前  言

成像卫星平台的载荷能力逐渐加强、数量与日俱增，让成像卫星实现更广泛应用、产生更大社会效益的同时，也给成像卫星任务规划带来了新的挑战：综合管控精细化，导致问题中变量数目增加、决策维度升高、解空间变大，也对算法求解质量提出了更高的要求；快速响应常态化，导致用户对成像产品时间效率的期望不断提升，同时对算法运算效率和算法运行稳定性提出了更高的要求；约束条件复杂化，导致问题中变量之间的耦合关系加深，要求算法对不同类型、不同性质的成像卫星实现统一接入和有机整合，以提升对各类成像卫星的综合管控能力和统筹应用效果。正因为上述变化与需求，成像卫星任务规划过程中通用性与高效性之间、求解效率与求解精度之间的矛盾日益尖锐。鉴于此，本书介绍了成像卫星学习型双层任务规划理论及应用。主要研究内容展开为如下五个方面：

1) 提出了成像卫星任务规划系统设计的一般方法

面向新型成像卫星及其运行控制过程的特点，分析系统设计需求，梳理成像卫星任务规划系统的整体结构、划分成像卫星运行控制的业务流程、抽象任务规划系统模块之间的相互关系。围绕系统设计理念，确定整体设计思路与设计原则。以此为基本原则，利用面向对象的可视化建模技术实现对系统的详细设计，从而保证设计的一致性、模块的独立性、开发的敏捷性。研究内容遵循软件设计规范和基本原则，为相关研究者提供了一套可参考、易实施的方法论基础。

2) 提出了成像卫星任务规划问题的双层优化模型

基于对成像卫星运行控制过程的梳理与分析，确定成像卫星任务规划问题的标准化描述及基本假设。在综述成像卫星任务规划模型研究现状、分析成像卫星任务规划问题基本要素的基础上，提出成像卫星任务规划的问题分解方案和双层组合优化框架：任务分配过程为任务选择一个合适的可见时间窗，任务调度过程基于确定的任务分配方案来决策每个任务的具体执行时刻。在学习型双层组合优化框架下，针对任务调度过程和任务分配过程分别设计了数学规划模型和有限马尔可夫决策模型，并提出了集成强化学习与确定性算法的学习型双层任务规划求解思路，以充分发挥强化学习和确定性算法的优势。这一部分研究内容是任务调度过程和任务分配过程分析与求解的基本依据，为实现不同卫星、不同场景的统一化建模与求解提供了方法论基础。

3) 提出了两种确定性算法求解任务调度问题

任务调度问题被考虑为数学规划模型，并将该模型中的约束条件分为四类，设计统一的约束表示方法和基于时间线推进机制的约束检查算法，从而实现对复杂约束的高效处理。根据问题特点及精确求解算法优势，该部分内容设计了基于剩余任务密度的启发式算法、基于任务排序的动态规划算法，求解过程的设计保证了结果的稳定性；复杂度分析过程说明了算法的运算效率，同时可通过理论推导证明这两种算法在满足不同特定条件时的最优性，保证了算法的求解质量。此外，这两种算法的运算过程与约束条件耦合度的降低，提高了算法在成像卫星任务调度问题中的通用性。通过仿真实验，验证了基于剩余任务密度的启发式算法的时间效率和运算稳定性具有明显优势，同时求解质量不亚于基于时间窗的构造启发式算法、学习型蚁群算法、自适应大邻域搜索算法这三种对比算法；基于任务排序的动态规划算法在可接受的时间内得到比基于剩余任务密度的启发式算法更高的任务完成率和任务收益率，尤其是在过度订阅场景中，任务完成率和任务收益率分别比自适应大邻域搜索算法平均提升约26%和19%。

4) 改进了深度Q学习算法求解任务分配问题

在有限马尔可夫决策模型的基础上，进一步细化对该模型各要素的设计：考虑到任务分配问题的输入参数众多、关系复杂、信息密度低等特点，在确保动作空间和状态空间完备性的基础上，尽可能缩小动作空间和状态空间；同时配合领域知识设计短期回报函数的计算方法以及价值函数的表示方法，可有效缓解训练过程中由于稀疏回报等导致的训练效率偏低等问题。基于该模型设计了改进深度Q学习算法，该算法包含了面向随机初始状态的求解框架和基于领域知识和约束条件的动作剪枝策略，提升算法的训练效率。仿真实验中，对算法属性的消融性研究，讨论了算法中价值函数及属性配置、多类算法集成对求解效率和效果的影响，确定了求解成像卫星任务分配问题的深度Q学习算法参数与辅助函数配置方案。同时，通过对算法的训练和应用过程分析，证明了深度Q学习算法在求解任务分配问题中的可行性以及集成强化学习和确定性算法在任务规划问题中的优越性。

5) 研究成果在“高景一号”任务规划场景中得到验证

以实际项目背景出发，设计了“高景一号”任务规划系统，通过系统的内外部接口设计和数据结构设计保证系统设计的合理性。建立了面向“高景一号”星座的双层优化模型和集成规划算法，并用于求解对应的任务规划问题。系统、模型和算法的设计均遵循该星座的运控流程和行业规范，可以很好地与实际应用接轨。14组“高景一号”星座日常任务规划场景中的仿真实验结果表明，本书所设计的两种集成算法的求解精度在所有场景中均优于对比算法，其在有限的计算资源下，能够求解的实验场景最多，说明所提出集成算法的计算效率很高。面向未来复杂应用场景，所提出的集成算法具有巨大的优势和潜力。

本书凝结了作者2014---2023年在国防科技大学系统工程学院求学与工作过程中不断积累的主要学术成果，一字一句都离不开作者导师陈英武教授的悉心指导以及课题组各位老师同学、航天工业部门的各位同仁在本书撰写过程中的大力支持，也离不开清华大学出版社陈凯仁编辑为本书出版的辛勤付出。另外，本书还得到了国家自然科学基金青年科学基金项目（72201273）资助。在此，作者由衷地感谢对本书给予支持与帮助的专家学者和老师同学们！

本书围绕成像卫星学习型双层任务规划系统、模型、方法、应用等开展了初步的研究工作，具有较高的学术研究价值和应用推广价值，其中许多科学问题值得进一步深入研究，作者渴望能够通过本书激发广大读者对相关科学问题的兴趣。虽然作者已尽全力提高内容质量，但由于水平有限，书中难免存在错误和值得改进之处，恳请各位读者提出宝贵意见，不胜感激！

作者

2023年6月于长沙