108053051 B CN108053051 B CN 108053051B
- Authority
- CN
- China
- Prior art keywords
- task
- time
- tasks
- splitting
- aggregation
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
- 238000013439 planning Methods 0.000 title claims abstract description 72
- 238000004220 aggregation Methods 0.000 title claims abstract description 43
- 230000002776 aggregation Effects 0.000 title claims abstract description 37
- 238000000034 method Methods 0.000 title claims abstract description 28
- 230000004931 aggregating effect Effects 0.000 claims abstract description 10
- 238000007781 pre-processing Methods 0.000 claims abstract description 6
- 238000012163 sequencing technique Methods 0.000 claims description 11
- 238000003780 insertion Methods 0.000 claims description 10
- 230000037431 insertion Effects 0.000 claims description 10
- 238000012937 correction Methods 0.000 claims description 3
- 238000002360 preparation method Methods 0.000 claims description 3
- 230000000977 initiatory effect Effects 0.000 claims description 2
- 230000005540 biological transmission Effects 0.000 abstract description 21
- 230000008569 process Effects 0.000 abstract description 4
- 238000004891 communication Methods 0.000 abstract description 3
- 230000006872 improvement Effects 0.000 description 4
- 238000012545 processing Methods 0.000 description 4
- 238000010586 diagram Methods 0.000 description 3
- 238000003875 gradient-accelerated spectroscopy Methods 0.000 description 2
- 239000011159 matrix material Substances 0.000 description 2
- 230000008859 change Effects 0.000 description 1
- 238000011161 development Methods 0.000 description 1
- 230000000694 effects Effects 0.000 description 1
- 238000005516 engineering process Methods 0.000 description 1
- 238000012986 modification Methods 0.000 description 1
- 230000004048 modification Effects 0.000 description 1
- 238000012913 prioritisation Methods 0.000 description 1
- 238000010845 search algorithm Methods 0.000 description 1
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q50/00—Information and communication technology [ICT] specially adapted for implementation of business processes of specific business sectors, e.g. utilities or tourism
- G06Q50/40—Business processes related to the transportation industry
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Economics (AREA)
- Strategic Management (AREA)
- Tourism & Hospitality (AREA)
- Theoretical Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Physics & Mathematics (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Health & Medical Sciences (AREA)
- General Health & Medical Sciences (AREA)
- Primary Health Care (AREA)
- Variable-Direction Aerials And Aerial Arrays (AREA)
- Radio Relay Systems (AREA)
Abstract
本发明属于卫星通信技术领域,公开了一种基于任务拆分聚合的数据中继卫星***任务规划方法,对网络中的任务进行拆分与聚合;对预处理后的任务构建可行解序列;对构建的可行解进行局部搜索,输出任务规划结果。本发明通过任务预处理将来自用户请求的任务需求转化为规划效率较高的任务元;传输时间较长的任务拆分为多个任务元,传输时间短、调度窗口重合率高且请求卫星位置相近的任务,合并为一个任务元。本发明解决了传统的任务规划算法中传输时间较长与较短任务规划效率低的问题,提高了数据中继卫星网络中的任务规划效率与资源利用率,可用于数据中继卫星***任务规划的过程。
Description
技术领域
本发明属于卫星通信技术领域,尤其涉及一种基于任务拆分聚合的数据中继卫星***任务规划方法。
背景技术
随着空间科学技术的不断发展,在轨卫星数目不断增多,需要回传到地面的数据量也随之持续增长。但是,由于低轨卫星与地面站的可见时间有限且回访时间长,严重制约了在轨数据回传的及时性。位于地球同步轨道的跟踪与数据中继卫星(后文简称中继卫星)轨道高度较高,可以通过提供数据中继的方式,有效的拓宽低轨卫星与地面站的通信窗口长度,因此,中继卫星***在整个空间信息网络中起到了重要的作用。由于中继卫星资源十分有限,而网络中的任务需求在不断增长,现如今,如何分配中继卫星资源以保证任务完成率已经成为空间信息网络中的热点问题。现有中继卫星***任务规划的工作大多将任务规划问题建模为带窗口的并行机调度问题,其将中继卫星天线视为机器(machine),将用户卫星的任务请求视为待服务的工作(job),将任务需要的传输时间视为工作的处理时长(processing time),并假设每个工作仅能被一台机器服务一次。由于空间信息网络中任务的多样性,不同任务请求的时间窗松紧度、处理时长等参数具有较大差异,而工作在任务规划过程中并没有针对任务请求的差异性进行区分,导致部分种类任务的规划效率较低。一方面,对于长传输时间的任务,由于并行机调度模型假设每个任务只能在一台机器上被一次性执行完毕,导致在一些情况下,即使时间窗口内仍剩余足够的空闲时间,长传输时间的任务也无法被成功调度;另一方面,由于中继卫星单址天线转动速度较慢,当中继卫星天线从服务一颗用户卫星切换到服务另一颗用户卫星时,需要预留较长的时间(15s~5min)用于天线转动,对于传输时长较短的任务,天线空转时间将占据较大的比例,因此合理安排中继卫星天线服务用户的顺序成为影响中继卫星服务能力的重要因素。已有工作中所提的启发式方法仅将天线转动时间作为一个在中继卫星天线上安插任务的约束条件,而并非决定天线服务用户顺序的重要因素,现有并行机调度模型下较短传输时间的任务的服务效率仍旧难以保证。
综上所述,现有技术存在的问题是:由于空间信息网络中任务的多样性没有针对任务请求的差异性进行区分,导致部分种类任务的规划效率较低。
发明内容
针对现有技术存在的问题,本发明提供了一种基于任务拆分聚合的数据中继卫星***任务规划方法。
本发明是这样实现的,一种基于任务拆分聚合的数据中继卫星***任务规划方法,所述基于任务拆分聚合的数据中继卫星***任务规划方法包括:对网络中的任务进行拆分与聚合;对预处理后的任务构建可行解序列;对构建的可行解进行局部搜索,输出任务规划结果。
进一步,所述基于任务拆分聚合的数据中继卫星***任务规划方法包括以下步骤:
步骤一,初始化中继卫星集合RS={rs1,rs2,...,rsn},中继卫星天线集合M={1,...,m},中低轨用户卫星集合US={us1,us2,...,usn,...},任务集合J={1,...,n};任务请求i使用一个五维元组[ai,bi,pi,Ki,sn(i)]表示,其中ai表示任务i最早能够开始服务的时间,bi表示任务i的最晚开始服务的时间,pi表示其实际开始服务的时间,其中0≤ai≤bi,sn表示发起任务i的卫星编号,Ki是可以服务任务i的天线集合。定义服务时间拆分门限Tc,天线转动时间聚合门限Sc与服务时间聚合门限Tcj;
步骤二,对任务集合中的任务进行预处理;
步骤三,根据预处理后的任务元集与卫星集合,构建每个天线上的可行解序列;
步骤四,局部搜索,得到的可行解的基础上重复搜索可行规划的邻域,得到局部最优解。
进一步,所述步骤二包括:
(1)当服务时间长度超过Tc时将其拆分成两个任务元,用集合J1表示任务集中所有拆分成功的任务,集合I1表示J1中的任务拆分后形成的任务元;
(2)当两个任务之间的天线转动时间小于Sc且任务的服务时间小于Tcj时将其聚合为一个任务元;用集合J2表示聚合成功的任务集,I2表示聚合后的任务元集;
(3)用集合J3表示任务集J中既不进行拆分处理也不进行聚合处理的任务集,J3中的任务可以直接转换为任务元,形成任务元集I3。
进一步,所述(2)具体包括:
1)对于一个任务j,服务时间pj>Tc,则拆分为两个任务元v、u,服务时间为原任务的一半,任务v的参数变为[av,bv,pv,Kv,sn(v)],其中av=aj,bv=bj+pj/2,pv=pj/2,Kv=Kj,sn(v)=sn(j),任务元u的参数与v相同;
2)定义备选任务集合B={i|pi<Tcj,i∈J},对于所有任务v∈B,在备选任务集中寻找一个任务u使得Kv∩Ku≠φ,svu<Sc且[av,bv+pv]∩[au,bu+pu]≠φ,任务之间的天线转动时间小于聚合门限Sc,且两个任务的可选天线集合的交集与任务调度窗口的交集均不为空,则将任务v与任务u进行聚合;
3)对于备选任务j1存在多个任务满足条件,按照下式v,u∈B,v≠u寻找与任务v天线交集中数量尽量多、与任务v之间天线转动时间尽量小的任务进行聚合形成任务元i,参数为[ai,bi,pi,Ki,sn(i)],其中ai=max(av,au),bi=max(bv,bu),pi=pv+svu+pu,Ki=Kv∩Ku,sn(i)=sn(v)∪sn(u)。
进一步,所述步骤三包括:
(1)将任务元集按照开始时间是否固定分为两个不相交的子集U1与U2;
(2)按照任务与其他任务的冲突大小顺序依次安排U1中的任务元;
(3)更新U1,当U1不为空时,返回执行(2),若U1为空,执行(4);
(4)根据最佳弹性函数值对任务元进行排序,选择能够使f(u)最大的任务元进行***;
(5)更新U2,当U2不为空时,返回执行(4),若U2为空,输出规划表和未规划任务元集。
进一步,所述安排开始时间固定的任务元具体包括:
(1)将任务元i时间窗紧度定义为pi/bi+pi-ai,记为TWTi,定义任务元i的冲突任务元集JCi,由与任务元i的时间窗[ai,bi+pi]存在重叠的所有任务元l构成,JCi={l|[ai,bi+pi]∩[al,bl+pl]≠φ,i,l∈I},定义任务元i的冲突值TWCi,表示任务元i与其他任务元的时间窗冲突的大小,具体为任务元i的冲突任务元集JCi中的所有任务元的时间窗紧度之和,即计算U1中所有任务的时间窗紧度TWCi;
(2)按照TWCi的值对开始时间固定的任务元进行排序,并按照排序结果依次将任务元***规划表中,若此任务元与已有的规划表存在冲突,则将其移入未规划任务元集中。
进一步,所述的安排开始时间可变的任务元具体包括:
(1)定义时间松弛(α,...,β)是可行规划的部分序列,任务元α的时间松弛表示任务元α在不造成子序列(α,...,β)任何时间窗冲突的前提下,开始服务的最大时间前移;给出天线k上的一个可行规划(1,...,nk),时间松弛与每个任务元i开始时间ti分别为其中rj是任务元j的准备时间;一个未规划任务元的弹性函数定义为将此任务元***到现有规划表中可能造成的前向时间松弛的修正,将一个未规划任务元u***到任务元与任务元中间所产生的弹性函数为
(3)根据最佳弹性函数值对任务元进行排序,按照公式u*=argmax{f(u):u∈U2}选择能够使f(u)最大的任务元u*进行***,若此任务元与已有的规划表存在冲突,则将其移入未规划任务元集中。
本发明的另一目的在于提供一种使用所述基于任务拆分聚合的数据中继卫星***任务规划方法的中继卫星。
本发明任务拆分后可以将长传输时间的任务转变为短传输时间的任务元,在一定程度上避免了长传输时间任务在规划中存在的低规划效率问题;由于任务聚合后可以将地理位置、时间窗的相似的任务一次执行,节省了天线转动时间,有效的提高了中继卫星网络的任务规划效率和资源利用率。
附图说明
图1是本发明实施例提供的基于任务拆分聚合的数据中继卫星***任务规划方法流程图。
图2是本发明实施例提供的基于任务拆分聚合的数据中继卫星***任务规划方法实现流程图。
图3是本发明实施例提供的任务预处理的子流程图。
图4是本发明实施例提供的构建可行解序列的子流程图。
图5是本发明实施例提供的局部搜索的子流程图。
图6是本发明实施例提供的任务1、任务2和任务3的时间窗口与服务时间的对比示意图;
图中:(a)长时间窗任务冲突;(b)拆分处理。
图7是本发明实施例提供的规划数量和天线利用率对比图;
图中:(a)规划数量对比图;(b)天线利用率对比图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。
本发明解决了传统的任务规划算法中传输时间较长与较短任务规划效率低的问题,提高了数据中继卫星网络中的任务规划效率与资源利用率,可用于数据中继卫星***任务规划的过程。
下面结合附图对本发明的应用原理作详细的描述。
如图1所示,本发明实施例提供的基于任务拆分聚合的数据中继卫星***任务规划方法包括以下步骤:
S101:对网络中的任务进行拆分与聚合;
S102:对预处理后的任务构建可行解序列;
S103:对构建的可行解进行局部搜索,输出任务规划结果。
下面结合附图对本发明的应用原理作进一步的描述。
如图2所示,本发明实施例提供的基于任务拆分聚合的数据中继卫星***任务规划方法具体包括以下步骤:
步骤一,对网络中的任务进行预处理,将任务拆分或聚合为任务元。
如图3所示,具体实现如下:
(1a)定义服务时间拆分门限Tc,定义天线转动时间聚合门限Sc与服务时间聚合门限Tcj;
(1b)当服务时间长度超过Tc时将其拆分成两个任务元,具体而言,对于一个任务j,若其服务时间pj>Tc,则将其拆分为两个任务元v、u,它们的服务时间为原任务的一半,任务v的参数变为[av,bv,pv,Kv,sn(v)],其中av=aj,bv=bj+pj/2,pv=pj/2,Kv=Kj,sn(v)=sn(j),任务元u的参数与v相同。用集合J1表示任务集中所有拆分成功的任务,集合I1表示J1中的任务拆分后形成的任务元;
(1c)当两个任务之间的天线转动时间小于Sc且任务的服务时间小于Tcj时将其聚合为一个任务元。定义备选任务集合B={i|pi<Tcj,i∈J},对于所有任务v∈B,在备选任务集中寻找一个任务u使得Kv∩Ku≠φ,svu<Sc且[av,bv+pv]∩[au,bu+pu]≠φ,即任务之间的天线转动时间小于聚合门限Sc,且两个任务的可选天线集合的交集与任务调度窗口的交集均不为空,则将任务v与任务u进行聚合;
(1d)若对于备选任务j1存在多个任务满足条件,按照式寻找与任务v天线交集中数量尽量多、与任务v之间天线转动时间尽量小的任务进行聚合形成任务元i,参数为[ai,bi,pi,Ki,sn(i)],其中ai=max(av,au),bi=max(bv,bu),pi=pv+svu+pu,Ki=Kv∩Ku,sn(i)=sn(v)∪sn(u)用集合J2表示聚合成功的任务集,I2表示聚合后的任务元集;
(1e)用集合J3表示任务集J中既不进行拆分处理也不进行聚合处理的任务集,J3中的任务可以直接转换为任务元,形成任务元集I3;
步骤二,构建可行解序列。
如图4所示,具体实现如下:
(2a)将任务元集按照开始时间是否固定分为两个不相交的子集U1与U2;
(2b)优先安排开始时间固定的任务,将任务元i时间窗紧度定义为pi/bi+pi-ai,记为TWTi,定义任务元i的冲突任务元集JCi,由与任务元i的时间窗[ai,bi+pi]存在重叠的所有任务元l(时间片段为[al,bl+pl])构成,即JCi={l|[ai,bi+pi]∩[al,bl+pl]≠φ,i,l∈I},定义任务元i的冲突值TWCi,表示任务元i与其他任务元的时间窗冲突的大小,具体为任务元i的冲突任务元集JCi中的所有任务元的时间窗紧度之和,即计算U1中所有任务的时间窗紧度TWCi;
(2c)按照TWCi的值对开始时间固定的任务元进行排序,并按照排序结果依次将任务元***规划表中,若此任务元与已有的规划表存在冲突,则将其移入未规划任务元集中;
(2d)更新U1,当U1不为空时,返回执行(2b),若U1为空,执行(2e);
(2e)定义时间松弛假设(α,...,β)是一些可行规划的部分序列,任务元α的时间松弛表示任务元α在不造成子序列(α,...,β)任何时间窗冲突的前提下,可以开始服务的最大时间前移。给出天线k上的一个可行规划(1,...,nk),时间松弛与每个任务元i开始时间ti分别为其中rj是任务元j的准备时间。一个未规划任务元的弹性函数定义为将此任务元***到现有规划表中可能造成的前向时间松弛的修正,将一个未规划任务元u***到任务元与任务元中间所产生的弹性函数为
(2g)根据最佳弹性函数值对任务元进行排序,按照公式u*=argmax{f(u):u∈U2}选择能够使f(u)最大的任务元u*进行***,若此任务元与已有的规划表存在冲突,则将其移入未规划任务元集中;
(2h)更新U2,当U2不为空时,返回执行(2e),若U2为空,输出规划表和未规划任务元集;
步骤三,根据已得到的可行解序列(即规划表)与未规划任务元集进行局部搜索。此步骤GRASP算法中的局部搜索部分。
下面结合具体实施例对本发明的应用原理作进一步的描述。
本发明是基于任务拆分与聚合的数据中继卫星***任务规划方法实现步骤如下:
步骤一,初始化,将中继卫星***中的中继卫星、中继卫星天线、用户卫星和任务进行编号,并对任务集U初始化每个任务的参数集,其中任务参数集中包括:任务的最早开始服务时间、最晚开始服务时间、实际开始服务时间、可选天线集合以及用户卫星编号。根据用户卫星与中继卫星的相对位置,建立各个任务之间的天线摆动时间矩阵SU。建立各个天线上的任务序列,初始序列为两个虚拟任务元,表示天线工作的开始与结束。
步骤二,任务拆分与聚合,对于服务时间大于拆分门限的任务j,将其平均拆分成两个任务元j1与j2;对于服务时间较小且两任务之间的天线摆动时间小于聚合门限的任务i1,i2,将两任务聚合为一个任务元i;对于既不满足拆分条件又不满足聚合条件的任务i,直接将其转化为任务元i。在拆分聚合之后形成任务元集J,更新任务元的参数集与任务元天线摆动时间矩阵SJ。建立未规划任务元集P用于存储无法安排的任务元。
步骤三,构建可行解,将任务元集根据开始服务时间是否固定分为两个子集U1与U2,分别根据两个不同的参数对任务元进行排序,根据排序结果依次尝试***任务元:
(3a)对于开始时间固定的任务元,根据其时间窗与其它任务的冲突,确定每个任务元的最小冲突向量,并据此进行降序排列,形成待选列表S之后执行(3b);
(3b)按照S中的顺序尝试***所选天线的规划表中,若此任务与当前规划表没有冲突,则更新所选天线的规划表并将此任务从S中删除;否则将此任务从S移至未规划任务集P中;重复(3b)直至S=φ时执行(3c);
(3c)对于开始时间可变的任务元u∈U2,定义一个与规划表的松弛度有关的弹性函数f(u),根据每个任务元的弹性函数的大小进行降序排列,形成限制候选列表RCL,之后执行(3d);
(3e)更新RCL,执行(3c)直至U2=φ。
步骤四,局部搜索,在第一阶段,我们已经得到了一个可行解,但是此解并不一定是局部最优解,因此需要在第二阶段进行重复搜索可行规划的邻域,进而得到局部最优解。此步骤参照Rojanasoonthon S发表在Informs Journal on Computing,2004,17(1):32-51上的文献“Parallel machine scheduling with time windows”中关于GRASP的局部搜索算法:
(4a)定义两种邻域,第一种定义为重定位已规划任务元,令D表示可行解域,f是现在的可行解,g为搜索后得到的可行解,定义重定位任务元的两个邻域为N1(f)与N2(f),其中:
N1(f)={g∈D:g是通过在同一台天线上f的重定位任务元获得的可行解};
N2(f)={g∈D:g是通过将任务元从一台天线转移到另一台天线得到的的可行解};
第二种定义为交换任务元。在交换中只包含了两个任务元,也就是一个任务元与另一个任务元交换位置,定义交换任务元的三个邻域为N3(f)、N4(f)、N5(f),其中:
N3(f)={g∈D:g是通过在同一台天线上交换任务元得到的可行解};
N4(f)={g∈D:g是通过在与f相关联的两个天线上交换任务元得到的可行解};
N5(f)={g∈D:g是通过交换一个未规划任务元与f中的某任务元得到的可行解};
(4b)这五个邻域从N1到N5相继进行搜索,每次搜索一个邻域,如果可行且至少有一个任务元可以***,更新规划表;
(4c)重复步骤(4b)直至已经没有可以进行***的可行步骤。
本发明为了提高长传输时间任务与短传输时间任务的规划效率,在任务规划处理之前通过任务预处理将来自用户请求的任务需求转化为规划效率较高的任务元,具体而言,针对传输时间较长的任务将其拆分为多个任务元,针对传输时间短、调度窗口重合率高且请求卫星位置相近的任务,将其合并为一个任务元。在一定程度上提高任务的规划效率和资源利用率。
本发明步骤二的任务拆分与聚合,包括如下步骤:
(2a)定义服务时间拆分门限Tc,当服务时间长度超过Tc时将其拆分成两个任务元,具体而言,对于一个任务j,若其服务时间pj>Tc,则将其拆分为两个任务元v、u,它们的服务时间为原任务的一半,任务v的参数变为[av,bv,pv,Kv,sn(v)],其中具体参数av=aj,bv=bj+pj/2,pv=pj/2,Kv=Kj,sn(v)=sn(j),任务元u的参数与v相同。用集合J1表示任务集中所有拆分成功的任务,集合I1表示J1中的任务拆分后形成的任务元,执行步骤(2b);
(2b)对于时间窗相似,且两个任务之间的中继卫星天线摆动时间较小时,将任务聚合为一个任务元一次服务可以节省天线转动时间。定义天线转动时间聚合门限Sc与服务时间聚合门限Tcj,当两个任务之间的天线转动时间小于Sc且任务的服务时间小于Tcj时将其聚合为一个任务元。首先定义备选任务集合B={i|pi<Tcj,i∈J},对于所有任务v∈B,在备选任务集中寻找一个任务u使得Kv∩Ku≠φ,svu<Sc且[av,bv+pv]∩[au,bu+pu]≠φ,即任务之间的天线转动时间小于聚合门限Sc,且两个任务的可选天线集合的交集与任务调度窗口的交集均不为空,则将任务v与任务u进行聚合,若对于备选任务j1存在多个任务满足聚合条件,按照此式寻找与任务v天线交集中的天线个数尽量多、与任务v之间的天线转动时间尽量小的任务进行聚合形成任务元i,参数为[ai,bi,pi,Ki,sn(i)],其中各个参数具体数值为:
ai=max(av,au),bi=max(bv,bu),pi=pv+svu+pu,Ki=Kv∩Ku,sn(i)=sn(v)∪sn(u),用集合J2表示聚合成功的任务集,I2表示聚合后的任务元集,执行步骤(2c);
(2c)用集合J3表示任务集J中既不进行拆分处理也不进行聚合处理的任务集,即J3=J-J1∪J2,J3中的任务可以直接转换为任务元,形成任务元集I3。
本发明的步骤(4b)的对邻域N5相继进行搜索,由于算法的目标为最大化完成的任务数而非任务元数,因此,当l为拆分后的任务元且原任务拆分后形成的另一个任务元已经被规划时,或者l为聚合后的任务元时,选择任务元i与l互换将会给***带来增益。当l为普通任务元时,互换带来的增益将小于前一种情况,而当l为拆分后的任务元且原任务拆分后形成的另一个任务元未被规划时,互换将给算法带来负增益。为了找到使算法增益最大的互换组合,在对邻域N5相继进行搜索时,包括如下步骤:
(4b1)定义任务元的权重因子来量化互换不同任务元给算法带来的增益大小,未规划任务元的权重因子为py,已规划任务元的权重因子为pw。
(4b2)设ic=pyl-pwi表示改善性,选择改善性标志最大的互换组合进行任务元交换;
(4b3)在每个邻域的搜索过程中,如果找到一个步骤可行,那么将继续进行改善性检查,只有当目标函数有改善时才认为此改动是可以接受的。在最差的情况下,每一个未规划任务元都必须在所有可能的***点进行***检查。***检查所用的方法与第一阶段构建可行解时用到的方法相同。
下面结合对比对本发明的应用效果作详细的描述。
例如,图6(a)中的任务1需要较长的传输时间,较容易与其它任务发生冲突,当中继卫星天线工作时间上已经安排任务2与任务3时,即使时间窗口1内仍剩余足够的空闲时间,任务1也无法被成功调度。
如图7所示,本发明通过在规划前对较长传输时间的任务进行拆分,在一定程度上可以减少时间窗约束对此类型任务规划成功率的影响,从而提高了长传输时间任务的规划效率。通过在规划前对时间窗相似、地理位置相近的短传输时间任务进行聚合,在一定程度上可以节省天线转动时间,从而提高了天线利用率。
以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (6)
1.一种基于任务拆分聚合的数据中继卫星***任务规划方法,其特征在于,所述基于任务拆分聚合的数据中继卫星***任务规划方法包括:对网络中的任务进行拆分与聚合;对预处理后的任务构建可行解序列;对构建的可行解进行局部搜索,输出任务规划结果;
所述基于任务拆分聚合的数据中继卫星***任务规划方法包括以下步骤:
步骤一,初始化中继卫星集合RS={rs1,rs2,...,rsn},中继卫星天线集合M={1,...,m},中低轨用户卫星集合US={us1,us2,...,usn,...},任务集合J={1,...,n};任务请求i使用一个五维元组[ai,bi,pi,Ki,sn(i)]表示,其中ai表示任务i最早能够开始服务的时间,bi表示任务i的最晚开始服务的时间,pi表示其实际开始服务的时间,其中0≤ai≤bi,sn表示发起任务i的卫星编号,Ki是可以服务任务i的天线集合;定义服务时间拆分门限Tc,天线转动时间聚合门限Sc与服务时间聚合门限Tcj;
步骤二,对任务集合中的任务进行预处理;
步骤三,根据预处理后的任务元集与卫星集合,构建每个天线上的可行解序列;
(1)将任务元集按照开始时间是否固定分为两个不相交的子集U1与U2;
(2)按照任务与其他任务的冲突大小顺序依次安排U1中的任务元;
(3)更新U1,当U1不为空时,返回执行(2),若U1为空,执行(4);
(4)根据最佳弹性函数值对任务元进行排序,选择能够使f(u)最大的任务元进行***;
(5)更新U2,当U2不为空时,返回执行(4),若U2为空,输出规划表和未规划任务元集;
步骤四,局部搜索,得到的可行解的基础上重复搜索可行规划的邻域,得到局部最优解。
2.如权利要求1所述的基于任务拆分聚合的数据中继卫星***任务规划方法,其特征在于,所述步骤二包括:
(1)当服务时间长度超过Tc时将其拆分成两个任务元,用集合J1表示任务集中所有拆分成功的任务,集合I1表示J1中的任务拆分后形成的任务元;
(2)当两个任务之间的天线转动时间小于Sc且任务的服务时间小于Tcj时将其聚合为一个任务元;用集合J2表示聚合成功的任务集,I2表示聚合后的任务元集;
(3)用集合J3表示任务集J中既不进行拆分处理也不进行聚合处理的任务集,J3中的任务可以直接转换为任务元,形成任务元集I3。
3.如权利要求2所述的基于任务拆分聚合的数据中继卫星***任务规划方法,其特征在于,所述(2)具体包括:
1)对于一个任务j,服务时间pj>Tc,则拆分为两个任务元v、u,服务时间为原任务的一半,任务v的参数变为[av,bv,pv,Kv,sn(v)],其中av=aj,bv=bj+pj/2,pv=pj/2,Kv=Kj,sn(v)=sn(j),任务元u的参数与v相同;
2)定义备选任务集合B={i|pi<Tcj,i∈J},对于所有任务v∈B,在备选任务集中寻找一个任务u使得Kv∩Ku≠φ,svu<Sc且[av,bv+pv]∩[au,bu+pu]≠φ,任务之间的天线转动时间小于聚合门限Sc,且两个任务的可选天线集合的交集与任务调度窗口的交集均不为空,则将任务v与任务u进行聚合;
4.如权利要求1所述的基于任务拆分聚合的数据中继卫星***任务规划方法,其特征在于,所述安排开始时间固定的任务元具体包括:
(1)将任务元i时间窗紧度定义为pi/bi+pi-ai,记为TWTi,定义任务元i的冲突任务元集JCi,由与任务元i的时间窗[ai,bi+pi]存在重叠的所有任务元l构成,JCi={l|[ai,bi+pi]∩[al,bl+pl]≠φ,i,l∈I},定义任务元i的冲突值TWCi,表示任务元i与其他任务元的时间窗冲突的大小,具体为任务元i的冲突任务元集JCi中的所有任务元的时间窗紧度之和,即计算U1中所有任务的时间窗紧度TWCi;
(2)按照TWCi的值对开始时间固定的任务元进行排序,并按照排序结果依次将任务元***规划表中,若此任务元与已有的规划表存在冲突,则将其移入未规划任务元集中。
5.如权利要求1所述的基于任务拆分聚合的数据中继卫星***任务规划方法,其特征在于,所述的安排开始时间可变的任务元具体包括:
(1)定义时间松弛(α,...,β)是可行规划的部分序列,任务元α的时间松弛表示任务元α在不造成子序列(α,...,β)任何时间窗冲突的前提下,开始服务的最大时间前移;给出天线k上的一个可行规划(1,...,nk),时间松弛与每个任务元i开始时间ti分别为其中rj是任务元j的准备时间;一个未规划任务元的弹性函数定义为将此任务元***到现有规划表中可能造成的前向时间松弛的修正,将一个未规划任务元u***到任务元与任务元中间所产生的弹性函数为
(3)根据最佳弹性函数值对任务元进行排序,按照公式u*=arg max{f(u):u∈U2}选择能够使f(u)最大的任务元u*进行***,若此任务元与已有的规划表存在冲突,则将其移入未规划任务元集中。
6.一种使用权利要求1~5任意一项所述基于任务拆分聚合的数据中继卫星***任务规划方法的中继卫星。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711134511.2A CN108053051B (zh) | 2017-11-16 | 2017-11-16 | 基于任务拆分聚合的数据中继卫星***任务规划方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201711134511.2A CN108053051B (zh) | 2017-11-16 | 2017-11-16 | 基于任务拆分聚合的数据中继卫星***任务规划方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN108053051A CN108053051A (zh) | 2018-05-18 |
CN108053051B true CN108053051B (zh) | 2021-08-10 |
Family
ID=62120230
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201711134511.2A Active CN108053051B (zh) | 2017-11-16 | 2017-11-16 | 基于任务拆分聚合的数据中继卫星***任务规划方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108053051B (zh) |
Families Citing this family (9)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN108880653B (zh) * | 2018-06-29 | 2019-04-12 | 清华大学 | 中继卫星***资源管理方法及*** |
CN110968459B (zh) * | 2019-11-29 | 2020-12-11 | 成都星时代宇航科技有限公司 | 一种卫星数据处理方法、装置及卫星备份子*** |
CN111478727B (zh) * | 2020-05-29 | 2022-02-11 | 中国科学院微小卫星创新研究院 | 一种卫星星座的任务规划方法及*** |
CN111642022B (zh) * | 2020-06-01 | 2022-07-15 | 重庆邮电大学 | 一种支持数据包聚合的工业无线网络确定性调度方法 |
CN112036459B (zh) * | 2020-08-24 | 2023-12-22 | 中南大学 | 基于k-means聚类算法的卫星任务归并方法、装置及存储介质 |
CN112217558B (zh) * | 2020-10-10 | 2022-04-08 | 西安建筑科技大学 | 一种基于资源互换的空间信息网络任务规划方法 |
CN115276758B (zh) * | 2022-06-21 | 2023-09-26 | 重庆邮电大学 | 一种基于任务松弛度的中继卫星动态调度方法 |
CN114879745B (zh) * | 2022-07-12 | 2022-09-16 | 成都戎星科技有限公司 | 基于预规划和禁忌搜索算法的多无人机协同任务规划方法 |
CN115580342B (zh) * | 2022-11-17 | 2023-04-04 | 成都国恒空间技术工程股份有限公司 | 基于智联网的航天情报获取方法及*** |
Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253856A (zh) * | 2011-06-22 | 2011-11-23 | 航天东方红卫星有限公司 | 一种通过前瞻取舍任务的方法 |
CN102298540A (zh) * | 2011-06-22 | 2011-12-28 | 航天东方红卫星有限公司 | 一种综合效益优先的任务调度方法 |
CN104657795A (zh) * | 2015-03-16 | 2015-05-27 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 多卫星对地协同观测的待观测任务确定方法及装置 |
CN106384169A (zh) * | 2016-09-22 | 2017-02-08 | 合肥工业大学 | 一种基于超启发式算法的卫星任务规划方法 |
CN106742086A (zh) * | 2016-11-28 | 2017-05-31 | 中国人民解放军国防科学技术大学 | 敏捷成像卫星自主运控*** |
CN106850038A (zh) * | 2016-12-29 | 2017-06-13 | 航天恒星科技有限公司 | 一种针对敏捷卫星的任务规划方法 |
CN107070534A (zh) * | 2017-01-26 | 2017-08-18 | 清华大学 | 一种中继卫星负载均衡的动态抢占式任务调度方法及*** |
CN107169671A (zh) * | 2017-06-05 | 2017-09-15 | 合肥工业大学 | 多星对地观测任务规划问题的处理方法及装置 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20030158923A1 (en) * | 2000-05-04 | 2003-08-21 | Reed Burkhart | System and method for automated negotiation for and allocation of a broadcast satellite, communication and caching system resource |
US7895071B2 (en) * | 2006-08-14 | 2011-02-22 | Hrl Laboratories, Llc | System and method for multi-mission prioritization using cost-based mission scheduling |
-
2017
- 2017-11-16 CN CN201711134511.2A patent/CN108053051B/zh active Active
Patent Citations (8)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN102253856A (zh) * | 2011-06-22 | 2011-11-23 | 航天东方红卫星有限公司 | 一种通过前瞻取舍任务的方法 |
CN102298540A (zh) * | 2011-06-22 | 2011-12-28 | 航天东方红卫星有限公司 | 一种综合效益优先的任务调度方法 |
CN104657795A (zh) * | 2015-03-16 | 2015-05-27 | 中国人民解放军空军装备研究院雷达与电子对抗研究所 | 多卫星对地协同观测的待观测任务确定方法及装置 |
CN106384169A (zh) * | 2016-09-22 | 2017-02-08 | 合肥工业大学 | 一种基于超启发式算法的卫星任务规划方法 |
CN106742086A (zh) * | 2016-11-28 | 2017-05-31 | 中国人民解放军国防科学技术大学 | 敏捷成像卫星自主运控*** |
CN106850038A (zh) * | 2016-12-29 | 2017-06-13 | 航天恒星科技有限公司 | 一种针对敏捷卫星的任务规划方法 |
CN107070534A (zh) * | 2017-01-26 | 2017-08-18 | 清华大学 | 一种中继卫星负载均衡的动态抢占式任务调度方法及*** |
CN107169671A (zh) * | 2017-06-05 | 2017-09-15 | 合肥工业大学 | 多星对地观测任务规划问题的处理方法及装置 |
Non-Patent Citations (1)
Title |
---|
"基于任务拆分聚合的中继卫星***任务规划方法";刘润滋 等;《通信学报》;20171030;第38卷(第Z1期);摘要、正文第2-4章 * |
Also Published As
Publication number | Publication date |
---|---|
CN108053051A (zh) | 2018-05-18 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN108053051B (zh) | 基于任务拆分聚合的数据中继卫星***任务规划方法 | |
US9852204B2 (en) | Read-only operations processing in a paxos replication system | |
CN111682891B (zh) | 一种面向高动态卫星网络的虚拟网络映射方法 | |
Ma et al. | Age of information driven cache content update scheduling for dynamic contents in heterogeneous networks | |
Tziritas et al. | Data replication and virtual machine migrations to mitigate network overhead in edge computing systems | |
US11223674B2 (en) | Extended mobile grid | |
CN107710696A (zh) | 区域导向和变化容忍的快速最短路径算法和图形预处理框架 | |
CN112104406B (zh) | 自适应的自主任务规划方法和*** | |
CN103281374A (zh) | 一种云存储中数据快速调度的方法 | |
CN113138860A (zh) | 消息队列的管理方法及装置 | |
CN110569252A (zh) | 一种数据处理***及方法 | |
CN114071582A (zh) | 面向云边协同物联网的服务链部署方法及装置 | |
CN111382134A (zh) | 大规模分布式存储***中数据恢复方法及装置 | |
CN112883526A (zh) | 一种任务延迟和可靠性约束下的工作负载分配方法 | |
CN117785490B (zh) | 一种图神经网络模型的训练架构、方法、***及服务器 | |
CN110689174B (zh) | 基于公共交通的人员路线规划方法及装置 | |
CN116980188A (zh) | 任务调度方法、设备、存储介质及装置 | |
CN112217558B (zh) | 一种基于资源互换的空间信息网络任务规划方法 | |
CN104348695B (zh) | 一种基于人工免疫***的虚拟网络映射方法及其*** | |
CN115688495B (zh) | 分布式lvc仿真体系协同筹划方法、服务器及存储介质 | |
Zhang et al. | An efficient and balanced graph partition algorithm for the subgraph-centric programming model on large-scale power-law graphs | |
Asheralieva et al. | Ultra-reliable low-latency slicing in space-air-ground multi-access edge computing networks for next-generation internet of things and mobile applications | |
CN110968428B (zh) | 云工作流虚拟机配置和任务调度协同优化方法 | |
Cui et al. | Online container scheduling for low-latency iot services in edge cluster upgrade: A reinforcement learning approach | |
CN107249029B (zh) | 主动领取任务的方法、工作节点、***及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |