본 논문은 지구 관측 위성 스케줄링 문제(AEOSSP)에 대한 심층 강화 학습(DRL) 기반 접근법을 제시합니다. AEOSSP는 시간, 에너지, 메모리 제약 조건을 충족하면서 위성 궤도를 따라 관측 대상의 부분 집합을 스케줄링하는 문제입니다. 본 논문에서는 구름 가림, 대기 난류, 영상 해상도 등 영상 품질 저하 요인을 통합하여 시간에 따라 변하는 이익을 고려한 DRL 알고리즘을 제안합니다. 제안된 방법은 관측 대상 순서 선택과 각 대상에 대한 최적 관측 시간 결정이라는 이중 의사결정 과정을 포함합니다. 실험 결과, 제안된 알고리즘은 품질 요구 사항을 충족하지 못하는 영상 캡처를 60% 이상 줄이고, 자세 변경으로 인한 에너지 낭비를 최대 78%까지 감소시키는 동시에 강력한 관측 성능을 유지함을 보여줍니다.
