基于异质图学习的大规模卫星任务动态约束冲突消解方法及系统

AITNT
正文
推荐专利
基于异质图学习的大规模卫星任务动态约束冲突消解方法及系统
申请号:CN202411514367
申请日期:2024-10-29
公开号:CN119514935B
公开日期:2025-11-14
类型:发明专利
摘要
本发明提出了一种基于异质图学习的大规模卫星任务动态约束冲突消解方法及系统,包括:针对任务规划问题进行数学描述,设计优化目标函数;针对约束进行特点分析和数学表达;针对静态约束构建卫星任务静态约束冲突图模型;针对动态约束构建卫星任务动态约束冲突图模型;对静态约束冲突图模型求解;针对动态约束冲突图模型进行求解,获得的卫星任务选择概率;对卫星任务进行决策优化,最终得到卫星任务规划结果。本发明实现了多星大规模密集任务的高效调度和分配决策,解决了在密集任务下的多星任务规划过程中,对约束排查和冲突消解的高效计算问题,极大减少了多星任务规划求解过程中的冲突消解次数。
技术关键词
冲突消解方法 动态 异质 规划 决策 节点特征 网络结构设计 卫星姿态角 数学 矩阵 惩罚策略 生成算法 注意力机制 非监督 输入模块
系统为您推荐了相关专利信息
1
一种基于多模态深度学习与域适应的机床热误差预测方法
多模态深度学习 融合特征 深度迁移学习 多模态特征融合 时序依赖关系
2
基于双流混合网络的代码推荐方法及装置
代码推荐方法 时序 混合网络 语法特征 融合特征
3
一种运动可分辨的无透镜动态成像系统及方法
动态成像系统 图像传感器 图像处理设备 激光光源 重建算法
4
半导体光源和测量方法
半导体光源 支路 光电子半导体芯片 控制单元 执行故障分析
5
一种基于网络流的多阶段耦合任务分配方法及系统
任务分配方法 节点 客户 任务分配模型 网络
添加客服微信openai178,进AITNT官方交流群
驱动智慧未来:提供一站式AI转型解决方案
沪ICP备2023015588号