作为空间图像采集的主要平台,对地观测卫星的主要任务是根据用户需求获取地球表面的观测信息,由于其具有覆盖范围广、成像时间长、不受国境限制等优势,对地观测卫星在经济发展、灾害救援和应急监测等任务中发挥着越来越重要的作用。近年来,卫星能力的不断发展以及新的应用需求的不断提出,为当前的卫星任务观测规划系统提出了新的挑战:新一代敏捷对地观测卫星与传统卫星相比,带有时间依赖特性,其规划调度问题更加复杂;大面积区域监测、海洋移动目标跟踪等复杂任务需要多颗卫星之间能够有效协同;云层遮挡等实时变化的天气情况对卫星成像的影响较大,降低了卫星的使用效能;突发紧急任务的观测需求要求卫星具有快速响应能力。本文围绕敏捷卫星协同调度问题,从以下几个方面展开研究:首先,研究带有时间依赖的单颗敏捷卫星调度问题。能够在确定性环境下高效的求解单星调度问题,是能够良好解决多星协同调度问题和不确定性环境下敏捷卫星调度问题的关键。提出了一种结合自适应大邻域搜索算法和禁忌搜索算法的混合算法,算法包含多种禁忌规则、多个通用随机化邻域算子、一种部分序列支配策略、一种针对带有序列依赖和时间依赖调度问题的任务快速插入策略。该调度方法具有良好的通用性,在包括单颗敏捷卫星调度问题在内的三类不同问题上,均取得了比当前最优算法更好的效果。同时分析了算法在具有不同特性的算例上的表现,得出了一些指导算法参数设置的通用结论。最后,考虑到当前在带有时间依赖的敏捷卫星调度领域公开的测试数据和源代码较少,本文公开使用的测试数据和源代码,以促进本领域的研究。其次,研究带有时间依赖的多颗敏捷卫星协同调度问题。多星协同调度问题的主要难点之一是由于卫星数量增加而导致的解空间急剧增大。为了解决该问题,首先深入分析了针对多星协同调度问题进行任务分配的必要性。提出一种自适应任务分配策略,将提出的自适应大邻域搜索算法扩展到多个卫星协同调度的情况。该自适应分配方法考虑了多种任务分配方式,算法能够根据不同算例的特性自主调整各个任务分配算子的权重,从而实现自适应的任务分配。大量的计算结果表明,所提出的自适应任务分配机制比当前最新的多卫星协同调度方法更有效。在仿真实验中研究了参数对算法性能的影响,并对不同算例进行了比较,得出了一些通用结论。再次,研究考虑时变云层遮挡的多颗敏捷卫星协同调度问题。针对如实时变化的云层遮挡这类可以预测的不确定性,提出一种介于全在线与离线之间的、用于实时调度问题的分层式协同调度方法。利用云层预报的准确性随着预测提前时间的减少而提高的特性,该方法从一个简单的任务分配和粗略调度过程开始,随着任务观测开始时间的临近,对云层的预测准确性逐渐提高,逐步改善调度的精细度。本方法通过推迟调度时间,有效减少云层覆盖对观测的影响。同时,与传统的包含离线调度和在线重调度的两阶段调度方法相比,此方法中确定具体观测开始时间的精细调度仅执行一次,从而实现了更高的资源利用率。仿真结果表明,该算法可以在多种任务分布方式、调度范围、任务数量和卫星数量的算例上,降低计算成本、提高解质量,特别是针对规模较大的算例。该框架和层次结构机制也可以应用于其他具有实时变化环境的大规模优化问题。最后,研究考虑紧急任务的多星分布式协同调度问题。紧急任务是卫星系统在应用过程中经常遭遇的一类不确定性事件,例如自然灾害、周边热点事件等等,由于较大的时间和空间的不确定性,很难对这些紧急任务进行预测。针对此问题,提出一种多可行解合成框架,将复杂的星上调度问题转换为一个简单的可行解选择问题,实现在有限的计算资源和计算时间的约束下,快速生成一个质量较高的解。同时,提出多种不确定环境下多卫星分布式协同调度方法,包含一种贪婪选择机制、一种基于多Agent马尔可夫决策过程的最优协同策略机制、以及一种基于混合整数规划的最优选择机制。提出的多星协同方法使卫星可以根据策略快速做出独立决策,从而在不进行通信的情况下也能快速取得较高收益。通过多组仿真实验,验证了提出的多解合成框架和分布式协同策略对于星上重调度问题的有效性。同时,实验发现了不同协同策略对具有不同特征的算例的适应性。