基于强化学习的大规模复杂关联对地观测任务筹划方法

本发明公开了基于强化学习的大规模复杂关联对地观测任务筹划方法，涉及任务资源筹划技术领域。其包括：获取对地观测任务筹划的历史数据，构建样本数据集；构建图神经网络和强化学习网络；使用样本数据集对图神经网络和强化学习网络同时进行训练；获取需求、卫星、数传任务、观测四类信息列表，处理为需求特征向量、卫星特征向量、数传任务特征向量、观测特征向量；将四个特征向量输入训练好的图神经网络，得到环境特征向量，再将环境特征向量与需求特征向量输入训练好的强化学习网络，输出对地观测任务筹划结果。本发明能够解决多任务和有限资源情况下的调度优化问题，提高任务筹划效率，可以广泛应用于卫星任务调度、智能制造、自动驾驶等领域。