基于头脑风暴算法的敏捷观测卫星任务规划方法及系统

本发明属于敏捷对地观测卫星领域，具体的涉及到一种基于头脑风暴算法的敏捷观测卫星任务规划方法及系统。

背景技术：

1、随着卫星硬件水平的不断提高，用户指定的需求数量也在增加。为了满足多样化和大规模的观测需求，高效的卫星任务调度技术尤为关键。如今的卫星不仅种类多而且约束复杂，尤其是敏捷对地观测卫星，与传统的观测卫星相比，其具有更大的观测范围和更强的观测能力，敏捷对地观测卫星具有三个角度，分别是滚转、俯仰和偏航，因此，点目标的观测持续时间一般短于卫星的可视时间窗口的长度，于是需要确定观测的开始时间，这增加了解决敏捷对地观测卫星观测任务规划问题的难度，如何有效利用它的姿态机动能力，完成更高效的观测任务，已成为近年来研究的热点。

2、解决敏捷卫星任务调度问题的主要方法有三种，分别是精确算法、强化学习和群体智能优化算法。精确算法的难点在于如何建立问题的线性规划模型，成功地使用了列生成、动态规划和其他一些精确算法来求解，它可以在小规模实例中获得最优解。然而，随着规模的增加，会导致算法收敛速度变慢，甚至无法解决问题。强化学习在面临敏捷对地观测卫星复杂和动态的环境时可以在这些变换中自主学习和调整相关策略，并且不需要依赖精确的环境模型从而完成任务规划，但强化学习算法需要处理复杂的状态表示和动作选择，这无疑给算法带来巨大的挑战，增加了任务规划的难度。种群智能优化方法作为一种能有效确定复杂大规模优化问题的方法，已成为诸多领域关注的研究热点。传统的种群智能优化方法以模型驱动为主，如遗传算法、差分进化算法、粒子群优化算法等，这些算法采用了相同的参数设置和结构来确定不同的优化问题，实现简单，不需要问题背景知识，但是方法的精度不高，难以保障针对特定问题的性能。

技术实现思路

1、本发明所要解决的技术问题在于克服上述现有技术的缺点，提供一种基于头脑风暴算法的敏捷观测卫星任务规划方法，建立问题模型清晰、测试速度快、规划方案合理，所述方法基于知识驱动的头脑风暴优化算法的敏捷对地观测卫星任务规划。

2、为了达到上述目的，本发明所采用的技术方案为：基于头脑风暴算法的敏捷观测卫星任务规划方法，包括以下步骤：

3、基于观测任务序列和观测目标的参数建立目标观测任务模型；

4、用敏捷对地观测卫星可用的最大电量、敏捷对地观测卫星的最大容量、敏捷对地观测卫星的可视时间窗口、敏捷对地观测卫星的可视时间窗口的开始时间、结束时间以及持续时间、敏捷对地观测卫星在某一时刻的滚动角、俯仰角和偏航角建立卫星模型；

5、结合目标观测任务模型和卫星模型，建立包括时间窗口约束、观测频次约束、存储约束和电量约束的观测任务约束模型；

6、采用知识驱动的头脑风暴算法求解观测任务约束模型，具体如下：

7、采用基于知识的种群初始化方法初始化种群，并利用知识构建初始种群，种群对应观测序列；

8、考虑每个目标的观测优先级和观测目标转换时敏捷对地观测卫星的能量消耗，采用综合考虑收益和能量损耗的适应度函数计算种群中每一个个体的适应度值；

9、迭代更新种群中的个体，在每次迭代中对所有个体按照适应度值进行排序，将所有个体划分为精英个体集合和普通个体集合；

10、更新种群中的个体，生成新的种群，比较新个体和旧个体的适应度值，如新个体的适应度值大于旧个体适应度值则用新个体代替旧个体，直到更新次数不小于pop_size；

11、更新种群中适应度最小的个体；

12、当达到迭代终止条件，根据所有观测序列的适应度进行排序，输出适应度最大的观测序列。

13、进一步的，所述时间窗口约束，即卫星对点目标的观测必须在可见的时间窗口内进行，用如下公式表示：

14、

15、其中，代表观测目标i的第j个时间窗口被观测的实际开始时间；代表观测目标i的第j个时间窗口被观测的实际结束时间；xij为决策变量,xij＝1表示观测目标i的第j个时间窗口被成功观测，xij＝0表示观测目标i的第j个时间窗口未被观测；

16、进一步的，所述观测频次约束即观测目标只能被观测一次，不能被重复观测，也称为观测频次约束，用如下公式表示：

17、xij≤1

18、所述存储约束，即表示所消耗的存储数据量不能超过最大存储容量m，可用如下公式表示：

19、

20、进一步的，卫星姿态机动时间约束，即敏捷对地观测卫星这一次目标的观测开始时间与上一次目标观测结束时间之差大于等于两次观测任务之间的过度时间：

21、tk∈t，i≠k，wij∈wi，wku∈wk，

22、

23、进一步的，所述电量约束，即所使用的电力不能超过最大电力e，其计算公式如下所示：

24、

25、其中，为决策变量，如果ti为tk的前一个观测目标，则否则ef和es分别为每次姿态转换消耗的电力和每个姿态转换角度所消耗的电量。

26、进一步的，三个启发式规则和一种完全随机的种群生成方法时，

27、一种完全随机的种群生成方法为，rule：完全随机规则生成个体；

28、三个启发式规则为，rule1：以随机的方式生成一个个体，根据观测任务允许的最早执行时间由小到大对该个体的前50％的观测任务进行排序；

29、rule2：以随机的方式生成一个个体，根据观测任务的允许结束时间从小到大对该个体的前50％的观测任务进行排序；

30、rule3：以随机的方式生成一个个体，根据任务持续时间由小到大对前50％的观测任务进行排序。

31、进一步的，综合考虑收益和能量损耗的适应度函数如下：

32、

33、其中，∈为是能量消耗所占的权重，∈∈[0.1,1]，k为是一个常数，代表卫星观测目标的姿态机动能量消耗与观测时间成正比，k∈[0.1,1]，si*pi是卫星的观测收益，∈*(ei+k*si*di)是卫星对下个任务观测消耗的能量，ei为卫星执行任务i之前消耗的电量，i∈{1,2,…,n}，n为有限正整数，表示共有n个观测目标。

34、进一步的，更新种群中的个体，生成新的种群，比较新个体和旧个体的适应度值，如新个体的适应度值大于旧个体适应度值则用新个体代替旧个体，直到更新次数不小于pop_size；包括：判断更新次数是否小于pop_size，如果更新次数小于pop_size，pop_size为种群更新次数，则判断rand(0,1)是否小于pc1，如果rand(0,1)小于pc1，则一个精英个体生成个体；如果rand(0,1)不小于pc1，判断rand(0,1)是否大于pc2，如果rand(0,1)大于pc2，一个精英和一个普通个体生成个体，如果rand(0,1)不大于pc2，则一个普通个体生成个体；比较生成个体和旧个体中适应度更大的个体；对个体更新后，得到更新后的种群。

35、进一步的，将更新个体进行取整操作，采用向上取整策略，取整完成后遍历更新个体中是否存在相同的点目标，如存在则进行去重操作，随机生成一个未出现的点目标代替出现的重复点目标。

36、进一步的，更新种群中适应度最小的个体通过如下公式进行：

37、

38、其中，分别为当前种群中最劣个体、最优个体、随机个体，t表示迭代次数，f表示缩放因子。

39、本发明还提供一种基于头脑风暴算法的敏捷观测卫星任务规划系统，包括目标观测任务模型构建模块、卫星模型构建模块、约束模型构建模块以及解算模块；

40、目标观测任务模型构建模块基于观测任务序列和观测目标的参数建立目标观测任务模型；

41、卫星模型构建模块用敏捷对地观测卫星可用的最大电量、敏捷对地观测卫星的最大容量、敏捷对地观测卫星的可视时间窗口、敏捷对地观测卫星的可视时间窗口的开始时间、结束时间以及持续时间、敏捷对地观测卫星在某一时刻的滚动角、俯仰角和偏航角建立卫星模型；

42、约束模型构建模块用于结合目标观测任务模型和卫星模型，建立包括时间窗口约束、观测频次约束、存储约束和电量约束的观测任务约束模型；

43、解算模块采用知识驱动的头脑风暴算法求解观测任务约束模型，具体如下：

44、采用基于知识的种群初始化方法初始化种群，并利用知识构建初始种群，种群对应观测序列；考虑每个目标的观测优先级和观测目标转换时敏捷对地观测卫星的能量消耗，采用综合考虑收益和能量损耗的适应度函数计算种群中每一个个体的适应度值；在每次迭代中对所有个体按照适应度值进行排序，将所有个体划分为精英个体集合和普通个体集合；更新种群中的个体，生成新的种群，比较新个体和旧个体的适应度值，如新个体的适应度值大于旧个体适应度值则用新个体代替旧个体，直到更新次数不小于pop_size；更新种群中适应度最小的个体；当达到迭代终止条件，根据所有观测序列的适应度进行排序，输出适应度最大的观测序列。

45、与现有技术相比，本发明至少具有以下有益效果：

46、本发明采用建模卫星模型以及建模任务约束模型，解决了现有技术没有全面考虑卫星模型和任务约束的问题，采用知识驱动头脑风暴优化算法，解决现有技术求解精度不高的问题，本发明具有建模全面、计算速度快、规划合理等优点，为敏捷对地观测卫星任务规划提供新思路；通过对模型的全面考虑，明确各个组成部分之间的相互影响和作为，有利于提出解决该问题的针对性算法，从而更好的解决敏捷对地观测卫星的任务规划。

47、进一步的，通过考虑每个目标的观测优先级和观测目标转换时敏捷对地观测卫星的能量消耗，提出综合考虑收益和能量损耗的适应度函数，考虑卫星任务规划的实际情况，避免在规划时只考虑任务优先级，导致输出结果趋于优先级排序这样的情况，使卫星规划问题更符合实际情况。