卫星任务的地面站资源调度问题是指根据卫星的任务应用需求,在有限的时间范围和特定的约束条件下,为卫星的数传、测控等任务配置相应的地面站资源（如天线、记录器等）,得到满足卫星任务需求的资源分配调度方案。航天技术不断发展,卫星任务数量也在急剧增多。巨大的任务量需要相应规模的卫星数传和测控运行体系,为了更好地完成卫星任务,还需要合理地分配与调度地面站的设备资源。针对卫星数传、测控任务的地面站资源调度问题,论文以遗传算法为例,对常规调度算法进行实验,并对粒子群算法进行研究,除了经典粒子群算法外,还研究了自适应惯性参数的改进粒子群算法,并提出了一种结合启发式方法的改进粒子群算法,对数传与测控任务进行一体化调度,有效避免了不同类型任务之间的冲突,并为卫星任务安排最佳的设备。论文的主要研究内容如下:本文主要研究的地面站资源调度是一种对于地面资源池的统一调度,首先,分析了卫星数传任务和测控任务的地面站资源调度过程,阐述了本研究与一般情况下只对天线进行调度的区别;根据实际调度场景确定问题的优化目标,分析数传任务与测控任务的异同与矛盾,为卫星数传与测控任务的一体化资源调度问题建模建立基础,并分析资源调度过程中所涉及的卫星任务约束和资源约束。然后,分析卫星任务地面站资源调度问题所涉及的变量,用数学语言表述问题的约束条件,建立卫星数传任务与测控任务的一体化调度约束满足模型,将问题的解空间限定在一定范围的可行解内,生成一定数量的随机初始解。其次,根据卫星任务计划文件,将数传任务与测控任务合并为一个输入,利用分治算法的思想,将卫星任务分解成时间和空间上互不关联的集合。筛选出一定数量的完成情况较好的初始解,建立基于最短弧长修剪的冲突消解方法,将那些存在资源占用冲突的任务进行合理的弧段修剪,输出剩余弧长最大的方案。再次,利用常规调度算法（如遗传算法）与粒子群算法对得到的初始解分别进行进化搜索,得到了满足优化目标的解,证明了粒子群算法对求解卫星任务地面站资源调度问题的可行性;为了提高算法的寻优能力,避免算法陷入局部最优,采用自适应惯性参数的改进粒子群算法对问题进行求解,并根据实际调度场景,分析卫星任务地面站资源调度问题中涉及的可能改进算法的启发式规则,在自适应惯性参数的改进粒子群算法的基础上,将这些启发式规则融入到算法中,提出一种结合启发式规则的改进粒子群算法。最后,随机选取中国遥感卫星地面站2020年中16天的卫星任务计划进行仿真实验,对比常规调度方法（如遗传算法）和经典粒子群算法、自适应惯性参数的改进粒子群算法、结合启发式规则的改进粒子群算法,建立算法评价体系,通过实验案例对算法代码的覆盖情况,以及分析几种算法的效率、寻优能力、收敛速度、稳定性等数学指标,以及绘制算法得到的调度方案的甘特图,评估算法的可行性与合理性,即是否为卫星任务合理分配了资源。仿真实验表明,针对卫星任务的地面站资源调度问题,经典粒子群算法、自适应惯性参数的改进粒子群算法、结合启发式规则的改进粒子群算法可以得到令人满意的解。相对于传统的常规调度方法（如遗传算法）,改进算法可以提供更优选的调度方案,并能有效提高算法的收敛速度和稳定性。