arXiv · cs.AI · He Wang, Junyu Wu, Hui Li, Yanjie Song, Witold Pedrycz, Liang Li · 11 小时前模型评分28
RLOSMEA:强化学习引导的异构敏捷对地观测卫星调度进化算法
Reinforcement Learning-Guided Evolutionary Policy Optimization for Preference-Adjustable Heterogeneous Agile Earth Observation Satellite Scheduling
导读
针对异构敏捷对地观测卫星(AEOS)调度中卫星平台差异导致统一建模困难的问题,研究者提出强化学习辅助的算子选择模因进化算法(RLOSMEA),让强化学习选择高层搜索算子而非直接构造调度方案。在不同异构AEOS场景实验中,RLOSMEA的加权效用和收敛稳定性均优于代表性元启发式基线,并已发表于 IEEE Transactions on Geoscience and Remote Sensing。
分类置信度
中 · 待人工复核
- 只有单一媒体来源,需要人工复核。
来源级别:媒体与个人
应用领域:科学研究
事件类型:研究发布
证据摘录
- “this paper proposes an evolutionary policy optimization framework for heterogeneous AEOS scheduling with preference-adjustable weighted objectives”
来源:arXiv · cs.AI · arxiv.org