近日，国防科技大学邢立宁研究员与北京理工大学辛斌教授、清华大学王凌教授等在国际顶级期刊《IEEE Transactions on Evolutionary Computation》上合作发表学术论文《A Data-driven Parallel Scheduling Approach for Multiple Agile Earth Observation Satellites》，提出了解决大规模新型卫星任务并行调度的数据驱动方法。
随着我国航天事业的快速发展，在轨卫星规模持续增加，导致其任务调度的解空间规模剧增，对算法的寻优速度与精准度提出了更高要求。论文提出了一种数据驱动的并行调度新方法，通过任务分配与并行调度提升寻优速度，通过数据预测提升精准度。论文的主要贡献包括：
1. 提出了一种预测任务可行性的神经网络模型，通过进化神经网络开展模型训练，进而给出一种建立资源状态与任务可行性的先验联系的新方法；
2. 提出了基于预测模型的任务分配策略，将任务分配给预测可行性最高的资源，开辟了数据驱动的问题自适应降维的新思路；
3. 完成了方法的工程化测试应用，将大规模新型卫星任务调度时间由小时级缩短至分钟级，满足了相关部门对优化质量与速度的双重需要。
该成果得到国家杰出青年科学基金、国家自然科学基金面上项目、全国优秀博士学位论文专项资金等项目资助。《IEEE Transactions on Evolutionary Computation》是计算机科学和人工智能领域的权威学术期刊，最新SCI影响因子8.508。
论文信息：
Title: A Data-driven Parallel Scheduling Approach for Multiple Agile Earth Observation Satellites
Authors: Yonghao Du, Tao Wang, Bin Xin, Ling Wang, Yingguo Chen, Lining Xing
Source: DOI: 10.1109/TEVC.2019.2934148
Link: https://ieeexplore.ieee.org/document/8793135