买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

龙图腾网恭喜合肥工业大学申请的专利考虑最大收益和负载均衡的分布式多星任务规划方法获国家发明授权专利权，本发明授权专利权由国家知识产权局授予，授权公告号为：CN114997611B 。

龙图腾网通过国家知识产权局官网在2025-04-29发布的发明授权授权公告中获悉：该发明授权的专利申请号/专利号为：202210542792.X，技术领域涉及：G06Q10/0631；该发明授权考虑最大收益和负载均衡的分布式多星任务规划方法是由胡笑旋;程一玲;唐玉芳;伍艺;邢立刚设计研发完成，并于2022-05-18向国家知识产权局提交的专利申请。

本考虑最大收益和负载均衡的分布式多星任务规划方法在说明书摘要公布了：本发明提供一种考虑最大收益和负载均衡的分布式多星任务规划方法和系统，涉及多星任务规划技术领域。本发明中，获取卫星资源集合和待观测的任务集合；结合预设的最大化总观测收益目标和星群负载均衡目标的多星任务规划模型，获取多星任务规划的多个可行解；采用分布式协同进化粒子群算法获取最终的分布式多星任务协同观测规划方案。考虑分布式卫星负载均衡，构建多星任务规划模型；设计分布式协同进化粒子群算法，分粒子协同进化再随机匹配冲突消解，得到完整的新粒子，改善了种群多样性，同时引入成对竞争机制，增加了粒子社会学习的来源，避免出现“早熟”收敛的情况，从而获得更好的分布式多星任务协同观测规划方案，提高卫星资源利用效率。

本发明授权考虑最大收益和负载均衡的分布式多星任务规划方法在权利要求书中公布了：1.一种考虑最大收益和负载均衡的分布式多星任务规划方法，其特征在于，包括：S1、获取卫星资源集合和待观测的任务集合；S2、根据所述卫星资源集合和任务集合，结合预设的最大化总观测收益目标和星群负载均衡目标的多星任务规划模型，获取多星任务规划的多个可行解；S3、根据多个所述可行解，采用分布式协同进化粒子群算法获取最终的分布式多星任务协同观测规划方案；所述S2中的多星任务规划模型，包括：最大化总观测收益目标和星群负载均衡目标的目标函数： 其中，λ1、λ2分别表示总观测收益目标和星群负载均衡目标的权重；卫星资源集合，NS为卫星资源的数量；待观测任务集合，NT为任务的数量；为任务ti在卫星Sj上可见时间窗的数量； 为决策变量， pi为任务ti的观测收益；CTj为卫星Sj观测调度的任务数；LD为星群负载均衡评价值，即规划方案中各卫星完成任务数量的标准差大小： 所述S3中多星任务规划模型，还包括约束条件： otsij+duri＝oteij7其中，公式4表示一个任务最多被观测一次；公式5表示任务观测时需要满足时间窗要求，即任务的执行时间窗要在可见时间窗之内；为任务ti在卫星Sj上第a个可见时间窗；为任务ti在卫星Sj上第a个可见时间窗开始时间；为任务ti在卫星Sj上第a个可见时间窗结束时间；公式6表示连续观测任务时间间隔约束；tri,i+1为卫星Sj上卫星传感器观测任务ti和任务ti+1间的姿态转换时间；公式7表示任务的观测结束时间等于观测开始时间与任务观测持续时间之和；duri为卫星Sj上卫星传感器对任务ti的观测持续时间；otsij、oteij分别代表任务ti在卫星Sj上的实际观测的开始时间和结束时间；所述S3具体包括：S31、令t＝0；将每个初始解作为一个粒子放入初始粒子种群，粒子总数为TK，TK＝K·NS；随机初始化整个种群中每个粒子的位置和速度；S32、将所述初始粒子种群中的每个粒子ptk的基因矩阵按照卫星序号拆分成条状，得到卫星Sj对应的分粒子基因向量dptkj，构成分粒子基因向量集合TDPj＝{dp1j,…,dptkj,…,dpTKj}；所述基因矩阵包括序号矩阵和权值矩阵；S33、计算分粒子基因向量dptkj中所有分粒子的适应度值； 其中，为第t代分粒子dptkj的适应度值；wtk,j,m为权值矩阵中的元素，即分粒子ptkj对应的方案中卫星Sj第m个观测任务的权值；并从分粒子基因向量集合TDPj中，按照精英选择策略选取K个分粒子组成初始的分种群DPj＝{dp1j,…,dpkj,…,dpKj}，共得到NS个初始分种群：DP1,…,DPj,…,DPNS；S34、定义初始的分种群DPj中分粒子的初始位置及其适应度值分别为对于初始的分种群DPj中适应度值最大的分粒子，将其位置和评价值分别定义为gBesttj和针对初始的分种群DPj，采用预设的移动公式，执行分粒子协同进化更新分粒子的速度和位置；S35、依次选择当前分钟群中的分粒子dpkj，随机从其他当前分种群中各选取一个分粒子组成准粒子qpk，然后进行匹配冲突消解，得到完整的粒子，每个卫星Sj得到子种群Pj,j＝1,2,…,NS，子种群Pj的粒子数量为K；S36、计算每个子种群Pj中各个粒子pk的位置及其适应度值从而确定每个子种群Pj中适应度值最大的粒子的位置及其适应度值AItgBestj；确定AItgBestj最小的第一子种群Pj、以及AItgBestj最大的第二子种群Pj，将所述第一子种群Pj中适应度值最小的粒子，与第二子种群Pj中随机选择一个粒子进行交换；S37、采用所述移动公式更新整个子种群Pj中所有粒子的速度和位置；S38、计算当前子种群Pj中每个粒子pk的当前适应度值更新与 S39、当迭代次数达到预设最大进化次数Nmax，或者种群收敛系数达到预设阀值ε0时停止迭代，比较各个当前子种群对应的AIgBestj，确定当前初始粒子种群TP的全局最优位置及其适应度值gBestt、AIgBest，解码对应的粒子获取最终的分布式多星任务协同观测规划方案；否则，合并各个当前子种群Pj得到粒子群并作为下一次迭代过程中的初始粒子种群TP，令t＝t+1，返回S32。

如需购买、转让、实施、许可或投资类似专利技术，可联系本专利的申请人或专利权人合肥工业大学，其通讯地址为：230009 安徽省合肥市包河区屯溪路193号；或者联系龙图腾网官方客服，联系龙图腾网可拨打电话0551-65771310或微信搜索“龙图腾网”。