卫星测控调度是指针对航天测控网内各类卫星提出的测控请求,通过合理分配有限的测控资源,以解决日趋严重的测控冲突问题。卫星测控调度问题是一类具有NP-hard计算特性的复杂组合优化问题,对该问题的研究不仅具有较大的理论意义,对于提高测控资源的利用效率、减少巨额的测控资源建设和卫星测控管理费用、实现巨大的经济效益等均具有重要的现实意义。目前对该问题的研究大多针对单一类型测控资源、考虑的卫星测控过程和约束条件相对简化,且多为在确定条件下进行调度,缺乏对不确定条件下天地测控资源一体化调度问题的相关研究。为了较为系统地对该问题进行研究,本论文主要作了以下几方面的研究工作:　　(1)为了建立确定条件下天地测控资源一体化调度问题的数学模型,考虑到该问题的复杂性,论文首先描述了卫星测控原理和测控组织实施过程,系统总结了天地测控资源一体化调度问题的基本要素,重点分析了天基、地基两种测控资源的测控特点以及实际测控过程中的各种约束条件,考虑了测控任务重要性和测控资源负载均衡两个优化目标函数,最后建立了该问题的约束满足问题(CSP)模型,为后续研究工作奠定了基础。　　(2)针对天地测控资源一体化调度问题CSP模型的多目标特性,提出一种基于整体优化策略的多目标蚁群优化(MOACO)算法进行求解。首先,通过引入蚁群社会中的分工协作思想,建立分工协同机制蚁群,然后对每个测控资源分别构建时间约束有向图,将相互耦合的卫星测控调度问题转化为多个相对独立资源上的有向图路径搜索问题,在此基础上，设计基于任务选择期望的状态转移规则和基于自适应网格技术的权重更新策略,指导蚁群在保持多样性的前提下朝着Pareto最优解方向进行搜索。仿真实验验证了MOACO算法的可行性和有效性。　　(3)针对天地测控资源一体化调度问题约束条件复杂、计算量大、求解困难等特点,设计了一种基于分解优化策略的蚁群优化-模拟退火(ACO-SA)算法进行求解。通过分析测控弧段序对调度结果的影响,提出了一种测控弧段时间序,并证明了其能提供最大的浮动时间,详细探讨了蚁群优化算法和模拟退火算法的融合策略,完成了包括状态转移规则、可行解生成策略、信息素更新准则、邻域结构、快速退火计划等关键技术的设计实现。多个算例仿真和结果分析表明ACO-SA算法是有效的。　　(4)为了对动态调度过程中的不确定性因素进行处理,首先,分析和总结了卫星测控过程中的不确定性因素,发现一类对系统扰动程度具有较强模糊性特点的不确定性因素(文中称其为外部环境变化引起的不确定性因素),这类不确定性因素对系统造成的扰动程度很难判定,为此,提出了一种基于BP神经网络的扰动程度评估方法。为了对动态调度过程中的各类重调度请求进行有效管理,通过分析现有重调度策略的不足,结合卫星测控调度的实际情况,引入了最小时间间隔约束,并结合周期驱动重调度策略和事件驱动重调度策略,提出了一种改进型混合重调度策略。最后,通过设计仿真实验验证了上述不确定因素处理方法的有效性和合理性。　　(5)为了建立不确定条件下天地测控资源一体化调度问题的数学模型,首先描述了不确定性因素的扰动形式,提出了一种动态重调度预处理方法,从而建立了该问题的动态约束满足问题(DCSP)模型。根据调度过程中重调度请求的不同种类,提出了两种修正式重调度算法:全局修正式重调度(GRR)算法和局部修正式重调度(LRR)算法。GRR算法采用迭代修复机制,将问题求解分解为初始资源分配和冲突任务消解两个阶段,即首先将初始资源分配问题映射为图的k-GCP模型,提出了一种贪婪顶点序列着色算法对其求解,然后设计了一种基于深度优先搜索的任务规划算法进行冲突消解。LRR算法首先建立了测控任务无圈有向图模型并对其修正,通过分析该模型特性,设计了一种多目标Pareto优化路径搜索算法。实验结果表明,上述两种修正式重调度算法能够有效求解卫星测控动态重调度问题。