本研究提出了一个双目标优化模型，名为具有可变图像时间的敏捷地球观测卫星观测调度问题 (OSWVID)，并设计了三个多目标基因算法来解决该问题，分别为 PD+ NSGA-II，LA+ NSGA-II 和 ALNS+ NSGA-II。在现有实例的基础上，本研究通过广泛的模拟实验，分析了这三种算法的关键参数优化、算子演化和效率。

Jul, 2022

本文研究了一个主动成像敏捷地球观测卫星（MOSP）的多带观测调度问题。我们提出了一个双目标优化模型和一个自适应双目标域搜索算法，该算法集成了自适应大领域搜索算法（ALNS）和非支配排序遗传算法 II（NSGA-II）的综合能力。实验结果表明，ALNS 和 NSGA-II 的联合工作产生了卓越的性能，我们的模型比现有模型更多功能，可以更好地解决应用问题。

Jul, 2022

本文提出了一个用于电磁探测卫星调度问题（EDSSP）的混合整数编程模型和基于强化学习的遗传算法（RL-GA）。在算法中，我们设计了奖励函数来更新 Q 值，并使用一种新的 <状态，动作> 组合来指导种群搜索过程。最终基于 RL-GA 提出了一个任务时间窗口选择算法（TTWSA），通过多个实验验证，证明了 RL-GA 的有效性和高性能。

Jun, 2022

卫星图像拼接技术的约束和混合整数线性规划公式被提出并应用于卫星图像马赛克选择问题，该问题是对多边形覆盖问题的多目标扩展，并且我们提供了由 SPOT、Pléiades 和 Pléiades Neo 卫星星座捕捉的现实而具有挑战性的数据集进行评估和比较。

Dec, 2023

该研究提出了一种具有家族属性的卫星图像数据下行调度问题以及其优化模型和算法 —— 双阶段差分进化算法 (DE+NSGA-II), 其中采用快速分割运算符对大 OID 进行分割，实现在多个 VTW 中传输，并设计了数据传输失败率和分割次数等指标来评估影响因素。

Jul, 2022

本研究提出一种新型的协调调度优化方法，通过减少平均等待时间和周转时间，提高了港口效率。实验结果表明，该方法的两种典范方法都能够有效地提高港口效率，其中滚动视界法可在 3 个月的数据集上减少到 20 分钟的运行时间。

Apr, 2022

通过建模卫星星座和卫星接触计划为动态网络并采用基于图论的技术，提出了一种新方法来解决卫星网络通信调度的复杂性问题，通过仿真退火的启发式算法更新，推测网络延迟误差平均为 3.6 分钟，在提高 29.1% 延迟的同时，实现 20 倍的目标评估速度。

Mar, 2024

在动态环境中，高效利用卫星资源仍然是卫星排程中的一个具有挑战性的问题。本文解决了多卫星集合排程问题（m-SatCSP），旨在优化在云覆盖等不确定条件下对卫星星座进行任务排定。通过使用蒙特卡洛树搜索（MCTS），探索了两个版本的 MCTS 来有效地安排卫星。进行超参数调整以优化算法的性能。实验结果表明了 MCTS 方法的有效性，在解决质量和效率方面均优于现有方法。与其他排程算法的比较分析展示了有竞争力的表现，将 MCTS 定位为动态环境卫星任务排程的一个有前景的解决方案。

May, 2024

运用 3D 高斯粒子扩散方法，在当前太空航行硬件上，通过对卫星进行建模和渲染，实现对未知卫星的准确定位和控制。

Jan, 2024

本研究探讨了如何使用图神经网络（GNN）更有效地调度纳米卫星任务，并将优化问题表示为二分图。同时，应用可解释性人工智能（XAI）确定对学习表现影响最大的要素。结果表明 GNN 对于调度纳米卫星任务是一种可能有效的方法，并突出了可解释性机器学习模型在挑战性组合优化问题上的优点。

Mar, 2023