基于改進遺傳算法的多類測控資源調度方法

薛乃陽,丁 丹,王紅敏,劉步花

(1.航天工程大學電子與光學工程系,北京 101416;2.航天工程大學研究生院,北京 101416)

0 引 言

衛星測控資源調度(satellite telemetry,track and command resource scheduling,STRS)需要協調多種測控資源,多類任務并且還要考慮多種約束的組合優化問題[1]。由于其需要應用于問題實際,STRS具有領域知識繁多,可行解數量龐大的特點,這給該問題的分析與解決帶來很大的困難[2]。多類測控資源主要是指國家測控網和商業測控網等不同類別的測控資源。國家測控資源主要由政府和軍隊的測控網構成,商業測控資源由商業航天公司等民間資本投資建設的測控網絡組成。現階段國內外的研究主要集中在單個測控網內測控資源調度,對多類測控網聯合調度的研究較少。國外的研究主要圍繞美國空軍衛星測控網[3-4]、歐空局地面測控站網絡[5-6]的背景展開。例如,文獻[7-8]采用遺傳算法對問題進行了研究;文獻[9]在總結測控資源調度問題復雜性的基礎上,提出了基于啟發式和元啟發式方法的解決方案;文獻[10]利用禁忌搜索算法來提高算法效率;此外,還有學者對測控資源多目標優化方法[11]、資源解沖突方法[2,12]進行了研究。國內的研究也主要立足于國家測控基礎設施,通過系統分析多星多站問題中的各種約束和調度目標,建立測控資源一體化調度問題模型[13],以成功被調度的任務數量、被調度任務滿足測控需求的優先級等作為目標函數采用啟發算法,遺傳算法、拉格朗日松弛算法等以及改進的相關算法[14]進行求解,明顯提高了國有測控網測控資源調度的效率和質量。

從當前國內外的發展現狀來看,國有和商用航天測控等多元化測控模式并存協調發展是大勢所趨[15]。商業航天是指運用商業、市場規模發展、運營航天項目,并遵循市場規律開展的航天活動[16-17]。現階段采用的是國有和商用分開的測控管理體制。但是,隨著星座網絡的快速發展[18]與衛星應用領域的擴大[19-20],入軌的航天器數量急劇增長,使有限的測控資源面臨越來越嚴重的資源沖突和爭用的情況。如果將隸屬于多類測控資源的測控網進行聯合調度,可以有效提高測控資源的利用效率,緩解資源沖突。但是,由于這兩類測控管理體制的不同,在測控任務調度時需要考慮的約束上也有一定的差異。如何在盡可能保障原來需要國有航天測控資源執行的任務高效可靠執行的同時,也兼顧到商用測控追求的高效率與低成本等多類測控資源調度約束上的差異性,實現兩種資源的聯合優化調度,是一個亟待解決并且很有意義的問題。

本文在借鑒單個測控網下測控資源優化調度成果的基礎上,研究了多類測控資源聯合優化調度問題。現階段對多個測控網的測控站網資源任務分配調度還處在互相分離的階段,測控網利用效率較低,本文對多類測控資源的聯合調度進行了研究。首先，對不同管理體制下影響測控資源任務分配調度的因素進行分析。其次，建立了多類測控資源分配調度模型,把總調度時間內獲得最高的任務調度總優先級作為適應度函數,對遺傳算法進行改進,使之適應多類測控資源聯合調度的求解需求。最后，采用此算法對測控調度問題進行了優化求解；并且通過仿真實例,對比引入聯合調度方法前后的求解質量,證明了提出算法的有效性和現實意義。

1 多類測控資源的不同特點

國有和商業測控網由于各自建立的背景和主要服務對象的不同,在運行管理等方面存在一定的差異。國有測控網是航天測控網的重要基礎設施,隨著重大航天工程不斷進步,已發展成為天地空一體化協調發展、系統高效可靠運行、可按需提供各種天地測控能力的大測控系統。而商業航天測控隨著國家政策的放開剛起步不久,正處在發展壯大的階段。商業測控公司在給客戶提供可靠的測控服務的同時,也要考慮其服務的成本和效益,從而提高公司的市場競爭力。因此,準確分析兩種測控管理體制的特點是建立合理模型的基礎。

1.1 測控網絡架構不同

據了解[21],國有測控網的架構是基于S/C模式的服務器/客戶端模式架構,這是傳統的航天測控網架構。即在功能上,將分布于各地的測控站和控制中心分別比作客戶端、服務器,進行數據交換,而各個節點之間采用專線相連接。商業測控公司為了更好的適應市場需求,沒有采用封閉的服務器架構,而是采用了開放的軟件即服務(software-as-a-service,SaaS)架構。即一體化測控技術,把整體架構構建在云服務之上。測控站通過通用的電信網絡運營商的交換機和服務器,連接到測控云,云數據庫將所有數據進行集中處理和分發。同時,測控大廳里顯示的測控軟件也是運行在云服務之上,這樣衛星任務中心就能夠支持對外聯網,客戶用筆記本電腦等移動設備通過公用網絡連接到云服務器上,在任何時間和地點都能夠看到商業衛星的健康狀態,實現了衛星測控中心任務的透明化。由于采用SaaS架構,具有良好的可擴展性,便于實現自動化測控,運營成本低,給多類測控資源的聯合調度創造了便利的條件;但是需要借助互聯網實現互聯,網絡節點多,與專線連接的傳統測控網相比,響應時間較長,安全性較低。

1.2 建立測站的位置范圍和方式不同

國有測控站主要依靠自建,由國境內的固定站、機動站、遠望號測量船和測控中心4部分組成。大部分測站集中在國境內,覆蓋圈次和范圍有限,雖然有遠望號測量船可以作為海外機動站,但成本和費用較高。而商業測控網建站位置范圍和建站方式可以有更多更靈活的選擇,既可以在境內自行建站,也可以在境外自建或者開展國際合作租站。以開展商業航天測控業務的天鏈公司為例,該公司在帕勞共和國境內建立了南太站,彌補了測控網在南太區域無固定測控資源的空白,同時還在歐洲,南美洲和大洋洲以及東南亞地區通過合作和自建,擁有了10余個測控站,已經能夠提供全球性的衛星測控服務。

1.3 任務調度規劃優先級不同

兩種測控管理體制對航天器的測控任務規劃調度優先級不同。比如,國家測控任務對時效性和可靠性要求較高,應當優先選擇符合條件的國有測站執行,如果相應的國有測站出現任務沖突或沒有可見弧段,則可以考慮使用商業測站來執行測控任務。而在商業測控公司看來,國有衛星的測控請求作為一個客戶需求,也需要在日常的商業測控任務列表中按一定的優先級規則進行規劃調度。但由于其市場化的特點,在場景總測控調度時間段內可能有一段時間需要優先滿足某些重要客戶的測控請求,在此時間段內商業測控網只執行重要客戶的測控任務。因此,多類測控資源可能對同一個測控任務定義的調度優先級不同,需要在所建立模型的約束條件和改進遺傳算法的適應度函數中有所體現。

1.4 上行頻段范圍不同

國有和商業測站在使用的上行頻段范圍有一定差異。S頻段上行權限由國家掌握并控制,主要用于國防或政府主導的航天器測控。而商業測控公司只有權限發送X頻段的上行指令,所以商業測控公司所屬測站不能在無政府授權的情況下向衛星發射S頻段上行信號[17]。

上述國有和商業測控資源的測控特點表明,在進行多類測控資源聯合調度時,需要根據用戶衛星和測控資源的屬性不同,建立適當的調度收益函數,體現不同的調度優先級。而某類特殊的S頻段上行測控任務,則需要在國有測站的可見弧段的時間內完成指令上注。因此,以實際測控作業規程為依據的多類測控資源聯合調度也必然要體現上述測控約束。

2 多類測控資源聯合調度模型

多類測控資源聯合調度問題建模的關鍵是尋找出影響國有和商業測控網實際能力的因素并使用約束條件進行有效描述。本文將兩種管理體制下的測控資源按照國有和商用屬性分類,在分析多類測控資源特點的基礎上,根據對象的具體屬性來添加國有和商業測控資源的約束條件,接著進行規范化的描述和科學的抽象。為了研究問題的方便,假設國有和商業測控站只考慮陸基固定站,且都為全功能站,不考慮移動測站。

2.1 變量及符號定義

為了精確描述模型建立的過程和約束條件,首先對模型中涉及到的關鍵點進行符號定義。

(2)測控資源集合R={R1,R2,…,Rg,…,Rr}。其中,國有測控站數量為g,其余為商用測控站。?Rk∈R可以表示為Rk=(RTk,RFk)。其中,RTk為測控資源屬性種類,有RTk∈{1,2}={國有測控站,商用測控站};RFk是測控頻段,與用戶衛星測控頻段對應。

(4)設用戶衛星Si提出的任務集合為Reqi={ReSi,SAi,RJk,RAk}。測控任務類型定義為ReSi∈{0,1}={非S頻段上行任務，S頻段上行任務};Si與所有測控資源形成的過境窗口弧段集合為SAi；測控資源Rk所有可以提供測控服務的任務集合為RJk,Rk與所有用戶衛星的可用測控弧段集合為RAk。

(5)測控任務集J={J1,J2,…,Jm},?Ji∈J,Ji={JNui,JSi,JAi,JCi,JYi,JSai,JFi,JFei}。其中,JNui為任務標識;JSi為提出任務請求的衛星;JAi為可執行該任務的測控弧段集合;JCi表示該任務測控需求中的測控站最短設備切換時間;JYi∈{0,1}={常規任務,應急測控任務};JSai={1,2}={一級安全性,二級安全性},表示此測控任務要求的安全性等級,規定一級安全性只能有國有測控網執行測控任務,二級安全性對執行任務的測控網沒有特殊要求;JFi={1,2}={國有測控網,商業測控網},為資源特點約束,表明由于測控能力或者測控成本等約束條件的限制,只能由相應屬性的測控網完成此測控任務。JFei主要與商業衛星測控任務有關,為衛星用戶所能接受的最高測控費用。

定義 1測控任務綜合優先級。綜合考慮不同管理體制下的測控資源對用戶衛星屬性、時間窗口的偏好程度和用戶衛星優先級,定義衛星i在測控弧段Al下的測控任務綜合屬性優先級JPk(測控調度收益):

JPk=SPi+APrl(Jk∈Reqi,Al∈JAi)

(1)

2.2 約束條件

根據任務需求及多類測控資源聯合調度的特點,借鑒國有測控資源的約束描述方式[1,13],將所有約束分為多類測控資源的特有約束和測控問題的一般約束。多類測控資源聯合調度過程的主要約束條件如下。

(1)多類測控資源聯合調度的特有約束

(2)

(3)

成本約束,在其他條件相同的情況下,滿足同一個測控任務需求,商業測控網的成本要小于國有測控網的成本。假設商業測控網進行一次測控任務的成本是price1,而國有測控網的成本為price2,則price1

C2={?Jk∈J,RTk=2，price1

(4)

安全性約束,由于國有測控網采用專線互聯的封閉架構,節點少,網絡簡單,并且設備專用性較強,可以盡最大可能的保障測控任務的安全性。而某些對安全性要求極高的國家級測控任務,即(JSak<2)時,只能由國有測控資源執行測控任務,精確表述如下所示：

C3={?Jk∈J,JSak<2:JFk=1}

(5)

站點空間分布約束,在測控資源調度方面,由于商業測站可以全球布網,部署方便快捷,所以商業測控站的可用圈次數量更多。根據變量定義,國有測控站的編號為R1～Rg,商業測控站的編號為Rg+1～Rr。不同測控資源的可用弧段數量關系需要遵循約束：

(6)

測控能力約束,對于某些國有衛星某圈次需要發送S頻段上行信號的任務來說,在規定的測控時間窗口中只能使用國有測控資源來完成。

C5={?Jm∈J,?Al∈JAi,SFk=1，Reqi=1,JFk=1}

(7)

測控資源服務偏好約束,由于每套測控網主要的服務對象不一樣,則歸屬于不同測控網的測控資源服務偏好不同。在不同類型的測控網下,對同一個衛星的測控任務需求,測控收益值主要由定義的優先級決定,優先級的定義要遵循：C6={?Ak∈A，RTk=STk時,其優先級為APrk;RTk≠STk時,優先級為

APrl;APrk>APrl}

(8)

(2)測控資源調度的一般約束

時間窗有效性約束,所有測控任務只能在衛星和測控站存在可見時間窗口內的條件下進行。假設,要在測控弧段Ai所包含的時間窗口內執行測控任務JAk,則需滿足約束條件:

(9)

在同一測控資源執行完一個測控任務后,執行下一個測控任務之前,需要設置一定的設備復位與準備時間,即測控站前后相鄰任務之間的轉換時間:

(10)

測控能力約束,對用戶衛星需要執行的測控任務與測控資源的頻段相匹配才能建立測控任務的通信鏈路:

C9={?Ai∈A,Ai∈SAk,Ai∈RAl,SFk∈RFl}

(11)

測控設備獨占性約束,對于同一個測控設備,在同一時刻只能為一顆衛星提供測控服務。

(12)

衛星任務獨占性約束,同一顆用戶衛星不能有兩個及兩個以上的任務同時測控。

(13)

測控任務執行次數約束,每個測控任務最多只能被完成一次,不能再被后續任務調度。

(14)

測控窗口可用性約束,每個測控任務的執行時間必須不短于測控最短支持時間,最長也不能超過最長測控支持時間。

(15)

2.3 測控調度方案評價指標

在多類測控資源聯合調度問題中,由于測控資源的有限性,在測控任務過多時可能不可避免的存在任務沖突,所以對綜合收益值的計算方法進行了改進。在同一個測控站中,如果調度計劃中的任務與上一個任務時間沖突(即約束C8和C10),則此任務的收益值取負號加入總收益函數,并在生成最終方案時將此任務刪去,這樣就可以用算法的尋優特性來盡量減少沖突造成的損失。測控調度計劃的優劣程度采用改進后的綜合收益值進行評價,設調度方案中有n個測控弧段與測站的前面的任務存在沖突,目標函數如下:

(16)

3 改進遺傳算法的求解策略

根據建立的模型,多類測控資源調度的直接對象是測控可用弧段。遺傳算法是模仿生命進化發展而來的一類算法,具有通用性強、不依賴于問題背景、尋優能力強、適合大規模問題等特點[13],不僅在類似問題中取得了較好的求解效果[22-24],而且還有許多學者用遺傳算法與其他優化方法結合生成新算法[25-30]。因此,通過遺傳算法能夠較好的解決聯合調度的尋優問題。算法主要分為可見弧段預處理、染色體基因編碼、遺傳組件設計和將測控任務弧段序列號依次分配給用戶衛星需求4部分。可以在遵循兩種測控管理體制資源各自特點和運行規律下發揮多類測控資源的整合優勢,從而實現尋找調度收益最高方案的目標。其中，可見弧段的計算主要依賴衛星工具包(satellite tool kit,STK)軟件。

3.1 基于STK與Matlab互聯的可見弧段預處理

通過可見弧段預處理產生的星站可見窗口弧段是進行測控任務調度的對象。其目標是將調度場景中每個衛星的測控需求、測控總調度時間段、每次測控最短時間和測站最短轉換時間等約束條件通過STK軟件建模求得的衛星與測站可見窗口信息相結合,得到每個衛星需求才測控總時間段內可用測控弧段集合。文獻[31]利用STK仿真計算地面站調度信息,并將這些數據用XML格式儲存。為了方便快捷的獲取可見弧段信息,本文采用基于Matlab與STK互聯的可見弧段獲取方式,兩款軟件的具體版本為Matlab 2014b和STK 11.4。在Matlab程序中調用STK中IAgStkObjectRoot函數集和相應的接口函數。通過編寫Matlab程序,實現了場景中所有衛星和測站的可見弧段信息的自動化獲取。接著,把其包含的衛星、測站、弧段始末時間以及窗口持續時間按照滿足C1～C3、C5和C13約束進行初步篩選,儲存在特定的表格中,得到每個衛星需求的可用測控弧段集合。

3.2 改進遺傳算法求解框架

基于改進遺傳算法的多類測控資源聯合調度的具體求解框架如圖1所示。算法的主要改進是對基因型發生變化的染色體進行約束條件檢驗,使之適應問題求解的需要。經過可見弧段預處理之后,首先要進行種群初始化,并進行約束條件檢驗,確保種群中的每一條染色體代表的測控調度方案都可以滿足任務需求。其次,依次進行適應度計算、選擇、交叉和變異操作,在有新染色體產生的交叉和變異階段,需要對每個染色體進行約束條件檢驗。對于同一個測站的測控可用弧段的沖突約束,采用將其適應度值設置為負數的方法進行處理。最后,根據場景規模大小設置相應的進化代數作為算法終止條件,若在調度表中存在沖突的情況,就刪去收益值為負數的測控窗口,得到最終的優化調度方案。

圖1 改進遺傳算法優化框架Fig.1 Optimization framework of improved genetic algorithm

3.3 編碼

染色體上的基因編碼奠定了遺傳算法求解的基礎,編碼方法設計的優劣程度直接影響到了算法的求解效率和性能。因此,染色體采用整數編碼方式,將預處理之后得到的測控弧段按照時間先后順序排列序號作為弧段序列號。并將此序列號作為染色體上的基因型,分別儲存在JAk集合中,隨機在集合中選取衛星k的調度窗口,排列在染色體上的相鄰位置,編碼和基因排列情況如圖2所示。圖2中展示了由3顆衛星(每顆衛星的測控需求為4次)組成的調度方案。其中每條染色體長度即為衛星提出的總任務需求數量。

圖2 調度方案在染色體上的編碼方式示意圖Fig.2 Schematic representation of coding mode of scheduling scheme on chromosome

3.4 初始種群的生成

一般來說,遺傳算法的搜索性能與生成初始種群的基因多樣性密切相關,因此本文采用隨機方法產生初始種群中每一個染色體的基因型。

3.5 適應度數值計算

由于多類測控資源聯合調度的目的,是在盡可能考慮滿足不同測控資源約束和測控需求的條件下,使獲得的總優先級之和最大。因此,將目標函數作為適應度函數,如式(16)所示。

3.6 遺傳算子設計

(1)改進的保留選擇算子。由于本文中采用隨機方式產生初始種群,并且輸入規模較大,所以單一的選擇方式不能保證適應度值較大的個體有更大的可能性進行交叉和變異。因此,對選擇策略進行了改進:首先按從大到小的順序對種群中的個體進行排序,然后結合排序和輪盤賭法選擇法的結果,按比例選擇優秀個體進入配偶池。這樣既提高了算法的收斂速度,又在一定程度上減少了算法求解陷入局部最優的可能性。

(2)帶有禁忌搜索策略的交叉算子和變異算子。為了較好地平衡算法的收斂性與種群的多樣性,避免局部最優。本文采用單點交叉方法,雜交的個體從選擇后的新種群中隨機選取,對雜交后產生的新染色體進行約束條件檢驗。為了更快的找到最優解,在此步驟引入了禁忌搜索策略,將不符合約束條件的基因型放到禁忌列表中,防止程序陷入死循環,提高求解速度和方案可行性。同理,采用隨機選取變異位置的單點變異算子,為了使變異后的個體滿足約束條件,將不符合約束條件的變異點基因型列入禁忌表中,提高求解質量和速度。

3.7 終止條件

在遺傳算法中,通常將最大迭代次數設置為終止條件,當算法的進化代數滿足此終止條件的要求時,算法停止,同時輸出結果。本文根據調度場景規模設置最大遺傳代數Gen,當遺傳代數達到Gen時算法停止。

3.8 利用算法尋優的約束沖突處理

本文將算法的尋優特性應用于任務弧段沖突的消解。根據適應度函數,把每條染色體上的調度方案中與前面任務存在沖突的任務的測控收益賦為負數,這樣在算法的優化迭代中就可以優先選擇出總收益最大的調度方案。同時,在本文設計的算法中,要在交叉、變異運算之后對約束條件進行檢查,但是這些檢查的約束中不包含代表測控弧段時間沖突的約束C8。最后,刪去評價為負值的測控弧段,得到最終的調度方案。

4 仿真實例與結果分析

4.1 場景設計

為了驗證本文提出方法的適用性和有效性,如圖3所示。通過實驗,應用相同的優化算法求解,對多類測控資源引入聯合調度方法的前后調度結果進行對比。在沒有對測控資源進行聯合調度前,不同屬性的測控資源只能對相同屬性的衛星用戶提供測控服務。而引入聯合調度的方法后,在滿足相應約束的前提下,屬性不同的測控資源可以對不同屬性的衛星用戶執行測控任務。場景的總調度時間為2020-10-01 00:00:00至2020-10-02 00:00:00。根據實際情況,在場景中分別設置了一定數量的國有、商業測控資源以及在軌運行的多顆低軌用戶衛星,利用STK與Matlab軟件創建并獲取可見弧段中的各項數據信息。場景中測控資源和衛星分布概貌如圖4所示。

圖3 實驗方案對比設計示意圖Fig.3 Schematic diagram of experimental scheme comparison design

圖4 場景的測控資源和衛星分布概貌Fig.4 Telemetry,track and command resources and satellite distribution overview of the scene

場景中包含呼倫貝爾站、佳木斯站、喀什站、老撾站、帕勞站和一個位于東海附近測量船組成的測控資源集合以及包含24顆低軌衛星的用戶衛星集合。其中,佳木斯站、海上測量船和喀什站是國有測控站,帕勞站、呼倫貝爾站和老撾站是商業測站;24顆低軌衛星中有16顆是國有衛星,8顆是商用衛星,所有衛星采用其在雙行軌道根數中的SSC號碼進行命名,根據此號碼可以在互聯網上查詢到對應衛星的雙行軌道根數信息。其中的3顆商業衛星有一次測控任務由于成本約束C2,不能選擇測量船(海基測控站)執行測控任務。另外,隨機選擇6顆國有衛星,在首圈測控時需要通過國有測站上傳S波段上行信號。

表1 資源收益Table 1 Resources income

表2 衛星基本信息Table 2 Satellite basic information

4.2 改進遺傳算法的計算結果

實驗系統配置為:Inter Core(TM)i7-9750H CPU @2.60 GHz,DDR4 8 G RAM,Windows10;算法采用Matlab 2019a編程實現。改進遺傳算法的具體參數設置如表3所示。通過可見性分析軟件,計算出799條可用弧段信息,將其作為輸入信息代入求解優化算法中。

表3 改進遺傳算法參數設置Table 3 Parameter setting of improved genetic algorithm

對引入聯合調度前后的多類測控資源優化情況都用本文提出的改進遺傳算法進行求解。如圖5所示,為引入聯合調度方法前后的測控調度收益隨算法迭代次數變化情況。

圖5 引入聯合調度前后算法的尋優軌跡Fig.5 Algorithm optimization trajectory before and after the introduction of joint scheduling

在圖5中,橫坐標為算法迭代次數,縱坐標為模型中定義的測控調度收益值。程序求解時間為18.528 s,從圖5中可以看出,如果對多類測控資源不采用聯合調度的方式,測控需求滿足率僅為88.40%,測控調度收益為1 401;而對多類測控資源引入聯合調度方法,測控需求滿足率可以提高至100%,測控調度收益為1 835。通過實驗對比,在引入聯合調度方法前后,測控調度方案的收益值較不引入聯合調度方法增加了13.12%。可以看出,在多類測控資源的應用中引入聯合調度,不僅可以有效提高測控需求滿足率,還增加了調度方案的收益值,從而提高了整個測控資源的利用效率。

采用改進遺傳算法對多類測控資源進行聯合調度,根據得到的最優化方案畫出的甘特圖如圖6所示。其中,不同顏色代表不同衛星的測控任務,每個任務的X/Y代號表示第X顆衛星的在總測控調度計劃中排列為Y的測控任務。縱坐標測站代號1～6依次代表海上測控站、呼倫貝爾站、佳木斯站、喀什站、老撾站和帕勞站;橫坐標表示調度時間,為0～1 440 min。

圖6直觀的表示出了調度計劃中151個測控任務的測控弧段的時間長短和星站可見窗口等信息,可以看出調度結果是滿足所有約束要求的。綜上,從算法優化求解的結果可知,所設計的改進遺傳算法可以在多類測控資源聯合調度模型下求得一定質量的調度方案。在設置的場景中,從算法最終求得的最優解可以看出,對于多類測控資源來說,不采用聯合調度方法時任務收益和測控任務需求滿足情況較差。但如果在進行多類測控資源調度時采用聯合調度方法,即使不同測控網之間聯合調度存在許多約束,但還是能全部滿足測控需求并取得了較高的調度收益,表明多類測控資源聯合測控資源調度方案能夠有效提高測控資源的利用效率。另外,利用改進遺傳算法求解此類問題還存在一定的不足,在求解能力上還有進一步提高的空間。

圖6 算法優化求解得到的聯合調度方案甘特圖Fig.6 Gantt chart of joint scheduling scheme obtained by algorithm optimization

5 結 論

多類測控資源聯合調度問題是一個約束條件多,資源沖突強的復雜組合優化問題。本文對國有和商業測控資源特點分別進行分析和規范化的描述和科學的抽象。結合多類測控資源聯合調度的需求和特點,建立了多類測控資源聯合調度模型,并根據問題求解的實際情況提出了基于改進遺傳算法的求解策略,證明了采用多類測控資源聯合調度方法較傳統方法的優越性,并為求解此類問題提出了一種可行的解決方案。應該注意到,多類測控資源聯合調度問題具有復雜性和特殊性,不同的測控資源管理機構會對其有更加細致的要求。此外,本文建立的模型只考慮了屬于不同測控網的地基測控站的資源調度問題,如果要在實際任務中真正投入使用,還需要考慮與天基等測控資源的協同,以及由于加入緊急測控任務造成動態不確定影響的動態測控資源調度等問題。