多探测器协同任务规划中分布式增量弧一致性时序网络推理方法研究

针对多探测器协同任务规划中动态时序约束难题，研究人员提出分布式增量弧一致性(DIAC)算法。该算法通过局部推理限制约束传播范围，动态处理不同约束类型，减少77.2%的约束检查时间，降低23.69%的规划耗时，有效规避路径一致性算法导致的隐私泄露风险，为深空探测任务提供高效、安全的时序规划方案。

　　

随着深空探测进入多探测器协同时代，探测器间的时序约束复杂度呈指数级增长。以月球科研站、小行星探测等任务为例，轨道器、着陆器和巡视器需精确协调充电、通信、采样等活动的时序关系。传统路径一致性算法如Floyd-Warshall虽能保证全局一致性，但存在两大痛点：一是新增约束需全图遍历导致计算效率低下；二是三角化过程可能暴露探测器间的隐含约束，在跨国合作中引发隐私泄露风险。

北京理工大学的研究团队在《Knowledge-Based Systems》发表研究，提出分布式增量弧一致性(DIAC)算法。该研究通过构建多Agent简单时序网络(MaSTN)模型，采用局部传播、动态更新和高效推理三大机制，实现时序约束的增量式维护。关键技术包括：基于BDH基准数据集的性能测试、与DisACSTP和GDAC算法的对比实验、以及引入外部约束的鲁棒性验证。

多探测器任务规划问题
研究将探测器活动建模为时间点变量，约束关系转化为有向边权重。例如着陆器充电需满足光照窗口[10,15]分钟，与轨道器通信需在姿态调整后5分钟内启动。这种时序网络需同时满足活动内约束和探测器间共享约束。

分布式增量弧一致性推理
DIAC算法创新性地采用三级处理策略：1) 优先处理活动内约束，利用边界紧缩技术快速收敛；2) 延迟处理共享约束，通过域值缓存减少重复计算；3) 动态触发局部传播，仅更新受影响变量域。实验显示该算法约束检查次数比GDAC减少63.8%。

实验验证
在包含20个时间点/探测器的BDH数据集测试中，DIAC表现出显著优势：1) 规划时间随探测器数量增长呈线性趋势，而DisACSTP呈指数增长；2) 引入外部约束时，通信开销仅为DIPPC算法的31.2%；3) 隐私保护方面，全程未产生跨探测器的新约束。

这项研究为深空探测任务规划提供了突破性解决方案。DIAC算法通过局部推理和增量更新，既保持了弧一致性算法不泄露隐私的特性，又具备接近路径一致性的推理效率。其创新价值体现在：1) 建立动态约束分级处理范式；2) 开发域值缓存技术降低80%冗余计算；3) 为跨国探测器协作提供符合保密要求的技术路径。研究结果已应用于我国小行星采样任务规划系统，为后续月球科研站多国协同任务奠定技术基础。