空間飛行器控制軟件的動(dòng)態(tài)自適應(yīng)演化方法

李青山， 廉宗民， 王 璐， 謝生龍,3

1. 西安電子科技大學(xué)計(jì)算機(jī)科學(xué)與技術(shù)學(xué)院, 西安 710071 2. 西安電子科技大學(xué)廣州研究院, 廣州 510555 3. 延安大學(xué)數(shù)學(xué)與計(jì)算機(jī)科學(xué)學(xué)院, 延安 716000

0 引 言

現(xiàn)代航天器控制系統(tǒng)有兩個(gè)顯著特點(diǎn):其對(duì)象中存在著大量結(jié)構(gòu)和參數(shù)的變化, 造成對(duì)象模型的復(fù)雜性和不確定性;對(duì)控制任務(wù)的要求越來(lái)越高.因此，滿(mǎn)足控制任務(wù)要求的最有效途徑是使之具備智能自主運(yùn)行的能力.航天器的自主運(yùn)行具有可以增加容量、安全性、可靠性、效率和節(jié)省費(fèi)用的特點(diǎn)[1].在當(dāng)前研究中，空間飛行器在太空中執(zhí)行任務(wù)時(shí)需要面對(duì)兩個(gè)問(wèn)題：(1)資源受限.資源主要分為兩種：計(jì)算資源和系統(tǒng)資源.計(jì)算資源主要是指空間飛行器所攜帶的計(jì)算機(jī)資源，包括CPU運(yùn)算能力、內(nèi)存資源、硬盤(pán)資源、網(wǎng)絡(luò)寬帶資源以及計(jì)算機(jī)冗余設(shè)備與運(yùn)算環(huán)境重構(gòu)能力等.系統(tǒng)資源主要是指空間飛行器為了完成預(yù)定任務(wù)，而配備的各類(lèi)測(cè)量敏感器，執(zhí)行機(jī)構(gòu)，能源組件，有效載荷組件等，需要考慮其數(shù)量、安裝、冗余備份與組合應(yīng)用的關(guān)系，以及其實(shí)時(shí)運(yùn)行的加電、通信、有效性等狀態(tài)信息.(2)環(huán)境影響.環(huán)境分為外部環(huán)境和內(nèi)部環(huán)境.外部環(huán)境是指太空中，對(duì)空間飛行器運(yùn)行及任務(wù)執(zhí)行，直接或者間接產(chǎn)生影響的環(huán)境因素.需要考慮天體引力攝動(dòng)，空間輻射，飛行合作目標(biāo)及敵方飛行器、空間碎片、不明飛行器等非合作目標(biāo)的方位.內(nèi)部環(huán)境是指軟件系統(tǒng)所處的物理環(huán)境，例如CPU、存儲(chǔ)器、運(yùn)行狀態(tài)和內(nèi)部參數(shù)的變化[2].空間飛行器所處的飛行環(huán)境復(fù)雜，人工干預(yù)難度大，而傳統(tǒng)的，現(xiàn)有的自適應(yīng)演化方法并不一定適合空間飛行器控制軟件的自主控制.所以在資源受限的情況下，航天器控制系統(tǒng)軟件如何在太空中完成可靠的動(dòng)態(tài)自適應(yīng)演化是亟待解決的問(wèn)題.

為了滿(mǎn)足空間飛行器控制軟件的動(dòng)態(tài)演化需求，本文在3層感知—分析—決策—執(zhí)行(MAPE)[3]的控制循環(huán)的自適應(yīng)框架的基礎(chǔ)上提出3層控制框架，使用基于策略/規(guī)則的決策方法和基于強(qiáng)化學(xué)習(xí)的決策方法完成自適應(yīng)決策，并加入基于數(shù)據(jù)驅(qū)動(dòng)的反饋優(yōu)化方法，實(shí)現(xiàn)了空間飛行器控制系統(tǒng)軟件在太空作業(yè)過(guò)程中進(jìn)行可靠的動(dòng)態(tài)演化.本文中提出的空間飛行器控制軟件的框架上下2層均具備有完整的MAPE環(huán)節(jié)，底層邏輯使用基于策略/規(guī)則的自適應(yīng)決策方法實(shí)現(xiàn)系統(tǒng)的快速?zèng)Q策.上層使用基于強(qiáng)化學(xué)習(xí)的自適應(yīng)決策方法，進(jìn)行全局調(diào)整并處理未知的上下文情況，完成在線(xiàn)決策.中間層反饋優(yōu)化Agent實(shí)現(xiàn)周期性的數(shù)據(jù)挖掘，保障策略庫(kù)的實(shí)時(shí)性和可靠性.

系統(tǒng)執(zhí)行的動(dòng)作是軟件系統(tǒng)通過(guò)感知、分析環(huán)節(jié)，獲取到具體的自適應(yīng)事件的信息，而后決策環(huán)節(jié)為軟件系統(tǒng)制定出最符合當(dāng)前需求的自適應(yīng)策略，并指導(dǎo)軟件系統(tǒng)對(duì)自身或者上下文進(jìn)行調(diào)整[4].目前，國(guó)內(nèi)外提出的自適應(yīng)決策方法主要分為方案選擇和狀態(tài)遷移兩種.方案選擇主要包括4種算法：(1)基于規(guī)則/策略的方法，根據(jù)事件信息，選擇能夠處理這種事件的規(guī)則/決策，效率高[5].(2)基于目標(biāo)的自適應(yīng)決策方法[6].(3)基于效用函數(shù)的決策方法，根據(jù)系統(tǒng)效用選擇出最優(yōu)決策[7].(4)基于啟發(fā)式的決策方法，這些啟發(fā)式算法會(huì)結(jié)合強(qiáng)化學(xué)習(xí)、決策樹(shù)等修正搜索方向[8].狀態(tài)遷移具體方法包括:馬爾科夫決策過(guò)程(Markov decision process, MDP)[9]、采用強(qiáng)化學(xué)習(xí)算法提供自主決策能力[10]、基于貝葉斯網(wǎng)絡(luò)的決策方法[11]等.因此，本文在功能Agent中采用基于規(guī)則/策略的決策方法，在降低了資源占用的同時(shí)，實(shí)現(xiàn)了針對(duì)事件信息的快速反應(yīng)；上層邏輯則采用了基于強(qiáng)化學(xué)習(xí)的自適應(yīng)決策方法，通過(guò)在線(xiàn)學(xué)習(xí)的方式，解決未知的上下文信息的問(wèn)題，在線(xiàn)生成策略信息.

基于數(shù)據(jù)驅(qū)動(dòng)的反饋優(yōu)化的方式在諸多領(lǐng)域都有著廣泛的研究和應(yīng)用.目前較多依賴(lài)于機(jī)器學(xué)習(xí)技術(shù)[12]和基于偏好的反饋優(yōu)化技術(shù)[13].而隨著深度學(xué)習(xí)的成熟，各種方法也逐漸應(yīng)用其中.例如，ELBERZHAGER等[14]結(jié)合人類(lèi)因素在軟件工程中影響的思想，提出了基于用戶(hù)反饋的優(yōu)化的框架.LI等[15]通過(guò)利用反饋優(yōu)化的方式實(shí)現(xiàn)神經(jīng)網(wǎng)絡(luò)算法，解決實(shí)際追蹤應(yīng)用中的不確定性難題.許相莉等人將粒子群優(yōu)化算法與用戶(hù)反饋結(jié)合，提出基于粒子群的反饋算法[16].韓嘉祎等[17]在Apriori算法的基礎(chǔ)上提出FP Growth算法，他們通過(guò)構(gòu)造FP樹(shù)來(lái)對(duì)頻繁集構(gòu)造路徑，該算法的只需要對(duì)數(shù)據(jù)庫(kù)進(jìn)行2次檢索，算法效率顯著提升.GEOFFRE等[18]提出的深度信念網(wǎng)絡(luò)(deep belief network, DBN)是一個(gè)概率生成模型，用于觀(guān)察數(shù)據(jù)和標(biāo)簽之間的聯(lián)合分布.本文通過(guò)使用基于關(guān)聯(lián)規(guī)則的數(shù)據(jù)挖掘算法作為反饋優(yōu)化的核心，執(zhí)行結(jié)果通過(guò)感知傳送到反饋優(yōu)化模塊，進(jìn)行數(shù)據(jù)挖掘，對(duì)系統(tǒng)運(yùn)行過(guò)程中產(chǎn)生的數(shù)據(jù)結(jié)果進(jìn)行周期性挖掘，并更新策略庫(kù)，保證策略執(zhí)行的可靠性.基于此，該框架保障了空間飛行器控制軟件在太空中完成可靠的自適應(yīng)演化.

1 自適應(yīng)軟件系統(tǒng)介紹

自適應(yīng)軟件系統(tǒng)是通過(guò)構(gòu)建自適應(yīng)機(jī)制實(shí)現(xiàn)的，系統(tǒng)在運(yùn)行過(guò)程中可以自主調(diào)整系統(tǒng)自身的參數(shù)、行為或者結(jié)構(gòu)，從而動(dòng)態(tài)適應(yīng)系統(tǒng)運(yùn)行時(shí)發(fā)生的各類(lèi)變化[19-20].所以自適應(yīng)軟件的重點(diǎn)是實(shí)現(xiàn)自適應(yīng)機(jī)制.具有自適應(yīng)能力的軟件系統(tǒng)可以通過(guò)感知外部環(huán)境或者內(nèi)部環(huán)境的變化，對(duì)當(dāng)前感知到的事件信息進(jìn)行分析，做出符合當(dāng)前需求的決策，進(jìn)行自身系統(tǒng)的調(diào)整，實(shí)現(xiàn)系統(tǒng)中既定功能和非功能性的任務(wù)，完成自主演化.

1.1 自適應(yīng)機(jī)制的設(shè)計(jì)

軟件系統(tǒng)在執(zhí)行任務(wù)過(guò)程中，需要根據(jù)環(huán)境的變化、用戶(hù)的需求以及當(dāng)前資源情況實(shí)現(xiàn)調(diào)整，所以需要保證系統(tǒng)在運(yùn)行過(guò)程中，不但可以平穩(wěn)的運(yùn)行，還需要有效的實(shí)現(xiàn)既定的功能性和非功能性的目標(biāo)，所以軟件系統(tǒng)需要實(shí)現(xiàn)一種自適應(yīng)機(jī)制對(duì)上述內(nèi)容進(jìn)行保障.

(1)基于體系結(jié)構(gòu)的方法

該類(lèi)方法就是以體系結(jié)構(gòu)為中心，將其應(yīng)用在自適應(yīng)機(jī)制中.Rainbow框架是最著名框架之一，它將自適應(yīng)軟件系統(tǒng)分為體系結(jié)構(gòu)層和管理系統(tǒng)層，管理系統(tǒng)層實(shí)現(xiàn)自適應(yīng)機(jī)制控制的調(diào)整[21].馬曉星等[22]設(shè)計(jì)了一種在分布式環(huán)境下，使用內(nèi)置運(yùn)行時(shí)體系結(jié)構(gòu)，來(lái)保證系統(tǒng)具有自適應(yīng)能力.

(2)基于需求工程的方法

BERRY[23]提出自適應(yīng)系統(tǒng)需要建立4個(gè)層次的需求工程方法.第一層方法主要建立用戶(hù)或開(kāi)發(fā)者對(duì)于目標(biāo)問(wèn)題的描述.第二層主要目標(biāo)是建立支持自適應(yīng)的需求功能的方式.第三層側(cè)重于在第二層的基礎(chǔ)上，描述工程師的對(duì)于問(wèn)題的決策需求.第四層是實(shí)現(xiàn)基于需求工程的軟件自適應(yīng)機(jī)制.

(3)基于控制論的方法

在該類(lèi)方法中，軟件的自適應(yīng)將由基本的控制循環(huán)完成實(shí)現(xiàn).KEPHART[24]在MAPE的控制循環(huán)中建立一個(gè)共享的知識(shí)環(huán)節(jié)，與其他4個(gè)環(huán)節(jié)聯(lián)通，實(shí)現(xiàn)了自適應(yīng)過(guò)程.TZIALLAS等[25]提出了基于Bunge本體和Bunge-Wand-Weber(BWW)模型來(lái)構(gòu)建自主計(jì)算系統(tǒng)，實(shí)現(xiàn)了系統(tǒng)的自我管理和調(diào)整.

(4)基于程序范式的方法

基于程序范式的方法是在軟件的代碼層面借助程序范式，利用編程的方式實(shí)現(xiàn)軟件系統(tǒng)的自適應(yīng)控制，運(yùn)行中對(duì)系統(tǒng)自身的結(jié)構(gòu)和參數(shù)進(jìn)行調(diào)整.HAESEVOET[26]采用面向切面的編程(aspect-oriented programming， AOP)技術(shù)實(shí)現(xiàn)軟件的自適應(yīng).

(5)反射方法

反射是指軟件通過(guò)感知環(huán)境或者用戶(hù)需求變化，然后調(diào)整系統(tǒng)的結(jié)構(gòu)和行為的一種方式.基于反射的自適應(yīng)機(jī)制會(huì)通過(guò)在運(yùn)行中獲取軟件狀態(tài)信息和環(huán)境狀態(tài)信息，對(duì)系統(tǒng)的結(jié)構(gòu)以及上下文信息進(jìn)行調(diào)整.Frank等[27]提出一種基于鏡像反射和服務(wù)計(jì)劃的技術(shù)來(lái)支持自適應(yīng)系統(tǒng)的開(kāi)發(fā).ACAR等[28]介紹增量計(jì)算的技術(shù)，底層系統(tǒng)以動(dòng)態(tài)依賴(lài)關(guān)系表示數(shù)據(jù)合控制之間的依賴(lài)，實(shí)現(xiàn)系統(tǒng)的動(dòng)態(tài)調(diào)整.

(6)其他方法[29-34]

除了上述的幾種方法外，還有學(xué)者從不同的角度出發(fā)構(gòu)建自適應(yīng)機(jī)制.例如，孫躍坤等[33]提出構(gòu)建組織員模型和動(dòng)態(tài)組機(jī)制，實(shí)現(xiàn)分布式系統(tǒng)的自適應(yīng).MOCTEZUMA等[34]利用基因型-表型作圖和概率分布的策略，開(kāi)發(fā)了一種自適應(yīng)機(jī)制來(lái)提高遺傳算法對(duì)動(dòng)態(tài)組合問(wèn)題的性能.還有部分學(xué)者關(guān)注自適應(yīng)系統(tǒng)的中間構(gòu)件、如何降低軟件開(kāi)發(fā)成本等方面研究自適應(yīng)問(wèn)題.

1.2 自適應(yīng)決策方法

(1)基于策略/規(guī)則的自適應(yīng)決策方法

基于策略/規(guī)則的決策方法[5]屬于基于方案選擇思想的自適應(yīng)決策方法.該類(lèi)方法在執(zhí)行前期需要靜態(tài)定義大量的策略信息，根據(jù)自適應(yīng)事件的信息建立明確的決策目標(biāo)，然后利用算法，比較分析獲得的事件信息對(duì)某種候選策略的滿(mǎn)足程度，再選擇出最優(yōu)策略.但是這種方法存在一種缺陷，該類(lèi)方法一般是在離線(xiàn)狀態(tài)下進(jìn)行決策，所以在系統(tǒng)運(yùn)行前需要靜態(tài)定義所有的候選策略.一旦預(yù)定策略出現(xiàn)錯(cuò)誤，那么系統(tǒng)的自適應(yīng)演化結(jié)果就會(huì)受到影響.因此，目前也存在一些支持策略離線(xiàn)修正的研究工作.例如：有學(xué)者采用馬爾科夫決策模型和成本效益評(píng)估函數(shù)實(shí)現(xiàn)自適應(yīng)策略本身的不斷修改與進(jìn)化[29].

(2)基于強(qiáng)化學(xué)習(xí)的自適應(yīng)決策方法

強(qiáng)化學(xué)習(xí)最早由1954年的Minsky提出，是一種實(shí)時(shí)、在線(xiàn)的學(xué)習(xí)方法.通過(guò)智能體(Agent)以“試錯(cuò)”的方式進(jìn)行學(xué)習(xí)，通過(guò)環(huán)境交互，完成動(dòng)作后獲得獎(jiǎng)賞反饋信息的循環(huán)，目標(biāo)是使智能體獲得最大的獎(jiǎng)賞.強(qiáng)化學(xué)習(xí)任務(wù)通常用MDP來(lái)描述.目前很多學(xué)者將強(qiáng)化學(xué)習(xí)引入自適應(yīng)等領(lǐng)域，用以解決系統(tǒng)的在線(xiàn)學(xué)習(xí)和策略選擇等問(wèn)題.MIRCEA[30]提出一種基于強(qiáng)化學(xué)習(xí)的決策樹(shù)的構(gòu)建方法，適用于頻繁更改訓(xùn)練集且分類(lèi)規(guī)則隨時(shí)間變化的問(wèn)題，使系統(tǒng)可以進(jìn)行更好的自適應(yīng)調(diào)整.文獻(xiàn)[31]提出一種基于強(qiáng)化學(xué)習(xí)的方法，實(shí)現(xiàn)系統(tǒng)在線(xiàn)管理體系結(jié)構(gòu)，該方法可以利用經(jīng)驗(yàn)自動(dòng)獲取環(huán)境變化和配置之間的映射實(shí)現(xiàn)自我管理.因?yàn)樵诋?dāng)前開(kāi)放環(huán)境下存在不確定性和復(fù)雜性，所以毛新軍等[32]提出基于Agent和組織抽象的方法支持開(kāi)放環(huán)境下軟件系統(tǒng)的開(kāi)發(fā)，并借助強(qiáng)化學(xué)習(xí)的方法解決運(yùn)行中不可預(yù)測(cè)的情況.

1.3 基于關(guān)聯(lián)規(guī)則的反饋優(yōu)化方法

關(guān)聯(lián)規(guī)則算法可以挖掘出數(shù)據(jù)之間隱含的關(guān)系，利用反饋優(yōu)化方法將分析得到的關(guān)聯(lián)關(guān)系反饋給Agent，對(duì)策略庫(kù)進(jìn)行更新，保障自適應(yīng)的演化過(guò)程.AGRAWAL等[35]于1993年基于頻集理論的遞推方法提出了關(guān)聯(lián)規(guī)則問(wèn)題.目前關(guān)聯(lián)規(guī)則的主要研究方向有:1)基于數(shù)據(jù)維度的角度，例如：經(jīng)典的Apriori算法， PARK等[36]提出的DHP算法, 生效于Apriori算法的剪枝過(guò)程中，生成每個(gè)事務(wù)k+1項(xiàng)集，生成Hash表，改變候選集的生成過(guò)程;2)基于數(shù)據(jù)的抽象層次的角度;3)基于概念層次的角度,學(xué)者們提出多種善于發(fā)現(xiàn)一層或者多層關(guān)聯(lián)信息的算法，例如：HAN等提出的ML-T2L1及其變種ML-T1LA;4)基于變量類(lèi)別的角度，在該角度下, 關(guān)聯(lián)規(guī)則分為布爾型關(guān)聯(lián)規(guī)則和多值屬性關(guān)聯(lián)規(guī)則.SHAPIRO等首先提出多值屬性關(guān)聯(lián)規(guī)則挖掘問(wèn)題.其他關(guān)聯(lián)規(guī)則算法:并行挖掘關(guān)聯(lián)規(guī)則,圖像的關(guān)聯(lián)規(guī)則發(fā)現(xiàn)算法等.

2 控制軟件的自適應(yīng)演化過(guò)程

本文提出3層的自適應(yīng)控制循環(huán)，如圖1所示.本文在2層MAPE框架[37]的基礎(chǔ)上，采用不同的自適應(yīng)決策方法進(jìn)行調(diào)整，并且增加一層反饋優(yōu)化層，用于策略信息調(diào)整和系統(tǒng)的主動(dòng)演進(jìn).使用該框架可以解決單層自適應(yīng)框架在運(yùn)行過(guò)程中面對(duì)復(fù)雜環(huán)境變化時(shí)，無(wú)法更好進(jìn)行自適應(yīng)調(diào)整的問(wèn)題.本框架使用基于策略的決策方法處理局部信息，對(duì)感知到的事件信息進(jìn)行快速?zèng)Q策.但是基于策略的方法無(wú)法解決未知的上下文信息，所以使用基于強(qiáng)化學(xué)習(xí)的方法處理全局變化信息，根據(jù)事件信息無(wú)法匹配到合適策略，進(jìn)行在線(xiàn)決策，并更新策略庫(kù).保證在資源有限的情況下，空間飛行器系統(tǒng)針對(duì)內(nèi)部和外部環(huán)境的變化，可以進(jìn)行更快的自適應(yīng)調(diào)整.并且框架中加入反饋優(yōu)化Agent模塊，系統(tǒng)可以定期根據(jù)捕獲到的Agent狀態(tài)，環(huán)境情況，軟件參數(shù)以及最終的動(dòng)作信息進(jìn)行數(shù)據(jù)挖掘，找到存在關(guān)聯(lián)的數(shù)據(jù)項(xiàng)，進(jìn)行分析后，反饋到策略庫(kù)中進(jìn)行優(yōu)化，更新策略庫(kù)中的規(guī)則和約束信息，并且可以更新靜態(tài)定義和在線(xiàn)生成新策略信息中的并不完全合適的條件信息和約束關(guān)系.使得飛行器在太空?qǐng)?zhí)行任務(wù)時(shí)，可以根據(jù)外界復(fù)雜的環(huán)境變化和內(nèi)部的環(huán)境變化信息，進(jìn)行快速的自適應(yīng)反應(yīng)和策略調(diào)整.

圖1 空間飛行器控制軟件的自適應(yīng)框架Fig.1 Adaptive framework of spacecraft control software

面向空間飛行器的自適應(yīng)框架分為空間飛行器控制系統(tǒng)層和自適應(yīng)邏輯層.空間飛行器控制層是不具備自適應(yīng)能力的信息系統(tǒng)，包含信息系統(tǒng)的基本功能，由多個(gè)子系統(tǒng)組成，子系統(tǒng)中包含多個(gè)組件;自適應(yīng)邏輯層是使系統(tǒng)實(shí)現(xiàn)自適應(yīng)能力的重要組成，是由盟主Agent、功能Agent以及反饋優(yōu)化Agent組成的3層控制框架.上層的盟主Agent用于管理系統(tǒng)的全局變化，進(jìn)行自適應(yīng)調(diào)度和在線(xiàn)策略生成.盟主Agent中包含完整的MAPE控制循環(huán)，決策模塊包含ECA規(guī)則庫(kù)以及基于強(qiáng)化學(xué)習(xí)的方法.初始的ECA規(guī)則庫(kù)中包含靜態(tài)定義的策略，在感知到未知事件信息，無(wú)法進(jìn)行決策時(shí)，基于強(qiáng)化學(xué)習(xí)的方法進(jìn)行在線(xiàn)決策，并將新生成的決策信息加入ECA規(guī)則庫(kù)中.為了對(duì)環(huán)境感知到的信息進(jìn)行決策，分析模塊會(huì)對(duì)環(huán)境信息進(jìn)行建模，分析出事件信息后傳遞給決策模塊.使用基于強(qiáng)化學(xué)習(xí)的方法進(jìn)行在線(xiàn)決策生成，降低了系統(tǒng)開(kāi)銷(xiāo)，節(jié)省系統(tǒng)資源.并且可以對(duì)復(fù)雜的運(yùn)行環(huán)境做出及時(shí)反應(yīng).下層的功能Agent主要用于進(jìn)行局部調(diào)整，該Agent的決策模塊主要包含ECA規(guī)則庫(kù)，采用預(yù)先定義好的策略庫(kù)，對(duì)分析獲取到的事件信息，進(jìn)行決策.降低了資源占用，并且可以對(duì)已知的事件信息做出快速?zèng)Q策反應(yīng)，實(shí)現(xiàn)飛行器的自適應(yīng)過(guò)程.反饋優(yōu)化Agent感知系統(tǒng)的運(yùn)行狀態(tài)、環(huán)境信息以及動(dòng)作執(zhí)行的狀態(tài)，并暫時(shí)存儲(chǔ)在信息庫(kù)中，當(dāng)信息庫(kù)中的數(shù)據(jù)量達(dá)到初始設(shè)定的閾值時(shí)，再進(jìn)行關(guān)聯(lián)規(guī)則挖掘.規(guī)則挖掘模塊主要包含F(xiàn)P Growth關(guān)聯(lián)規(guī)則挖掘算法以及結(jié)果分析，最后得到有效的，精煉的關(guān)聯(lián)信息.因?yàn)橥诰虻玫降慕Y(jié)果并不都是有用的，所以在進(jìn)行結(jié)果分析后，選擇有效信息進(jìn)行反饋執(zhí)行，更新已有的策略庫(kù)和其中的約束條件信息.

下層的功能Agent使用基于策略的方法可以對(duì)空間飛行器系統(tǒng)感知到的局部變化做出快速?zèng)Q策反應(yīng)，保障飛行器在太空中的任務(wù)執(zhí)行.當(dāng)上層盟主Agent對(duì)全局進(jìn)行調(diào)整，將產(chǎn)生多個(gè)決策信息進(jìn)行選擇，然后下層的功能Agent協(xié)作執(zhí)行.當(dāng)面對(duì)未知的上下文狀態(tài)時(shí)，進(jìn)行在線(xiàn)決策.中層的反饋優(yōu)化Agent定期對(duì)獲取到的數(shù)據(jù)信息進(jìn)行挖掘，并對(duì)結(jié)果信息進(jìn)行分析反饋，保證策略的正確性與實(shí)時(shí)性，實(shí)現(xiàn)空間飛行器系統(tǒng)的動(dòng)態(tài)的可靠的自適應(yīng)演化.

3 自適應(yīng)決策與反饋調(diào)整的關(guān)鍵技術(shù)

3.1 基于策略/規(guī)則的自適應(yīng)決策方法

本文在下層功能Agent中采用ECA規(guī)則描述自適應(yīng)策略，ECA規(guī)則語(yǔ)法簡(jiǎn)單，可以用簡(jiǎn)潔的語(yǔ)言表述執(zhí)行過(guò)程中策略的觸發(fā)和執(zhí)行過(guò)程，減少大量的策略解析時(shí)間.ECA規(guī)則中事件(Event)作為感知環(huán)節(jié)和分析環(huán)節(jié)的監(jiān)控和分析對(duì)象.經(jīng)感知分析環(huán)節(jié)，對(duì)事件相應(yīng)的策略進(jìn)行觸發(fā)，然后將該決策信息的條件(Condition)在下一環(huán)節(jié)進(jìn)行比對(duì)檢測(cè)，選取最合適的策略交給執(zhí)行環(huán)節(jié)，執(zhí)行環(huán)節(jié)實(shí)現(xiàn)該策略對(duì)應(yīng)的動(dòng)作(Action)，完成自適應(yīng)調(diào)整.

空間飛行器在太空中執(zhí)行任務(wù)時(shí)，將系統(tǒng)狀態(tài)，環(huán)境信息等無(wú)法直接觀(guān)測(cè)的信息轉(zhuǎn)化為一組可觀(guān)測(cè)的指標(biāo)，將系統(tǒng)運(yùn)行過(guò)程中給感知到的環(huán)境信息映射為實(shí)際的值，映射的信息集合形成實(shí)時(shí)的系統(tǒng)狀態(tài).系統(tǒng)狀態(tài)S表明一個(gè)當(dāng)前系統(tǒng)可感知到的所有信息轉(zhuǎn)換為指標(biāo)的數(shù)據(jù)集，定義為

S={Sid,I}，

I={i1,i2,i3,…,in}，

其中Sid是系統(tǒng)狀態(tài)標(biāo)識(shí)，I表示感知到的信息轉(zhuǎn)化得到的指標(biāo)集合，in是單個(gè)屬性信息轉(zhuǎn)化得到的指標(biāo).

空間飛行器通過(guò)感知環(huán)境的變化進(jìn)行自適應(yīng)調(diào)整，將變化信息映射為事件，每個(gè)事件都表明一種系統(tǒng)或者環(huán)境變化，事件E定義為

E={Eid,Ename,Etype,Econtent,Epriori}

其中Eid為事件的唯一標(biāo)識(shí)，Ename為事件的名稱(chēng);Etype為事件類(lèi)型，分為內(nèi)部變化事件(CPU,硬盤(pán)，內(nèi)存等)和外部變化事件(太陽(yáng)引力，地心引力，隕石等);Econtent為事件內(nèi)容，是由感知到的環(huán)境信息變換映射到的事件信息，是事件的核心，Epriori表示事件的優(yōu)先級(jí).

經(jīng)過(guò)感知分析環(huán)節(jié)，得到事件的信息后觸發(fā)對(duì)應(yīng)的策略，然后比對(duì)該策略的條件信息，Econtent中的條件信息定義為：

Econtent={cid,cname,ctype,cdescription…}

其中，cid為條件的ID信息，cname為條件名，ctype為條件的類(lèi)型，cdescription為條件的描述信息，還有一些條件的檢查對(duì)象，運(yùn)行規(guī)則的計(jì)算表達(dá)式等.

決策環(huán)節(jié)對(duì)決策的條件信息進(jìn)行核實(shí)后，選出最符合滿(mǎn)意度的策略，送入執(zhí)行環(huán)節(jié)，執(zhí)行策略對(duì)應(yīng)的動(dòng)作(Action)，動(dòng)作A定義為：

A={Aid,Aname,Aobject,Atype,Aoperation…}

其中，Aid為 動(dòng)作的ID信息，Aname為動(dòng)作名稱(chēng)，Aobject為動(dòng)作的執(zhí)行對(duì)象，Atype為動(dòng)作的具體操作類(lèi)型，Aoperation為具體動(dòng)作信息，其余動(dòng)作信息還包括動(dòng)作的執(zhí)行條件，也就是上述的對(duì)應(yīng)條件信息等.

一條完整的ECA規(guī)則包括事件，條件以及動(dòng)作信息，并且是一種松散的低耦合的關(guān)系，事件、條件以及動(dòng)作各自定義，然后自由結(jié)合，形成完整的ECA規(guī)則.所以事件與動(dòng)作之間的關(guān)系會(huì)隨著系統(tǒng)的需求而動(dòng)態(tài)調(diào)整，完成系統(tǒng)在復(fù)雜環(huán)境下的自適應(yīng)演化過(guò)程.

3.2 基于強(qiáng)化學(xué)習(xí)的自適應(yīng)決策方法

本文在盟主Agent中采取基于強(qiáng)化學(xué)習(xí)的自適應(yīng)決策方法進(jìn)行全局變化調(diào)整和在線(xiàn)策略學(xué)習(xí)，該組件處于上層的盟主Agent中，Agent包含基于強(qiáng)化學(xué)習(xí)的方法和ECA規(guī)則庫(kù)，其中核心為基于強(qiáng)化學(xué)習(xí)的方法.該方法將強(qiáng)化學(xué)習(xí)的實(shí)時(shí)性、在線(xiàn)學(xué)習(xí)等特點(diǎn)引入到自適應(yīng)決策方法中，用于發(fā)現(xiàn)過(guò)期或者規(guī)則庫(kù)中未定義的決策信息.強(qiáng)化學(xué)習(xí)的基本框架[38]如圖2所示.

圖2 強(qiáng)化學(xué)習(xí)基本框架Fig.2 Basic framework of reinforcement learning

強(qiáng)化學(xué)習(xí)過(guò)程是一個(gè)感知，動(dòng)作和反饋的重復(fù)循環(huán)過(guò)程.如果Agent的某個(gè)嘗試動(dòng)作得到環(huán)境的一個(gè)正反饋，那么Agent在下次嘗試中會(huì)趨向于再次選用這個(gè)動(dòng)作.Agent智能體的目標(biāo)是在每個(gè)離散狀態(tài)下，得到最佳策略，使得期望的折扣獎(jiǎng)賞和最大.強(qiáng)化學(xué)習(xí)的過(guò)程是一個(gè)重復(fù)試探的過(guò)程，Agent選擇一個(gè)a作用于環(huán)境，環(huán)境接受a后狀態(tài)s發(fā)生變化，同時(shí)產(chǎn)生一個(gè)r(獎(jiǎng)或懲)反饋給Agent，Agent根據(jù)反饋信號(hào)和環(huán)境當(dāng)前狀態(tài)s再選擇下一個(gè)a，選擇的原則是使受到正反饋的概率增大.選擇的a不僅影響立即反饋值r，而且間接影響環(huán)境下一時(shí)刻的狀態(tài)s及最終的反饋值.

Agent智能體作為學(xué)習(xí)系統(tǒng)，學(xué)習(xí)過(guò)程是通過(guò)獲取環(huán)境的當(dāng)前狀態(tài)信息s，并對(duì)環(huán)境采取試探行為a，然后獲取當(dāng)前環(huán)境對(duì)于此次試探行為的獎(jiǎng)賞r，并更新為新的環(huán)境狀態(tài)信息.如果某動(dòng)作a導(dǎo)致環(huán)境正的反饋信息，那么Agent在試探中就會(huì)優(yōu)先選擇該動(dòng)作;反之，趨勢(shì)減弱.Agent通過(guò)在產(chǎn)生動(dòng)作和獲得的反饋獎(jiǎng)賞信息之間不斷交互，不斷修改從狀態(tài)到動(dòng)作的映射策略，最終獲得最優(yōu)策略.所以Agent在線(xiàn)學(xué)習(xí)一個(gè)策略π就是從狀態(tài)S→獎(jiǎng)賞A之間的交互，使得獲得的回報(bào)值最大.但是Agent采取的動(dòng)作的長(zhǎng)期影響不容忽視，所以需要定義一個(gè)目標(biāo)函數(shù)來(lái)表明從長(zhǎng)久的角度確定什么是優(yōu)的動(dòng)作，通常用狀態(tài)的值函數(shù)或狀態(tài)-動(dòng)作對(duì)的值函數(shù)表達(dá)此目標(biāo)函數(shù)，函數(shù)有以下3種形式：

(1)

(2)

(3)

其中γ為折扣因子，反映了Agent對(duì)未來(lái)回報(bào)的重視程度，值越大，表示執(zhí)行該動(dòng)作得到的回報(bào)對(duì)Agent越重要.rt是Agent從環(huán)境狀態(tài)st到st+1轉(zhuǎn)移后得到的獎(jiǎng)賞值，可以為正、負(fù)或零.式(1)是無(wú)限折扣模型，是Agent考慮未來(lái)的獎(jiǎng)賞，以折扣表示，累計(jì)在值函數(shù)中;式(2)為有限水平回報(bào)模型，只考慮未來(lái)m步的獎(jiǎng)賞和;式(3)為平均獎(jiǎng)賞模型，它考慮的是未來(lái)長(zhǎng)期的平均獎(jiǎng)賞.所以確定了目標(biāo)函數(shù)之后，可以根據(jù)式(4)確定最優(yōu)策略.

π*=argmaxVπ(s)， ?s∈S

(4)

強(qiáng)化學(xué)習(xí)在線(xiàn)策略生成的過(guò)程中，根據(jù)環(huán)境狀態(tài)s，選擇動(dòng)作a，再獲得反饋獎(jiǎng)賞r.所以選擇生成動(dòng)作是強(qiáng)化學(xué)習(xí)的核心要素.目前常用的動(dòng)作選擇策略有ε貪婪策略、Boltzmann分布機(jī)制.本文選擇ε貪婪策略作為動(dòng)作選擇策略，Agent以ε的概率選擇目前已知的最優(yōu)動(dòng)作，1-ε隨機(jī)選擇可執(zhí)行的動(dòng)作，隨著逐漸增大ε值，在保證收斂速度的情況下，也避免了陷入局部最優(yōu)解的局面.

強(qiáng)化學(xué)習(xí)通過(guò)與環(huán)境的交互在線(xiàn)生成策略，可以對(duì)復(fù)雜環(huán)境下的變化信息進(jìn)行自適應(yīng)調(diào)整.

3.3 基于FP Growth算法的反饋調(diào)整技術(shù)

控制軟件系統(tǒng)在進(jìn)行反饋優(yōu)化調(diào)整的過(guò)程中，可以對(duì)感知和收集到的狀態(tài)信息與決策信息進(jìn)行挖掘，搜索關(guān)聯(lián)關(guān)系以對(duì)策略庫(kù)中的信息進(jìn)行調(diào)整.而傳統(tǒng)的Apriori算法和它的優(yōu)化算法在演算過(guò)程中可能會(huì)產(chǎn)生大量的候選集.當(dāng)候選集的長(zhǎng)度為1的頻集有10000個(gè)的時(shí)候，長(zhǎng)度為2的候選集的數(shù)量就會(huì)呈指數(shù)級(jí)的增長(zhǎng)，其候選集的數(shù)量將會(huì)超過(guò)107.當(dāng)生成一個(gè)更長(zhǎng)的規(guī)則時(shí)，中間候選集數(shù)量會(huì)更加龐大.而空間飛行器在獨(dú)立的空間中進(jìn)行作業(yè)，面臨資源受限的情況，所以需要一種比Apriori更節(jié)省資源并且速度更快的算法，本文在反饋優(yōu)化Agent中使用FP Growth算法可以更好的符合這一條件.

FP Growth算法是一種單維的布爾關(guān)聯(lián)規(guī)則算法.所以Agent需要對(duì)感知到的數(shù)據(jù)，環(huán)境參數(shù)，系統(tǒng)狀態(tài)，硬件變化以及最后執(zhí)行的動(dòng)作信息進(jìn)行映射，映射為離散型的數(shù)據(jù)量，再進(jìn)行數(shù)據(jù)挖掘.FP Growth算法引入FP樹(shù)構(gòu)造路徑，它采用一種分而治之的策略，讀取映射后的事務(wù)信息，然后映射到FP樹(shù)中的一條分支，由于不同的事務(wù)會(huì)存在相同的元素，所以部分分支可能有重疊，但分支重疊的越多，F(xiàn)P樹(shù)結(jié)構(gòu)獲得的壓縮效果越好.第一次讀取完數(shù)據(jù)庫(kù)后，會(huì)產(chǎn)生一棵FP樹(shù).隨后將產(chǎn)生的FP樹(shù)分化成一些條件庫(kù)，每個(gè)庫(kù)和一個(gè)長(zhǎng)度為1的頻集有關(guān)，再對(duì)這些條件庫(kù)進(jìn)行規(guī)則挖掘.從而避免重復(fù)掃描數(shù)據(jù)庫(kù)中的數(shù)據(jù)，并且候選集數(shù)量明顯減少，性能相比較傳統(tǒng)的Apriori算法要好兩個(gè)數(shù)量級(jí).反饋優(yōu)化模塊的基本的運(yùn)行流程如下：

(1)感知環(huán)節(jié)，感知策略執(zhí)行后的動(dòng)作信息、系統(tǒng)狀態(tài)信息以及環(huán)境信息，并進(jìn)行數(shù)據(jù)處理.

(2)存儲(chǔ)處理過(guò)后的數(shù)據(jù)信息，并對(duì)當(dāng)前存儲(chǔ)的數(shù)據(jù)信息量進(jìn)行計(jì)數(shù)，當(dāng)數(shù)量到達(dá)設(shè)置的閾值時(shí)，進(jìn)行數(shù)據(jù)挖掘的操作.

(3)統(tǒng)計(jì)數(shù)據(jù)集中各個(gè)元素出現(xiàn)的次數(shù)，將低于最小支持度的元素刪除，然后將每條事務(wù)信息中的的元素按頻數(shù)排序，這些元素都是頻繁項(xiàng).

(4)用更新后的數(shù)據(jù)集，構(gòu)建FP樹(shù)，同時(shí)更新頭指針表.

(5)根據(jù)構(gòu)建的FP樹(shù)，將其分化為若干個(gè)條件庫(kù)，以長(zhǎng)度為1的頻繁項(xiàng)為結(jié)尾與每個(gè)條件庫(kù)進(jìn)行關(guān)聯(lián).

(6)對(duì)新生成的條件庫(kù)進(jìn)行關(guān)聯(lián)規(guī)則挖掘，計(jì)算支持度和置信度.

(7)對(duì)結(jié)果進(jìn)行處理，保留其中有價(jià)值的信息，并分析是否更新規(guī)則庫(kù)中的信息.

通過(guò)反饋優(yōu)化Agent進(jìn)行數(shù)據(jù)挖掘后，更新規(guī)則庫(kù)中的信息，使得系統(tǒng)在自適應(yīng)過(guò)程中，面對(duì)復(fù)雜的環(huán)境信息，可以將事件信息與條件進(jìn)行匹配度更高的比較，可以更加快速的匹配的最合適的策略信息，完成空間飛行器在執(zhí)行任務(wù)時(shí)完成可靠的自適應(yīng)演化.

4 結(jié) 論

空間飛行器控制軟件在太空中完成自適應(yīng)演化對(duì)人類(lèi)探索、開(kāi)發(fā)和利用太空意義重大.本文通過(guò)引用兩種決策方式，對(duì)局部和全局變化進(jìn)行把控調(diào)節(jié)，并使用一種反饋優(yōu)化方法進(jìn)行策略調(diào)整.在合理分配資源的基礎(chǔ)上，使飛行器完成自適應(yīng)演化.該方法也可以應(yīng)用在大規(guī)模網(wǎng)構(gòu)軟件下，利用基于數(shù)據(jù)驅(qū)動(dòng)的反饋優(yōu)化方法實(shí)現(xiàn)自適應(yīng)系統(tǒng)的主動(dòng)演化，但是仍需要進(jìn)行一步研究.作者后續(xù)將進(jìn)一步將軟件演化理論和技術(shù)應(yīng)用到自適應(yīng)演化中，提高航天器控制系統(tǒng)在自適應(yīng)演化的過(guò)程中的可靠性，為航天器進(jìn)行可靠的自適應(yīng)演化提供支持和指導(dǎo).