向云武, 章文毅, 田妙苗

(1. 中國科學(xué)院遙感與數(shù)字地球研究所衛(wèi)星地面系統(tǒng)運(yùn)行管理部, 北京 100089;2. 中國科學(xué)院大學(xué)資源與環(huán)境學(xué)院, 北京 101400)

0 引 言

隨著遙感應(yīng)用的日益普及,遙感衛(wèi)星的需求也不斷增長。大量不同類型的在軌衛(wèi)星獲取了豐富的對地觀測信息,這些信息通過星地傳輸鏈路傳輸?shù)降孛嬲?這個(gè)環(huán)節(jié)稱為衛(wèi)星到地面站的星地傳輸。地面站接收這些信息后,將其通過地面光纖鏈路傳輸?shù)綌?shù)據(jù)中心,這個(gè)環(huán)節(jié)稱為地面站到數(shù)據(jù)中心的地面?zhèn)鬏敗Ｐ堑貍鬏斶^程和地面?zhèn)鬏斶^程合稱衛(wèi)星數(shù)據(jù)傳輸過程,如圖1所示。衛(wèi)星數(shù)據(jù)傳輸需要滿足兩個(gè)基本的條件:①在星地傳輸環(huán)節(jié)中,衛(wèi)星天線與地面站天線幾何可見,且地面站天線處于空閑狀態(tài);②在地面?zhèn)鬏敪h(huán)節(jié)中,地面光纖傳輸鏈路不超負(fù)荷。此時(shí)就要做出合理的規(guī)劃,以便在盡可能短的時(shí)間內(nèi)獲得全部的衛(wèi)星數(shù)據(jù)。當(dāng)衛(wèi)星數(shù)量以及星載任務(wù)較多時(shí),則更凸顯調(diào)度的必要性。

衛(wèi)星數(shù)據(jù)傳輸問題是指如何為衛(wèi)星數(shù)據(jù)合理分配地面接收資源和傳輸鏈路資源,包括星地傳輸環(huán)節(jié)的數(shù)據(jù)傳輸問題和地面?zhèn)鬏敪h(huán)節(jié)的數(shù)據(jù)傳輸問題。星地傳輸環(huán)節(jié)的數(shù)據(jù)傳輸實(shí)現(xiàn)了數(shù)據(jù)傳輸任務(wù)的數(shù)傳資源及時(shí)間窗口分配,是典型的具有NP-Hard特征的組合優(yōu)化問題[1-2];地面?zhèn)鬏敪h(huán)節(jié)的數(shù)據(jù)傳輸實(shí)現(xiàn)了地面站傳輸鏈路資源分配,是典型的流水線排序問題。

圖1 衛(wèi)星數(shù)據(jù)傳輸過程Fig.1 Process of satellite data transmission

針對星地傳輸環(huán)節(jié)的數(shù)據(jù)傳輸問題,已有不少學(xué)者做了各種模型和算法的研究。文獻(xiàn)[3]將基于信息素評價(jià)的蟻群算法運(yùn)用到衛(wèi)星數(shù)傳調(diào)度問題上;文獻(xiàn)[4]提出了混合遺傳算法在衛(wèi)星數(shù)傳調(diào)度問題上的應(yīng)用;文獻(xiàn)[5-6]提出了進(jìn)化算法中的遺傳算法在多星數(shù)據(jù)下傳資源調(diào)度中的應(yīng)用和一種基于遺傳算法的數(shù)據(jù)傳輸沖突窗口模型;文獻(xiàn)[7-9]提出了禁忌搜索算法和基于struggle策略的遺傳算法的多星數(shù)傳調(diào)度方法;文獻(xiàn)[10]提出了K-shortest path遺傳算法解決數(shù)傳調(diào)度;文獻(xiàn)[11]提出了基于沖突消解的地面站資源調(diào)度方法;文獻(xiàn)[12]提出了基于吱呀輪優(yōu)化的多衛(wèi)星數(shù)傳調(diào)度問題求解方法;文獻(xiàn)[13]在解決衛(wèi)星數(shù)傳調(diào)度時(shí),提出了基于地面站編碼的遺傳算法以提高算法的尋優(yōu)能力。這些成果只考慮了星地傳輸環(huán)節(jié)調(diào)度而沒有考慮地面?zhèn)鬏敪h(huán)節(jié)的調(diào)度。目前星地傳輸和地面?zhèn)鬏數(shù)娜终{(diào)度尚未見報(bào)道。

本文同時(shí)考慮了星地傳輸環(huán)節(jié)和地面?zhèn)鬏敪h(huán)節(jié),以在最短時(shí)間內(nèi)獲取所有衛(wèi)星數(shù)據(jù)為調(diào)度目標(biāo)建立衛(wèi)星數(shù)據(jù)傳輸模型,并采用基于動(dòng)態(tài)規(guī)劃和雙閾值控制遺傳算法的混合算法求解。這里星地傳輸環(huán)節(jié)的數(shù)傳調(diào)度區(qū)別于傳統(tǒng)的數(shù)傳調(diào)度[3-13],不再以在一段時(shí)間內(nèi)接收最多任務(wù)為調(diào)度目標(biāo),而是在考慮到星地傳輸和地面?zhèn)鬏攦蓚€(gè)環(huán)節(jié)的約束的基礎(chǔ)上,以在最短時(shí)間內(nèi)將所有衛(wèi)星數(shù)據(jù)下達(dá)到地面站為目標(biāo)。即在已知各任務(wù)下達(dá)到各地面站的時(shí)刻、任務(wù)數(shù)據(jù)本身大小以及地面光纖傳輸鏈路帶寬的前提下,在最短時(shí)間內(nèi)將所有衛(wèi)星數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心。這在充分高效利用衛(wèi)星以及地面站資源(包括接收資源和傳輸鏈路資源)方面意義重大:例如,當(dāng)面對自然災(zāi)害需要作出應(yīng)急措施時(shí),在最短時(shí)間內(nèi)獲取相關(guān)數(shù)據(jù)更是顯得尤為重要。

1 衛(wèi)星數(shù)據(jù)傳輸問題描述

遙感衛(wèi)星數(shù)據(jù)由遙感衛(wèi)星對目標(biāo)區(qū)域進(jìn)行拍攝得到,通過地面站和數(shù)據(jù)鏈路傳輸?shù)綌?shù)據(jù)中心。其過程如圖1所示,主要包括兩個(gè)環(huán)節(jié):第一,衛(wèi)星到地面站的星地傳輸環(huán)節(jié),此環(huán)節(jié)為各衛(wèi)星數(shù)據(jù)分配目標(biāo)地面站;第二,地面站到數(shù)據(jù)中心的地面?zhèn)鬏敪h(huán)節(jié),此環(huán)節(jié)為下傳完成的數(shù)據(jù)分配地面光纖傳輸鏈路。地面站的位置一般情況下是固定不變的,而衛(wèi)星受其軌道周期和回歸周期的影響,使其在一段時(shí)間內(nèi)與各地面站只有在特定的幾個(gè)時(shí)間窗口內(nèi)相互可見。各地面站的接收資源(天線)和傳輸資源(傳輸鏈路)不同,需要統(tǒng)籌規(guī)劃星地傳輸和地面?zhèn)鬏攦蓚€(gè)環(huán)節(jié)。

圖2 問題描述示意圖Fig.2 Schematic diagram of problem description

當(dāng)面對多星多站衛(wèi)星數(shù)據(jù)傳輸問題時(shí),還會(huì)面臨更多更復(fù)雜的問題。比如,當(dāng)多星同時(shí)對某地面站幾何可見時(shí),由于該地面站天線數(shù)量有限會(huì)導(dǎo)致對天線資源的爭用從而產(chǎn)生沖突;當(dāng)某衛(wèi)星在單位時(shí)間窗口內(nèi)有多個(gè)任務(wù)需要下傳時(shí),將面對具體選擇哪幾個(gè)任務(wù)下傳以充分利用該時(shí)間窗口的問題;當(dāng)有任務(wù)陸續(xù)下達(dá)到某地面站時(shí),若該地面站的地面光纖數(shù)量不止一條,將面對如何為這些任務(wù)選擇具體的光纖傳輸鏈路以在最短的時(shí)間內(nèi)將所有任務(wù)傳輸?shù)綌?shù)據(jù)中心的問題。針對這些問題,本文分別建立了衛(wèi)星數(shù)據(jù)接收沖突時(shí)段約束模型、單位連續(xù)時(shí)間窗口內(nèi)下傳任務(wù)選擇模型以及地面?zhèn)鬏斈Ｐ?并分別采用動(dòng)態(tài)規(guī)劃和貪心算法求解。

2 衛(wèi)星數(shù)據(jù)傳輸模型

如圖1所示,每個(gè)地面站的每部天線都可以接收多顆衛(wèi)星的數(shù)據(jù),存在因?yàn)榈孛嬲窘邮仗炀€數(shù)量有限而產(chǎn)生爭用進(jìn)而導(dǎo)致沖突的可能;假設(shè)單位連續(xù)時(shí)間窗口內(nèi),從衛(wèi)星數(shù)據(jù)任務(wù)集里選擇需要下傳的數(shù)據(jù)任務(wù)時(shí)可以任意選擇;在地面?zhèn)鬏敪h(huán)節(jié),若某地面站的地面光纖有多條,需要綜合考慮所有下達(dá)到該站的任務(wù)的大小、下達(dá)時(shí)間以及各條光纖的帶寬為各任務(wù)選擇具體的光纖傳輸鏈路,以便在最短時(shí)間內(nèi)將所有任務(wù)傳輸?shù)綌?shù)據(jù)中心。本文將提出沖突時(shí)段約束模型解決天線爭用問題,同時(shí)還提出背包模型用于選擇需要下傳的任務(wù),最后在地面?zhèn)鬏敪h(huán)節(jié)提出了以經(jīng)典流水線作業(yè)排序問題為背景的地面?zhèn)鬏斈Ｐ汀?/p>

2.1 符號定義

符號定義如表1所示。

表1 符號定義

2.2 目標(biāo)函數(shù)

本文以在最短時(shí)間內(nèi)獲取所有衛(wèi)星數(shù)據(jù)為調(diào)度目標(biāo),即所有任務(wù)回傳的總時(shí)間最短

MinFTime

(1)

式中,FTime是指所有任務(wù)會(huì)傳到總部所需時(shí)間。

FTime=max{Ft1,Ft2,…,FtN}

(2)

式中,N為任務(wù)總數(shù)量。

Fti=arriveTi-startT

(3)

式中,startT為規(guī)劃開始時(shí)刻;arriveTi為第i個(gè)任務(wù)傳輸?shù)綌?shù)據(jù)中心的時(shí)刻。

2.3 沖突時(shí)段約束模型

衛(wèi)星數(shù)據(jù)接收需同時(shí)考慮到如下約束:

(1) 一部天線在同一時(shí)刻只能接收一個(gè)任務(wù);

(2) 一個(gè)任務(wù)只能通過一部天線接收;

(3) 一部天線先后接收來自兩顆衛(wèi)星的任務(wù)時(shí)需要一段切換時(shí)間,在這里用Shift1表示;

(4) 一顆衛(wèi)星先后通過兩個(gè)地面站的天線下傳任務(wù)時(shí)需要一段切換時(shí)間,在這里用Shift2表示。

當(dāng)衛(wèi)星過境地面站時(shí),由于地面接收資源有限,可能會(huì)產(chǎn)生資源爭用而出現(xiàn)沖突的情況,這時(shí)候就需要消解沖突,為各顆衛(wèi)星合理分配地面接收資源以及相應(yīng)的接收時(shí)段。

在這里以衛(wèi)星過境地面站事件作為考慮對象,按照先到先得原則為各衛(wèi)星分配天線,根據(jù)衛(wèi)星進(jìn)站時(shí)間先后排序,依次為各衛(wèi)星分配地面站的天線,直到所有衛(wèi)星的星載任務(wù)完成下行,流程如圖3所示。

衛(wèi)星i對地面站j的天線的可用開始時(shí)間為

(4)

(5)

(6)

圖3 沖突消解流程圖Fig.3 Flow chart of conflict resolution

同時(shí)更新衛(wèi)星i的星載任務(wù)集

(7)

2.4 單位時(shí)間窗口內(nèi)下傳任務(wù)選擇模型

本文采用背包模型來選擇所要下傳的任務(wù),使得單位時(shí)間窗口內(nèi)下傳的任務(wù)數(shù)據(jù)量最大,并采用動(dòng)態(tài)規(guī)劃算法求解模型。設(shè)衛(wèi)星此次過境時(shí)長為T,星上有u個(gè)任務(wù)需要下傳,每個(gè)任務(wù)下傳完成需要的時(shí)間為

Dur={Dur1,Dur2,…,Duru}

(8)

則模型可描述為

(9)

s.t.XiDuri≤T

(10)

Xi=0或1

(11)

采用動(dòng)態(tài)規(guī)劃[14]向前遞推算法,設(shè)gi(M)是Knap(i+1,u,M)的最優(yōu)解,則有

g0(T)=Knap(1,u,T)

(12)

由于X1=0或1,可得

(13)

對于某個(gè)Xi,Xi=0或1,則有

(14)

初始值為

(15)

2.5 地面?zhèn)鬏斈Ｐ?/h3>

在地面?zhèn)鬏敪h(huán)節(jié),以最短時(shí)間內(nèi)將所有數(shù)據(jù)傳輸?shù)綌?shù)據(jù)中心為目標(biāo)建立衛(wèi)星數(shù)據(jù)地面?zhèn)鬏斈Ｐ?并將其抽象為經(jīng)典流水線作業(yè)排序問題。已知各地面站的地面光纖數(shù)量和帶寬以及各任務(wù)下達(dá)地面站的時(shí)間和任務(wù)數(shù)據(jù)大小。同時(shí),一個(gè)任務(wù)的數(shù)據(jù)只能通過一條鏈路傳輸,一條鏈路在同一時(shí)刻只能傳輸一個(gè)任務(wù)的數(shù)據(jù)。在某地面站下傳的所有任務(wù)下達(dá)的時(shí)刻表示為

T={t1,t2,…,tr}

(16)

式中,ti

W={w1,w2,…,wr}

(17)

該地面站的地面光纖帶寬表示為

Band={b1,b2,…,bs}

(18)

式中,s為該地面站地面光纖數(shù)量。

當(dāng)有新任務(wù)數(shù)據(jù)下達(dá)到地面站時(shí),傳輸鏈路有兩種情形:①?zèng)]有數(shù)據(jù)在等待傳輸;②有數(shù)據(jù)在等待傳輸。如果面對的是第一種情形,直接計(jì)算該任務(wù)數(shù)據(jù)分別通過s條傳輸鏈路傳輸時(shí)所有任務(wù)傳輸完成所需時(shí)間,選擇所需時(shí)間最短的一條鏈路傳輸該任務(wù);如果面對的是第二種情形,就采用貪心策略,將該任務(wù)和所有等待傳輸?shù)娜蝿?wù)作為一個(gè)任務(wù)集合,對該集合運(yùn)用多路背包模型求解得到各任務(wù)的最佳傳輸鏈路。

3 基于混合遺傳算法的衛(wèi)星數(shù)據(jù)傳輸算法

本文通過混合遺傳算法求解,外層算法框架為雙閾值控制的遺傳算法,適應(yīng)度函數(shù)值由求解內(nèi)層模型所得。通過圖4可以看到,在外層遺傳算法迭代過程中,通過求解衛(wèi)星數(shù)據(jù)傳輸模型(包括衛(wèi)星數(shù)據(jù)接收沖突時(shí)段約束模型、單位連續(xù)時(shí)間窗口內(nèi)下傳任務(wù)選擇模型以及地面?zhèn)鬏斈Ｐ?得到適應(yīng)度函數(shù)值。

3.1 雙閾值控制的遺傳算法

算法的外層采用雙閾值控制的遺傳算法。遺傳算法,也稱基因算法,效法基于自然選擇的生物進(jìn)化,是一種模仿生物進(jìn)化過程的隨機(jī)迭代進(jìn)化的搜索算法。

雙閾值控制的遺傳算法[15]是對簡單遺傳算法的改進(jìn),雙閾值指父輩相似度閾值和收斂度閾值。通過這兩個(gè)閾值能夠靈活控制變異的時(shí)間和概率,進(jìn)而提高種群多樣性,防止迭代陷入局部最優(yōu)。

圖4 混合算法流程圖Fig.4 Flow chart of hybrid algorithm

3.2 算法設(shè)計(jì)

3.2.1 算法思想及流程

雙閾值控制的遺傳算法流程圖如圖5所示。

圖5 遺傳算法流程圖Fig.5 Flow chart of genetic algorithm

3.2.2 編碼

本文采用自然數(shù)編碼,這樣能直觀地反映任務(wù)的調(diào)度結(jié)果。對每個(gè)任務(wù)進(jìn)行編碼,碼元的取值范圍為[1,m],表示該任務(wù)被分配到相應(yīng)的地面站下傳。

3.2.3 適應(yīng)度函數(shù)

由于每代各個(gè)個(gè)體目標(biāo)函數(shù)的相對差較小,從而使得各個(gè)個(gè)體的選擇概率差別很小,進(jìn)而導(dǎo)致選優(yōu)功能被弱化,因此需要對目標(biāo)函數(shù)進(jìn)行標(biāo)定,本文采用冪律標(biāo)定和線性標(biāo)定相結(jié)合的方法,同時(shí),由于本文面對的是最小值問題,因此不能將目標(biāo)函數(shù)作為適應(yīng)值函數(shù),需要先求倒數(shù)

f=MinFTime

(19)

式中,f為目標(biāo)函數(shù)。

(20)

3.2.4 選擇

本文采用精英選擇和蒙特卡羅選擇相結(jié)合的方法。精英選擇能保證每一代的最優(yōu)解可以直接遺傳到下一代而不被破壞,蒙特卡羅選擇能夠保證種群的多樣性,以避免進(jìn)化陷入局部最優(yōu)解。

3.2.5 交叉

為了提高產(chǎn)生優(yōu)良解的速度,本文采用多父輩POX交叉。多父輩相較于兩父輩而言,綜合了更多父代個(gè)體的信息,可以在產(chǎn)生子代個(gè)體時(shí)獲得更好的解空間搜索效率和尋優(yōu)質(zhì)量。具體步驟:

步驟1首先選擇父代個(gè)體Parent1和Parent2,并從優(yōu)良種群中選擇父代個(gè)體Parent3;

步驟2隨機(jī)選擇3個(gè)基因位,將父代個(gè)體分成4個(gè)部分;

步驟3按圖6所示模式進(jìn)行交叉,得到兩個(gè)子代個(gè)體。

圖6 交叉示意圖Fig.6 Sketch map of hybridization

3.2.6 變異

變異的時(shí)間和概率對變異操作的效果有很大影響。本文通過父輩相似度閾值和收斂度閾值來分別控制變異時(shí)間和變異概率,既可以保證優(yōu)良的父代個(gè)體在進(jìn)化過程中不被破壞,又可以提高算法在進(jìn)化后期的收斂速度。同時(shí),本文選擇多點(diǎn)變異,隨機(jī)選擇3個(gè)基因位,然后隨機(jī)生成3個(gè)與相應(yīng)基因位數(shù)值不相等隨機(jī)數(shù)分別代替這些數(shù)值。

4 案例結(jié)果及分析

案例在Intel(R) Core(TM) i5-650 3.2GHz CPU、8GB 三星DDR3 SDRAM 1333MHZ 內(nèi)存、500GB(7200 RPM) 硬盤、Win7操作系統(tǒng)的計(jì)算機(jī)上,采用Microsoft Visual Studio 2013C++編程完成。

為了驗(yàn)證本文模型及算法的有效性,采用星地傳輸和地面?zhèn)鬏敺植絻?yōu)化的結(jié)果作為對比。共有6個(gè)地面站,20顆衛(wèi)星,每顆衛(wèi)星下行碼速率為雙通道900 Mbps。表2為地面站信息,包括經(jīng)緯度、高程、天線數(shù)量和傳輸鏈路光纖帶寬。其中,地面站2和3各有兩條傳輸鏈路,帶寬分別為498 Mbps和124 Mbps。

表2 地面站信息

算法參數(shù)設(shè)置:種群大小NP=200,最大進(jìn)化代數(shù)NG=150,交叉概率Pc=0.9,初始變異概率Pm=0.05。

通過成像軟件生成不同數(shù)量的數(shù)傳任務(wù),共10組。針對這10組調(diào)度任務(wù),分別運(yùn)行10次,取其平均值作為結(jié)果,如表3所示。

表3 分步優(yōu)化和全局優(yōu)化求解結(jié)果對比

表3中,“分步優(yōu)化”是指傳統(tǒng)算法兩個(gè)環(huán)節(jié)分開優(yōu)化,即先優(yōu)化星地傳輸環(huán)節(jié),然后優(yōu)化地面?zhèn)鬏敪h(huán)節(jié);“星地傳輸時(shí)間”指第一環(huán)節(jié)所需時(shí)間,“總時(shí)間”指兩個(gè)環(huán)節(jié)總共所需時(shí)間;“全局優(yōu)化時(shí)間”即同時(shí)考慮兩個(gè)環(huán)節(jié)約束的全流程優(yōu)化結(jié)果;“時(shí)間縮短百分比”為“全局優(yōu)化時(shí)間”與“分步優(yōu)化總時(shí)間”的相對差,即

表3中的結(jié)果展示如圖7所示。從圖7中可以看出,對不同數(shù)量的調(diào)度任務(wù),相較于傳統(tǒng)分步優(yōu)化,本文全局優(yōu)化可以更高效傳輸所有衛(wèi)星數(shù)據(jù)。從案例1～4,時(shí)間縮短百分比逐次降低,是因?yàn)檫@幾組案例的任務(wù)規(guī)模都較小,使得分布優(yōu)化總時(shí)間也較小,因此縮短的時(shí)間和分步優(yōu)化總時(shí)間的比值會(huì)偏大且呈現(xiàn)逐次降低的趨勢。從案例4～10,時(shí)間縮短百分比逐漸增加,是因?yàn)榈孛娼邮照镜慕邮漳芰蛡鬏斈芰Ρ３植蛔?而任務(wù)數(shù)卻不斷增加,使得全局優(yōu)化的空間也隨之增加,因此,時(shí)間縮短百分比才會(huì)呈現(xiàn)逐次上升的趨勢。

圖7 結(jié)果對比Fig.7 Result comparison

圖8是案例6(312個(gè)調(diào)度任務(wù))的收斂曲線?？梢钥闯?在進(jìn)化到第25代時(shí)已經(jīng)得到較好的解。說明算法具有較好的收斂性能。

圖8 算法收斂曲線Fig.8 Algorithm convergence curve

5 結(jié) 論

衛(wèi)星數(shù)據(jù)的傳輸問題研究對于高效利用衛(wèi)星和地面站資源有重要意義。本文建立了考慮星地傳輸和地面?zhèn)鬏攦蓚€(gè)環(huán)節(jié)的衛(wèi)星數(shù)據(jù)傳輸模型,包括沖突時(shí)段約束模型、單位連續(xù)時(shí)間窗口內(nèi)下傳任務(wù)選擇模型和地面?zhèn)鬏斈Ｐ?并通過基于動(dòng)態(tài)規(guī)劃和雙閾值控制遺傳算法的混合算法求解。與傳統(tǒng)算法將兩個(gè)環(huán)節(jié)分開優(yōu)化相比,全局優(yōu)化能明顯縮短傳輸所有衛(wèi)星數(shù)據(jù)所需的最短時(shí)間;且隨著問題規(guī)模的增大,全局優(yōu)化的優(yōu)勢更加明顯。

參考文獻(xiàn)：

[1] BARBULESCU L, HOWE A E, WHITLEY L D, et al. How to schedule more in a multi-resource oversubscribed scheduling problem[C]∥Proc.of the 14th International Conference on Automated Planning & Scheduling,2004:227-234.

[2] BARBULESCU L, WATSON J P, WHITLEY L D, et al. Scheduling space-ground communications for the air force satellite control network[J]. Journal of Scheduling, 2004, 7(1): 7-34.

[3] 陳祥國,武小悅.基于信息素評價(jià)的衛(wèi)星數(shù)傳調(diào)度蟻群算法[J].系統(tǒng)仿真學(xué)報(bào), 2009, 21(20): 6418-6423.

CHEN X G, WU X Y. Ant colony algorithm of satellite data transmission scheduling based on pheromone evaluation[J]. Journal of System Simulation, 2009, 21(20): 6418-6423.

[4] 李云峰,武小悅.遺傳算法在衛(wèi)星數(shù)傳調(diào)度問題中的應(yīng)用[J].系統(tǒng)工程理論與實(shí)踐, 2008, 28(1): 124-131.

LI Y F, WU X Y. Application of genetic algorithm in satellite data transmission scheduling problem[J]. System Engineering-Theory and Practice, 2008, 28(1): 124-131.

[5] CHEN H, ZHONG Z N, WU L J, et al. Multi-satellite data downlink resource scheduling algorithm for incremental observation tasks based on evolutionary computation[C]∥Proc.of the 7th International Conference on Advanced Computational Intelligence,2015:27-29.

[6] CHEN H, ZHOU Y R, DU C, et al. A satellite cluster data transmission scheduling methodbased on genetic algorithm with rote learning operator[C]∥Proc.of the IEEE Congress on Evolutionary Computation, 2016: 5076-5083.

[7] XHAFA F, HERRERO X, BAROLLI A, et al. Evaluation of struggle strategy in genetic algorithms for ground stations sche-duling problem[J]. Journal of Computer and System Sciences, 2013, 79(7) : 1086-1100.

[8] XHAFA F, SUN J, BAROLLI A. Genetic algorithms for satellite scheduling problems[J]. Mobile Imformation Systems, 2012, 8(4): 351-377.

[9] XHAFA F, HERRERO X, BAROLLI A, et al. A tabu search algorithm for ground station scheduling problem[C]∥Proc.of the 28th IEEE International Conference on Advanced Information Networking and Applications, 2014: 1033-1040.

[10] LI J, LI J, CHEN H, et al. A data transmission scheduling algorrithm for rapid-response earth-observing operations[J]. Chinese Journal of Aeronautics, 2014, 27(2) : 349-364.

[11] 金光,武小悅,高衛(wèi)斌.基于沖突的衛(wèi)星地面站系統(tǒng)資源調(diào)度與能力分析[J].小型微型計(jì)算機(jī)系統(tǒng). 2007,28(2):310-312.

JIN G, WU X Y, GAO W B. Conflict based resource scheduling and capability analys is of satellite-ground station system[J]. Journal of Chinese Computer Systems,2007,28(2):310-312.

[12] 經(jīng)飛,王鈞,李軍,等.基于吱呀輪優(yōu)化的多衛(wèi)星數(shù)傳調(diào)度問題求解方法[J].宇航學(xué)報(bào). 2011, 32 (4): 863-870.

JING F, WANG J, LI J, et al. A new scheduling method for multi-satellite data transmission based on squeaky-wheel optimization[J].Journal of Astronautics,2011,32(4): 863-870.

[13] LI Y Q, WANG R X, LIU Y, et al. Satellite range scheduling with the priority constraint: an improved genetic algorithm using a station ID encoding method[J]. Chinese Journal of Aeronautics, 2015, 28(3): 789-803.

[14] HOWARD R A. Dynamic programming[J]. Management Science, 1966,12(5):317-348.

[15] 黃明, 王佳, 梁旭. 雙閾值控制的遺傳算法求解作業(yè)車間調(diào)度問題[J]. 計(jì)算機(jī)集成制造系統(tǒng), 2007, 13(2): 329-332.

HUANG M, WANG J, LIANG X. Genetic algorithm controlled by two thresholds for job shop scheduling problem[J].Computer Integrated Manufacturing System,2007,13(2):329-332.