Large Language Model-Assisted Adaptive Heuristic Search for Agile Earth Observation Satellite Scheduling

📄 arXiv: 2611.04458v1 📥 PDF

作者: He Wang, Yeye Liu, Ruijie Li, Xuemei Jiang, Junyu Wu, Lining Liu Zhuoqi Man, Tao Li, Yanjie Song

分类: cs.AI, cs.CL

发布日期: 2026-11-03

备注: 5 pages,4 figures

💡 一句话要点

提出大语言模型辅助的自适应启发式搜索以解决敏捷地球观测卫星调度问题

🎯 匹配领域: 支柱九：具身大模型 (Embodied Foundation Models)

关键词: 地球观测 卫星调度 启发式搜索 大语言模型 蚁群算法 自适应优化 调度效率

📋 核心要点

  1. 核心问题：现有的调度方法在面对复杂的观测任务时，往往无法有效处理任务选择的启发式规则，导致调度性能不足。
  2. 方法要点：论文提出的LLM辅助自适应启发式搜索方法，通过生成和优化启发式规则，提升了调度的灵活性和效率。
  3. 实验或效果：在50至200个成像任务的六个调度场景中，提出的方法实现了4.3%至9.6%的平均观测收益提升，优于现有最强基线。

📝 摘要（中文）

敏捷地球观测卫星必须在有限的观测窗口内协调成像任务，同时考虑姿态机动和机载能量限制。观测机会之间的竞争使得调度性能对任务选择的启发式规则敏感。本文提出了一种大语言模型（LLM）辅助的自适应启发式搜索方法用于敏捷地球观测卫星调度。LLM根据调度实例的特征生成初始启发式规则。在随后的蚁群搜索过程中，搜索性能和调度信息反馈给LLM以优化启发式规则。通过成对解决方案构建评估所提出的修改，然后将其纳入搜索过程。统一的调度程序在操作约束下确定任务选择、卫星分配和观测时机。对六个调度场景的实验表明，该方法的平均观测收益比最强基线高出4.3%至9.6%。

🔬 方法详解

问题定义：本文旨在解决敏捷地球观测卫星在有限观测窗口内的调度问题，现有方法在任务选择的启发式规则上存在不足，导致调度效率低下。

核心思路：提出了一种大语言模型（LLM）辅助的自适应启发式搜索方法，通过LLM生成初始启发式规则，并在搜索过程中根据反馈不断优化这些规则，以提高调度性能。

技术框架：整体方法包括三个主要模块：1) LLM生成初始启发式规则；2) 蚁群搜索算法执行调度任务；3) 通过反馈机制对启发式规则进行优化和调整。

关键创新：最重要的创新在于将大语言模型引入调度问题，通过自适应的方式优化启发式规则，使得调度过程更加智能化和灵活，显著提升了调度效果。

关键设计：在参数设置上，LLM的训练数据和反馈机制是关键，损失函数设计用于衡量调度性能与实际观测收益之间的差距，确保优化过程的有效性。

🖼️ 关键图片

fig_0

📊 实验亮点

实验结果显示，提出的方法在六个调度场景中，平均观测收益比最强基线高出4.3%至9.6%。这一显著提升表明，LLM辅助的自适应启发式搜索在复杂调度任务中的有效性，具有较强的应用前景。

🎯 应用场景

该研究的潜在应用领域包括卫星调度、地球观测、环境监测等。通过提升卫星调度的效率，可以更好地满足实时成像需求，增强对自然灾害、气候变化等事件的响应能力，具有重要的实际价值和社会影响。未来，该方法还可扩展至其他类型的调度问题，如无人机调度和物流管理等。

📄 摘要（原文）

Agile Earth observation satellites must coordinate imaging tasks within limited observation windows, while accounting for attitude maneuvering and onboard energy constraints. Competition among observation opportunities makes scheduling performance sensitive to the heuristic rules used for task selection. This letter proposes a large language model (LLM)-assisted adaptive heuristic search method for agile Earth observation satellite scheduling. The LLM generates an initial heuristic rule according to the characteristics of the scheduling instance. During the subsequent ant colony search, search performance and scheduling information are fed back to the LLM to refine the heuristic rule. The proposed modifications are evaluated through paired solution constructions before being incorporated into the search process. A unified scheduling procedure determines task selection, satellite assignment, and observation timing under the operational constraints. Experiments on six scheduling scenarios involving 50--200 imaging tasks demonstrate that the proposed method achieves 4.3\%--9.6\% higher mean observation benefit than the strongest baseline.