深度强化学习调度算法

多类卫星观测通用

针对多种类型卫星观测调度难题，该算法结合了深度强化学习与遗传算法，能高效生成观测计划，优于现有方法。

Song, Yanjie · Ou, Junwei · Pedrycz, Witold · Suganthan, Ponnuthurai Nagaratnam · 王昕伟 · Lining, Xing · 张悦

IEEE Transactions on Systems, Man, and Cybernetics: Systems 2024

技术优势

优于现有算法

仿真结果验证DRL-GA在多个方面优于现有最优算法，能够获得更优的观测计划。

多类卫星通用

提出的混合整数规划模型和广义收益表示方法能够有效应对多类型卫星观测场景。

搜索性能增强

结合个体更新策略和精英策略，增强了DRL-GA的搜索性能。

应用场景

• 卫星观测调度：为多类型卫星制定观测计划，提高任务完成效率。
• 卫星任务规划：在卫星任务规划中提供自动调度方案，减少人工干预。
• 深度强化学习：将深度强化学习用于调度决策，提升优化效果。