一种面向卫星任务调度的通用化智能调度引擎及设备

1.一种面向卫星任务调度的通用化智能调度引擎，其特征在于，包括：卫星任务调度模块化建模与求解层、卫星任务调度约束满足优化层、自适应并行模因演化层、分布式动态滚动决策层；所述卫星任务调度模块化建模与求解层包括卫星任务调度通用化建模模块、面向卫星常规任务调度的通用化求解模块、面向卫星应急任务调度的通用化求解模块；所述卫星任务调度通用化建模模块连接所述卫星任务调度约束满足优化层，并为所述卫星任务调度约束满足优化层提供通用基础模型及任务调度问题描述；所述卫星任务调度通用化建模模块包括通用的模型接口、收益计算接口；所述面向卫星常规任务调度的通用化求解模块连接所述自适应并行模因演化层，并为自适应并行模因演化层提供常规调度核心算法；所述面向卫星常规任务调度的通用化求解模块基于所述模型接口，优化卫星任务调度方案；所述面向卫星应急任务调度的通用化求解模块连接所述分布式动态滚动决策层，并为所述分布式动态滚动决策层提供应急调度核心算法；所述面向卫星应急任务调度的通用化求解模块通过智能体对当前任务调度方案进行实时应急优化；所述面向卫星常规任务调度的通用化求解模块中，优化算法为启发式规则方法，具体为：步骤1、初始化决策矩阵X 0 ，令决策变量均为0，即{x ij |x ij ＝0,0≤i≤|T|,0≤j≤|E i |}；x ij 为决策矩阵中的决策变量；步骤2、遍历任务集T；步骤3、针对任务集T中的任务t i ，遍历任务t i 的事件集E i ；步骤4、针对空的卫星或测站集i，记录事件执行时机数；该集合可以表示为：P：{p m |p m ＝0,0≤m≤|P|}；p表示卫星或测站提供的事件执行时机数；步骤5、遍历事件集E i 中的事件e ij 的执行时机集合EO ij ；步骤6、获得供第m个执行时机的卫星或测站id，该id可以表示为Id(p( ))，即第m个时机的卫星或测站id；步骤7、卫星或测站提供的事件执行时机数+1，即p m ＝p m +1；步骤8、基于步骤6的结果，获取预分配的卫星或测站id，该获取过程通过轮盘赌方式实现；步骤9、再次遍历事件e ij 的执行时机集合EO ij ；并对决策变量赋值：x ij ＝k/|EO ij |；步骤10、若执行时机属于步骤8中预分配的卫星或测站id，并且满足约束条件F H (X)，则规划成功，并返回步骤3；否则，将决策变量x ij 重置为0，返回步骤9。 2.根据权利要求1所述的调度引擎，其特征在于，所述卫星任务调度约束满足优化层将卫星任务调度描述为统一的约束满足问题，包括：卫星任务调度问题描述模块，用于将卫星任务调度问题转换为包含任务集、资源集、评分集合决策矩阵的四元组，并将卫星任务的执行时机作为最底层抽象资源，构建资源结构；卫星任务调度0-1混合整数决策模块，基于所述问题描述模块的结果，通过0-1混合整数决策变量及决策矩阵，构建卫星任务与执行时机之间的决策模型；卫星任务调度网络化约束模块，用于构建基于约束模板和约束网络的统一约束模型及增量式约束算法；卫星任务调度时间依赖性收益模型，基于所述0-1混合整数决策变量和决策矩阵，获得收益函数。 3.根据权利要求1所述的调度引擎，其特征在于，所述自适应并行模因演化层中，包含：启发式策略模块，用于基于启发式规则方法对输入数据求解初始解集；并行局部优化模块，获得所述初始解集，基于局部搜索算法、算子使用概率，并行启用一个或多个线程，基于至少一个局部搜索算法，获得至少一个局部优化解集；自适应选择模块，基于所述至少一个局部优化解集，获得局部优化合集，基于对至少一个局部搜索算法的寻优效果，获得各局部搜索算法、算子贡献度，并基于算法、算子贡献度，更新局部搜索算法、算子使用概率；种群演化模块，通过种群演化方式的全局优化方法，修复不可行解，并更新局部优化解集；当满足终止条件时，将该更新局部优化解集作为最优解输出，否则返回并行局部优化模块，基于更新后的局部搜索算法、算子使用概率进行再次求解。 4.根据权利要求2所述的调度引擎，其特征在于，所述分布式动态滚动决策层，包括：任务协商分配模块，基于协商分配策略，结合历史窗口数据、当前窗口数据、未来窗口数据，对卫星任务进行分配；滚动调度模块，对于分配后的卫星任务，基于窗口滚动和资助调度，在连续时域内实现对单星任务调度方案的动态更新；冲突消解模块，基于深度强化学习，进行卫星任务的选择及快速插入；冲突消解模块，基于冲突消解模块提供的任务插入策略，基于约束网络计算任务冲突度，优先移除冲突度高于阈值的任务，实现冲突消解。 5.根据权利要求1所述的调度引擎，其特征在于，面向卫星应急任务调度的通用化求解模块，通过智能体对当前任务调度方案进行实时优化，包括对单星任务的执行时机选择和插入，具体采用以下方式：步骤1、从待插入任务集T X 中随机抽取一带插入任务t i ；步骤2、若该任务t i 属于任务集T中未调度的任务，则获取该任务t i 的任务编号Id(t i )，执行步骤5；若该任务t i 不属于任务集T中的任务，则将该任务t i 并入任务集T中，执行步骤3；步骤3、在决策矩阵中增加一行决策变量，该增加的一行决策变量均为0；步骤4、赋予该任务t i 当前最大编号；步骤5、遍历该任务t i 的事件集E i 并初始化可调度性预测集；步骤6、遍历该任务t i 的事件集E i 中各事件的执行时机集EO ij ，并预测各事件在对应执行时机下的可调度性，即p k ＝Pre(X,t i , )；步骤7、基于步骤6的结果，统计最高可调度性的事件的执行时机的编号k；步骤8、给决策变量赋值，即x ij ＝k/|EO ij |；步骤9、从待插入任务集T X 中删除该任务t i ；步骤10、判断待插入任务集T X 中是否为空；若为空，则插入完毕，输出当前决策矩阵X；若不为空，则返回步骤1。 6.根据权利要求2所述的调度引擎，其特征在于，所述决策矩阵为：所述0-1混合整数决策变量通过以下方式表示：其中，T表示任务集，E i 表示第i个任务的事件集；e ij 表示第i个任务的第j个事件；EO ij 表示事件e ij 的执行时机集； 表示执行时机集EO ij 中第k个执行时机。 7.根据权利要求2所述的调度引擎，其特征在于，所述约束模型为：其中，c i H 为约束条件 的约束对象；y i H 为约束条件 的约束阈值；ω i H 为约束条件 的约束关系；所述增量式约束算法实现方式为：步骤1、将原解F H (X)赋值给F H (X')；步骤2、遍历约束条件集F H ；步骤3、针对步骤2中约束条件集中的各项，遍历第i项约束条件可能涉及的决策子集|Z i (X)|；Z i (X)为X ij Z 的合集；步骤4、通过算子改变决策变量x，若被改变的决策变量x属于子集X ij Z ，则先减去原解X中子集X ij Z 的约束值，再加上新解X'中相应子集X' ij Z 的约束值；x∈X ij Z ；步骤5、判断遍历约束条件集F H 是否结束；若结束，则执行步骤6，否则返回步骤2；步骤6、返回F H (X')。 8.根据权利要求5所述的调度引擎，其特征在于，通过智能体对当前任务调度方案进行实时优化，还包括快速冲突计算方法，具体为：步骤1、定义任务冲突度集合C，令C＝{c k |c k ＝0,0≤k≤|T|}，其中，任务的冲突度c k 初始值均设为0；步骤2、遍历约束条件集F H ；步骤3、遍历第i项约束条件可能涉及的决策子集Z i (X)；步骤4、若该决策子集Z i (X)中的X ij Z 违反第i项约束条件，则遍历决策子集中的X ij Z 的决策变量，获取决策变量x涉及的任务编号；步骤5、累加对应任务的冲突度 并更新冲突集合C；步骤6、判断约束条件集F H 是否遍历完毕，若是，则执行步骤7，否则返回步骤2；步骤7、返回更新后冲突集合C。 9.根据权利要求5所述的调度引擎，其特征在于，通过智能体对当前任务调度方案进行实时优化，还包括冲突消解启发式方法，具体为：步骤1、获取任务冲突集合C中的当前最高冲突度的任务编号i；步骤2、判断对应的任务t i 是否属于锁定任务集T X ；若属于，则结束，并返回无法进行冲突消解信号；否则，执行步骤3；步骤3、遍历任务t i 相关的决策变量x ij ，将该决策变量清空，该清空操作是将决策变量置0，并将对应的冲突度c i 置0；步骤4、基于步骤3的结果，重新计算当前任务调度方案的约束值F H (X)；若满足全部约束条件，即F H (X)＝0，则执行步骤5；否则返回步骤1；步骤5、输出当前解X，即当前消解后的决策矩阵X。 10.根据权利要求3所述的调度引擎，其特征在于，所述算子、算法贡献度的求取方式为：其中，P X 为当前最优解集；A、O依次为算法、算子池； 依次为算法、算子池中第i个算法、算子在P X 中贡献的解的个数； 依次为算法、算子池中第i个算法、算子在P X 中的贡献度。 11.根据权利要求10所述的调度引擎，其特征在于，所述算子、算法使用概率的求取方式为：针对第i个算子，其第k+1代更新的方式为：式中， 依次为第k代，算法、算子池中第i个算法、算子的贡献度； 依次为第k代，算法、算子池中第i个算法、算子的使用概率；约定各算法、算子的初始使用概率均相等，即 12.根据权利要求4所述的调度引擎，其特征在于，所述协商分配策略为：步骤1、动态招标：在MAS中，接收到待分配任务的Agent自动担任招标Agent，通过通信黑板向MAS中所有Agent广播任务招标信息；步骤2、全员投标：接收到任务招标信息的Agent将担任投标Agent，启动投标程序，并基于当前自身状态进行评估，制定标书并反馈给招标Agent；步骤3、差异化评标：在收到全部投标Agent反馈的标书或超过预定截止时间后，招标Agent将结束招标并启动评标，将任务分配给中标Agent；步骤4、签约：中标Agent接受到中标通知后，通知招标Agent移除该任务，确认任务分配，同时，中标Agent将任务并入其任务池中，启动一次重调度，更新其正在执行的任务方案。 13.根据权利要求1所述的调度引擎，其特征在于，所述调度引擎还包括对卫星任务的调度方案的评价，该评价方式为：调度方案对应的决策矩阵X的评分值F(X)为：F(X)＝{F H (X),f(X),F S (X)}其中，F H (X)是约束值；f(X)是收益值；F S (X)是软约束值；对于决策矩阵X 1 和X 2 ，依据以下方式进行比较：如果F H (X 1 )>F H (X 2 )，则F(X 1 )>F(X 2 )；如果F H (X 1 )＝F H (X 2 )并且f(X 1 )>f(X 2 )，则F(X 1 )>F(X 2 )；如果F H (X 1 )＝F H (X 2 )并且f(X 1 )＝f(X 2 )，此时如果F S (X 1 )>F S (X 2 )时，则F(X 1 )>F(X 2 )；如果F H (X 1 )＝F H (X 2 )并且f(X 1 )＝f(X 2 )，此时如果F S (X 1 )＝F S (X 2 )时，则F(X 1 )＝F(X 2 )；其余情况下，则F(X 1 )<F(X 2 )。 14.一种面向卫星任务调度的通用化智能调度设备，其特征在于，所述设备包括处理器、存储设备，所述存储设备存储可由处理器读取的指令；所述设备搭载有如权利要求1-13任一所述的面向卫星任务调度的通用化智能调度引擎。