一种面向业务优先级的ATDM卫星通信调度方法

一种面向业务优先级的atdm卫星通信调度方法
技术领域
1.本发明涉及一种面向业务优先级的atdm卫星通信调度方法，属于卫星通信技术领域。


背景技术：

2.卫星通信在应急通信、全球定位、军事、机载、航运等领域都处于十分关键的地位，这是因为卫星网络与传统地面网络相比，具有组网不受地理因素限制，覆盖范围没有盲区等诸多优点。早期，用户终端主要用于提供特定业务，如语音业务，数据业务等，而随着多媒体业务与卫星通信技术的发展，卫星通信能够实时处理各种音频、视频等业务，组网卫星的增多和任务请求的增加，卫星通信资源分配变得越来越复杂，分配的复杂性体现在，除了需要为任务选择资源之外，还需要考虑对多个任务进行优化组合，问题求解空间的规模随着任务和卫星数量的增长而急剧扩大。
3.目前，各行各业对卫星通信的需求也越来越大，空间业务量的爆发式增长，接入终端数量的不断增多使卫星通信容量趋近饱和状态，卫星通信系统面临的压力巨大。星上资源有限且卫星通信成本较高，资源分配不仅要考虑资源的利用率，还要充分考虑不同业务的服务质量(quality of service，qos)需求。因此需要在满足用户需求的同时，须对有限的卫星资源进行合理调度。
4.卫星调度问题(satellite scheduling problem，ssp)，是指在一定的调度时间周期内，在满足资源约束和调度时间窗口要求的条件下，面向卫星任务分配所需资源的过程，动态调度通常是是一个np hard问题。卫星资源调度问题属于典型的资源调度问题，在系统工程与管理科学领域得到广泛研究，当前常用的三类方法分别是确定性优化方法、基于约束的调度方法和智能调度方法。
5.确定性优化方法也称精确算法，包含了分支定界、动态规划、整数规划等方法，大部分是使用不完全算法在限定时间内求出近似解的方法，计算复杂性大，适用范围小，缺乏工程实用性。另一部分是根据约束条件，求出精确解的算法，但随着调度资源与终端数目的增加，最终达到惊人运算量，很难在限定时间内求解。例如西班牙的学者vazquez，rafael等设计一种整数线性规划程序，根据发出请求客户的成本函数来考虑用户优先级，为卫星用户分配天线时隙资源。
6.基于约束的调度是一种对部分可行调度解通过枚举得到最优调度的方法，实质是枚举优化方法，算法实现门槛较低，但效率较低，对于中等规模以上问题会无法起到作用。例如frank和dungan使用约束优化对卫星成像的调度问题描述，采用cbi框架(constraint-based interval)对卫星成像调度进行标识，而后的求解采取了基于随机搜索的贪婪算法，虽然未给出具体算法实现方法，但特点在于对数据下传和存储器的使用情况进行了数学建模并且考虑到任务等级问题。智能调度算法则成为近年多数学者研究的重点，本质上是一种基于统计优化的调度方法，主要通过数值的计算体现系统智能行为，本身存在一定的枚举特性，最优解收敛时间在可接收范围内，代表性算法主要有：免疫遗传算法、模拟退火算
法、蚁群算法等。例如印度学者rao和soma研究了印度的istrac(isro telemetry tracking and comm and network)，提出利用冲突消解方法解决卫星地面站时间窗口重叠，并基于遗传算法进行调度。
7.上述三种方法都有着一定的局限性，随着卫星资源调度模型中的业务量增大，前两种方法虽然可以得到较精确地最优解，但计算量巨大，规定时长往往得不到最优解；第三种方法，在规定的时长往往都能使得目标函数的解收敛于某一数值，当业务量增大时，其求得最优解概率下降，结果不如前两种方法的理想。
8.从研究问题上，上述研究都从具体的约束出发，基于不同的应用场景建立资源调度模型，并提出确定性优化算法或智能调度算法求解资源调度问题，但是这些算法仅适用于特定网络场景，不能很好地适用于宽带卫星通信系统的资源调度。另外，针对宽带卫星通信系统资源分配问题，一部分研究基于tdm机制的前向链路、返向链路以带宽、功率为优化目标进行优化，资源分配优先级匹配度不高；还有一部分研究考虑了业务优先级、用户优先级；基于atdm机制的卫星通信前向链路资源调度问题研究甚少。
9.资源调度的核心是资源调度算法，其中，智能调度算法则成为近年多数学者研究的重点，常用的有遗传算法、蚁群优化算法、粒子群算法以及它们的组合，这些算法对于一般的资源调度能够达到很好的优化效果，但在atdm卫星通信系统条件下，算法的复杂度较高，算法的收敛速度和优化效果有待提高，因此需要在算法的优化性能和复杂度之间进行考虑。
10.因此，如何设计资源分配方法使所有业务在最短时间内合理完成资源分配成为亟待解决的问题。


技术实现要素：

11.目的：为了克服现有技术中存在的不足，本发明提供一种面向业务优先级的atdm卫星通信调度方法。
12.技术方案：为解决上述技术问题，本发明采用的技术方案为：
13.一种面向业务优先级的atdm卫星通信调度方法，包括如下步骤：
14.步骤1：接收p个业务，根据业务的优先级g
x
和用户优先级au，计算优先级权值y，根据y大小将业务在子队列中排序，并对排序后的业务按1-p进行编号。
15.步骤2：初始化以下参数，κ＝0，surplus＝0，v0＝v
p
，subframe＝0；κ为缓冲队列里的业务总数，surplus为没有占满整个子帧的业务剩余量，v0为子帧中的业务传输速率，subframe为记录缓冲队列已调度业务所占子帧数，v
p
为进入缓冲队列的业务p传输速率。
16.步骤3：根据子队列业务排列，依次调度业务p进入缓冲队列，缓冲队列的κ个业务按照调制编码模式m大小排序。
17.步骤4：判断κ个业务中业务w的传输速率vw是否小于等于v0，若小于等于，更新v0＝vw，否则，不更新，依次传输缓冲队列κ个业务，进行填帧。
18.步骤5：当业务w进行填帧时，识别业务w的传输速率vw和业务量dw。
19.步骤6：根据计算业务w所占子帧数z，t为子帧时长，记录业务剩余数据量surplus；判断z是否大于等于1，若是，则计入缓冲队列的总子帧数subframe，进入步骤7；否
则，p＝p+1，进行步骤3。
20.步骤7：当缓冲队列的总子帧数subframe《s，继续调度，进入步骤3，s为子帧总数；subframe》s，则进入步骤8；subframe＝s，则此序列为一个复帧的初始解i＝(φ,k)，k表示该复帧中传输业务的个数，φ为解向量[φ1,φ2,...,φk],φ∈x，表示k个业务在该复帧中传输的序列，进入步骤9。
[0021]
步骤8：将缓冲队列中的业务w放置到缓冲队列最后，其他业务排序不变，选取业务w+1进入步骤4。
[0022]
步骤9：将i作为蚁群算法的初始解集，令时间t＝0和循环次数nc＝0，设置最大循环次数g，将ω个蚂蚁置于κ个业务上，每条边(i，j)的初始化信息素τ
ij
(t)＝c，其中c表示常数，且初始时刻δτ
ij
(0)＝0。
[0023]
步骤10：循环次数nc＝nc+1，蚂蚁的禁忌表索引号k＝1，蚂蚁数目k＝k+1。
[0024]
步骤11：蚂蚁个体根据状态转移概率计算的概率选择业务j并前进，j∈{jk(i)}，jk(i)表示蚂蚁k在传输业务i后下一步允许选择的业务集合。
[0025]
步骤12：修改禁忌表指针，将蚂蚁移动到新的业务，并把该业务移动到该蚂蚁个体的禁忌表中。
[0026]
步骤13：若集合φ中的业务未遍历完，k《ω，则跳转到步骤10；否则，执行步骤14。
[0027]
步骤14：记录本次迭代最佳路线，根据信息素更新公式更新每条路径上的信息量。
[0028]
步骤15：若循环次数nc≥g，则循环结束并输出优化结果ik，完成1个复帧的封装，若q个复帧调度完成，本轮业务调度完成：否则返回步骤3，继续调度至q个复帧；若循环次数nc＜g，则清空禁忌表，并跳转到步骤10。
[0029]
作为优选方案，优先级权值y计算公式如下：
[0030][0031]
其中，au表示用户u优先级，g
x
表示x业务的业务等级，a
max
表示用户最高优选级。
[0032]
作为优选方案，状态转移概率计算公式如下：
[0033][0034]
其中，α为信息素启发值权重，η
ij
为表示传输业务i后选择业务j传输的期望程度；β为期望启发值权重，τ
ij
为复帧中传输业务i后，选择传输业务时j的信息素浓度，τ
is
为复帧中传输业务i后，选择传输业务s时的信息素浓度；η
is
为表示传输业务i后选择业务s传输的期望程度；s∈jk(i)，jk(i)表示蚂蚁k在传输业务i后下一步允许选择的业务集合。
[0035]
作为优选方案，
[0036]
其中，a
max
、g
max
分别为最大用户优先级、最大业务优先级；ai表示i业务的用户优先级，aj表示j业务的用户优先级；gi表示业务i的优先级，gj表示业务j的优先级。
[0037]
作为优选方案，信息素更新公式计算如下：
[0038]
τ
ij
(t+n)＝(1-ρ)
·
τ
ij
(t)+δτ
ij
[0039]
其中，n表示迭代次数，ρ表示路径上信息素的蒸发系数，δτ
ij
表示本次迭代中业务ij上信息素的增量。
[0040]
作为优选方案，
[0041]
其中，表示第k只蚂蚁在本次迭代中留在边ij上的信息素量，ω指蚂蚁总数量。
[0042]
作为优选方案，
[0043]
表示为：
[0044][0045]
其中，为业务i、j的平均权值，c为正常数，fk表示第k只蚂蚁在本次周游中所走过路径的大小，l
nc
表示迭代到nc次为止的路径的最大值。
[0046]
作为优选方案，
[0047][0048]
其中，a
max
为最大用户优先级；ai表示i业务的用户优先级，aj表示j业务的用户优先级；gi表示业务i的优先级，gj表示业务j的优先级。
[0049]
作为优选方案，
[0050][0051]
其中，表示第k只蚂蚁在本次周游中所走过路径的u用户的x业务在该复帧传输的业务量，u表示用户，u表示用户总数量，x表示业务，x表示业务总数量，au表示用户u优先级，a
max
表示用户最高优选级，g
x
表示x业务的业务等级。
[0052]
作为优选方案，求解fk时，要满足如下约束条件：
[0053][0054][0055][0056][0057]
[0058][0059][0060][0061]
其中，s表示第s个子帧，s∈[1,2,
……
,s]；s表示一个复帧内的子帧总数；u用户标识，表示第u个用户，u∈[1,2,
…
,u]；u为用户总数；x为业务个数，表示第x个业务，x∈[1,2,
……
,x]；x为业务总数；au表示用户u优先级，au∈[1,2,
……
,a
max
]；g
x
表示x业务的业务等级，g
x
∈[1,2,
……
,g
max
]；d
u,x
表示u用户的x业务在该复帧传输的业务量；表示用户u的x业务在s子帧中的传输时间占子帧总传输时间的比例；v(m)表示第m种调制编码模式的速率；表示子帧中调制编码模式标识，如果s子帧选用的m调制编码模式，否则，m表示第m调制编码模式，表示u用户能够支持的最高调制编码模式；t表示一个子帧的总时长；表示用户u的x业务在本轮调度周期开始的待发比特数；表示用户u占用子帧标识，表示用户u占用s子帧，表示用户u不占用s子帧，α
s,u
表示用户u在s子帧的占比，取值大小为0～1，sgn(δ)表示符号函数，有表示第s+1个子帧的调制编码模式；v
as
表示整个前向atdm载波信息速率；y表示业务x兼用户优先级后的权值；h为s中所以业务的集合，包含未全部传输完成的业务，b表示本次调度剩余业务集合，h∩b＝[1,2,...,x]。
[0062]
有益效果：本发明提供的一种面向业务优先级的atdm卫星通信调度方法，根据系统模型同时考虑了业务优先级、用户优先级以及系统吞吐量，建立目标函数，确定约束条件，提出了一种改进蚁群算法对模型求解。由于蚁群算法初始阶段信息素匮乏导致的搜索速度过慢以及局部搜索能力较弱等特点严重制约该算法在实时性、高效性需求较强的卫星调度过程中的应用，故对其改进，提出以初始解集构造、增强全局搜索为核心的改进蚁群优化算法。
[0063]
本发明在中心站必须采用合适的资源调度算法，保证系统性能。在可以接受的时长范围内，准确求得最优解。调度业务包含实时ip业务，语音业务、ip非实时业务等，优先传输实时业务，和语音业务，同时兼顾用户优先级和系统资源吞吐量，满足多用户、多业务的需求，在一定程度上提高了业务的服务质量。
附图说明
[0064]
图1为系统总体图，卫星和地面组成的通信环境。
[0065]
图2为演示系统框图，地面中心站的系统运作，本发明用于资源调度设备处的优化算法。
[0066]
图3为前向帧结构图，s个子帧复接成一个复帧，q个复帧复接成一次调度。
[0067]
图4为业务队列模型。
[0068]
图5为业务优先级资源调度算法流程图。
[0069]
图6为(10个业务时)三种算法一个复帧内数据与穷举法结果对比图。
[0070]
图7为适应度函数变化曲线。
[0071]
图8为四种算法16个复帧内目标函数f值对比图。
[0072]
图9为四种算法16个复帧内业务量对比图。
[0073]
图10为四种算法16个复帧内剩余业务量对比图。
[0074]
图11为四种算法16个复帧内业务兼顾用户优先级权值y对比图。
[0075]
图12为四种算法16个复帧调度数据对比图。
具体实施方式
[0076]
下面结合具体实施例对本发明作更进一步的说明。
[0077]
如图1所示，atdm卫星通信系统由通信卫星、中心站和若干地球站(地面小站)组成的卫星通信系统，中心站是全网核心，所有业务都在中心站落地，由中心站向公共电话交换网络、公共陆地移动网络、公网或专网进行转接。系统返向业务信道采用fdma体制，前向信道采用atdm体制。返向工作在点波束，前向工作在全球波束。
[0078]
一种面向业务优先级的atdm卫星通信调度方法，包括如下步骤：
[0079]
步骤一，卫星资源调度问题建立数学模型，确定目标函数。
[0080]
基于优先传输实时业务，同时兼顾用户优先级和系统资源利用率的业务优先级资源调度算法，其优化的目标函数如下：
[0081][0082]
其中，d
u,x
表示u用户的x业务在该复帧传输的业务量，u表示用户，u表示用户总数量，x表示业务，x表示业务总数量，au表示用户u优先级，a
max
表示用户最高优选级，g
x
表示x业务的业务等级。
[0083]
步骤二，确定目标函数约束条件。
[0084]
本算法有以下几个约束条件：
[0085][0086][0087][0088][0089]
[0090][0091][0092]
约束条件说明：
[0093]
式(2)表示用户u分配到所有子帧的x业务比特数不超过本轮调度周期内开始时用户u的业务x待发总比特数；式(3)表示每一个子帧都要被占满，无空余时隙；式(4)表示每一个子帧只用一种调制编码模式；式(5)表示每个子帧的调制编码方式设为该子帧中的用户调制编码方式上限中的最低值；式(6)表示表示第s个子帧的调制编码模式等级要小于等于第s+1个子帧的调制编码模式等级；式(7)表示系统的前向传输速率要满足速度限制，所有子帧的业务传输速率不能超过v
as
(单位mbps)。式(8)表示s中任意业务兼顾用户后的优先级权值y不小于剩余未传业务的y，保证y高的业务严格优先传输。
[0094]
其中，式(2)中s表示第s个子帧，s∈[1,2,
……
,s]；s表示一个复帧内的子帧总数；u用户标识，表示第u个用户，u∈[1,2,
…
,u]；u为用户总数；x为业务个数，表示第x个业务，x∈[1,2,
……
,x]；x为业务总数；au表示用户u优先级，au∈[1,2,
……
,a
max
]；g
x
表示x业务的业务等级，g
x
∈[1,2,
……
,g
max
]；d
u,x
表示u用户的x业务在该复帧传输的业务量；表示用户u的x业务在s子帧中的传输时间占子帧总传输时间的比例；v(m)表示第m种调制编码模式的速率；表示子帧中调制编码模式标识，如果s子帧选用的m调制编码模式，否则，m表示第m调制编码模式，表示u用户能够支持的最高调制编码模式；t表示一个子帧的总时长；表示用户u的x业务在本轮调度周期开始的待发比特数。
[0095]
式(5)中表示用户u占用子帧标识，表示用户u占用s子帧，表示用户u不占用s子帧，α
s,u
表示用户u在s子帧的占比，取值大小为0～1，sgn(δ)表示符号函数，有
[0096]
式(6)中表示第s+1个子帧的调制编码模式。
[0097]
式(7)中v
as
表示整个前向atdm载波信息速率。
[0098]
式(8)中y表示业务x兼用户优先级后的权值；h为s中所以业务的集合，包含未全部传输完成的业务，b表示本次调度剩余业务集合，h∩b＝[1,2,...,x]。步骤三，构建改进蚁群优化算法。
[0099]
对于时刻t，假设τ
ij
为复帧中传输业务i后，选择传输业务j时的信息素浓度，则状态转移概率式为：
[0100][0101][0102]
其中，α为信息素启发值权重，用来描述信息素浓度对于调度任务的影响程度，其值越大，蚂蚁对走过的路径选择的概率越大；η
ij
为启发式因子，表示传输业务i后选择业务j传输的期望程度；β为期望启发值权重，α和β的选取决定了算法的局部搜索能力。τ
is
为复帧中传输业务i后，选择传输业务s时的信息素浓度；η
is
为启发式因子，表示传输业务i后选择业务s传输的期望程度；s∈jk(i)，jk(i)表示蚂蚁k下一步允许选择的业务集合，每只蚂蚁根据路径上残留的信息素量和启发式信息独立地选择下一个业务。
[0103]amax
、g
max
分别为最大用户优先级、最大业务优先级；ai表示i业务的用户优先级，aj表示j业务的用户优先级；gi表示业务i的优先级，gj表示业务j的优先级。适应度函数f：
[0104]
f＝f
ꢀꢀꢀ
(11)
[0105]
另外，禁忌表tabuk记录了蚂蚁k当前传输的业务。当所有业务都加入到禁忌表tabuk中时，蚂蚁k便走完了一次周游，此时蚂蚁k所传输的业务序列便是f的一个可行解，f表示适应度函数，可以看作组合优化问题(i，f)上的一个映射：
[0106]i←fꢀꢀꢀ
(12)
[0107]
i为解元素，i＝(φ,k)，其中k表示该复帧中传输业务的个数；φ为解向量[φ1,φ2,...,φk],φ∈x，表示k个业务在该复帧中传输的序列。
[0108]
在蚁群算法中，对于每一个解元素ik＝(φ,k)来说，都有一个信息素浓度τ
ij
与之对应。完成一次周游后，各路径上的信息素浓度更新为：
[0109]
τ
ij
(t+n)＝(1-ρ)τ
ij
(t)+δτ
ij
ꢀꢀꢀ
(13)
[0110][0111]
其中：n表示迭代次数，ρ(0＜ρ＜1)表示路径上信息素的蒸发系数，1-ρ表示信息素的持久性系数，ρ过小时，以前搜索过的路径被再次选择的可能性过大，会影响到算法的随机性和全局搜索能力；δτ
ij
表示本次迭代中业务ij上信息素的增量，表示第k只蚂蚁在本次迭代中留在边ij上的信息素量，ω为蚂蚁总数量。
[0112]
随着业务数量的增多，蚁群算法在一定时间难以收敛，且蚂蚁数量需要随着业务数量而增加，计算量增大，导致获取的信息素趋于平均，易陷入局部最优解。m.dorigo提出的三种蚁群算法模型优化效果不佳，更新机制需要改进，在ant-quantity模型的基础上附加每次迭代的可行解与最优路径的比值，可以利用全局信息更好的更新路径上的信息素量，跳出局部最优。
[0113]
表示为：
[0114][0115][0116][0117]
其中，为业务ij的平均权值，c为正常数，fk表示第k只蚂蚁在本次周游中所走过路径的大小，即第k只蚂蚁周游的适应度函数的大小，l
nc
表示迭代到nc次为止的路径的最大值。表示第k只蚂蚁在本次周游中所走过路径的u用户的x业务在该复帧传输的业务量。
[0118]
步骤四，采用算法满足约束条件，求解该目标函数的最优解。i为解元素，i＝(φ,k)，其中k表示该复帧中传输业务的个数；φ为解向量[φ1,φ2,...,φk],φ∈(1～x)，表示k个业务在该复帧中传输的序列。
[0119]
步骤五，不同算法进行仿真，进行结果分析，本发明对于其他算法的改进。atdm卫星通信系统每个点波束返向信道最高速率可达到v
sp
(单位mbps)，整个前向atdm载波信息速率为v
as
(单位mbps)。在中心站必须采用合适的资源调度算法，保证系统性能。
[0120]
演示系统框图如图2所示。中心站收机箱通过分合路接收用户终端侧发送的业务数据、网管数据等，并打成udp包发送给交换单元，落地业务直接交给出入网或者本地相关服务器；其他需要发到小站的报文全部发给资源调度设备，由资源调度设备根据优化目标，生成前向帧的帧计划。
[0121]
前向为atdm广播方式，复接了多类型、多用户、多业务、多调制编码模式的数据，如图3所示。物理层对链路层的要求是按照调制编码模式由低到高的顺序复接到子帧内，每一个子帧内的调制编码模式不变。不同调制编码模式，能复接的比特数不同。
[0122]
对于地面小站来说，只要调制编码方式合适，就可以接收所有的数据。网管要告诉资源调度设备，每个地面小站的最高调制编码模式。资源调度设备在形成前向一组复帧的时候就要考虑调制编码模式的影响。
[0123]
对于资源调度设备来说，其输入条件为网络层的各种udp数据包(包含业务、网管)、每个地面小站的接收调制编码模式、网管信道调制编码模式、用户优先级、业务优先级等，队列调度算法根据输入条件，进行业务优先级资源调度，优先传输实时ip业务，同时兼顾用户优先级和系统资源利用率。实时业务优先级最高，其次是非实时业务，按照公式(8)将业务按照优先级大小排序，依次调度，进入缓冲队列，在缓冲对列中将业务按照调制编码模式排序，完成一个复帧，继续调度至q个复帧复接完成一个调度为止。q个复帧中就是基于业务优先级优先传输的业务，经中心站机箱发送，前向信道采用atdm体制，传输至卫星中转，再返回目标地面小站。完成本次地面小站对地面小站的业务传输。
[0124]
如图4中具体详细调度算法流程，根据业务来源的用户不同，类型不同，依照式8给所有的业务赋予不同的优先级等级，并按照业务的y大小排列，放到子队列中，共x个业务，从业务1开始依次调度进入缓冲队列，按照调制编码模式由大到小排列，依次赋予业务排序编号。
[0125]
如图5所示，步骤1：资源调度设备接收到机箱传来的业务，共p个业务，可获得业务的优先级g
x
和业务对应的用户优先级au，依据公式8更新子队列待调度业务，根据y大小将业务排序，并编号p，大小为(1-p)，p为进入缓冲队列的业务号。
[0126]
步骤2：初始化，κ＝0；surplus＝0，v0＝v
p
，subframe＝0；κ为缓冲队列里的业务总数，surplus为没有占满整个子帧的业务剩余量，v0为子帧中的数据传输速率，v
p
为进入缓冲队列的业务p传输速率，subframe为记录缓冲队列已调度业务所占子帧数。
[0127]
步骤3：根据子队列业务排列，依次调度业务p进入缓冲队列，缓冲队列的κ个业务按照调制编码模式m大小排序。
[0128]
步骤4：依次传输缓冲队列κ个业务，进行填帧，业务w的传输速率vw是否小于等于v0，若小于等于，更新v0＝vw，否则，不更新。目的是为了满足式(6)约束条件，s子帧内的实际调制解调模式由高到低排列。后面子帧内的业务传输速率不能大于前面子帧内的业务传输速率，即实际调制编码模式由大到小，若出现拼帧的情况(一帧中有多个业务)，该帧的调制编码模式选取较小者，维持s个子帧的调制编码模式的排序由大到小。
[0129]
步骤5：识别业务w的传输速率vw和业务量。
[0130]
步骤6：依据公式计算业务w所占子帧数z，dw表示业务w的业务量，vw为业务w对应的传输速率，t为子帧时长，记录业务剩余数据量surplus。判断z是否大于等于1，若是，则计入缓冲队列的总子帧数subframe，进入步骤7；否则，p＝p+1，进行步骤3，
[0131]
步骤7：判断s个子帧是否全部完全封装，缓冲队列的总子帧数subframe《s，继续调度，进入步骤3；subframe》s，则进入步骤8；subframe＝s，则此序列为一个复帧的初始解i＝(φ,k)，进入步骤9。
[0132]
步骤8：缓冲队列中的业务编号w放置最后，其他业务排序不变，保证高优先级权重业务优先传输，选取业务w+1进入步骤4。
[0133]
步骤9：完成一复帧调度，将结果i作为蚁群算法的初始解集，令时间t＝0和循环次数nc＝0，设置最大循环次数g，将ω个蚂蚁置于κ个元素(业务)上，每条边(i，j)的初始化信息素τ
ij
(t)＝c，其中c表示常数，且初始时刻δτ
ij
(0)＝0。
[0134]
步骤10：循环次数nc＝nc+1，蚂蚁的禁忌表索引号k＝1。蚂蚁数目k＝k+1。
[0135]
步骤11：蚂蚁个体根据状态转移概率公式9计算的概率选择元素j并前进，j∈{jk(i)}。
[0136]
步骤12：修改禁忌表指针，即选择好之后将蚂蚁移动到新的元素，并把该元素移动到该蚂蚁个体的禁忌表中。
[0137]
步骤13：若集合φ中的元素未遍历完，即就k《ω，则跳转到第10步；否则，执行第14步。
[0138]
步骤14：记录本次迭代最佳路线，根据信息素更新公式更新每条路径上的信息量。
[0139]
步骤15：若满足结束条件，即如果循环次数nc≥g，则循环结束并输出程序优化结果ik；完成1个复帧的封装，若q个复帧调度完成，本轮业务调度完成：否则返回步骤3，继续调度至q个复帧。若循环次数nc＜g，则清空禁忌表并跳转到步骤10。
[0140]
图6中，一复帧内本算法求得最优解与穷举法的最优解进行对比，经过1000次仿真,992次结果均为一致，本算法得到最优解的概率达99.2％，优于队列调度算法92.7％和
蚁群算法93.9％。算法的敛散性是衡量蚁群优化算法的重要指标，通过构造初始解集、增强全局信息素极大地提高算法的收敛速度，与传统的蚁群优化算法进行比较，所提算法能更快地收敛到目标值。如图7所示，所提算法在经过83次迭代后完成收敛，而传统的蚁群优化算法需要187次迭代，当迭代次数一定时，所提算法经过迭代后的适应度函数值一直高于传统蚁群优化算法，可以看出所提算法的优化性能也有一定程度的提高。另外，本发明与队列算法、蚁群算法进行s个复帧业务量、待传业务剩余量、目标函数f、业务兼顾用户优先级y等数据对比，从图8-12中可以看出本算法在相同复帧内，可以传输更多的业务量，传输的业务对应的优先级更高，同时兼顾用户优先级和系统资源吞吐量。图1为系统总体图，由图可见，卫星和地面组成的通信环境。图2为演示系统框图，描述了地面中心站的系统运作，本发明用于资源调度设备处的优化算法。图3为前向帧结构图，s个子帧复接成一个复帧，q个复帧复接成一次调度。图4为业务队列模型流程图，通过队列调度策略产生初始解集，业务按照优先级大小依次排列，同级业务再按照用户优先级大小排序，若两者都相同，按照业务对应的调制编码模式大小进一步排序，其目标是确保调度完成的业务的优先级尽可能高。按序传输到一复帧，在复帧中按照业务对应的调制编码模式高低排列，直到填满一复帧，初始解构造完成，即复帧内的业务，末尾进入复帧的业务即使未全部传输，依旧计入初始解集中，确保业务量足以填满该复帧。初始解经过蚁群算法求得最优解，并将该复帧的剩余业务继续纳入待传业务队列，等待下一次调度。图5为队列调度算法业务流程。图6为(10个业务时)三种算法一个复帧内数据与穷举法结果对比图。图7为蚁群算法和改进算法适应度函数变化曲线，由图可知本发明收敛性能较好，图8-12为四种算法应用到本模型中，得到的仿真结果图，四种算法16个复帧内的适应度函数、业务兼顾用户优先级权值累加值、传输业务量、剩余业务量四项数据对比。
[0141]
以上所述仅是本发明的优选实施方式，应当指出：对于本技术领域的普通技术人员来说，在不脱离本发明原理的前提下，还可以做出若干改进和润饰，这些改进和润饰也应视为本发明的保护范围。