基于分解优化策略的多敏捷卫星联合对地观测调度

• 论文 •

基于分解优化策略的多敏捷卫星联合对地观测调度

孙凯，邢立宁，陈英武

国防科学技术大学信息系统与管理学院，湖南长沙410073

收稿日期:2013-01-25 修回日期:2013-01-25 出版日期:2013-01-25 发布日期:2013-01-25

Agile earth observing satellites mission scheduling based on decomposition optimization algorithm

SUN Kai，XING Li-ning，CHEN Ying-wu

College of Information Systems and Management, National University of Defense Technology, Changsha 410073, China

Received:2013-01-25 Revised:2013-01-25 Online:2013-01-25 Published:2013-01-25

摘要/Abstract

摘要： 多敏捷对地观测卫星联合对地观测调度问题是一个具有长时间窗、多时间窗等复杂约束的组合优化问题。为了解决该问题，提出将原问题分解为任务资源匹配及单星任务处理两个子问题的分解优化思路。设计了学习型遗传算法解决任务资源匹配子问题，算法中的知识模型在算法迭代过程中学习和提取知识，反馈并引导算法对任务资源匹配的搜索寻优过程。采用后移滑动策略及最优插入位置搜索策略解决单星任务处理子问题，并采用基于规则的方式处理其他约束。实验结果证明了所提方法的有效性。

关键词: 敏捷卫星, 对地观测, 多星联合, 任务调度, 分解优化, 学习型遗传算法

Abstract: The agile earth observing satellites mission scheduling problem is a complicated combinatorial optimization problem with long time windows and multiple time windows constraints.In order to deal with this problem, the original problem was proposed to be divided into task & resource matching problem and single satellite task processing problem. A novel learnable genetic algorithm was proposed to solve the task & resource matching problem. The knowledge model learned and extracted knowledge from the iterative process of the genetic algorithm, brought back feedback and guided the search process of the algorithm.Backward time slack and best position search method were designed to solve the single satellite task processing problem. Experiment results demonstrated the effectiveness of the proposed approach.

Key words: agile satellite, earth observing, multi-satellites cooperation, mission scheduling, decomposition optimization, learnable genetic algorithm

中图分类号:

TP391

孙凯，邢立宁，陈英武. 基于分解优化策略的多敏捷卫星联合对地观测调度[J]. .

SUN Kai，XING Li-ning，CHEN Ying-wu . Agile earth observing satellites mission scheduling based on decomposition optimization algorithm[J]. .

[1]	周博文,黄海军,徐怡,李学俊,高寒,陈天翔,刘晓,徐佳. 无人机配送系统中端边协同的并行任务调度算法[J]. 计算机集成制造系统, 2021, 27(9): 2575-2582.
[2]	满君丰,赵龙乾,彭成,李倩倩. 云边协同计算架构下大规模工厂接入的任务调度[J]. 计算机集成制造系统, 2021, 27(8): 2282-2294.
[3]	黄晓冬,端木帅飞,毕敬,苑海涛. 服务延迟保障的混合绿色云数据中心成本最小化方法[J]. 计算机集成制造系统, 2021, 27(8): 2416-2425.
[4]	阴艳超,张万达,廖伟智,牛红伟. 分布式科技资源多服务任务优化调度[J]. 计算机集成制造系统, 2021, 27(11): 3209-3218.
[5]	轩华,王潞,李冰,王薛苑. 考虑运输的柔性流水车间多处理器任务调度的混合遗传优化算法[J]. 计算机集成制造系统, 2020, 26(第3): 707-717.
[6]	陈甲伟,刘英,於亚斌,杨雨图,王德镇. 基于节点优简算法的实木板材自动搬运系统[J]. 计算机集成制造系统, 2020, 26(9): 2522-2530.
[7]	方伯芃,孙林夫. 面向QoS与成本感知的云工作流调度优化[J]. 计算机集成制造系统, 2018, 24(第2): 331-348.
[8]	马跃飞,武小悦,邢立宁. 求解卫星任务调度问题的时间片蚁群算法[J]. 计算机集成制造系统, 2013, 19(09): 2213-2219.
[9]	廉振宇,谭跃进,贺仁杰,邢立宁 . 高分对地观测系统通用任务规划框架设计[J]. 计算机集成制造系统, 2013, 19(05 ): 981-989.
[10]	姚锋,邢立宁,贺仁杰,陈英武. 灵巧卫星任务规划模型及算法[J]. 计算机集成制造系统, 2013, 19(05 ): 1035-1040.
[11]	肖海宁，楼佩煌，满增光，钱晓明. 自动导引车系统实时多属性任务调度方法[J]. , 2012, 18(10): 0-0.
[12]	赵炯，刘英博，任艮全，张力. 面向工作流个人调度的仿真数据生成研究及实验平台设计[J]. , 2012, 18(08): 0-0.
[13]	孟宪福，董峰. 对等网络环境下关联任务动态调度策略[J]. , 2011, 17(09): 0-0.
[14]	孟宪福，解文利. 基于免疫算法的对等网络任务调度[J]. , 2010, 16(05): 0-0.
[15]	孟宪福，张晓燕. 基于排队理论的对等网络任务调度模型[J]. , 2009, 15(11): 0-0.