面向复杂任务的多类卫星协同任务规划问题研究

Commercialization of the remote sensing market promotes the continuous increase of satellite number and type. Satellites of different types will cooperate in the future to support the completion of more complex tasks. Complex task oriented multi-type satellites cooperative task planning problem (CTOMTSCTPP) has a number of new features compared to the traditional multiple satellite task planning problem, calling for new techniques for its highly effective solution. First we investigate a method that allows automatic decomposition of the complex task (whose semantic is too complex to be performed directly) into plannable meta-tasks. To develop a highly scalable approach that is able to solve large-scale CTOMTSCTPP, we decompose CTOMTSCTPP into two subproblems: a multi-satellite task allocation problem (MSTAP) and a single satellite task planning problem (SSTPP); develop a bi-level optimization model for solving CTOMTSCTPP, which optimizes MSTAP in the upper level, and SSTPP in the lower level; build a precise mathematical model and a highly scalable matheuristic algorithm for solving each subproblem; design a set of comprehensive application instances to test the validity of the proposed model and algorithms. The key acquisitions of this project not only advance the state-of-the-art techniques of satellite task planning, but also support directly the engineering application of the united management of multi-type satellites in the future.

遥感市场商业化促使卫星数量和种类不断增加，未来多类卫星将协同工作，保障更加复杂多样的任务。面向复杂任务的多类卫星协同任务规划问题（简称CTOMTSCTPP）与传统多星任务规划问题相比有许多新特点，需开发新的技术以高效求解CTOMTSCTPP。首先突破复杂任务的自动化分解方法，将语义复杂、难以直接执行的复杂任务分解为可规划的元任务。为开发一个求解大规模CTOMTSCTPP的方法，本项目将CTOMTSCTPP分解为多星任务分配（简称MSTAP）和单星任务规划（简称SSTPP）两个子问题；开发一个双层优化模型，上层优化MSTAP，下层优化SSTPP；针对各子问题构建精确的数学模型和设计具有高可扩展性的数学启发式求解算法;最后设计一组完善的应用实例以验证模型和算法的有效性。本项目关键技术的攻克可完善现有卫星任务规划技术，支撑未来多类卫星联合管控的工程化应用。

本项目研究面向复杂任务的多类卫星协同任务规划问题（简称：CTOMTSCTPP），主要研究内容包括：1）面向应用场景的复杂任务分解方法；2）求解CTOMTSCTPP 的双层优化模型；3）单星任务规划问题（SSTPP）的二次规划建模与超大邻域搜索求解；4）多星任务分配问题（MSTAP）的二次规划建模与列生成启发式求解；5）应用实例产生方法。项目经过三年的技术攻关，已完成了全部研究内容，超额完成了预期成果指标。.提出了基于模板库推理技术的复杂任务分解方法，该方法能够对常见的复杂任务进行快速分解，并且能够通过模板库拼接的方式实现模板库的自学习自完善。提出了CTOMTSCTPP 的双层优化模型，上层求解多星任务分配问题，下层求解单星任务规划问题，通过双层反复迭代实现对问题的整体寻优。提出了一种结合自适应大邻域搜索算法和禁忌搜索算法的混合算法，算法包含多种禁忌规则、多个通用随机化邻域算子，该调度算法具有良好的通用性，在典型单星调度算例上取得了比当前最优算法更好的效果。提出了一种求解多星任务分配问题的列生成启发式算法，实验结果表明，该方法的任务分配机制比当前最新的多卫星协同调度方法更有效。本项目还研究了卫星调度算例产生方法，研究了不同参数对算例的复杂度的影响，得出了一组具有挑战性的算例集。.项目研制周期内，共发表学术论文23篇。其中SCI论文16篇，会议论文7篇。多篇论文发表在领域内顶级期刊，如EJOR，IEEE SMC，EAAI，KBS等。带基金号标注的论文有12篇，其中包括9篇SCI期刊论文和3篇EI会议论文。另有11篇论文因各种原因未成功标注基金号，然而其主题与本项目研究内容高度相关，故亦可作为本项目的研究成果。依托本项目出版学术专著1部；获得国家发明专利3项；获得省部级科技进步奖励三项；培养博士毕业生1名，硕士毕业生3名。超额完成了预期研究成果目标。