一种基于调度收益与遗传算法的相控阵波束驻留调度方法与流程

本发明属于相控阵雷达资源管理领域，特别是涉及利用任务优先级和调度策略实施自适应波束驻留调度的方法。

背景技术

相控阵雷达是目前广泛研究与应用的雷达，由于其波束可以任意指向，并能在微秒级内进行捷变，因而具有多功能，多目标和高度自适应能力，灵活性极大(见文献：张光义.相控阵雷达系统[m].国防工业出版社,1994.)。为了充分发挥相控阵雷达的作战性能，必须对其实施有效的波束驻留调度。在雷达波束驻留调度中，影响其性能的主要因素包括：任务优先级的分配和调度策略的选择。

任务优先级的分配是波束驻留调度的基础，传统优先级分配方法中，仅考虑任务属性即工作方式优先级(highestpriorityfirst，hpf，见文献：a.j.orman,cnpotts,akshahani,a.r.moore,“schedulingforamultifunctionphasedarrayradarsystem,”europeanjournalofoperationalresearch,vol.90,no.1,pp.13-25,1996.)，限制了系统资源利用率。随后出现了利用截止期分配任务优先级的方法(earliestdeadlinefirst，edf，见文献：j.r.haritsa,m.livnyandm.j.carey,“earliestdeadlineschedulingforreal-timedatabasesystems,”[1991]proceedingstwelfthreal-timesystemssymposium,sanantonio,tx,1991,pp.232-242.)，提高了系统利用率，但该方法没有考虑任务的工作方式，自适应性不强。现有的优先级分配方法中，经常综合考虑工作方式优先级和截止期两种因素，如：修正工作方式优先级(modifiedhighestpriorityfirst,mhpf)，优先调度工作方式优先级高的任务，当多个任务具有相同工作方式优先级时，则优先调度截止期近的任务，该方法较传统优先级方法提升了调度性能(见文献：胡卫东,郁文贤,卢建斌.相控阵雷达资源管理的理论与方法[m].国防工业出版社,2010.)；将工作方式优先级和截止期映射到同一层面并采用线性加权方式计算的综合优先级(highestpriorityearliestdeadlinefirst，hpedf，见文献：卢建斌，胡卫东，郁文贤.多功能相控阵雷达实时任务调度研究[j].电子学报,2006,34(4):732-736.)，调度性能优于传统方法。然而这些综合优先级没有与目标属性信息相结合，因此有学者提出目标威胁度模型(见文献：张浩为,谢军伟,盛川.综合优先级规划下的相控阵雷达自适应调度方法[j].兵工学报,2016,37(11):2163-2169.)，将目标威胁度加入到综合优先级分配中，然而现有加入目标威胁度的分配方法中，文献(张浩为,谢军伟,张卫东,等.基于目标威胁度的相控阵雷达自适应调度方法[j].火力与指挥控制,2016,41(6):100-103.)采用线性加权方式计算综合优先级，无法保证每一个任务对应综合优先级的唯一性；文献(张浩为,谢军伟,盛川.综合优先级规划下的相控阵雷达自适应调度方法[j].兵工学报,2016,37(11):2163-2169.)和文献(h.w.zhang,j.w.xie,b.f.zong,w.l.luandc.sheng,“dynamicpriorityschedulingmethodfortheair-defencephasedarrayradar,”inietradar,sonar&navigation,vol.11,no.7,pp.1140-1146,72017.)则完全忽略了工作方式优先级的影响。对此本发明利用二维优先级表(见文献：王永炎,王强,王宏安,等.基于优先级表的实时调度算法及其实现[j].软件学报,2004,15(3):360-370.)，采用两次非线性加权计算方式，获得了一种综合考虑任务工作方式优先级、截止期和目标威胁度的综合优先级分配方法。

在调度策略方面，目前有两种典型的调度策略：基于模板法(见文献：chi-shengshih,s.gopalakrishnan,p.ganti,m.caccamoandluisha,“template-basedreal-timedwellschedulingwithenergyconstraint,”proceedingsofthe9thieeereal-timeandembeddedtechnologyandapplicationssymposium,pp.19-27,2003.)和自适应调度方法(见文献：曾光,卢建斌,胡卫东.多功能相控阵雷达自适应调度算法研究[j].现代雷达,2004,26(6):14-18.)。理论研究与实践证明，在多任务环境下，自适应调度方法是最有效的调度策略，最能充分发挥相控阵雷达的性能(见文献：胡卫东,郁文贤,卢建斌.相控阵雷达资源管理的理论与方法[m].国防工业出版社,2010.)。而自适应调度策略主要包括启发式调度方法和智能优化调度方法。启发式调度方法又可分为基于调度间隔(见文献：t.cheng,z.s.heandt.tang,“dwellschedulingalgorithmformultifunctionphasedarrayradarsbasedontheschedulinggain,”injournalofsystemsengineeringandelectronics,vol.19,no.3,pp.479-485,june2008.)进行调度分析和基于时间指针(见文献：cheng,ting,zishu,etal.adaptivedwellschedulingfordigitalarrayradarbasedononlinepulseinterleaving[j].电子学报:英文版,2009,18(3):574-578.)进行调度分析的方法。智能优化算法是具有全局寻优能力，能够找出最佳调度序列的调度方法，其中基于遗传算法的使用最为广泛。此外，在调度策略中引入脉冲交错技术(见文献：a.farinaandp.neri,“multitargetinterleavedtrackingforphased-arrayradar,”incommunications,radarandsignalprocessing,ieeproceedingsf,vol.127,no.4,pp.312-318,august1980.)能够进一步提高了时间资源利用率。

技术实现要素：

针对目前综合优先级分配方法中没有结合工作方式优先级、截止期和目标威胁度三种因素的问题，以及采用线性加权方式无法保证每一个任务综合优先级的唯一性问题，本发明将综合考虑任务工作方式优先级、截止期和目标威胁度的综合优先级分配方法与遗传算法相结合，形成一种基于新调度收益与遗传算法的相控阵波束驻留调度方法。

本发明采用的技术方案主要包括两部分：第一部分，根据目标威胁模型计算目标威胁度；第二部分，利用二维优先级表计算由任务工作方式优先级、截止期和目标威胁度构成的综合优先级；第三部分，利用综合优先级和调度有效性函数构造新的调度收益，并据此建立调度优化模型；第四部分，利用遗传算法求解该优化问题，具体技术方案如下：

一种基于调度收益与遗传算法的相控阵波束驻留调度方法，该方法首先假设在调度间隔[t0,t0+si]内有n个申请任务，表示为t＝{t1,t2,…,tn}；其中，t0为当前调度间隔的起始时刻，si为一个调度间隔的时长；已知第i个雷达任务模型为ti＝{pi,rti,di,li,txi,twi,tri,pti,ii}，可直接从中获得该任务的工作方式优先级pi，期望执行时刻rti，截止期di，时间窗li，发射期时长txi，等待期时长twi，接收期时长tri，发射功率pti，ii代表目标属性信息，包含目标与雷达之间的径向距离ri，目标的速度值vi，目标航向角θi以及目标高度hi，即ii＝{ri,vi,θi,hi}，i＝1,2,…,n；

步骤1：输入任务参数，种群初始化；

步骤1.1：选定种群规模为m,遗传代数为g，个体长度为当前调度间隔的申请任务个数n；

步骤1.2：采用实数编码方式，基因代表任务的实际执行时刻；

步骤1.3：产生初始种群；根据如下约束条件随机产生基因，形成个体数为m，个体长度为n的初始种群，约束条件为：

max(rti-li,t0)＜sti＜min(rti+li,t0+si),i＝1,2,…n(1)

其中，sti为第i个任务的实际执行时刻，max(rti-li,t0)为基因的下界值，min(rti+li,t0+si)为基因的上界值；

步骤2：计算第j个个体中每一个任务的调度收益，其中j＝1,2,…m；

步骤2.1：计算第i个任务所对应的目标径向距离函数prri；

其中rgmax为制导导弹杀伤最远距离；rdmax为雷达最远探测距离；s为常系数，s值越小，函数曲线随距离的增大下降得越为缓慢，取s≥0.5；

步骤2.2：计算第i个任务所对应的目标速度函数prvi；

其中a为目标速度低于雷达跟踪下限时的威胁大小，根据实际情况确定；b为控制函数曲率的常系数，取b≤1；c为控制曲线两个拐点的常系数；

步骤2.3：计算第i个任务所对应的目标航向角函数prθi；

prθi＝exp(-dθi)(4)

其中θ为目标航向角，即目标指向雷达水平方向矢量与目标速度矢量之间的夹角，θ∈[0,π]，当θ＝0时，目标径直靠近，威胁程度最大，当θ＝π时，目标径直远离，威胁最小；d为控制航向威胁函数的常系数，d∈(0,0.05)；

步骤2.4：计算第i个任务所对应的目标高度函数prhi；

其中e为常系数，其值越大，函数减小越快，一般取e∈[0.01,0.05]；h为临界高度，根据实际情况确定；

步骤2.5：计算第i个任务所对应的目标威胁度prthi；

prthi＝λ1·prri+λ2·prvi+λ3·prθi+λ4·prhi(6)

其中prth∈(0,1]，λk为各因素的权重，且

步骤2.6：计算第i个任务的预优先级prei；

prei＝[f1·(mi-1-g1)+2·ni-2]·(mi+g1)/2+mi(7)

其中mi和ni分别为将n个请求任务分别按照工作方式优先级p和目标威胁度prth由小到大排序的两个序列中的位置，f1为加权系数，当取∞时，预优先级主要由工作方式优先级确定，

步骤2.7：计算第i个任务的综合优先级psi；

psi＝[f2·(prei-1-g2)+2·oi-2]·(prei+g2)/2+prei(8)

其中oi为将n个请求任务按照截止期d由远到近排序的序列中位置，f2为加权系数，当取∞时，综合优先级主要由预优先级确定，

步骤2.8：计算第i个任务的调度收益gi(st,rt,p,d,l,i)：

其中，反映了调度任务的有效性，当实际执行时刻sti与期望执行时刻rti越接近，表明调度该任务的有效性越大；

步骤3：将n个任务按照调度收益由大到小的顺序排列，形成任务队列；

步骤4：测试每一个任务是否满足时间和能量约束条件；

步骤4.1：若步骤3的任务队列中第i个任务ti的发射期与接收期在时间上与已调度任务的发射期和接收期不重叠，且发射波束所消耗的能量不超过能量阈值，则调度该任务；否则转步骤4.2；

步骤4.2：若ti满足(10)式则延迟该任务，并将其放入延迟队列；否则删除该任务，将其放入删除队列；

rti+li≥t0+si(10)

步骤4.3：重复步骤4.1-4.2，完成n个任务的测试，统计调度任务的总个数n1、延迟队列中任务个数n2和删除队列中的任务个数n3；

步骤5：计算第j个个体的适应度fitj：

步骤6：重复步骤2-5，得到m个个体所对应的n1、n2、n3、sti1和fit；

步骤7：将m个个体按照适应度fit由大到小的顺序排列，形成新种群；

步骤8：对新种群进行遗传操作；

步骤9：重复步骤2-8形成子代，完成遗传代数的g次迭代；

步骤10：输出步骤7中新种群的第一个个体所对应的n1、n2、n3和sti1。

进一步的，所述步骤8的具体方法为：

步骤8.1：精英保留和选择操作，将新种群中的前r个个体直接作为子代中的前r个个体，对剩余m-r个个体按照(12)式计算适应度，并按照轮盘赌法选择父代；

其中，ir＝1,2,…,m-r；

步骤8.2：交叉操作，采用单点交叉方式将父代按照pc的交叉概率进行交叉形成m-r个个体；

步骤8.3：变异操作，采用实值变异方式将步骤8.2中形成的m-r个个体按照pm的变异概率进行变异形成m-r个新个体；

步骤8.4：形成子代，将步骤8.1中精英保留的前r个个体与步骤8.3中形成的m-r个新个体组合形成子代。

本发明首先基于目标威胁模型，将目标属性信息用威胁度函数表示，其次利用二维优先级表思想，两次利用二维优先级表采用非线性加权方式将工作方式优先级、截止期和威胁度三个参数合成为综合优先级，保证了综合优先级的唯一性。随后将其与任务调度的有效性函数结合形成新的调度收益，并据此建立调度优化模型，其中考虑了脉冲交错技术、时间和能量约束条件，最后利用遗传算法来解决这个非线性优化问题。本发明提出的基于新调度收益的相控阵波束驻留调度方法，能够有效降低任务的丢失率，提高实现价值率和修正价值率，同时执行威胁率和时间利用率也有所提升。

附图说明

图1是算法流程图。

图2是三种影响因素的二维优先级表构造方式示意图。

图3是本发明提出的基于新调度收益(new-model)的方法与现有的基于传统调度收益(covn-model)的方法对各类tdr的仿真结果对比图，其中，图3-(a)是所有任务丢失率的对比结果，图3-(b)是搜索任务丢失率的对比结果，图3-(c)是跟踪任务丢失率的对比结果。

图4是new-model与covn-model对hvr的仿真结果对比图。

图5是new-model与covn-model对mhvr的仿真结果对比图。

图6是new-model与covn-model对tre的仿真结果对比图。

图7是new-model与covn-model对tur的仿真结果对比图。

图8是new-model与covn-model对arb的仿真结果对比图。

具体实施方式

本发明中综合考虑任务工作方式优先级、截止期和目标威胁度对任务优先级的影响，提出了综合三种影响因素的综合优先级分配方法，并建立了一种波束驻留调度优化模型，用遗传算法进行求解，形成了一种基于综合优先级的相控阵波束驻留调度方法。首先，利用目标威胁模型将目标的多种属性用一个函数综合表达，以此反映目标威胁度；其次，两次利用二维优先级表，将工作方式优先级、截止期和目标威胁度三种因素构成任务的综合优先级；然后，考虑综合优先级、调度任务的有效性、脉冲交错技术、时间和能量的约束，建立波束驻留调度优化模型；最后，利用遗传算法来求解该模型。所以，上述方法的原理主要分为三个方面，分别是目标威胁模型、三种影响因素的二维优先级表构造方式和波束驻留调度优化模型。其中目标威胁模型参照文献(张浩为,谢军伟,盛川.综合优先级规划下的相控阵雷达自适应调度方法[j].兵工学报,2016,37(11):2163-2169.)，三种影响因素的二维优先级表构造方式和波束驻留调度优化模型具体原理如下：

1.三种影响因素的二维优先级表构造方式

二维优先级表设计方法，通过排序来充分体现任务构成因素之间的序列关系，统一了量纲，从同一层次上综合两种影响因素。通过非线性计算可以形成两种不同倾向性的综合优先级构造方法，而且这种倾向性还可以通过加权方式得以加强。为了利用二维优先级表综合三种影响因素，需要对其进行改进。本发明设定三种因素的倾向性顺序由大到小为：工作方式优先级、目标威胁度、截止期。为了利用二维优先级表综合这三种影响因素，先将倾向性较大的工作方式优先级和目标威胁度在同一层面上形成预优先级，再将预优先级和倾向性最小的截止期在同一层面上形成综合优先级，构造示意图如图2，具体计算方式为(7)-(8)式。

2.波束驻留调度优化模型

综合考虑任务的重要性、紧迫性、目标威胁度和调度的有效性，考虑脉冲交错技术，考虑时间和能量的约束，构建如下调度优化模型：

其中，

p(x)是系统功率函数，τ是回退参数，(14)式表明系统能量消耗可以表示为功耗的指数和，是一个加权总和，其权重函数赋予当前时刻的值更多的权重，减少过去时刻值的权重；可持续系统能源消耗用一个阈值eth来描述。

在上述调度优化模型中，目标函数是使被调度任务的调度收益之和最大，调度收益的计算方式见(9)式，其中综合优先级反映了任务的重要性、紧迫性和目标的威胁度。模型中共有五个约束条件，前两个约束条件对应于时间约束条件，即任务及时调度、任务的发射期和接收期不被其他任务抢占；第三个约束条件对应于能量约束条件，即系统消耗的能量不超过系统的能量阈值；最后两个约束条件分别对应于延迟任务和删除任务。

在统一采用遗传算法求解调度优化问题的前提下，将本发明提出的基于新调度收益(new-model)的方法与现有的基于传统调度收益(covn-model,见文献：h.w.zhang,j.w.xieandc.sheng,“schedulingmethodforphasedarrayradaroverchaosadaptivelygeneticalgorithm,”2016sixthinternationalconferenceoninformationscienceandtechnology(icist),dalian,pp.111-116,2016.)的方法，分别进行任务丢失率(taskdropratio,tdr)、实现价值率(hitvalueratio,hvr)、修正价值率(modifiedhitvalueratio,mhvr)、执行威胁率(threatratioofexecution,tre)、时间利用率(timeutilizationratio,tur)和跟踪任务平均期望时间偏差度(averagerequestexecutedtimebiasarb)的比较。

在传统调度收益中，任务的调度收益按下式计算：

tdr、hvr、mhvr、tre、tur和arb的定义分别如(16)-(21)式：

tdr＝nlose/ntotal(16)

其中，nlose表示丢失的任务数，ntotal表示任务总数；

该指标表示所有成功调度的任务的价值之和与所有请求任务的价值之和的比值，反映高优先级任务被成功调度的比重，其中，nsuc表示成功调度的任务总数；

该指标表示所有成功调度的任务的修正价值(工作方式优先级与威胁度之和)与所有请求任务的修正价值之和的比值，反映高优先级和高威胁度任务被成功调度的比重；

该指标为成功调度跟踪任务的威胁度之和与请求调度的所有跟踪任务威胁度之和的比值；

tur＝(txsuc+trsuc)/ttotal(20)

该指标反映系统对时间资源的利用性能，其中txsuc表示成功调度任务的总发射时间，trsuc表示成功调度任务的总接收时间，ttotal表示仿真时长；

该指标反映任务的实际执行时刻与期望执行时刻的平均偏差，其中ntra表示成功调度的跟踪任务的个数。

在本具体实施例中，考虑验证、精密跟踪、普通跟踪、地平线搜索和空域搜索五种任务。两类跟踪目标数目之比为1:4，表1为其余的驻留任务参数。仿真总时长为12s，调度间隔为50ms。跟踪任务设置为随机到达，每个目标的捕获时间设置为仿真起始时刻第一个跟踪采样周期内的随机值。雷达跟踪目标数为10-100批，进行10次的蒙特卡洛仿真。目标运动模型设定为匀速直线运动，目标属性参数初始值在一定范围内随机产生，随时间推移而变化。目标威胁模型中，设定s＝3，rgmax＝100km，rdmax＝250km,a＝0.15，b＝0.05，c＝200,d＝0.01，e＝0.03,h＝0.5km，λ1＝1/2，λ2＝1/5，λ3＝1/10，λ4＝1/5。对于搜索任务，由于可能没有任何目标先验信息，故默认其目标威胁度为0，本发明提出的新调度收益函数为gi(st,rt,pd,l,i,＝)psi·，1传统调度收益函数为综合优先级函数中，权系数f1＝f2＝5。在遗传算法中，设定m＝100，g＝200，r＝1，pc＝0.5，pm＝0.1。

表1雷达驻留任务参数表

仿真结果如图3-图8。

实施结果分析：从图3-图8可以看出，同基于传统调度收益的调度方法相比，本发明提出的基于新调度收益的相控阵波束驻留调度方法，能够有效降低任务的丢失率，提高实现价值率和修正价值率，同时执行威胁率和时间利用率也有所提升，但跟踪任务的平均期望时间偏差度大于传统方法。这是因为新调度收益中综合优先级的构造方式进一步细化了跟踪任务的优先级，使得相比于传统方法，改变了一些跟踪任务的调度顺序，而这一改变会使得更多的任务有机会在等待期进行脉冲交错，从而使系统有更多的空余时间调度更多的任务，所以任务的丢失率降低，两种价值率提高，时间利用率也有所提高；同时这种改变使得更多任务的实际执行时刻偏离期望执行时刻的程度加大，从而造成arb增大。由于新调度收益中考虑了目标威胁度对综合优先级的影响，所以执行威胁率高于传统收益的方法。

综上所述，本发明提出的基于新调度收益与遗传算法的相控阵波束驻留调度方法能够实施有效的波束驻留调度，提升系统的调度性能。