本技术公开了一种卫星任务分配技术领域的大规模卫星任务调度方法、存储介质及设备,以有限点任务集合的观测情况近似区域任务的观测情况;采用不同的步长执行时间窗初筛和细筛过程,得到卫星执行任务的可用时间窗;对时间窗集合进行编码,初始化算法种群和参考点集;对染色体执行交叉、变异操作,通过对染色体进行无冲突化投影变换,计算每个染色体对应的两个适应度指标;对算法种群执行执行多层级分层非支配排序操作、自适应归一化操作、参考点关联操作、小生境保留操作,重复迭代后输出最优时间窗。本发明针对大规模卫星任务调度场景具有快速响应能力,针对极端卫星任务调度场景具有强大自适应能力,最终可实现卫星任务调度场景的局部最优匹配。
背景技术
涉及到多个目标函数的优化问题称为多目标优化问题;NSGA-III是非支配排序遗传算法的第三代版本,是多目标优化领域最前沿的算法之一。多目标优化是任务分配领域的一项重要技术。在工程实践中,多目标优化有助于寻找多个需求下的帕累托最优方案。随着任务分配理论与空间调度技术的发展,目前卫星的调度过程具有精密化、协同化的特征,任务的执行过程具有规模化、复杂化的特征;并且,卫星任务调度过程的相关指标呈现出严格化、个性化的趋势。因此对任务分配过程的快速性、适配性提出了更高的要求。
近年来,大规模卫星任务调度场景的最优匹配问题得到了广泛关注,各类最优匹配方法被提出。例如,基于DRL的巨型星座星地测控链路规划算法,该方法引入深度强化学习方法 DQN进行策略优化,但是训练得到的模型难以适应卫星数量变化的情况;例如,基于改进遗传算法的SAR多星协同复杂区域观测规划算法,该方法使用复杂大范围区域分解算法,并采用贪婪算法初始化、精英保留策略、3次适应度函数的改进遗传算法,但是改进后的遗传算法迭代效率和种群多样性缺乏保障。
实现思路