(19)中华 人民共和国 国家知识产权局 (12)发明 专利申请 (10)申请公布号 (43)申请公布日 (21)申请 号 202111668121.X (22)申请日 2021.12.3 0 (71)申请人 西安建筑科技大 学 地址 710055 陕西省西安市碑林区雁塔路 13号 (72)发明人 刘润滋　徐航昆　吴伟华　赵素文　 (74)专利代理 机构 西安通大专利代理有限责任 公司 6120 0 代理人 李红霖 (51)Int.Cl. G06Q 10/06(2012.01) G06N 3/08(2006.01) G06N 3/04(2006.01) (54)发明名称 一种基于图学习的空间信息网络遥感任务 规划方法 (57)摘要 本发明公开了一种基于图学习的空间信息 网络遥感任务规划方法， 包括以下步骤： 1)初始 化空间信息网络参数； 2)基于图学习训练评价函 数Q； 3)利用训练后的评价函数Q求解空间信息网 络遥感任务规划问题， 再根据求解结果进行空间 信息网络遥感任务规划， 该方法能够基于机器学 习挖掘空间信息网络遥感任务与资源匹配的内 在规律， 从而实现高效地遥感任务 规划。 权利要求书3页 说明书8页 附图5页 CN 114331172 A 2022.04.12 CN 114331172 A 1.一种基于图学习的空间信息网络 遥感任务 规划方法， 其特 征在于， 包括以下步骤： 1)初始化空间信息网络参数； 2)基于图学习训练评价 函数Q； 3)利用训练后的评价函数Q求解空间信息网络遥感任务规划问题， 再根据求解结果进 行空间信息网络 遥感任务 规划。 2.根据权利要求1所述的基于图学习的空间信 息网络遥感任务规划方法， 其特征在于， 步骤1)的具体操作为： 1a)初始化空间信息网络资源参数； 1b)初始化空间信息网络任务 参数。 3.根据权利要求2所述的基于图学习的空间信 息网络遥感任务规划方法， 其特征在于， 步骤1a)中， 所述空间信息网络资源参数包括遥感卫星集合S＝{1,2,...,s,...}， 其中， s表 示第s颗遥感卫星， 将空间信息网络的任务规划周期TH划分为T个等长时隙， TH＝{1,2, …, t,…,T}。 4.根据权利要求2所述的基于图学习的空间信 息网络遥感任务规划方法， 其特征在于， 步骤1b)的具体操作为： 1b1)初始化训练样本任务集Γ＝{M1,M2,...,Mr,...}， 其中， Mr表示第r个样本任务集 合； 1b2)初始化待规划任务 集合M0； 1b3)初始化任务参数， 对于空间信息网络中任一遥感任务集合M∈Γ∪{M0}， M＝{1, 2,…,m,…}， 其中， m表 示第m个遥感任务， 将每一个任务通过一个五维元 组表示， 其中， 对于 第m个任务， m＝[bm,pm,stm,etm,wm]， bm表示第m个任务的观测目标， pm表示遥感任务完成任 务m所需的观测时间， [stm,etm]为任务m的执行窗口， stm及etm分别表示任务m的最早开始时 间和最晚结束时间， wm表示任务m成功执 行后所获得的收益。 5.根据权利要求1所述的基于图学习的空间信 息网络遥感任务规划方法， 其特征在于， 步骤2)中所述的基于图学习训练评价 函数Q的具体过程 为： 2a)初始化经验回放存储空间∏， 回合数e＝1， 初始化神经网络参数Θ＝( θ1, θ2, θ3, θ4, θ5)， 其中， θ1～ θ5的初始值 为θ1＝0p×q， θ2, θ4, θ5＝0q×q， θ3＝02q， p、 q为可配置的正整数； 2b)从空间信息网络训练任务 集合Γ中抽取第e个任务 集合Me； 2c)基于任务 集合Me构造资源冲突图CG(V,E)； 2d) 初始化计数器τ＝1 ， 初始化最大权重独立集问题的局部解 令 其中， 表示资源冲突图CG(V,E)删除局部解ISτ 内顶点及其邻居后得到的子图， 表示顶点集合V删除局部解ISτ内顶点后剩余的顶点集 合， 表示删除局部解ISτ内顶点与邻居的边的集合， 基于评价函数Q初始化图 所有 顶点的Q值； 2e)当 则转至步骤2f)， 否则， 则转至步骤2m)； 2f)寻找添加到局部解的点vτ：权　利　要　求　书 1/3 页 2 CN 114331172 A 2其中， ε为 算法贪婪度， ε∈(0,1)； 2g)将顶点vτ加入到局部解中， 即ISτ+1＝ISτ∪{vτ}， 从资源冲突图子图 中删除顶 点vτ及其邻居顶点； 2h)当τ ≥n， 则转至步骤2i)， 否则， 则转至步骤2k)， n为正整数， n表示多步Q学习中每次 学习的步数； 2i)基于图嵌入方法计算资源冲突图子图 中所有顶点的Q值Q(ISτ,vτ； Θ)， 其中， Θ为深度神经网络训练参数； 2j)将元组(ISτ‑n,vτ‑n,Rτ‑n,ISτ)加入到经验回放存储空间∏中， 其中， ISτ‑n表示第 τ‑n步 时的局部解， vτ‑n表示第 τ‑n步时所选取的顶点， Rτ‑n, τ表示第 τ‑n步时的总体收益， ISτ表示第 τ 步时的局部解； 2k)从经验回放存储空间∏中随机抽取样本， 并根据抽取的样本构建集合B， 然后基于 梯度下降法使用集 合B中的样本训练更新Θ值； 2l)更新迭代次数， 令 τ ＝ τ +1， 再转至步骤2e)； 2m)更新训练回合数， 令e＝e+1； 2n)当e<|Γ|， 则转至步骤2b)， 否则， 则转至步骤2o)； 2o)输出参数Θ及评价 函数Q(IS,v； Θ)。 6.根据权利要求5所述的基于图学习的空间信 息网络遥感任务规划方法， 其特征在于， 步骤2i)中计算资源冲突图子图 中所有顶点的Q 值的具体步骤为： 2i1)输入资源冲 突图子图 图中所有顶点v的属性yv、 局部解IS以及参数Θ＝( θ1, θ2, θ3, θ4, θ5)； 2i2)初始化迭代次数k ＝1， 初始化顶点 的嵌入向量 2 i 3 ) 对 图 中 的 每 个 顶 点 进 行 一 次 信 息 嵌 入 ，即 对 于 任 意 令 其中， N(v)表示顶点v在图 中所有邻 居顶点的集合， relu()为线性整流 函数； 2i4)更新迭代次数， 令k ＝k+1； 2i5)当k≤K， 则转至步骤2i3)， 否则， 则转至步骤2i6)， K为 最大迭代次数； 2i6)输出 7.根据权利要求5所述的基于图学习的空间信 息网络遥感任务规划方法， 其特征在于， 步骤2c)中基于任务 集合M构造空间信息网络资源冲突图的具体步骤为： 2c1)输入空间信息 网络场景参数S及TH， 基于任务集合M构造所有可行资源分配方案集 合X， 其中， 当资源分配方案 则表示资源分配方案t时隙观测卫星s开始观测任务m 是可行的； 2c2)将待构造的空间信息网络的资源时变图CG(V,E)初始化为一张空白的T层图， 其权　利　要　求　书 2/3 页 3 CN 114331172 A 3