LLM辅助自适应启发式搜索优化卫星调度
热点事件持续更新
LLM辅助自适应启发式搜索优化卫星调度
1 篇报道1 个报道来源2 小时前更新
先了解这件事
AI 综述
He Wang等研究团队提出一种大语言模型（LLM）辅助的自适应启发式搜索方法，专用于敏捷地球观测卫星的任务调度。 该方法首先由LLM根据具体调度实例的特性生成初始启发式规则，随后在蚁群搜索过程中，利用实时搜索性能反馈对规则进行迭代优化。 在包含50至200个成像任务的6种调度场景实验中，该方法展现出显著优势，其平均观测收益比最强的基线方法提高了4.3%至9.6%。
AI 根据报道生成 · 1 小时前更新
最新进展11月4日 13:00
大语言模型辅助的自适应启发式搜索用于敏捷地球观测卫星调度报道时间线
沿着报道，了解事件的不同侧面。
11月4日
- arXiv · AI大语言模型辅助的自适应启发式搜索用于敏捷地球观测卫星调度
该研究提出一种由大语言模型（LLM）辅助的自适应启发式搜索方法，用于敏捷地球观测卫星的任务调度。 方法由 LLM 根据调度实例特性生成初始启发式规则，并在蚁群搜索过程中利用搜索性能反馈迭代优化规则。 在包含 50 至 200 个成像任务的 6 种调度场景实验中，该方法平均观测收益比最强基线提高 4.3% 至 9.6%。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。