系统工程与电子技术

作者：朱运豆, 孙海权, 胡笑旋

单位：1. 合肥工业大学管理学院, 安徽 合肥 230009；2. 过程优化与智能决策教育部重点实验室, 安徽 合肥 230009

关键词：多星协同成像,任务规划,深度强化学习,指针网络

基金：国家自然科学基金(72071064);中央高校基本科研业务费专项资金;安徽省自然科学基金(2408085QG221)

随着卫星资源数量增加, 用户成像需求也在急剧扩大, 亟需加强多星协同成像任务规划研究, 提升卫星服务能力。本文基于深度强化学习对多星协同成像任务规划问题开展研究。首先, 在满足任务需求、卫星能力、时空约束基础上, 建立多星协同成像任务规划数学模型。然后, 设计一种基于指针网络的卫星任务规划算法, 利用指针网络机制对输入序列进行优化选择, 并通过Mask向量表征各类约束。最后, 仿真结果表明算法获得的平均任务收益比传统启发式算法和指针网络模型至少提高1.71%, 对于不同任务规模实例训练完成的算法, 其平均任务收益差最大不超过0.28%, 证明了算法的有效性和适用性。

来源：2025年第7期

《系统工程与电子技术》期刊编辑部

查看系统工程与电子技术杂志2025年第7期