민첩한 지구 관측 위성 스케줄링을 위한 대규모 언어 모델 지원 적응형 휴리스틱 탐색

요약

본 논문은 민첩한 지구 관측 위성의 복잡한 이미징 작업 스케줄링을 위해 LLM 기반의 적응형 휴리스틱 탐색 방법을 제안합니다. 이 방법은 LLM이 초기 규칙을 생성하고, 개미 군집 검색(ACS) 과정에서 성능 피드백을 받아 규칙을 정교화하는 것이 핵심입니다. 실험 결과, 제안된 방식은 기존 기준선 대비 평균 관측 이점을 4.3%~9.6% 향상시키는 것으로 입증되었습니다.

핵심 포인트

• LLM이 위성 스케줄링의 초기 휴리스틱 규칙을 생성합니다.
• 개미 군집 검색 과정에서 성능 정보가 LLM에 피드백되어 규칙이 정교화됩니다.
• 제안 방법은 기존 기준선 대비 평균 관측 이점을 4.3%~9.6% 향상시켰습니다.