本文针对空天资源的联合任务规划进行了研究和阐述，主要内容包括： 第一章介绍了研究背景和国内外研究现状。 第二章介绍了空天资源联合任务规划中存在的主要问题。 第三章提出了基于深度学习的资源 - 任务智能化匹配技术。 第四章提出了面向空天资源的任务智能化分配技术。 第五章提出了基于蚁群优化的天基资源任务智能规划技术。 第六章提出了基于演化计算的空基资源任务智能规划技术。 第七章进行了总结与展望。 主要特色和创新点： 1. 提出了基于深度学习的资源 - 任务智能化匹配技术，解决了空天资源智能任务规划问题中的资源 - 任务快速筛选问题。 2. 设计了面向空天资源的任务智能化分配技术，解决了空天任务分配问题中增加任务频次的需求和降低服务成本的需求的冲突的问题。 3. 设计了基于蚁群优化的天基资源任务智能规划技术，解决了天基资源的任务规划问题。 4. 设计了基于演化计算的空基资源任务智能规划技术，解决了空基资源的任务规划问题。 读者对象： 从事任务规划问题研究的专业人员，高校与科研院所的研究员。

王原,于2021年获国防科技大学管理科学与工程专业博士学位，主要研究方向为智能优化与决策技术、智能优化方法、基于深度学习的优化理论等。以第一作者在《Swarm and Evolutionary Computation》等**期刊发表SCI论文多篇，一篇入选ESI引用前10%。

前 言 当代，国民生活对空天信息的需求越来越大，对各类空天信息获取的时效性、综合性、复杂性要求越来越突出。尤其在响应国土资源测绘、防灾减灾、应急搜救等典型需求时，通常需要多类卫星或无人机等资源在复杂的任务条件下互相配合，共同完成一个或多个复杂需求。同时，空天信息的用户开始呈现下沉趋势，具体表现在用户对空天信息获取的工作流程熟悉程度下降，用户中非专家用户的比例上升。这就要求空天资源调配和控制系统能够充分理解用户的使命级需求，并在系统内现有资源的条件下，精准匹配用户需求，快速给出合理的空天资源分配和调度方案。 本书所述方法旨在帮助空天资源管控系统有效理解用户需求，结合系统内当前资源情况，快速给出合理的任务分配和资源调度方案。另外，在任务分配和资源调度方案基础上，结合不同类型资源的实际应用场景，针对不同类型资源的使用特点进行方案的智能优化。 本书将该问题划分为以下四个阶段：空天任务-资源匹配阶段、空天任务协同分配阶段、天基任务规划阶段、空基任务规划阶段。其中，空天任务-资源匹配阶段结合系统内现有资源的情况，以及空天信息用户的信息需求，生成对应的空天任务清单-空天资源匹配方案。空天任务分配阶段则在前一阶段产生的空天任务清单-空天资源匹配方案的基础上，结合系统内不同资源的特点和任务执行需求，对空天任务进行合理分配。天基任务规划阶段在空天任务协同分配方案和基础上，针对天基任务执行资源的使用特征，对天基任务执行方案进行优化。空基任务规划阶段则针对空天任务分配方案中的空基任务，在多目标优化方法和仿真实验的基础上，给出空基资源控制系统优化策略，辅助空基资源任务执行。本书的主要内容包括...