光学对地观测卫星是搭载了光学遥感器,从太空获取地面影像数据的卫星平台,在军事和商业领域都发挥着重要作用。随着航天技术的不断发展,光学对地观测卫星在军事侦察、灾害监控、城市规划等诸多领域应用越来越广泛,促使用户对地观测需求快速增长。如何对有限的卫星观测资源进行合理的统筹规划,制定优化的观测方案,是满足用户需求,提高卫星观测效率,充分发挥对地观测卫星系统效能的关键问题。光学对地观测卫星具有空间分辨率高,信息获取准确等优势,其不足之处是对云层穿透能力弱,观测效果受到云量等级、云层厚度影响很大,实际应用中存在大部分光学对地观测由于云层遮挡而失败。为了获取高质量的地面目标影像数据,光学卫星对地观测应尽量避免云层遮挡的影响。需要注意的是,云层状态不是一成不变的,而是具有很强的不确定性,想要在调度前对云层状态进行准确预测并不现实。因此,分析云层遮挡不确定性对光学卫星对地观测的影响,研究云层不确定条件下光学卫星观测调度问题对于满足用户观测需求,提高卫星观测效能具有重要意义。论文针对云层不确定条件下光学对地观测卫星调度问题,从问题建模和算法求解两方面开展研究,主要工作及创新点如下:1)提出了云层不确定条件下光学对地观测卫星“前摄式+反应式”调度框架论文深入分析云层不确定性对卫星观测的影响,以及云层不确定条件下对地观测卫星调度的特点,考虑卫星观测调度中计划制定、计划实施各个阶段,提出了“前摄式+反应式”综合调度框架。前摄式调度是基于云层预测先验信息,对云层不确定条件下光学卫星观测调度问题建模求解,生成基准观测方案。反应式调度是在基准观测方案执行过程中,针对云层不确定性引起的扰动,对观测调度方案进行修复和调整,维持观测方案的可行性并提高观测收益。该调度框架将地面站静态前摄式调度与星上自主反应式调度有机结合,既能提高卫星观测效率,最大化满足用户需求,又能维持观测方案的稳定性,有效的支持用户决策。2)设计了卫星观测前摄式调度随机期望值模型及分支定价求解算法针对云层不确定条件下光学对地观测卫星前摄式调度问题,以最大化对地观测收益的期望为目标,建立了卫星观测调度随机期望值模型。考虑随机期望值模型具有分块对角结构的特点,论文基于Dantzig-Wolfe分解原理将问题重构为一个set packing主问题和多个约束最长路径规划子问题,然后设计了分支定价算法求问题。通过仿真实验比较了分支定价算法与优化软件CPLEX的求解性能,验证了算法的有效性。3)研究了前摄式调度机会约束规划模型及分支割平面、列生成启发式求解算法针对随机期望值模型不能有效规避风险的不足,在满足一定置信水平的条件下,以最大化观测收益的下界为目标,采用机会约束规划模型对卫星前摄式调度问题建模。针对机会约束规划模型中机会概率难以计算的特点,论文采用样本近似方法将机会约束规划模型转化为便于求解的混合整数规划模型。针对基于禁忌队列的任务指派模型,设计了基于惰性约束的分支割平面算法求解问题最优解。针对卫星观测调度“流变量”模型,基于Dantzig-Wolfe分解原理,设计了列生成启发式算法求解问题近似最优解。论文设计了大量仿真实验对算法性能进行了评估,验证了算法的有效性。4)提出了卫星观测前摄式调度鲁棒模型及精确、启发式求解算法针对云层不确定条件下光学对地观测卫星前摄式调度问题,随机期望值模型和机会约束规划模型都只考虑了将单个任务调度到单个观测资源上,没有考虑到将单个任务同时调度到多个资源上,能够增加任务观测成功的可能性。因此,论文考虑将单个任务同时调度到多个资源上,建立了云层不确定条件下卫星观测前摄式调度鲁棒模型。针对鲁棒模型非线性、难以求解的特点,将问题分解为一个方案选择主问题和多个路径规划子问题,提出了一种精确求解算法。该算法采用基于标记更新思想的动态规划算法求解子问题,基于子问题的所有可行解,采用枚举算法求解主问题。针对精确算法不能求解大规模问题的不足,论文基于随机采样思想设计了5个多通道启发式求解算法。采用仿真实验验证了鲁棒模型的优越性和求解算法的有效性,并分析了不同算法求解不同规模问题的性能优劣。5)提出了卫星观测反应式调度多目标优化模型及启发式求解算法针对云层不确定性引起的扰动,同时考虑调度收益和调度稳定性,论文建立了卫星观测反应式调度多目标优化模型。针对反应式调度时效性要求高,计算资源能力有限的特点,论文设计了基于任务插入、任务撤销、任务置换等策略的高效启发式求解算法。仿真实验结果表明,反应式调度不仅能够提高调度性能,增加观测收益,还能够降低云层不确定性对用户决策的干扰。