敏捷成像卫星具有较强的姿态机动能力,相比于普通成像卫星具备沿俯仰轴侧摆的能力,对于地面观测目标可产生更长的可观测时间窗口。随着敏捷成像卫星应用领域的不断扩大和用户任务需求的不断增加,如何对输入的用户任务序列进行规划,制定出合理有效的任务执行序列,充分发挥敏捷成像卫星的运行效率,对实现敏捷成像卫星在轨运行的自主化、智能化具有重要的意义。本文围绕敏捷成像卫星任务规划问题,建立了带有时间窗口约束的敏捷卫星成像卫星任务规划模型,基于深度强化学习方法,针对如何提高算法的训练速度、泛化能力、收敛速度以及收益率等方面展开了研究。具体工作包括以下几个方面:1)综合考虑时间窗口约束、任务转移时卫星姿态调整时间、存储约束和电量约束,对普通成像卫星任务规划问题进行建模。考虑到在密集观测场景下,敏捷成像卫星任务对应的可观测时间窗口之间的重叠度较高,针对敏捷成像卫星具备沿俯仰轴侧摆的能力,可在时间窗口内选取任意一段时间执行观测的特点,设计了敏捷成像卫星任务规划所要满足的时间窗口约束,以实现对敏捷成像卫星较长时间窗口的高效利用。2)针对成像卫星任务规划问题约束复杂、求解空间大和输入任务序列长度不固定的特点,借鉴多头注意力机制对Pointer Networks机制进行改进,提出了MHA-PN序列决策算法模型对建立的成像卫星任务规划问题模型进行求解,使用Mask向量考虑成像卫星任务规划问题中的各类约束,通过Actor Critic强化学习算法对算法模型进行训练,以获得最大的收益率。根据实验结果可以得出,MHA-PN算法模型具有较快的训练速度和更强的泛化能力。3)在完成MHA-PN算法求解普通成像卫星任务规划问题的基础上,针对密集观测场景下敏捷成像卫星任务规划问题求解空间大、输入任务序列较长的特点,利用Ind RNN在处理较长序列上的优势,使用Ind RNN作为MHA-PN算法模型的解码器,提出一种融合Ind RNN和Pointer Networks的Ind-PN算法模型对建立的敏捷成像卫星任务规划问题模型进行求解。实验结果表明,对于密集观测场景下的敏捷成像卫星任务规划,IndPN算法收敛速度更快,可获得更高的观测收益率。4)基于Django框架建立敏捷成像卫星任务规划仿真验证系统,满足对地观测场景下敏捷成像卫星对地面观测目标进行任务规划的需求,并对算法功能进行仿真验证。系统针对敏捷成像卫星、观测目标和观测目标集合实现了增加、删除、参数设置和查看等管理功能,提供了任务规划推理算法的选择接口,支持嵌入多种算法,并针对规划结果提供了多视角的可视化功能。