随着航天科技的飞速发展,逐渐出现了由多种异构卫星组成的卫星集群。相比于传统的卫星系统,卫星集群具有规模大、平台多、载荷异构的特点,传统的卫星任务规划方法难以适用。如何从卫星集群中挑选一个子集,以较低代价执行任务集中的所有任务,是航空航天资源调度领域的一项新挑战。这就是面向任务的卫星集群Agent团队构建问题。论文针对该问题进行了研究,主要研究总结如下:1.建立了面向任务的卫星Agent团队构建问题的数学模型。论文分析了卫星集群的特点,将卫星集群构建成一个多Agent系统。然后在分析面向任务的卫星集群Agent团队构建问题的基础,针对该问题建立了数学模型。2.提出了基于树搜索的卫星集群团队构建方法。论文通过分析面向任务的卫星Agent团队构建问题模型,将面向任务的卫星集群Agent团队构建问题转化为一个树搜索问题,然后提出了基于分枝限界的卫星团队构建精确算法(STCFDB)和基于剪枝策略的团队构建启发式算法(STFBHP),从理论上分析两种树搜索算法的时间复杂度。实验表明在小规模卫星集群上,相比于STCFDB,STFBHP在保持算法寻优能力的同时,有效降低算法的运行时间。3.提出了基于烟花算法的卫星Agent团队构建优化方法。考虑到树搜索算法在问题规模较大的情况下,卫星Agent团队构建性能不佳的缺点,引入烟花算法求解卫星Agent团队构建问题。通过分析卫星Agent团队构建问题特点,设计了卫星Agent团队的负载分布因子,并将其加入到烟花算法的爆炸数量算子中,提出了基于改进烟花算法的卫星团队构建算法(STFIFA)。实验表明在面向任务的卫星Agent团队构建问题上,改进的烟花算法STFIFA在收敛速度和寻优能力上都优于原始烟花算法。与STCFDB和STFBHP算法相比,STFIFA更适用于大规模卫星集群Agent团队构建问题。