大语言模型辅助自适应启发式搜索用于敏捷地球观测卫星调度

一项研究提出用大语言模型（LLM，Large Language Model）辅助的自适应启发式搜索方法，为敏捷地球观测卫星调度生成并迭代优化任务选择规则。LLM 先按调度实例特征生成初始启发式规则，再在蚁群搜索中根据搜索表现与调度信息反馈精炼规则，修改需经成对解构造评估后才纳入搜索。在 6 个含 50–200 个成像任务的场景中，该方法平均观测收益比最强基线高 4.3%–9.6%。