問題点
1.衛星の信号をスケジューリングを既存のアルゴリズムやメタヒューリスティックでは計算コストが高すぎる。
2.スケールが大きな問題になるとアルゴリズムに高い効率性がなければ問題のサイズが莫大する。
提案手法
GNNとメタヒューリスティックのフレームで大規模なスケールのスケジューリングプログラムを管理する。
GNNは静的な制約を設けたpre-solverを用いて、メタヒューリスティックは動的な制約を設ける。GNNは普遍的で効率的な知識を得ることを目的とする。
1.衛星のタスクを分類と関連の制約に基づいてグラフ構造における静的と動的な制約や複数の衛星のタスクを考える
2.Static Constraints(静的制約)を行うGCNと動的な制約を行うメタヒューリスティックを構成する。QUBO（損失関数とする）が複数の要素を組み込み離散最適化から連続最適化へと進む。
3.何千ものタスクにおいて効率的な結果が得られた。
EOSSPについて
地球観測衛星スケジューリング問題（EOSSP）**は、地球観測衛星の観測スケジュールを最適化する問題です。具体的には、以下の点に焦点を当てています。
タスクの選択:
衛星は多くの観測タスクを実行できますが、リソース（時間、エネルギー、データストレージ）の制約から、すべてのタスクを実行することはできません。そのため、どのタスクを実行するかを選択する必要があります。
スケジューリング:
選択されたタスクを実行するために、各タスクが開始されるタイミングと順序を決定します。これは、タスクが指定された時間内に完了し、リソースの制約を満たすように計画されなければなりません。
制約の管理:
観測タスクには、さまざまな制約があります。例えば、特定の地域の観測は特定の時間帯にのみ可能であったり、衛星のエネルギーやデータストレージの容量に制限があったりします。また、天候や他の衛星の干渉といった動的な要因も考慮する必要があります。
最適化の目標:
EOSSPの最適化の目標は、観測タスクの利益を最大化することです。利益は、タスクの重要性や科学的価値、経済的価値によって決まります。したがって、スケジュールの品質は、これらの利益を最大限に引き出すことを目的としています。
EOSSPの重要性
地球観測衛星は、気象予測、災害監視、環境保護、農業監視など、多くの分野で重要な役割を果たしています。したがって、効率的なスケジューリングは、衛星の運用効率を最大化し、観測データの価値を最大限に引き出すために不可欠です。
技術的アプローチ
ヒューリスティックおよびメタヒューリスティックアルゴリズム:
これらのアルゴリズムは、大規模な組み合わせ最適化問題を解くために使用されます。例として、遺伝的アルゴリズム（GA）、シミュレーテッドアニーリング（SA）、タブーサーチ（TS）などがあります。
グラフ理論とネットワーク解析:
観測タスクの関係をグラフとしてモデル化し、タスク間の競合や依存関係を解析します。
機械学習とデータ解析:
タスクの特徴や制約を学習し、スケジューリングの効率を向上させるために利用します。特に、グラフニューラルネットワーク（GNN）が注目されています。