对单个敏捷的光学卫星调度问题进行本地关注的深度强化学习
Zheng Liu1, Wei Xiong1, Chi Han1
1National Key Laboratory of Space Target Awareness, Space Engineering University, Beijing 101416, China.
Sensors (Basel, Switzerland)
|October 16, 2024
概括
一个新的深度强化学习算法有效地解决了单个敏捷的光学卫星调度问题. 这种方法通过提高解决方案质量和减少地球观测计算时间来增强卫星任务.
科学领域:
- 计算机科学 计算机科学
- 航空航天工程 航空航天工程
- 运营研究 运营研究
背景情况:
- 单一敏捷的光学卫星调度问题对于地球观测至关重要,因为数据需求日益增加.
- 传统方法与复杂的约束和大解决方案空间作斗争,导致高计算成本.
- 需要一个高效和可扩展的解决方案来优化卫星调度.
研究的目的:
- 为单个敏捷的光学卫星调度问题开发一个高效的深度强化学习算法.
- 为了解决复杂的约束,并优化完成任务的利率.
- 与现有方法相比,提高解决方案质量和计算效率.
主要方法:
- 建立了一个数学模型来定义卫星调度问题及其约束.
- 提出了一个深度强化学习框架,具有编码器解码器结构和局部注意力机制.
- 整合了适应性学习率策略,以提高关键演员培训的有效性.
主要成果:
- 提出的深度强化学习算法在解决方案质量方面表现出卓越的表现.
- 该算法在不同的问题实例中显示了改进的概括能力.
- 与传统方法相比,观察到计算效率的显著提高.
结论:
- 开发的深度强化学习算法为单个敏捷的光学卫星调度问题提供了有效的解决方案.
- 当地注意力机制和自适应学习率策略提高了算法的性能和训练.
- 这种方法为优化未来地球观测任务提供了一个有希望的方向.
