随着航天产业与信息化的发展,国防安全领域以及社会经济领域对成像卫星的依赖程度越来越高,军事侦察、气象预报、环境监测、城市规划等大量成像需求日益凸显。卫星数量和成像需求的快速增长,带来调度问题规模的增加,使得成像卫星的调度管理与任务规划更加复杂。本文面向大规模成像卫星调度问题,设计了启发式规则智能演化方法,演化设计出一组高效的调度规则或启发式策略对大规模卫星调度问题进行快速构造求解。本文的主要贡献包含以下几个方面。（1）建立了成像卫星调度问题的约束满足模型和启发式构造求解框架。本文首先对成像卫星调度问题进行了分析和描述,梳理了卫星与任务之间的时间约束和资源约束等,建立了单星和多星调度的约束满足模型;最后建立了一个启发式构造求解框架来对启发式规则演化过程当中的启发式规则评价提供支撑。（2）设计了面向成像卫星调度规则演化的遗传规划算法（EOSSGP）。本文首先介绍了算法的流程和框架,对算法的顶层策略进行了重新设计,采用不完全二叉树的编码结构、变深度“生长式”的初始种群生成方法、轮盘赌选择、单点交叉、子树变异、以及精英策略等。然后选取了14个该领域的启发信息（特征）和7个运算函数作为EOSSGP算法的输入,为成像卫星调度问题演化设计出一些高效的启发式规则。实验结果表明,EOSSGP算法演化设计的启发式规则具有很好的求解效果,在所有的测试集上的求解收益都要优于四种人工设计的调度规则。（3）提出了面向EOSSGP算法效能提升的特征选择方法。EOSSGP算法的启发式规则演化设计效果与算法的输入（特征）息息相关,为了提高算法的演化设计效果,本文提出了特征平均贡献度这一概念,建立了特征重要度的评估模型。针对14个特征,分别计算单个特征对于启发式规则演化的平均贡献度,采用过滤式特征选择方法选择出了贡献度之和大于96.9934%的有效特征子集（包含6个特征）。对比实验显示,在超过80%的算例上,进行特征选择之后EOSSGP算法演化效能得到了提升,新的启发式规则的求解效果更好。（4）进行了面向大规模卫星调度实例的EOSSGP算法实验研究。本文首先进行启发式规则的演化设计效果与训练集规模之间关系的探索实验,选取了演化效果最好的几种规模进行了启发式规则设计。然后在同目标分布的大规模测试集、不同目标分布的大规模测试集以及真实目标的仿真调度场景中进行了启发式规则的泛化性实验。在这三种大规模算例集上,其求解收益值都要优于四种人工设计的调度规则,说明EOSSGP算法演化得到的启发式规则具有良好的求解适用性,可以将其作为一种启发式构造算法,用于大规模成像卫星调度问题的快速求解。