基于资源池的雷达协同探测系统资源调度策略*

廖卫东，王建

(中国船舶重工集团公司 第七二四研究所，江苏 南京 211106)

基于资源池的雷达协同探测系统资源调度策略*

廖卫东，王建

(中国船舶重工集团公司 第七二四研究所，江苏 南京 211106)

针对舰艇编队雷达协同探测系统作战任务需求，提出了一种基于资源池的雷达协同探测系统资源管控策略，通过建立系统资源池，实现舰艇编队各雷达探测节点的自组织管理以及系统资源的统一调度；并通过遗传算法选取最佳的资源调度方案，在提升雷达探测性能的同时，提高系统资源的利用效率。

协同探测；资源池；资源管控策略；统一调度；遗传算法；最佳调度方案

0 引言

随着世界新军事变革的持续深入，信息化海战逐步登上了战争舞台，基于信息化系统的体系对抗特征明显。作为海战场信息获取的核心探测系统装备，舰载雷达系统面临更多新的能力需求和挑战[1]：一是探测任务更加多样；二是目标探测能力要求更高；三是探测对象更加多元；四是探测环境更加复杂。由于时间、空间、能量、频率等资源的限制，加之受到各种自然环境和电子对抗环境的影响，独立的舰载雷达装备难以满足这些复杂的作战任务需求。在发展新体制的雷达装备、提升单雷达系统探测能力的同时，发展雷达协同探测系统，已经成为提高舰载雷达在复杂海战场环境下的探测能力、满足信息化条件下体系对抗作战需求的有效途径[2]。

1 基于相控阵体制的雷达协同探测系统

与传统的基于常规体制通信系统构建的雷达协同探测系统不同，基于相控阵体制的雷达协同探测系统，利用相控阵天线波束增益高、扫描速度快，系统资源可控性强、系统功能可实时重构的特点[3]，可以构建高度灵活的多雷达网络化协同探测系统，实现跨平台的雷达协同探测与信息共享。

使用数字相控阵天线可以实现同时多波束高增益宽角覆盖，进行多平台雷达协同控制和目标信息传输与共享，既可减少组网联通时间，保证系统连通率，维持协同探测网络的稳定性，又具备更高的数据传输速率和更灵活的组网能力。

在基于相控阵体制实现的舰载雷达协同控制与探测信息传输系统中，舰艇编队内的各雷达系统要实现在平台运动条件下的快速自组网联通、即插即用、网络化信息交换，需要经历搜索对准、时空同步、建立网络连接、数据交换、网络协议维持等各个过程[4]，保证这些过程顺利实现的关键，是要确保各雷达系统在时域、频域、空域上建立有机的关联[5]，实现跨平台协调工作。

在多功能相控阵雷达系统中，用于目标探测、协同组网和信息传输的系统资源是统一进行调度与分配的。在满足系统资源总体约束和保证协同组网能力条件下，既要考虑保证雷达探测功能的资源开销，也要考虑协同功能的作战需求,以及协同探测功能系统所需要的系统资源。

2 雷达协同探测系统资源虚拟化及资源池构建

2.1协同探测系统资源虚拟化

雷达协同探测系统资源虚拟化是指对协同探测系统的时间、频率、能量、信息处理通道等物理资源经过功能化抽象、服务化描述等虚拟化操作，透明映射为逻辑资源的过程[6-7]。通过将协同资源虚拟化，可以实现对各协同探测节点异构资源的无缝链接和集中管控。

通过将各节点各类探测资源经过虚拟化送入资源池，对动态变化的节点资源进行可视化集成与动态管理，实现从任务—节点—资源到任务—资源的调度方式的转变，可以根据任务调度资源需求对资源池中的各种资源进行统一调度，从而实现对地理位置分散、属于不同节点的资源进行统一的发现、访问、调度和监控管理[8]。

2.2资源池的构建

针对编队雷达协同探测系统的体系结构，为满足编队作战任务需求，需要对舰艇编队雷达协同探测系统资源进行统一的形式化描述与功能封装，将具体的系统物理资源映射到逻辑资源。为此，提出一种基于雷达任务调度资源需求的资源池构建模型，将雷达系统资源表征为统一的服务与功能的形式，打破协同节点资源之间的壁垒，实现舰艇编队协同探测雷达资源的统一管理与综合调度，提升资源调度的效率和系统探测性能。雷达协同探测系统资源池的构建模型如图1所示。

各节点的物理系统资源是资源池构建的基础，也是资源存在的物理形式[9]。资源池初始化时，需要读取各节点的物理资源，并实时动态地获取资源的变更信息。获取各节点的物理资源后，需要对各节点资源在雷达物理资源层面上进行分析、汇总、分类，为将系统资源映射到下一层做好相应的准备[10]。主要的物理资源包括：时间、能量、脉宽、频率等。

从协同探测系统任务调度资源需求角度出发，编队雷达协同探测系统不仅需要考虑雷达探测任务的资源开销，也要考虑协同任务的作战需求，需要一定的资源来维持协同探测系统的网络连通以及信息可靠的传输。雷达系统的探测任务主要包括：搜索、跟踪，目标指示、武器制导、火控、目标识别等；雷达协同组网和信息共享任务主要包括时空同步和网络维持、信息传输、协同控制等。同时以任务需求为基础，依据战术层面和技术层面的指标，来进行协同探测系统资源的形式化描述。实现以任务调度资源需求为基础，以技战术指标来对资源进行封装入池，完成物理资源到逻辑应用资源的资源形式转变，打破协同探测系统节点资源的壁垒，将具体的物理资源透明化映射到任务调度资源需求，实现对协同探测系统资源的统一调度。

同时，协同探测系统资源池作为整个舰艇编队雷达系统物理资源的一种映射，它与实际物理资源的同步更新尤为重要，一方面资源池需要定时进行自我检查更新；另一方面，资源池需要按照资源自身的生命周期进行资源的删除、增加等更新[9]。当出现节点增加或减少、位置变动、资源消耗等情况，也需要及时对资源池进行检测与更新，完成新的资源部署。

2.3基于资源池的资源调度优点

资源池作为整个协同探测系统雷达资源的一种透明映射，打破协同探测系统各节点物理资源的壁垒，有利于对编队协同探测系统的资源进行统一的动态的管理。

基于资源池的海上舰艇编队雷达协同探测系统，可以获得以下优点：

(1) 各节点探测资源信息共享：传统的编队协同探测系统，各节点之间的信息是不可见的，彼此之间资源信息不透明，相互之间难以共享系统资源。采用基于资源池的协同资源调度模式，各协同节点处于同等地位且资源信息透明，能充分实现资源的共享[11]，从而实现对目标的高效协同探测。

(2) 快速的协同探测系统优化能力：复杂的电磁环境增加了目标探测和对资源的管控难度。在基于资源池的协同探测系统中，对资源进行统一的服务式封装和共享，能够实现资源的快速调度，便于实时优化各节点的协同运作模式和系统工作参数。

(3) 提升系统资源利用率：基于资源池的协同探测系统，实现了异构资源的统一接口，有利于对整个编队舰载雷达资源的整体动态感知，可以根据任务需求获取最佳的资源配置方案，实现对系统资源的高效率利用。

3 基于资源池的协同探测系统资源调度策略

基于资源池的舰艇编队雷达协同探测系统资源调度，打破传统协同设备的条块分割界限，综合运用资源池中汇集的各种雷达系统资源，进行协同探测系统资源的统一调度，强化各类探测资源的协同使用，并通过遗传算法选取最佳资源调度方案，设计最佳系统工作方式，在提升系统综合探测性能的同时，实现对系统资源的高效利用[12-13]。

3.1基于资源池的编队雷达协同探测系统资源调度策略

协同探测系统资源池中汇集了协同探测系统中各个节点的探测资源，资源池中各资源按照统一的接口，以服务化的形式存在。当协同探测系统收到任务执行命令时，资源池协同管理中心对任务资源需求进行分析，并根据资源池中各类资源的构成情况，生成相应的资源分配方案。基于资源池的舰艇编队雷达协同探测系统资源调度模型如图2所示。

基于资源池的雷达协同探测系统资源调度策略的具体实施步骤如下：

Step 1：遍历任务集合，进行任务资源需求分析；

Step 2：通过任务资源适配器，在资源池中生成相应的任务资源分配请求方案；

Step 3：根据任务资源分配请求方案，计算各任务的执行收益；

Step 4：以各任务的总执行收益作为目标函数，以资源总量为约束条件对各任务资源分配请求方案进行综合评估，通过遗传算法，选取对各任务的综合最佳资源调度方案；

图2 基于资源池的舰艇编队雷达协同探测系统资源调度模型Fig.2 Radars cooperative detection system resource schedule model based on resource pool

Step 5：根据最佳的资源调度方案，进行雷达工作方式选择和系统参数设置；

Step 6：更新资源池，结束调度。

3.2协同探测系统资源调度策略优化的目标函数和约束条件

(1) 目标函数

海上编队雷达协同探测系统资源调度的最终目标是在有限资源条件下，获取舰艇编队雷达系统的最大协同探测收益[14]，围绕“看得远”、“测得广”、“分得清”，“跟得稳”等具体任务需求，着重考虑雷达作用距离、覆盖范围、探测精度、跟踪稳定性及连续性等典型参数，参考文献[15-16]，提出系统资源调度优化的目标函数如下：

式中：ρi为第i个任务的威胁度，威胁度越高，则目标函数值越大；fi(·)为第i个任务的探测收益函数，其根据探测距离r，覆盖范围c，探测精度p，跟踪稳定性s综合获得，函数f(·)对r和c单调递增，对p和s单调递减。目标函数的设定具有一定的灵活性，可对各参数的权重进行调整以适应具体的实际情况，以获得一个最佳的评价准则。

(2) 约束条件

设资源池中资源集合为A，A={A1(q1),A2(q2),…,An(qn)}，其中，Ai(qi)表示第i种资源，资源总量为qi，同一时刻，资源Ai可能被多种任务需求占用，即多个任务申请资源Ai，但此类资源的总量是受限的。

对于Ai资源来说，某一时刻，有y个任务申请，资源请求量分别为qi(v1),qi(v2),…,qi(vy)，则资源Ai需满足以下约束条件：

3.3基于遗传算法的协同探测系统资源调度寻优过程

基于资源池的资源管控策略，依据3.2节介绍的协同探测系统资源调度策略优化目标函数和约束条件来实现对系统资源的最佳分配，采用借鉴生物界自然选择和自然遗传机制的随机化搜索遗传算法(模拟自然选择和自然遗传过程中发生的繁殖、交叉和基本突变现象，选择较优的个体进行遗传[17])，迭代出同时满足系统探测效能最大化和系统资源利用率最高的最优解。

基于遗传算法的协同探测系统资源优化调度流程如图3所示。

图3 基于遗传算法的协同探测系统资源优化调度流程Fig.3 Resource optimization scheduling flow of cooperative detection system based on genetic algorithm

Step 1：随机生成多组任务执行方案，作为初始种群；

Step 2：依据3.2节介绍的协同探测系统资源调度优化的约束条件，在初始种群中寻找可行解；

Step 3：依据3.2节介绍的协同探测系统资源调度优化的目标函数，在可行解中选择优异的个体进行遗传；

Step 4：根据遗传算法设置，进行重组，变异，形成子代；

Step 5：是否满足遗传终止条件，是，转step 7；否，继续；

Step 6：子代重新插入作为新的初始种群，返回Step 2；

Step 7：选取满足约束条件且使目标函数最大的个体作为最优解，根据最优解形成最佳的调度方案，并进行结果分析；

Step 8：算法结束。

4 协同探测系统资源优化调度算法仿真分析

仿真的基本假设：参与调度的任务有10个，资源池中有6类资源，各任务的资源消耗和探测收益以及各资源的总量如表1所示。其中，各任务的收益和资源消耗为随机产生,各资源的总量都为5。

表1 任务资源消耗、探测收益和各资源总量Table 1 Task resource consumption、detection gains and total resource

通过遗传算法，进行初始种群选择，交叉，变异和遗传操作后，剔除对系统综合探测收益贡献较小的任务，获得最终参与调度的任务集合T调度如下所示，其中各资源的使用情况如表2所示。

T调度= {task1,task2,task3,task4,

task7,task8,task10} .

通过仿真可以看出，最后的分配方案使得资源池中各资源都获得了充分的利用，高探测收益的任务都获得了充足的资源；同时，在满足资源约束条件的前提下，总是试图把资源池的资源优先分配给高收益任务，这与编队雷达协同探测的任务目标相吻合，可在有限的资源下获取最大的探测收益。同时，在仿真计算中可以发现，在面对较大规模的问题时，遗传算法具有很好的收敛性，可以快速寻找到最优解。

表2 资源池中各资源的使用量及使用率Table 2 Usage and utilization of resources of resource pool

5 结束语

本文针对舰艇编队雷达协同探测的作战任务需求，提出一种基于资源池的资源调度策略，并结合遗传算法，给出了一种雷达协同探测系统资源最佳调度算法。仿真结果表明，基于资源池的调度策略，可以实现任务到资源的直接调度，实现对协同探测系统资源的动态统一管理，结合遗传算法实现的资源综合优化调度算法，可在提升编队雷达协同探测性能的同时，提高系统资源利用效率。

[1] 孙欣.海上编队协同作战若干问题的探析[J].舰船电子工程，2013,33(12):10-13.

SUN Xin.Analysis of the Coordinate Operation of Naval Fleet[J].Ship Electronic Engineering，2013，33(12):10-13.

[2] 李军.海军协同交战能力(CEC)分选[J].舰船电子工程,2011,31(5):25-28.

LI Jun.Analysis of Navy Cooperative Engagement Capability[J].Ship Electronic Engineering,2011,31(5):25-28.

[3] 张光义.相控阵雷达技术[M].北京：电子工业出版社，2013.

ZHANG Guang-yi.Phased Array Radar Technology[M].Beijing：Publishing House of Electronics Industry,2013.

[4] 陶昱，徐任晖.利用相控阵雷达自身资源组网方式的研究[J].现代雷达，2013,11(11),16-21.

TAO Yu,XU Ren-hui.A Study on Network Communications System Based on Phased Array Radar[J].Modern Radar,2013,11(11):16-21.

[5] 邹广超，刘以安，吴少鹏.雷达-通信一体化系统设计[J].计算机仿真，2011,28(8):1-4.

ZOU Guang-chao,LIU Yi-an,WU Shao-peng.Design of Radar-Communucations Intertrated System[J].Computer Simulation,2011,28(8):1-4.

[6] 武蕾.制造网格中资源虚拟化方法研究与应用[D].济南：山东大学，2008.

WU Lei.Research on Resource Virtualization in Manufacturing Grid[D].Jinan：Shandong University,2008.

[7] 姚锡凡，金鸿，徐川.云制造资源的虚拟化与服务化[J].华南理工大学学报，2013,41(3):1-7.

YAO Xi-fan,JIN Hong,XU Chuan.Virtualization and Servitization of Cloud Manufacturing Resources[J].Journal of South China University of Technology，2013,41(3):1-7.

[8] 易先清，罗雪山，张耀鸿.空间信息栅格技术的概念内涵和研究方法[J].系统工程与电子技术,2004，26(10):1426-1448.

YI Xian-qing,LUO Xue-shan,ZHANG Yao-hong.Concept Connotation and Research Method of Space Information Grid Technique[D].Systems Engineering and Electronics,2004,26(10):1426- 1448.

[9] 郭锋.云操作系统中资源池的构建方法[J].现代科学仪器，2012,4(4):37-41.

GUO Feng.Construction Method for Resourse Pool of Cloud OS[J].Modern Scientific Instruments,2012,4(4):37-41.

[10] 徐文忠.云环境下的虚拟机资源调度策略研究[D].镇江：江苏科技大学，2015.

XU Wen-zhong.Research on Virtual Machine Resource Scheduling Strategies in Cloud Environment[D].Zhenjiang：Jiangsu University of Science and Technology，2015.

[11] 叶朝谋，丁建江，吕金建，等.基于模式化的雷达组网资源管控功能模型[J].系统工程与电子技术,2013,35(9):1979-1982.

YE Chao-mou,DING Jian-jiang,LÜ Jin-jian，et all.Resource Control Function Model for Radar Networking Based on Modalizaton[J].Systems Engineering and Electronics,2013,35(9):1979-1982.

[12] 许晓东，吴穹.基于资源池的预排序动态资源分配算法[J].中国通信，2010(1):148-155.

XU Xiao-dong,Wu Qiong.Pre-Sorted Dynamic Resource Allocation Algorithm based on Resource Pooling[J].China Communications，2010(1):148-155.

[13] 王成伟，陈霄，薛安克.基于多目标的雷达组网传感器资源管理算法[J].火力与控制指挥，2016,41(5):89-92.

WANG Cheng-wei,CHEN Xiao,XUE An-ke.New Mulit-sensor Resource Management Algorithm of Radar Networking Based on Multi-Targets Tracking[J].Fire Control & Command Control，2016,41(5):89-92.

[14] 王玮，刘兴林，王军.信息化条件下海上编队区域防空目标分配方法[J].系统工程理论与实践，2015,35(4):1011-1018.

WANG Wei,LIU Xing-lin,WANG Jun.Method of Area Antiaircraft Weapon Target Assignment for the Warship Formation Under Informationized Conditons[J].System Engineering Theory & Practice，2015，35(4)：1011-1018.

[15] 陈永光.组网雷达作战能力分析与评估[M].北京：国防工业出版社，2006.

CHEN Yong-guang.Analysis and Evaluation of Radar Networking Operational Capability[M].Beijing：National Defense Industry Press,2006.

[16] 吴少鹏.基于域层化的雷达指标体系结构及规范方法探讨[J].雷达与对抗，2012,32(1):1-3.

WU Shao-peng.The Multi-Domain Layered Radar Index Architecture and Specification Methods[J].Rasar & ECM,2012,32(1):1-3.

[17] 边霞，米良.遗传算法理论及其应用研究进展[J].计算机应用研究，2010,7(7):2425-2434.

BIAN Xia,MI Liang.Development on Genetic Algorithm Theory and Its Applications，2010，7(7):2425-2434.

RadarCooperativeDetectionSystemResourceScheduleStrategyBasedonResourcesPool

LIAO Wei-dong,WANG Jian

(No.724 Research Institute of CSIC，Jiangsu Nanjing 211106，China)

A resource management and control strategy to radar cooperative detection system based on resource pool is proposed for radar cooperative detection task requirement of naval fleet. By building a system resource pool, the node self-management of naval fleet is realized and the system resource is unified schedule. The radar detection performance as well as the system resource utilization efficiency is improved by choosing the best schedule strategy with genetic algorithms.

cooperative detection；resources pool;resources schedule strategy;unified schedule;genetic algorithms;best schedule strategy

2016-11-15；

2017-02-20

某预先研究项目(51307010202)

廖卫东(1992-)，男，安徽舒城人。硕士生，主要研究方向为相控阵雷达协同探测。

通信地址：211106 江苏省南京市江宁区水阁路长青街30号E-mail：i@lwdgo.cn

10.3969/j.issn.1009-086x.2017.05.015

TN95;E843

A

1009-086X(2017)-05-0093-07