鼠鼠的博客

我们研究了一种基于强化学习的敏捷卫星调度问题的一般解。该方法的核心思想是通过经验训练，确定一个值函数来评估一定状态下的长期效益，然后将该值函数应用于指导未知情况下的决策。首先，将敏捷卫星调度过程建模为一个具有连续状态空间和离散动作空间的有限马尔可夫决策过程。敏捷地球观测卫星调度问题的两个子问题，即排序问题和定时问题，分别由模型中的代理部分和环境问题来解决。利用构造启发式算法可以快速得到一个满意的解决时序问题。这个问题的目标函数是最大化整个调度过程的总回报。

本文将多卫星系统中的自组织任务分配作为一种潜在的博弈，提出了一种分布式任务分配算法（DT2A）问题。我们证明了博弈的每个纳什均衡构成了一个任务覆盖，使执行任务的数量最大化。此外，我们还证明了所提出的DT2A在有限时间内以概率收敛到接近最优赋值。数值实验证明了该算法对偶然干扰的鲁棒性，并揭示了内存长度对求解效率细化的积极影响。在小规模和大规模场景下的比较实验突出了所提出的方法优于现有的分布式或集中的典型方法。

参照网上基于改进遗传算法求解带时间窗约束多卫星任务规划方法，改进为基于Python实现并进行可视化的实现方法，实验的本质是一个带时间窗口的VRP的问题。