本發(fā)明涉及航空航天成像衛(wèi)星調(diào)度技術(shù)領(lǐng)域，尤其涉及一種單星調(diào)度的算子構(gòu)建方法。

背景技術(shù)：
近年來，我國航天技術(shù)發(fā)展迅猛，航天技術(shù)開始從國防軍事領(lǐng)域迅速向民用航天領(lǐng)域擴(kuò)展，我國擁有的衛(wèi)星數(shù)目急劇增多，衛(wèi)星的研制和生產(chǎn)開始步入批量化階段。衛(wèi)星調(diào)度問題簡要描述如下：給定一組對地觀測衛(wèi)星和地面目標(biāo)，每個地面目標(biāo)有各自的觀測收益，衛(wèi)星軌道參數(shù)已知，與地面目標(biāo)間的可見時段可以通過數(shù)據(jù)預(yù)處理得到。衛(wèi)星對地面目標(biāo)的觀測動作必須在可見時間窗內(nèi)執(zhí)行。衛(wèi)星在執(zhí)行一個觀測任務(wù)到下一個觀測任務(wù)之間必須具備足夠的轉(zhuǎn)換時間，在一個規(guī)劃周期內(nèi)，衛(wèi)星對地面目標(biāo)的可見時間窗可能有多個，但一個飛行圈次內(nèi)只有一個可見時間窗。衛(wèi)星不具備同時觀測多個地面目標(biāo)的能力，地面目標(biāo)最多只能被其中一顆衛(wèi)星在一個可見時間窗內(nèi)觀測。調(diào)度的結(jié)果是要為選擇觀測目標(biāo)提供決策。敏捷衛(wèi)星具有三維觀測自由度，與傳統(tǒng)的非敏捷衛(wèi)星相比多了俯仰和偏航兩個自由度。俯仰加長了衛(wèi)星與觀測目標(biāo)的可見時間窗，因此與一般的衛(wèi)星調(diào)度問題相比，決策變量不僅為所選的任務(wù)集，還要確定具體的觀測時間，使得敏捷衛(wèi)星的求解更為困難。此外，衛(wèi)星資源是一種稀缺資源，無論是靜態(tài)調(diào)度還是動態(tài)調(diào)度，都是在資源給定的情況下進(jìn)行的，也就是在調(diào)度時每種資源的數(shù)量已經(jīng)確定了。這就提出了衛(wèi)星資源配置方式的問題，要求能夠更準(zhǔn)確的對衛(wèi)星進(jìn)行調(diào)度，提高衛(wèi)星的資源利用率。因此，提供一種保證解的質(zhì)量的條件下求解的效率高的單星調(diào)度的算子構(gòu)建方法是本領(lǐng)域技術(shù)人員亟需解決的技術(shù)問題。

技術(shù)實(shí)現(xiàn)要素：
本發(fā)明的目的是提供一種保證解的質(zhì)量的條件下求解的效率高的單星調(diào)度的算子構(gòu)建方法。為了實(shí)現(xiàn)上述目的，本發(fā)明提供一種單星調(diào)度的算子構(gòu)建方法，該方法的具體步驟如下：（1）基于任務(wù)集的分布形式構(gòu)建問題分類器，對單星調(diào)度子問題進(jìn)行分類，分為均勻分布和塊狀分布；（2）設(shè)定問題域和構(gòu)建規(guī)則庫，并在此基礎(chǔ)上通過搜索技術(shù)的合理嵌套提高求解性能，從而完成蟻群算法引擎的構(gòu)建；（3）由問題分類-算子設(shè)計規(guī)則-得分三元組構(gòu)建問題算子知識庫，所述問題算子知識庫，記錄每種算子設(shè)計在求解每類問題是的歷史績效，從而為今后新的具體問題的求解提供算子設(shè)計決策支持。優(yōu)選地，所述步驟（2）中，蟻群算法引擎的構(gòu)建具體如下：1）設(shè)定問題域：（A）問題參數(shù)數(shù)據(jù)采集任務(wù)集合；任務(wù)的時間窗（）；任務(wù)的開始時間（）；任務(wù)的結(jié)束時間（）；任務(wù)的準(zhǔn)備就緒時間（）；任務(wù)的持續(xù)時間（）；任務(wù)到任務(wù)的轉(zhuǎn)換時間（）；執(zhí)行觀測任務(wù)的效益（）；（B）決策變量:連續(xù)執(zhí)行任務(wù)，時取1，否則取0；:任務(wù)被執(zhí)行時取1，否則取0；:任務(wù)的實(shí)際開始執(zhí)行時間（）；（C）優(yōu)化目標(biāo)本文研究的單星調(diào)度問題時只考慮效益最大化的優(yōu)化目標(biāo)：（D）問題約束其中，（2-1）表示任務(wù)最多只能被衛(wèi)星觀測一次，（2-2）表示衛(wèi)星在完成一個任務(wù)后將繼續(xù)移動執(zhí)行下一個任務(wù)，結(jié)合式（2-1）可知，此調(diào)度為鏈?zhǔn)秸{(diào)度，（2-3）表示一旦一個任務(wù)被選擇，則該任務(wù)的開始執(zhí)行時間要在時間窗開始之后，（2-4）表示一旦一個任務(wù)被選擇，則該任務(wù)的執(zhí)行結(jié)束時間要在時間窗結(jié)束之前，（2-3）和（2-4）共同表明被調(diào)度的任務(wù)必須完整地在一個時間窗內(nèi)執(zhí)行，（2-5）表示一個任務(wù)的執(zhí)行必須在其準(zhǔn)備就緒后才能開始，（2-6）和（2-7）是變量的01約束；2）構(gòu)建規(guī)則庫構(gòu)建規(guī)則庫主要是針對可行解構(gòu)造和信息素更新兩個算子進(jìn)行設(shè)計，其中可行解構(gòu)造又分為觀察任務(wù)序的生成和觀察時間的確定，具體如下：（E）可行解構(gòu)造：可行解構(gòu)造階段不僅僅是任務(wù)選擇的過程還要對觀測的時間進(jìn)行具體的確定，可行解的構(gòu)造分為兩個階段，第一階段是生成任務(wù)的序，第二階段則是具體確定觀測時間：（a）任務(wù)序的生成：（Ⅰ）啟發(fā)因子的設(shè)計：將任務(wù)的優(yōu)先級作為啟發(fā)信息的重要部分，其中，單獨(dú)的定義優(yōu)先級為啟發(fā)信息，得到第一種啟發(fā)因子定義方式即為；在啟發(fā)因子中加入時間窗的沖突信息，并使用“擁擠度”和“機(jī)會損失”來衡量時間窗的沖突，所述擁擠度是指機(jī)會窗口的選擇會受已安排觀測的機(jī)會窗口的影響，后添加的窗口不能與已安排的窗口產(chǎn)生觀測沖突，同時插入一個新的窗口會對其他未安排的窗口產(chǎn)生影響，該影響即為“機(jī)會損失”，由此，可以得到時間窗沖突度的一個定量的衡量方法，把機(jī)會窗口的沖突分為與已安排觀測的機(jī)會窗口的沖突，即擁擠度記為，與未安排觀測的機(jī)會窗口的沖突情況，即機(jī)會損失記為，則可以定義窗口沖突的啟發(fā)信息為：；接下來要具體介紹幾種沖突度的計算方法，在此之前，先對幾個定義進(jìn)行介紹：時間窗交叉：若在之前（按時間窗的起點(diǎn)排序），與交叉的定義為：；觀測沖突：時間窗與已安排觀測的任務(wù)i存在觀測沖突定義為：；從而機(jī)會損失，其中為未安排觀測的時間窗集合，；擁擠度最后，考慮到多時間窗帶來的影響，對于一個優(yōu)先級較高的任務(wù)，雖然其在一個時間窗口由于沖突沒法得到觀測，但可以在其他窗口進(jìn)行觀測，那么在對沖突進(jìn)行處理時可以考慮先安排優(yōu)先級相對低些但只有這一個觀測機(jī)會的任務(wù)，從而在啟發(fā)因子中加上觀測機(jī)會的影響，定義觀測機(jī)會的啟發(fā)信息為；可以得到四種啟發(fā)因子的設(shè)計方案，即只有優(yōu)先級信息，優(yōu)先級信息+窗口沖突信息，優(yōu)先級信息+觀測機(jī)會信息，優(yōu)先級信息+窗口沖突信息+觀測機(jī)會信息這四種設(shè)計；（Ⅱ）概率選擇機(jī)制的設(shè)計基于輪盤賭的隨機(jī)比例概率選擇策略和偽隨機(jī)概率選擇機(jī)制設(shè)計概率選擇機(jī)制如下：根據(jù)標(biāo)準(zhǔn)蟻群算法的設(shè)計思路每只螞蟻是根據(jù)隨機(jī)比例的概率選擇機(jī)制來選擇下一節(jié)點(diǎn)的，如螞蟻k在節(jié)點(diǎn)i根據(jù)式（2-8）選擇下一節(jié)點(diǎn)j，而偽隨機(jī)比例的概率選擇機(jī)制則是設(shè)定一個概率，讓螞蟻以的選擇概率將最大可能的候選點(diǎn)選入路徑中，同時不失隨機(jī)性優(yōu)化方法的特征，以的概率采用隨機(jī)比例的概率選擇機(jī)制，具體實(shí)現(xiàn)思路如（2-9）所示：其中S代表隨機(jī)比例概率選擇機(jī)制；（b）確定觀測時間在生成序之后，對于觀測時間的確定，具有兩種策略：一種是基于最早觀測的啟發(fā)式規(guī)則，即在不與已調(diào)度任務(wù)產(chǎn)生沖突的前提下確定時間窗內(nèi)最早可以安排觀測的時間為實(shí)際的執(zhí)行時間；另一種基于后移空余時間的動態(tài)調(diào)整的時間確定方法；所謂后移空余時間就是在不導(dǎo)致任務(wù)序列中任何任務(wù)違反時間窗約束的情況下，任務(wù)i的最大可以推遲執(zhí)行的時間，以數(shù)學(xué)公式的形式來表達(dá)就是：其中，表示任務(wù)i在任務(wù)序列中的后移空余時間，表示任務(wù)的時間窗結(jié)束時間，表示任務(wù)i的開始執(zhí)行時間，表示任務(wù)i的執(zhí)行持續(xù)時間，表示任務(wù)l-1到l的轉(zhuǎn)換時間；由后移空余時間的概念可以得到當(dāng)任務(wù)i的準(zhǔn)備完成時間推遲后，等待時間與后移空余時間的總和會推遲的時間，即其中表示任務(wù)j的等待時間；將u插入i和i+1之間情況下，記u的后移空余時間為，注意到插入任務(wù)u后，會使任務(wù)i+1的準(zhǔn)備就緒時間后移，所以不難推出其中，所述基于后移空余時間的動態(tài)確定時間的方式就是在每次考慮將一個任務(wù)插入到已調(diào)度序列時，考慮是否可以通過對已調(diào)度序列進(jìn)行微調(diào)使得任務(wù)可以插入，將上述兩種方法結(jié)合起來，即先用最早觀測的啟發(fā)式規(guī)則確定觀測時間，再基于后移空余時間對解進(jìn)行改進(jìn)，也就是通過對調(diào)度序列的調(diào)整，考慮插入未被調(diào)度的任務(wù)；（F）信息素更新（c）基本的信息素更新策略螞蟻每走完一步或是完成一次循環(huán)后就會對邊上的信息素進(jìn)行更新，更新策略如（2-10）所示；其中根據(jù)更新策略采用蟻周系統(tǒng)的更新策略；（d）保護(hù)精英個體的更新策略保護(hù)精英個體的更新策略是借鑒了遺傳算法的精英策略思想，在信息素的更新規(guī)則上，給予當(dāng)前最優(yōu)解額外的信息素補(bǔ)充，以增強(qiáng)最優(yōu)解在下次循環(huán)中的引導(dǎo)作用，加快收斂速度，其信息素按如下規(guī)則更新：其中，；（e）僅全局最優(yōu)進(jìn)行更新的策略：為了加速收斂速度，該種策略只對每次迭代的最優(yōu)解進(jìn)行信息素更新，更新規(guī)則如（2-12）所示；其中，其中為當(dāng)前循環(huán)中所求得的最優(yōu)路徑解，同時，這種更新策略下還定義了局部更新策略，即針對所有的螞蟻，在每步轉(zhuǎn)移后都會按如下規(guī)則進(jìn)行局部的信息素更新，其中，，為常數(shù)；（f）最優(yōu)最差螞蟻的信息素更新策略：為進(jìn)一步加速收斂速度，在蟻群系統(tǒng)的基礎(chǔ)上對最差的螞蟻進(jìn)行了額外的信息素的縮減，如下所示，其余的信息素更新策略與蟻群算法完全相同；（g）設(shè)置最大最小信息素的策略：上述幾種改進(jìn)均是針對加速收斂速度設(shè)計的，但沒有對局部收斂問題進(jìn)行了很好的處理，最大最小螞蟻系統(tǒng)通過引入和較好的避免了算法過早的收斂于局部最優(yōu)解，具體實(shí)現(xiàn)思路如下：將各條路徑上的信息素限制于，若信息素小于，則將其強(qiáng)制變?yōu)?，若信息素大于，則將其強(qiáng)制變?yōu)椋?）搜索技術(shù)的選擇與設(shè)計：為了加速算法的收斂性，選擇局部搜索算子為該引擎的的搜索算子，局部搜索的基本思想是從某個初始解開始，以迭代的方式反復(fù)嘗試當(dāng)前解的鄰域，以尋找更好的解來代替當(dāng)前解，采用局部搜索技術(shù)來優(yōu)化得到的粗糙解可以加速蟻群算法的收斂。與現(xiàn)有技術(shù)相比，本發(fā)明所提供的單星調(diào)度的算子構(gòu)建方法，具有以下優(yōu)點(diǎn)：1、在任務(wù)問題分析的基礎(chǔ)上，將單星調(diào)度子問題進(jìn)行分類，從而可以根據(jù)子問題的不同設(shè)置不同的約束條件，從而提高求解精度；2、通過設(shè)定問題域和構(gòu)建規(guī)則庫，并在此基礎(chǔ)上通過搜索技術(shù)的合理嵌套提高求解性能；在構(gòu)建規(guī)則庫時，設(shè)計可行解構(gòu)造和信息素更新，在可行解構(gòu)造中，根據(jù)衛(wèi)星特點(diǎn)，將觀察任務(wù)和觀察時間綜合進(jìn)行考慮，并針對不同情況設(shè)計多種信息素更新策略，從而在保證解的質(zhì)量的條件下提高求解的效率；3、設(shè)計由（問題分類-算子設(shè)計規(guī)則-得分）三元組構(gòu)成的問題算子知識庫，記錄每種算子設(shè)計在求解每類問題時的歷史績效，從而為今后新的具體問題的求解提供算子設(shè)計決策支持。綜上所述，本發(fā)明所提供的單星調(diào)度的算子構(gòu)建方法，保證解的質(zhì)量的條件下求解的效率高。附圖說明圖1是單星調(diào)度的算子框架示意圖；圖2是衛(wèi)星調(diào)度問題的對象和屬性示意圖；圖3是衛(wèi)星調(diào)度問題的分類模型示意圖；圖4是蟻群算法引擎示意圖；圖5是求解敏捷衛(wèi)星的規(guī)則庫示意圖。具體實(shí)施方式本發(fā)明的目的是提供一種保證解的質(zhì)量的條件下求解的效率高的單星調(diào)度的算子構(gòu)建方法。為了使本領(lǐng)域技術(shù)人員更好地理解本發(fā)明的技術(shù)方案，下面結(jié)合附圖對本發(fā)明進(jìn)行詳細(xì)描述，本部分的描述僅是示范性和解釋性，不應(yīng)對本發(fā)明的保護(hù)范圍有任何的限制作用。在一種實(shí)施例中，如圖1所示，單星調(diào)度的算子構(gòu)建框架由問題分類器，算法引擎和問題算子知識庫構(gòu)成。算法引擎是推薦框架的核心部件，提供算子運(yùn)行的邏輯環(huán)境，并支持問題、算法和決策者信息的交流。本實(shí)施中以蟻群算法為例來設(shè)計蟻群算法引擎，即用蟻群算法的迭代框架作為算子運(yùn)行的邏輯環(huán)境，并通過問題域和規(guī)則庫實(shí)現(xiàn)問題、算法和決策者知識的交流與融合。問題分類器是算法引擎的輸入，是根據(jù)對問題特征的抽取進(jìn)行構(gòu)建的，如對于任務(wù)分配問題，根據(jù)衛(wèi)星能力的不同可以分為容量過載問題，能量過載問題，能量和容量均過載問題，能量和容量均不過載問題。對于一個具體的問題，首先通過問題分類器進(jìn)行歸類，然后利用算法引擎進(jìn)行求解，求解過程中根據(jù)問題算子知識庫中記錄的同一類型問題的歷史求解算子的不同績效，實(shí)現(xiàn)求解該問題的算子的快速選擇。所謂問題算子知識庫是由（問題分類-算子設(shè)計規(guī)則-得分）三元組構(gòu)成，記錄每種算子設(shè)計在求解每類問題是的歷史績效，從而為今后新的具體問題的求解提供算子設(shè)計決策支持。如圖2所示，問題模型的建立要明確問題要求中涉及的所有對象，并分析所涉及對象的屬性和對象間的關(guān)系。而衛(wèi)星調(diào)度問題涉及的對象包括衛(wèi)星資源和任務(wù)兩大類，對象的屬性和關(guān)系就對應(yīng)于調(diào)度的各種約束，其中任務(wù)信息中的需求時間信息是指用戶對信息的需求時間范圍，圖像質(zhì)量需求包括圖像類型、分辨率和最小數(shù)據(jù)量需求，結(jié)合衛(wèi)星采集速率即可確定衛(wèi)星對任務(wù)的最小成像時間。衛(wèi)星信息中的姿態(tài)機(jī)動能力包括最大側(cè)擺能力，敏捷衛(wèi)星還包括俯仰側(cè)擺的能力。能量供應(yīng)信息包括單圈最大開機(jī)次數(shù)，最大成像時間等需求。配對信息中的成像時間需求包括衛(wèi)星對任務(wù)的可見時間窗以及最小成像時間需求，觀測角度需求包括根據(jù)預(yù)處理的結(jié)果得到的衛(wèi)星對任務(wù)的側(cè)擺信息以及規(guī)劃結(jié)果中衛(wèi)星對任務(wù)的俯仰信息?；趯φ{(diào)度問題對象的分析，可以對調(diào)度問題進(jìn)行分類。依據(jù)分解優(yōu)化的思想，問題分類模型的建立也是基于雙層來考慮的。第一階段的任務(wù)分配問題的分類是從存儲容量和能量方面根據(jù)衛(wèi)星能力和任務(wù)需求的供需關(guān)系進(jìn)行分類。第二階段的單星調(diào)度子問題是從姿態(tài)機(jī)動角度將衛(wèi)星分為敏捷衛(wèi)星和非敏捷衛(wèi)星，對于一個確定的衛(wèi)星調(diào)度問題則是進(jìn)一步的根據(jù)任務(wù)的分布情況將其分解為均勻分布和塊狀分布兩類?；谶@種分解優(yōu)化的思想得到問題分類模型如圖3所示。其中衛(wèi)星能力有很多方面，在本文中只考慮最基本的四種能力指標(biāo)，載荷類型（常見的有可見光，紅外，SAR），分辨率，容量限制和能量的限制。對于成像衛(wèi)星任務(wù)的需求主要體現(xiàn)在對圖像類型和成像質(zhì)量的需求，成像質(zhì)量的需求體現(xiàn)為對執(zhí)行該任務(wù)的分辨率和觀測角度的需求。在第一階段的任務(wù)分配問題中主要是根據(jù)圖像的成像類型和質(zhì)量要求進(jìn)行分配。根據(jù)圖像對數(shù)據(jù)量的需求和衛(wèi)星容量和能量能力的匹配情況可以將任務(wù)分配問題分為能量過載、容量過載，能量和容量均不過載，能量和容量均過載四類。對于一個特定的調(diào)度器而言，其分類可以依據(jù)所分配的任務(wù)的分布形式進(jìn)行分類求解，如分為均勻分布的任務(wù)和塊狀分布的任務(wù)。蟻群算法引擎應(yīng)該包括迭代框架以及與問題和決策者進(jìn)行信息交流的接口。為此，本實(shí)施例中分別定義了問題域和規(guī)則庫作為算法與問題和決策者交流的接口，結(jié)合蟻群算法本身提供的迭代框架，得到蟻群算法引擎的設(shè)計如圖4所示。蟻群算法的迭代框架是模擬螞蟻群覓食行為得到的，主要分為可行解的構(gòu)造和信息素的更新兩大模塊。對于每一代而言，可以應(yīng)用一些搜索技術(shù)來提高解的質(zhì)量并加速迭代過程。也就是說，搜索技術(shù)是嵌套在迭代框架中，可以將搜索技術(shù)抽象為框架中的一個算子。而規(guī)則庫的構(gòu)架則是用于充實(shí)迭代框架中的各個算子的，是算子的具體實(shí)現(xiàn)。蟻群算法迭代框架中的主要算子包括螞蟻位置初始化、可行解構(gòu)造、解的評價搜索技術(shù)和信息素更新。相應(yīng)的規(guī)則庫的構(gòu)建也根據(jù)算子進(jìn)行分類，分為位置初始化規(guī)則集、目標(biāo)選擇規(guī)則集、評價規(guī)則集、搜索策略集和信息素更新方式集。問題域是算法與問題的接口，通過將問題按照上述所歸納的問題四要素進(jìn)行抽象整理，從而將各式各樣復(fù)雜的問題轉(zhuǎn)換為算法可識別的形式。如通過對決策變量的編碼可以確定螞蟻所行走的地圖形式，問題的約束定義了算法搜索的可行域，問題的優(yōu)化目標(biāo)則定義了算法評價的準(zhǔn)則，問題參數(shù)會影響算法參數(shù)的確定。具體的蟻群算法的引擎如圖4所示。此外，通過對問題的特征進(jìn)行抽取還可以指導(dǎo)規(guī)則庫的構(gòu)建。如目標(biāo)選擇規(guī)則、局部搜索技術(shù)等規(guī)則的設(shè)計就要嚴(yán)重依賴對問題特征的抽取。蟻群算法引擎的構(gòu)建具體如下：1）設(shè)定問題域：（A）問題參數(shù)數(shù)據(jù)采集任務(wù)集合；任務(wù)的時間窗（）；任務(wù)的開始時間（）；任務(wù)的結(jié)束時間（）；任務(wù)的準(zhǔn)備就緒時間（）；任務(wù)的持續(xù)時間（）；任務(wù)到任務(wù)的轉(zhuǎn)換時間（）；執(zhí)行觀測任務(wù)的效益（）；（B）決策變量:連續(xù)執(zhí)行任務(wù)，時取1，否則取0；:任務(wù)被執(zhí)行時取1，否則取0；:任務(wù)的實(shí)際開始執(zhí)行時間（）；（C）優(yōu)化目標(biāo)本文研究的單星調(diào)度問題時只考慮效益最大化的優(yōu)化目標(biāo)：（D）問題約束其中，（2-1）表示任務(wù)最多只能被衛(wèi)星觀測一次，（2-2）表示衛(wèi)星在完成一個任務(wù)后將繼續(xù)移動執(zhí)行下一個任務(wù)，結(jié)合式（2-1）可知，此調(diào)度為鏈?zhǔn)秸{(diào)度，（2-3）表示一旦一個任務(wù)被選擇，則該任務(wù)的開始執(zhí)行時間要在時間窗開始之后，（2-4）表示一旦一個任務(wù)被選擇，則該任務(wù)的執(zhí)行結(jié)束時間要在時間窗結(jié)束之前，（2-3）和（2-4）共同表明被調(diào)度的任務(wù)必須完整地在一個時間窗內(nèi)執(zhí)行，（2-5）表示一個任務(wù)的執(zhí)行必須在其準(zhǔn)備就緒后才能開始，（2-6）和（2-7）是變量的01約束；2）構(gòu)建規(guī)則庫如圖5所示，構(gòu)建規(guī)則庫主要是針對可行解構(gòu)造和信息素更新兩個算子進(jìn)行設(shè)計，其中可行解構(gòu)造又分為觀察任務(wù)序的生成和觀察時間的確定，具體如下：（E）可行解構(gòu)造：可行解構(gòu)造階段不僅僅是任務(wù)選擇的過程還要對觀測的時間進(jìn)行具體的確定，可行解的構(gòu)造分為兩個階段，第一階段是生成任務(wù)的序，第二階段則是具體確定觀測時間：（a）任務(wù)序的生成：（Ⅰ）啟發(fā)因子的設(shè)計：將任務(wù)的優(yōu)先級作為啟發(fā)信息的重要部分，其中，單獨(dú)的定義優(yōu)先級為啟發(fā)信息，得到第一種啟發(fā)因子定義方式即為；在啟發(fā)因子中加入時間窗的沖突信息，并使用“擁擠度”和“機(jī)會損失”來衡量時間窗的沖突，所述擁擠度是指機(jī)會窗口的選擇會受已安排觀測的機(jī)會窗口的影響，后添加的窗口不能與已安排的窗口產(chǎn)生觀測沖突，同時插入一個新的窗口會對其他未安排的窗口產(chǎn)生影響，該影響即為“機(jī)會損失”，由此，可以得到時間窗沖突度的一個定量的衡量方法，把機(jī)會窗口的沖突分為與已安排觀測的機(jī)會窗口的沖突，即擁擠度記為，與未安排觀測的機(jī)會窗口的沖突情況，即機(jī)會損失記為，則可以定義窗口沖突的啟發(fā)信息為：；接下來要具體介紹幾種沖突度的計算方法，在此之前，先對幾個定義進(jìn)行介紹：時間窗交叉：若在之前（按時間窗的起點(diǎn)排序），與交叉的定義為：；觀測沖突：時間窗與已安排觀測的任務(wù)i存在觀測沖突定義為：；從而機(jī)會損失，其中為未安排觀測的時間窗集合，；擁擠度最后，考慮到多時間窗帶來的影響，對于一個優(yōu)先級較高的任務(wù)，雖然其在一個時間窗口由于沖突沒法得到觀測，但可以在其他窗口進(jìn)行觀測，那么在對沖突進(jìn)行處理時可以考慮先安排優(yōu)先級相對低些但只有這一個觀測機(jī)會的任務(wù)，從而在啟發(fā)因子中加上觀測機(jī)會的影響，定義觀測機(jī)會的啟發(fā)信息為；可以得到四種啟發(fā)因子的設(shè)計方案，即只有優(yōu)先級信息，優(yōu)先級信息+窗口沖突信息，優(yōu)先級信息+觀測機(jī)會信息，優(yōu)先級信息+窗口沖突信息+觀測機(jī)會信息這四種設(shè)計；（Ⅱ）概率選擇機(jī)制的設(shè)計基于輪盤賭的隨機(jī)比例概率選擇策略和偽隨機(jī)概率選擇機(jī)制設(shè)計概率選擇機(jī)制如下：根據(jù)標(biāo)準(zhǔn)蟻群算法的設(shè)計思路每只螞蟻是根據(jù)隨機(jī)比例的概率選擇機(jī)制來選擇下一節(jié)點(diǎn)的，如螞蟻k在節(jié)點(diǎn)i根據(jù)式（2-8）選擇下一節(jié)點(diǎn)j，而偽隨機(jī)比例的概率選擇機(jī)制則是設(shè)定一個概率，讓螞蟻以的選擇概率將最大可能的候選點(diǎn)選入路徑中，同時不失隨機(jī)性優(yōu)化方法的特征，以的概率采用隨機(jī)比例的概率選擇機(jī)制，具體實(shí)現(xiàn)思路如（2-9）所示：其中S代表隨機(jī)比例概率選擇機(jī)制；（b）確定觀測時間在生成序之后，對于觀測時間的確定，具有兩種策略：一種是基于最早觀測的啟發(fā)式規(guī)則，即在不與已調(diào)度任務(wù)產(chǎn)生沖突的前提下確定時間窗內(nèi)最早可以安排觀測的時間為實(shí)際的執(zhí)行時間；另一種基于后移空余時間的動態(tài)調(diào)整的時間確定方法；所謂后移空余時間就是在不導(dǎo)致任務(wù)序列中任何任務(wù)違反時間窗約束的情況下，任務(wù)i的最大可以推遲執(zhí)行的時間，以數(shù)學(xué)公式的形式來表達(dá)就是：其中，表示任務(wù)i在任務(wù)序列中的后移空余時間，表示任務(wù)的時間窗結(jié)束時間，表示任務(wù)i的開始執(zhí)行時間，表示任務(wù)i的執(zhí)行持續(xù)時間，表示任務(wù)l-1到l的轉(zhuǎn)換時間；由后移空余時間的概念可以得到當(dāng)任務(wù)i的準(zhǔn)備完成時間推遲后，等待時間與后移空余時間的總和會推遲的時間，即其中表示任務(wù)j的等待時間；將u插入i和i+1之間情況下，記u的后移空余時間為，注意到插入任務(wù)u后，會使任務(wù)i+1的準(zhǔn)備就緒時間后移，所以不難推出其中，所述基于后移空余時間的動態(tài)確定時間的方式就是在每次考慮將一個任務(wù)插入到已調(diào)度序列時，考慮是否可以通過對已調(diào)度序列進(jìn)行微調(diào)使得任務(wù)可以插入，將上述兩種方法結(jié)合起來，即先用最早觀測的啟發(fā)式規(guī)則確定觀測時間，再基于后移空余時間對解進(jìn)行改進(jìn)，也就是通過對調(diào)度序列的調(diào)整，考慮插入未被調(diào)度的任務(wù)；（F）信息素更新（c）基本的信息素更新策略螞蟻每走完一步或是完成一次循環(huán)后就會對邊上的信息素進(jìn)行更新，更新策略如（2-10）所示；其中根據(jù)更新策略采用蟻周系統(tǒng)的更新策略；（d）保護(hù)精英個體的更新策略保護(hù)精英個體的更新策略是借鑒了遺傳算法的精英策略思想，在信息素的更新規(guī)則上，給予當(dāng)前最優(yōu)解額外的信息素補(bǔ)充，以增強(qiáng)最優(yōu)解在下次循環(huán)中的引導(dǎo)作用，加快收斂速度，其信息素按如下規(guī)則更新：其中，；（e）僅全局最優(yōu)進(jìn)行更新的策略：為了加速收斂速度，該種策略只對每次迭代的最優(yōu)解進(jìn)行信息素更新，更新規(guī)則如（2-12）所示；其中，其中為當(dāng)前循環(huán)中所求得的最優(yōu)路徑解，同時，這種更新策略下還定義了局部更新策略，即針對所有的螞蟻，在每步轉(zhuǎn)移后都會按如下規(guī)則進(jìn)行局部的信息素更新，其中，，為常數(shù)；（f）最優(yōu)最差螞蟻的信息素更新策略：為進(jìn)一步加速收斂速度，在蟻群系統(tǒng)的基礎(chǔ)上對最差的螞蟻進(jìn)行了額外的信息素的縮減，如下所示，其余的信息素更新策略與蟻群算法完全相同；（g）設(shè)置最大最小信息素的策略：上述幾種改進(jìn)均是針對加速收斂速度設(shè)計的，但沒有對局部收斂問題進(jìn)行了很好的處理，最大最小螞蟻系統(tǒng)通過引入和較好的避免了算法過早的收斂于局部最優(yōu)解，具體實(shí)現(xiàn)思路如下：將各條路徑上的信息素限制于，若信息素小于，則將其強(qiáng)制變?yōu)?，若信息素大于，則將其強(qiáng)制變?yōu)椋?）搜索技術(shù)的選擇與設(shè)計：為了加速算法的收斂性，選擇局部搜索算子為該引擎的的搜索算子，局部搜索的基本思想是從某個初始解開始，以迭代的方式反復(fù)嘗試當(dāng)前解的鄰域，以尋找更好的解來代替當(dāng)前解，采用局部搜索技術(shù)來優(yōu)化得到的粗糙解可以加速蟻群算法的收斂。與現(xiàn)有技術(shù)相比，本實(shí)施例所提供的單星調(diào)度的算子構(gòu)建方法，具有以下優(yōu)點(diǎn)：1、在任務(wù)問題分析的基礎(chǔ)上，將單星調(diào)度子問題進(jìn)行分類，從而可以根據(jù)子問題的不同設(shè)置不同的約束條件，從而提高求解精度；2、通過設(shè)定問題域和構(gòu)建規(guī)則庫，并在此基礎(chǔ)上通過搜索技術(shù)的合理嵌套提高求解性能；在構(gòu)建規(guī)則庫時，設(shè)計可行解構(gòu)造和信息素更新，在可行解構(gòu)造中，根據(jù)衛(wèi)星特點(diǎn)，將觀察任務(wù)和觀察時間綜合進(jìn)行考慮，并針對不同情況設(shè)計多種信息素更新策略，從而在保證解的質(zhì)量的條件下提高求解的效率；3、設(shè)計由（問題分類-算子設(shè)計規(guī)則-得分）三元組構(gòu)成的問題算子知識庫，記錄每種算子設(shè)計在求解每類問題時的歷史績效，從而為今后新的具體問題的求解提供算子設(shè)計決策支持。綜上所述，本實(shí)施例所提供的單星調(diào)度的算子構(gòu)建方法，保證解的質(zhì)量的條件下求解的效率高。需要說明的是，在本文中，術(shù)語“包括”、“包含”或者其任何其他變體意在涵蓋非排他性的包含，從而使得包括一系列要素的過程、方法、物品或者設(shè)備不僅包括哪些要素，而且還包括沒有明確列出的其他要素，或者是還包括為這種過程、方法、物品或者設(shè)備所固有的要素。在沒有更多限制的情況下，由語句“包括一個……”限定的要素，并不排除在包括要素的過程、方法、物品或者設(shè)備中還存在另外的相同要素。本文中應(yīng)用了具體個例對本發(fā)明的原理及實(shí)施方式進(jìn)行了闡述，以上實(shí)施例的說明只是用于幫助理解本發(fā)明的方法及其核心思想。以上所述僅是本發(fā)明的優(yōu)選實(shí)施方式，應(yīng)當(dāng)指出，由于文字表達(dá)的有限性，而客觀上存在無限的具體結(jié)構(gòu)，對于本技術(shù)領(lǐng)域的普通技術(shù)人員來說，在不脫離本發(fā)明原理的前提下，還可以做出若干改進(jìn)、潤飾或變化，也可以將上述技術(shù)特征以適當(dāng)?shù)姆绞竭M(jìn)行組合；這些改進(jìn)潤飾、變化或組合，或未經(jīng)改進(jìn)將發(fā)明的構(gòu)思和技術(shù)方案直接應(yīng)用于其它場合的，均應(yīng)視為本發(fā)明的保護(hù)范圍。