基于免疫克隆选择的天基预警调度研究#
姜维*
基金项目：高等学校博士学科点专项科研基金资助课题（200802131048）
作者简介：姜维，（1978-），男，讲师，博士后，主要研究方向：军事运筹与仿真、电子商务、数据挖掘.
E-mail: mailzero@126.com
（哈尔滨工业大学信息管理与信息系统研究所，哈尔滨 150001）
5 摘要：天基预警调度问题属于连续多目标跟踪问题，预警任务具有高实时性、动态性、多星
协作等特点。因调度的决策要素、优化目标和约束条件较多，作为NP-hard 问题，往往需要
采用进化计算、禁忌搜索、粒子群算法等智能优化算法求解该非线性优化问题，本文采用克
隆选择算法求解，进一步利用到决策的序列特性和局部特性，提高求解性能。该算法易于实
现分布式并行计算，从而对提高算法的实际收敛时间和鲁棒性上具有现实应用意义。
10 关键词：天基预警；克隆选择；预警调度；多目标模型
中图分类号：TP391.4;V474.2
 30 0 引言
天基预警系统由多层预警卫星星座组网协同工作，通过星载探测器，如红外传感器，获
得对弹道导弹到达角（方位、俯仰）测量信息、估算导弹落地点、落地时间以及导弹类型等
信息，实现对目标发射的监视、跟踪、弹道估计与预报等功能[1]。
考虑到星载探测器资源和弹道导弹目标的特性，天基预警资源调度问题和一般的对地观
35 测卫星的资源调度问题有着较大的区别，主要体现在以下几点[2]：（1）预警任务具有高实
时性要求。由于导弹目标的弹道轨迹无法事先确定，当一个导弹目标被扫描发现后，需要立
即启动相应的凝视探测器完成对该目标的预警任务；（2）预警任务具有动态性。敌方导弹
目标的发射是不确定的，无法对目标的发射时间、地点、导弹轨迹做事先预测，因此调度过
程应在线实时进行；（3）预警任务需要多星协作完成。在整个导弹飞行其内，将由几颗预
40 警卫星接力，完成对弹道导弹的整个飞行过程的跟踪探测任务。
天基预警调度相关研究报道不多。在卫星系统建设上，美国、俄国的预警系统相对成熟，
但仍在不断完善之中，而法国等国家正在起步阶段，有关调度的理论研究主要可划分两个方
 面，一是调度模型研究，二是调度算法研究。调度模型方面主要研究调度中的优化目标和约
束条件问题，如美国国家航空航天管理局（NASA）的A1.Globus[3]讨论了一般的多颗对地
45 观测卫星任务规划问题，考虑了任务需求的优先级、以及每颗观测卫星具有多个遥感设备资
源的约束条件，但没有考虑卫星的存储容量限制，下传数据等因素。NASA 的J.Frank[4]等考
虑了如观测需求的优先级、卫星存储容量限制、数据下传的速率限制等大多约束，并给出了
一种基于约束的模型表示和描述方法，单该方法只能处理一些小规模的任务规划问题[5]。对
地观测卫星的调度问题通常是NP 完全问题，其求解过程复杂，随着调度问题规模的增大，
50 其求解难度急剧增加，因此传统的调度问题最优化求解方法（包括数学规划方法、分支定界
法和消去法）不能适应该调度问题对实时性的要求。目前，大部分研究人员提出采用智能搜
索方法、启发式方法、基于多主体的调度方法等次优化求解方法，寻找该问题的满意解。在
调度算法方面，Crawford[6]等人对卫星资源调度中的遗传算法、随机爬山算法、模拟退火算
法等算法以及进化算法中突变与交换的不同方式进行了比较。
55 在国内，阎志伟等对预警卫星的传感器调度进行了研究，提出了传感器管理调度的系统
组成，建立起相应的数学模型，定义了评价指标。结合并行遗传算法和禁忌搜索的特点，提
出了一种新的解决预警卫星传感器调度问题的并行禁忌遗传算法[7]。郭浩波等结合遗传算法
和模拟退火算法的特点，提出了一种新的解决导弹预警卫星传感器调度问题的遗传模拟退火
算法[8]。上述两个模型主要集中在高轨卫星建模，而何俊[2]在此基础上，考虑了高轨卫星与
60 低轨卫星形成多层星座组网协同工作，建立相应约束满足问题（CSP）数学模型，并采用禁
忌遗传算法求解。冯明月等采用一种基于关键点的任务分解方法，将其转换为可求解的组合
优化问题，建立了问题的约束满足模型[9]；设计了一种基于周期与事件相结合的调度策略，
根据系统对时效性的要求，探索了一种基于规则的调度算法[10]。
本文主要阐述基于克隆选择法的天基预警调度算法，以期丰富调度模型求解算法，此外
65 通过调度决策的序列特性，可进一步提高最佳接的收敛效率和提高调度算法的鲁棒性。此外，
在实际应用中，克隆选择算法本身支持分布式并行计算，可以通过在机群上计算提高实际应
用系统的绝对收敛时间和鲁棒性。近十几年对智能求解算法的研究所取的成果表明，想寻找
通用的高效求解算法非常困难，因此有必要通过修改计算的方式，如并行计算，通过计算能
力的提高，提高在允许求解时间内（如预警问题可设置3 秒钟）内的求解性能。针对预警这
70 一实际应用问题，寻找最佳求解方案至关重要。最后本文以SBIRS 预警系统作为仿真参考
背景，基于STK 的分布式仿真系统，对算法进行初步仿真验证。
1 天基预警系统调度问题
天基预警系统主要由预警指挥控制中心、预警卫星系统以及预警通信系统等组成，其主
要作用是提高外层空间态势感知信息的及时性和准确性，具有快速攻击识别和报告功能。以
75 SBIRS 系统为例1，如图1 所示，SBIRS 包括高轨和低轨卫星两部分，高轨卫星部分由5 颗
地球同步轨道卫星 （GEO）和2 颗在大椭圆轨道（HEO）的卫星。而低轨道（LEO）部分
由24 颗星座，轨高约1600km。传感器是星上的有效工作载荷，用于数据采集。
1 有些文献报道或有不同，但这不影响本文问题的研究。
 80 图1 SBIRS 仿真场景示意图
Fig.1 the Scenario Demonstration of SBIRS
预警卫星的关键载荷是覆盖各个谱段的不同动作能力的传感器，其中高轨卫星均采用红
外探测原理的扫描型传感器和凝视型传感器，低轨卫星采用扫描型传感器、凝视型传感器、
85 可见光传感器。各类传感器的设置是为了有效依据导弹飞行各阶段所展现的特征进行探测。
探测数据经过数据接收站传送至地面数据处理中心，地面系统实现预警资源的调度。卫星传
感器探测导弹目标受影响因素较多，如传感器探测能力、云层影响、太阳致盲角、敌方导弹
隐身设计等，所采集信息往往具有一定噪声，导弹飞行特征逐步展现，使得获取信息不完全。
高轨卫星对于导弹主动段的探测只能获取导弹的大致信息，精确的信息需要进一步跟踪。导
90 弹飞行过程中还有很多不确定性因素，包括轨道机动、多弹头机动等因素，因此对于导弹的
跟踪过程往往是一个持续的过程。
预警任务的调度过程是根据当前时空环境综合调度预警资源的过程，包括高轨卫星、低
轨卫星，甚至还包括地面站、雷达等。理论上讲，时间的连续性，决定调度过程属于连续决
策过程，但实际上，由于探测设备获取信息、星地数传、设备数据处理都需要时间，这种延
95 迟使得典型的建模方法依据按照时间离散采样，可将调度过程视为一个往复调度决策过程，
即相当对于场景不断离散采样，依据每个采样点进行调度的过程。图2 将预警过程视为离散
时序调度过程。
100 图2 SBIRS 离散时间序列调度示意图
Fig.2 the Demonstration of Discreted Scheduling Sequence
在图2 时间轴中，设当前时刻为T，则T 之前的信息已知。考虑到预警资源存在响应时
间，有必要根据一定预测，如T+1、T+2 时刻，提前在T 时刻下达指令。显然T 时刻的方案
105 影响后续预测的结果，而后续可能出现的结果反过来又影响T 时刻的方案选择过程。
 2 基于克隆选择算法的模型求解
2.1 模型求解问题映射
对于预警任务的优化目标也有多个，由于问题军事敏感性，本文仅阐述现有文献报道的
优化目标，这对本文的理论研究定性影响不大，仅在实际结果数据定量上有些影响，调度目
110 标可包括尽可能跟踪更多导弹目标、尽可能最优利用资源、尽可能获取更多导弹信息。
在卫星调度问题中，真正完成任务的是星载传感器而不是卫星本身，故每一个传感器实
际上是一个独立的资源。篇幅关系，下面仅给出调度中的一些基本的约束条件：1）资源能
力。凝视型和跟踪型传感器的工作原理，限定了每个传感器在任何时候只能执行一个凝视或
跟踪任务；2）可探测时间。导弹目标必须在传感器探测范围内，才可进行探测；3）凝视或
115 跟踪时间长度。传感器应该凝视或跟踪目标的时间长度主要取决于探测设备的能力和探测精
度的要求；4）多卫星协调。预警卫星系统的高轨、大椭、低轨卫星之间存在协作关系；5）
传感器切换时间。前后两次探测任务的观测角度不同时，调整传感器需要所耗费时间；6）
立体跟踪要求。由于弹道测算的需要，往往需要双星或者多星进行跟踪；7）太阳光照条件。
对于光学成像设备而言，在观测目标时，对太阳光照条件有一定的要求；8）资源消耗。卫
120 星的姿态调整与传感器旋转、对准目标的操作必须消耗能量，受卫星能量限制；9）数据记
录与下传。传感器探测数据需要传回地面站处理，若地面站不在有效范围内，可以通过中继
通信卫星传回地面站，由于预警任务的时效性，对于数传存在要求。
模型求解主要是指，利用求解算法计算上述模型的最优解的过程。前文已说明目前主要
采用智能搜索算法。以遗传算法为例：模型的多个优化目标，通常通过加权法形成单个优化
125 目标，并且将将单个优化目标的各个具体参数指标量化，即可计算的指标。单个优化目标经
过函数映射后形成个体的适应度；模型的约束条件在遗传算法中可作为个体是否可生存的判
别。如果个体不满足约束条件，则个体无法生存，反之可以生存。只有可以生存的个体才能
参与遗传算法的进化计算过程。与遗传算法类似，在克隆选择算法[11]中，模型的优化目标
转换为免疫细胞的亲和力，而约束条件则形成免疫细胞是否生存的条件。
130 2.2 克隆选择算法求解
在免疫克隆选择算法[11]中，免疫细胞的编码和亲和力计算函数最为重要。图2 中已经
学术论文网Tag：