优化调度中继卫星 实现断点快速续传

引用文章：

李夏苗, 陈新江, 伍国华, 贺川, 龙运军. 考虑断点续传的中继卫星调度模型及启发式算法[J]. 航空学报, 2019, 40(11): 323233.（点击可阅读原文）

中继卫星续传

跟踪与数据中继卫星(Tracking and Data Relay Satellite, TDRS)，简称为中继卫星，主要为中、低轨道的航天器提供数据中继、连续跟踪与轨道测控服务。中继卫星系统作为同步地球静止轨道的天基传输平台，不仅需要执行预定任务，而且还为全球突发的应急任务服务。

随着人类对空间资源需求的不断增长，在轨工作卫星数量快速增加，航天测控和数据传输需求日益增大，这对于中继卫星资源的合理调度提出了更高的要求。

中继卫星能实现高效续传，对提高卫星资源的利用效率、保障快速数据传输意义重大。

图1 2015年底全球在轨工作卫星概况

如何高效续传？

围绕“高效续传”，《考虑断点续传的中继卫星调度模型及启发式算法》重点解决以下三个关键技术。

1）设计了一种任务拆分机制，统一表征了原任务与子任务的内在联系；籍次，构建考虑断点续传的中继卫星任务数学规划模型； 

2）针对可滑动时间窗口冲突度难以度量，提出了基于冲突风险评估的冲突度计算方法，将冲突度量化为一定时段内任务在其当前可见时间窗内发生冲突的概率；

3）在前面工作的基础上，设计了一种考虑断点续传的两阶段调度优化算法（Two-stage Scheduling al-gorithm Considering Breakpoint Transmission, TSCBT）。第1阶段，采用基于最小冲突度的资源选择策略生成较优的初始可行调度方案实现整体任务分配；第2阶段为断点续传任务优化分配阶段，对完整任务分配阶段中未能成功调度的任务进行断点续传，采用基于最小任务拆分次数的资源选择策略生成最终调度方案。

图2 断点续传示意图

仿真实验效果

图3 不同调度方式完成任务的比率

通过大量仿真实验测试论文所构建模型与算法性能，结果表明，相比于没有考虑断点续传的中继卫星应用模式，考虑断点续传的中继卫星应用模式在对服务时长较长的任务调度成功率和天线利用率方面有明显的增益。

总结与展望

1）考虑断点续传的中继卫星任务规划模型阐明了任务拆分机制，统一表征了原任务与子任务的内在联系，对创新和开发中继卫星系统应用模式具有一定的借鉴意义。

2）经过大量仿真实验，可验证文章所提考虑断点续传的两阶段调度算法在任务完成率上的增益，但设计更加高效稳定的算法（如结合智能优化算法的随机搜索思想）仍是未来研究的重点。

团队介绍 

伍国华，男，中南大学教授，博士生导师，主要研究方向为智能优化方法、调度理论及应用、智能交通等。

陈新江，男，中南大学硕士研究生，主要研究方向为智能优化、航天资源（卫星）优化调度理论方法等。

李夏苗，男，中南大学教授，博士生导师，主要研究方向为智能优化方法、交通系统分析与优化等。

团队相关论文

[1]Huangke Chen, Ye Tian, Witold Pedrycz, Guohua Wu*(通讯),, et.al., Hyperplane Assisted Evolutionary Algorithm for Many-Objective Optimization Problems, IEEE Transactions on Cybernetics, 2019, DOI: 10.1109/TCYB.2019.2899225 (IF: 10.13, SCI, JCR一区, 中科院一区,)

[2]Guohua Wu, Witold Pedrycz, Haifeng Li, Manhao Ma, and Jin Liu. Coordinated Planning of Heterogeneous Earth Observation Resources. IEEE Transactions on System Man Cybernetics: System, 46( 2016) , 109-125 (IF: 7.35, SCI, JCR一区)

[3]Huangke Chen, Guohua Wu*(通讯), Witold Pedrycz, et.al., An Adaptive Resource Allocation Strategy for Objective Space Partition based Multiobjective Optimization, IEEE Transactions on System Man Cybernetics: System, DOI: 10.1109/TSMC.2019.2898456 (IF: 7.35, SCI, JCR一区)

[4]Guohua Wu, Rammohan Mallipeddi, P. N. Suganthan, Rui Wang, Huangke Chen, Differential Evolution with Multi-Population Based Ensemble of Mutation Strategies. Information Sciences, 329 (2016): 329-345. (IF: 5.50, SCI，ESI 前1%高引,中科院一区, TOP 期刊)

[5]Guohua Wu, Across neighborhood search for numerical optimization. Information Sciences, 329 (2016): 597-618. (IF: 5.50, SCI，中科院一区, TOP 期刊)

[6]Guohua Wu, X. Shen, H. Li, P.N. Suganthan, Ensemble of differential evolution variants, Information Sciences, 423 (2018): 172-186. (SCI, IF:5.50，ESI 前1%高引, 中科院一区, TOP期刊)

[7]R. Wang, S. Lai, Guohua Wu*(通讯), L. Xing, L. Wang, and H. Ishibuchi, 'Multi-clustering via evolutionary multi-objective optimization,' Information Sciences, vol. 450, pp. 128-140, 2018. (SCI, IF:5.50，中科院一区, TOP 期刊)

[8]Huangke Chen, Jinming Wen,  Witold Pedrycz, Guohua Wu*(通讯), Big Data Processing Workflows Oriented Real-Time Scheduling Algorithm using Task-Duplication in Clouds, IEEE Transactions on Big Data, 10.1109/TBDATA.2018.2874469

[9]Guohua Wu, Jin Liu, Manhao Ma, and Dishan Qiu. A two-phase scheduling method with the consideration of task clustering for earth observing satellites. Computers & Operations Research: 40 (2013): 1884–1894 (IF: 3.03, SCI，JCR一区)

[10]Guohua Wu, Huilin Wang, Witold Pedrycz, Haifeng Li, Ling Wang.  Satellite observation scheduling with a novel adaptive simulated annealing algorithm and a dynamic task clustering strategy. Computers & Industrial Engineering, 113（2017）:576–588. (SCI, IF:3.033，JCR一区)