[发明专利]多星对地观测任务规划问题的处理方法及装置

权利要求书

1.一种多星对地观测任务规划问题的处理方法，其特征在于，包括：

步骤S1：在采用蚁群算法处理多星对地观测任务规划问题时，在初始化步骤中，获取信息素影响因子的缺省值α_min以作为在第一代迭代过程和第二代迭代过程中使用的信息素影响因子的值；

步骤S2：执行蚁群算法的迭代过程，得到每代迭代中生成的最好解S_t，将每代迭代中生成的最好解S_t作为一个解元素记录到解集合中；及

自第二代迭代过程开始，在得到每代迭代中生成的最好解S_t之后，获取当前的迭代代数的值t，并根据第一公式解算随后的第t+1代迭代过程中使用的信息素影响因子的值α_t+1，以在随后的第t+1代迭代过程中根据α_t+1从候选链表中选择顶点加入到待选解中，所述第一公式为：

其中，

f(t)，f(t-1)分别为第t代迭代过程中生成的最好解S_t对应的适应度函数值和第t-1代迭代过程中生成的最好解S_t-1对应的适应度函数值，α_t为第t代迭代过程中使用的信息素影响因子的值；

步骤S3：在迭代过程满足终止准则后，将解集合中具有最大适应度函数值的解元素作为多星对地观测任务规划问题的最优方案；

所述步骤S1还包括：在初始化步骤中，获取蚁群算法的迭代总代数N，获取启发式信息影响因子的缺省值β_min以作为在第一代迭代过程和第二代迭代过程中使用的启发式信息影响因子的值；相应地，

所述步骤S2还包括：自第二代迭代过程开始，在得到每代迭代中生成的最好解S_t之后，获取当前的迭代代数的值t，并根据第二公式解算随后的第t+1代迭代过程中使用的启发式信息影响因子的值β_t+1，以在随后的第t+1代迭代过程中根据β_t+1从候选链表中选择顶点加入到待选解中，所述第二公式为：

其中，

β_t为第t代迭代过程中使用的启发式信息影响因子的值；

所述步骤S1还包括：在初始化步骤中，获取蚁群算法的迭代停滞阈值NN、适应度停滞阈值δ及信息素挥发因子的缺省值ρ₀，所述ρ₀用于在第一次更新信息素挥发因子的值之前的每代迭代过程中作为信息素挥发因子的值；对应地，

所述步骤S2还包括：自第NN代迭代过程之后，在判断连续的NN代迭代过程中生成的NN个最好解对应的适应度函数值的变化率小于适应度停滞阈值δ时，触发针对信息素挥发因子的值的更新，得到更新后的信息素挥发因子的值，并在下一次触发针对信息素挥发因子的值的更新之前的所有迭代过程中使用所述更新后的信息素挥发因子的值解算每代迭代过程中使用的信息素的值；

所述步骤S2中，触发针对信息素挥发因子的值的更新，得到更新后的信息素挥发因子的值，具体包括：

获取当前的迭代代数的值t，获取当前的信息素挥发因子的值ρ_t，并根据第三公式更新信息素挥发因子的值，得到更新后的信息素挥发因子的值ρ_t+1,所述第三公式为：

其中，ρ_min为信息素挥发因子的下限值。

2.根据权利要求1所述的一种多星对地观测任务规划问题的处理方法，其特征在于，每一代迭代中生成的最好解S_t包括：

执行每一对地观测任务的卫星标识、观测起始时间点、观测结束时间点；和/或

每一卫星与至少一个地面站交互的下传起始时间点、及下传结束时间点。

3.根据权利要求2所述的一种多星对地观测任务规划问题的处理方法，其特征在于，所述每一代迭代中生成的最好解S_t是每代迭代中生成的所有待选解中具有最大适应度函数值的待选解经过局部搜索之后生成的。

4.根据权利要求3所述的一种多星对地观测任务规划问题的处理方法，其特征在于，所述处理方法还包括：

将所述最优方案中与每一卫星对应的任务发送至该卫星中，使得该卫星按照规划的任务执行。

5.一种多星对地观测任务规划问题的处理装置，其特征在于，包括：

接收模块、连接接收模块的处理模块；

所述接收模块用于接收待多个卫星执行的观测任务；

所述处理模块用于采用蚁群算法处理多星对地观测任务规划问题，具体包括：

在采用蚁群算法处理多星对地观测任务规划问题时，在初始化步骤中，获取信息素影响因子的缺省值α_min以作为在第一代迭代过程和第二代迭代过程中使用的信息素影响因子的值；

执行蚁群算法的迭代过程，得到每代迭代中生成的最好解S_t，将每代迭代中生成的最好解S_t作为一个解元素记录到解集合中；及自第二代迭代过程开始，在得到每代迭代中生成的最好解S_t之后，获取当前的迭代代数的值t，并根据第一公式解算随后的第t+1代迭代过程中使用的信息素影响因子的值α_t+1，以在随后的第t+1代迭代过程中根据α_t+1从候选链表中选择顶点加入到待选解中，所述第一公式为：

其中，

f(t)，f(t-1)分别为第t代迭代过程中生成的最好解S_t对应的适应度函数值和第t-1代迭代过程中生成的最好解S_t-1对应的适应度函数值，α_t为第t代迭代过程中使用的信息素影响因子的值；

在迭代过程满足终止准则后，将解集合中具有最大适应度函数值的解元素作为多星对地观测任务规划问题的最优方案；

所述处理模块用于采用蚁群算法处理多星对地观测任务规划问题，具体还包括：

在初始化步骤中，获取蚁群算法的迭代总代数N，获取启发式信息影响因子的缺省值β_min以作为在第一代迭代过程和第二代迭代过程中使用的启发式信息影响因子的值；相应地，

自第二代迭代过程开始，在得到每代迭代中生成的最好解S_t之后，获取当前的迭代代数的值t，并根据第二公式解算随后的第t+1代迭代过程中使用的启发式信息影响因子的值β_t+1，以在随后的第t+1代迭代过程中根据β_t+1从候选链表中选择顶点加入到待选解中，所述第二公式为：

β_t为第t代迭代过程中使其中，用的启发式信息影响因子的值；

所述处理模块用于采用蚁群算法处理多星对地观测任务规划问题，具体还包括：

在初始化步骤中，获取蚁群算法的迭代停滞阈值NN、适应度停滞阈值δ及信息素挥发因子的缺省值ρ₀，所述ρ₀用于在第一次更新信息素挥发因子的值之前的每代迭代过程中作为信息素挥发因子的值；对应地，

自第NN代迭代过程之后，在判断连续的NN代迭代过程中生成的NN个最好解对应的适应度函数值的变化率小于适应度停滞阈值δ时，触发针对信息素挥发因子的值的更新，得到更新后的信息素挥发因子的值，并在下一次触发针对信息素挥发因子的值的更新之前的所有迭代过程中使用所述更新后的信息素挥发因子的值解算每代迭代过程中使用的信息素的值；

所述触发针对信息素挥发因子的值的更新，得到更新后的信息素挥发因子的值，具体可以包括：

获取当前的迭代代数的值t，获取当前的信息素挥发因子的值ρ_t，并根据第三公式更新信息素挥发因子的值，得到更新后的信息素挥发因子的值ρ_t+1,所述第三公式为：

其中，ρ_min为信息素挥发因子的下限值。