LLM辅助进化调度算法

调度质量与收敛齐升

用大语言模型驱动进化框架自动生成订单派发启发式，替代人工设计启发式，在多敏捷对地观测卫星调度上同时提升解质量与收敛速度。

Feiran, Wang · Du, Yonghao · Lining, Xing · 陈盈果 · 陈英武

Engineering Applications of Artificial Intelligence 2026

参数信息

优于现有启发式的场景比例

80 %

技术优势

解质量更高

LLM辅助进化框架能探索更广泛的启发式空间，避免人工设计规则的局限性。

收敛更快

在80%的测试场景中收敛速度优于现有启发式，可减少计算时间。

自动生成启发式

利用LLM替代人工设计启发式，降低对领域专家的依赖。

应用场景

• 卫星任务规划：自动生成调度启发式，提升对地观测任务分配效率。
• 智能优化调度：用LLM辅助进化替代人工规则，解决复杂调度问题。
• 大模型辅助决策：通过LLM生成和优化决策启发式，辅助卫星调度决策。