资源误差≤5%，覆盖提升15.8%
利用LSTM预测与动态补偿，结合高效ADMM算法，面向多样化业务需求优化星上资源分配，解决动态拓扑下感知延迟与预测不准的难题。
Hang, Di · Dong, Tao · Liu, Zhihui · Shuotong, Wei · 张其威 · Dingyun, Zhang
Applied Sciences (Switzerland) 2025
动态补偿模型根据感知延迟和预测精度调整权重，使补偿后的资源状态数据与星上真实状态高度一致，为分配决策提供可靠依据。
以最大化业务资源需求满足度为目标，采用加速ADMM算法高效求解资源分配问题，在相同资源条件下服务更多业务需求。
将固有感知延迟用作预测步长，使预测与感知过程同步，不需要额外等待感知数据完成，缩短了从感知到决策的时间。