Chang等主动成像多条带调度：ALNS与多目标优化

文献与适用边界

对应文献：Chang, Z.; Punnen, A. P.; Zhou, Z. Multi-strip Observation Scheduling Problem for Active-imaging Agile Earth Observation Satellites. arXiv, 2022.

主动成像敏捷卫星与SAR任务相近，常需要条带选择、侧视几何和高资源消耗。该文不联合光学载荷，但适合说明SAR侧的区域条带调度。

算法思路

大区域目标通常不能一次成像完成，需要分解为多个条带。调度器选择若干条带并排序，使覆盖收益尽量高，同时机动和时间成本尽量低。问题具有多目标特征：最大覆盖和最小代价往往冲突。

变量定义

区域被分解为条带集合 $B={1,\dots,n}$。条带 $b$ 的覆盖收益为 $c_b$，执行时间为 $d_b$，入射角为 $\theta_b$。选择变量：

$$x_b=1$$

表示选择条带 $b$。顺序变量：

$$o_{uv}=1$$

表示条带 $u$ 在 $v$ 前执行。

多目标函数推导

覆盖收益最大化：

$$\max F_1=\sum_{b\in B}c_bx_b$$

成本最小化：

$$\min F_2=\sum_{u,v}\tau_{uv}o_{uv}+\sum_b d_bx_b$$

也可合并成单目标：

$$\max F=F_1-\lambda F_2$$

若迁移到光学/SAR，光学补充收益为：

$$F_3=\sum_i p_i^{fusion}z_i$$

总目标：

$$\max F=\alpha F_1+\beta F_3-\lambda F_2-\lambda_EE-\lambda_DD$$

约束推导

时间窗口：

$$a_b\le s_b,\quad s_b+d_b\le b_b$$

条带顺序：

$$s_v\ge s_u+d_u+\tau_{uv}-M(1-o_{uv})$$

入射角可行：

$$\theta^{min}\le \theta_b\le \theta^{max}$$

功率或热控：

$$\sum_{b:t\in[s_b,s_b+d_b]}P_bx_b\le P^{max}$$

ALNS算法流程

自适应大邻域搜索（ALNS）的基本流程：

1. 构造初始条带计划。
2. 破坏步骤：删除部分条带或删除冲突严重的局部序列。
3. 修复步骤：按收益密度重新插入条带。
4. 评价新解的覆盖收益和代价。
5. 根据搜索表现调整不同破坏/修复算子的权重。
6. 多目标版本维护非支配解集合。

对同平台光学/SAR的意义

该算法适合处理SAR区域覆盖任务。迁移时可把“条带”作为SAR候选动作，把光学任务作为另一类候选动作共同插入计划。主要难点是光学窗口通常是离散点/小区域，SAR条带是连续覆盖，两者粒度不同，需要统一收益尺度。

论文截图（算法流程、步骤与效果）

截图来自对应论文 PDF 页面，并已通过 PicGo 上传。用于快速定位原文中的算法流程、关键步骤或实验效果；若截图为相关替代文献，已在说明中标注。

截图 1：模型页：主动成像多条带调度约束与目标函数

来源：R78_Multi-strip_Observation_Scheduling_Active-imaging_AEOS.pdf，PDF 第 14 页。

截图 2：实验/效果页：ALNS+NSGA-II与对比算法效果

来源：R78_Multi-strip_Observation_Scheduling_Active-imaging_AEOS.pdf，PDF 第 28 页。