面向卫星任务规划的专家链构建与优化方法

来源：电子与信息学报杂志2025年第12期北京时间：

作者：夏维, 魏宏图, 程颖, 汪君婷, 胡笑旋

单位：1.合肥工业大学管理学院 合肥 2300092.合肥工业大学过程优化与智能决策教育部重点实验室 合肥 2300093.合肥工业大学计算机与信息学院 合肥 230009

摘要：卫星任务规划是航天资源调度领域的关键优化问题，在面对动态需求时，传统方法因其复杂的建模流程，常面临响应滞后、灵活性不足等挑战，且业务语言与数学模型间存在语义断层。为此，该文提出一种基于专家链(CoE)与动态知识增强机制(DKE)的大语言模型(LLM)推理框架。该框架聚焦于模型动态修改，通过设计一个需求解析、指令路由和代码生成的专家协同工作流，实现从自然语言指令到数学模型的精确映射。此外，该框架借助动态知识库与Few-Shot学习策略，使系统在不依赖梯度更新情况下具备持续优化能力。实验结果表明，相较于标准提示词方法(SP)、思维链技术(CoT)以及基于GPT4-o的标准提示词方法，准确率达到82%，平均响应时间81.28 s，显著优于所有对比基线，实验结果验证了该方法能够有效提升LLM在卫星任务规划模型动态修改任务中的处理能力。

关键词：大语言模型, 卫星任务规划, 模型动态修改, 专家链

基金资助：国家自然科学基金面上项目(72271074)