控制与决策

作者：陈珂昕,刘晓路,淳洁,曹顺怡,陈宇宁

单位：国防科技大学 系统工程学院，长沙 410000,,国防科技大学 系统工程学院，长沙 410000,,国防科技大学 系统工程学院，长沙 410000,,国防科技大学 系统工程学院，长沙 410000,,国防科技大学 系统工程学院，长沙 410000,

关键词：多类型任务成像调度;深度强化学习;自适应大邻域搜索算法;广义观测收益函数

基金：国家自然科学基金项目(7227011381)；国防科技大学研究生创新项目(XJJC2024040).

面对日益增长的卫星数量和多样化的任务需求, 在轨成像卫星群任务调度的难度不断提升, 现有方法大多针对小规模或单一类型的卫星和任务, 难以适应大规模卫星资源下多类型任务的协同调度需求. 针对上述问题, 提出一种综合考虑多类型任务的成像卫星群调度模型与算法. 在模型构建方面, 设计广义观测收益函数, 统一评估包括普通点目标、周期性点目标和区域目标在内的不同任务类型的收益, 同时考虑卫星资源的限制和任务的特定要求, 以确保生成的调度方案合理高效; 在算法设计方面, 提出一种深度强化自适应大邻域搜索算法(DRL-ALNS), 利用深度强化学习的自主学习能力, 在自适应大邻域搜索框架中智能地进行算子选择和参数配置, 从而有效应对大规模搜索空间的挑战. 为了验证所提出方法的有效性, 将其与多种对比算法进行仿真实验. 结果表明, DRL-ALNS在任务收益值上平均提升7.6%, 验证了其在解决多类型任务成像卫星群调度问题中的有效性和优越性.

来源：2025年第6期

《控制与决策》期刊编辑部

查看控制与决策杂志2025年第6期