.png){kind=icon}
返回
A hybrid learning-assisted multi-parallel algorithm for a large-scale satellite-ground networking optimization problem
.png){kind=icon}
PRE
AI
DOI：10.1007/s42524-025-4098-y.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
由空间-地面一体化网络（SGIN）建设驱动的卫星互联网部署的快速扩张，已导致卫星数量显著增加。为解决大规模卫星与有限地面站资源之间的高效组网挑战，本文提出了一种混合学习辅助多并行算法（HLMP）。HLMP具有多并行求解与解冲突框架、结合强化学习（RL）和禁忌模拟退火（TSA）的学习辅助元启发式（LM）算法，以及线性规划（LP）精确求解算法。该框架首先基于时域将问题划分为并行子问题，然后应用LM和LP并行求解各子问题。LM利用LP生成的调度结果提升自身精度。解冲突策略整合并优化所有子问题的规划结果，确保最优输出。HLMP通过在新的宏观范式下（即最大可行度地最大化连接）为优化大规模卫星-地面网络提供了一种新颖方法，超越了传统的任务驱动型卫星调度方法。涉及最多1,000颗卫星和100个地面站的实验案例凸显了HLMP的效率。与其他元启发式算法及CPLEX求解器的对比实验进一步证明，HLMP能够更快地生成高质量解。
Keyword:
satellite-ground networking
multi-parallel framework
metaheuristics
reinforcement learning
linear programming
期刊
IF:
7.7
论文数:
439
被引数:
1.5K
机构
引用论文
General modeling and optimization technique for real-world earth observation satellite scheduling
PREAI
分享收藏A Simulated Annealing Algorithm with Tabu List for the Multi-Satellite Downlink Schedule Problem Considering Waiting Time.png)
Aerospace
OAAI
AerospaceIF0
OAAI分享收藏Hierarchical Cross-Domain Satellite Resource Management: An Intelligent Collaboration Perspective
PREAI
分享收藏
查看更多内容