[发明专利]一种敏捷卫星的星上调度方法

摘要

本发明公开了一种敏捷卫星的星上调度方法，该方法包括步骤100，离线训练：根据输入的训练用的历史数据，对样本进行训练，以输出机器学习分类器；历史数据包括：训练场景集合,每个任务场景均由一系列元任务组成；步骤200，在线调度：根据输入的新的调度场景以及由步骤100得到的机器学习分类器，利用调度算法，获得与新的调度场景对应的调度方案，其中，新的调度场景由一系列元任务组成。本发明所提出的敏捷卫星的星上调度方法在调度方案质量和响应时间两方面都非常适合星上使用，能够为大规模问题非常迅速的提供非常高品质的调度方案。

主权项

1.一种敏捷卫星的星上调度方法，其特征在于，包括：步骤100，离线训练：根据输入的训练用的历史数据，对样本进行训练，以输出机器学习分类器；所述历史数据包括：训练场景集合S＝{sce1,sce2,…,scen},每个任务场景scei均由一系列元任务taski,j组成，所述任务场景scei表示为：步骤200，在线调度：根据输入的新的调度场景sce以及由所述步骤100得到的所述机器学习分类器，利用调度算法，获得与所述新的调度场景sce对应的调度方案Sol；其中，所述新的调度场景sce由一系列元任务taskj组成，j＝1……m；其中：所述步骤100具体包括：步骤110：求取训练场景集合S＝{sce1,sce2,…,scen}中的每个场景scei，中的每个元任务taski,j的特征向量Xi,j，j＝1……mi；步骤120：求解训练场景集合S＝{sce1,sce2,…,scen}中的每个场景scei对应的调度方案Soli；步骤130：确定训练场景集合S＝{sce1,sce2,…,scen}中的每个场景scei中的每个元任务taski.j的标签值Yi,j；步骤140：将分配好标签值Yi,j且获取了特征向量Xi,j的元任务taski,j作为训练样本训练所述机器学习分类器，并输出训练好的机器学习分类器；所述步骤200具体包括：步骤210：求取输入的新的调度场景sce以及场景中的每个元任务taskj的特征向量Xj；步骤220：利用所述机器学习分类器对新的调度场景sce中的每个元任务taskj进行分类，以获得待调度任务集合；步骤230：对于待调度任务集合中的每个任务，按照时间窗的开始时间升序排序；步骤240：按照排序顺序依次为待调度任务安排观测窗口，若安排成功，则将该任务添加到所述新的调度场景的调度方案中，并输出所述新的调度场景的调度方案。