本书创造性地提出一种面向多敏捷卫星任务调度的数据驱动双层优化算法。本书从卫星任务管控实际业务需求出发，分析卫星任务调度问题的特点，针对其中的多星任务分配问题和单星任务调度问题展开讨论，构建卫星任务调度问题的双层优化模型。面向单星任务调度、多星常规任务调度、多星应急任务调度等问题，设计一种融合机器学习与传统优化方法的数据驱动优化算法，并通过大量实验证明所设计算法的有效性。本书的研究成果可以拓展大规模卫星任务调度、卫星应急任务调度等问题的研究思路，也可进一步改造应用于北斗导航、深空探测以及超低轨通遥一体卫星星座等重大专项工程，具有一定的实际意义。

吴健，博士研究生，国防科技大学助理研究员，主要研究方向为智能优化、资源调度及任务规划等。获研究生国家奖学金、国防科技大学优秀博士学员、首届任务规划创客竞赛一等奖、三等奖。主持湖南省研究生科研创新项目1项，发表SCI、EI学术论文10余篇，专利3项。

前言 随着卫星技术的不断变革，成像卫星在地形勘探、灾难预警以及军事情报获取等方面发挥着越来越重要的作用。近年来，星上硬件水平不断发展、大型星座不断建设以及应用需求不断提出，为当前的卫星任务调度算法提出了新的挑战。首先，新一代具有高姿态机动能力的敏捷卫星得到大范围应用。与非敏捷卫星相比，敏捷卫星具有时间依赖的特点，其任务调度问题决策维度进一步提升，单体复杂度提高。其次，任务数量与卫星规模不断增长，问题解空间规模进一步增大。加之应急需求频繁发生，对算法求解时效性要求变高。由于一体优化框架需要遍历问题全部解空间，一旦问题规模扩大，算法在求解质量与求解速度间的矛盾将更加突出。双层优化框架能够将复杂问题分解成具有层级关系的上下两层子问题，实现问题层面的“分治降维”。然而，该框架会限制算法探索全部解空间，从而无法保证解的优质性。为有效降低双层优化框架对算法的影响，并统筹好我国在轨卫星和管控资源，本书开展面向多敏捷卫星任务调度的数据驱动双层优化算法研究，旨在通过数据驱动的方式来提升算法的求解性能，具体内容和创新点如下。 （1） 设计了面向卫星任务调度问题的数据驱动双层优化算法框架。在对实际业务流程详细梳理的基础上，分析了卫星任务调度中核心问题，即“多星任务分配和单星任务调度”的特点、输入以及输出；重点介绍了两种常见求解框架，即“一体优化和双层优化”，分析了两种框架的优势和劣势。鉴于当前卫星任务调度问题呈现出的大规模和不确定性的特点，明确了双层优化的算法框架。其中，多星任务分配作为上层领导者，单星任务调度作为下层从属者，据此给出问题的双层优化模型、目标函数以及约束条件。针对...