未知约束下的卫星调度优化：交互式学习与优化框架实践

1. 项目概述

地球观测卫星调度，听起来是个高大上的航天工程问题，但内核其实和我们日常生活中的很多“排班”难题异曲同工。想象一下，你手头有一堆待办事项（观测任务），每件事都有个最佳处理时间窗口（卫星过境可见期），事情之间切换需要准备时间（卫星姿态调整），而且你的精力（卫星的能源、存储）是有限的。你的目标，就是在有限的时间和资源内，尽可能完成那些最重要（优先级最高）的任务。这就是卫星调度问题的本质——一个经典的组合优化问题。

传统的研究和工程实践，都基于一个核心假设：所有的“规矩”（约束条件）都是白纸黑字、清清楚楚的。比如，任务A和B之间必须间隔至少3个时间单位，或者任意连续5个单位时间内最多只能安排2个任务。有了这些明确的规则，我们才能用数学规划、约束规划或者启发式算法去求解。然而，现实往往比理论骨感得多。在我参与过的多个航天任务规划项目中，最让人头疼的恰恰不是算法本身，而是这些“规矩”到底从何而来、如何量化。它们可能藏在几十页的工程余量文档里，依赖于某个资深工程师的经验公式，或者被封装在一个极其复杂、运行一次就要几十分钟的高保真动力学仿真器中。更麻烦的是，这些约束还会变：卫星上的部件老化、固件升级、任务模式调整，都可能让昨天的“规矩”今天就不适用了。

这就引出了我们面临的核心挑战：如何在约束模型未知或难以显式表达的情况下，依然能高效地制定出优秀的调度方案？ 本文要探讨的，正是这样一个“摸着石头过河”的优化方法。我们不再强求一开始就拥有完美的数学模型，而是转向一种更务实、更交互式的思路：把那个能判断一个方案“行不行”的系统（比如仿真器或验证工具）当作一个只会回答“是”或“否”的“预言机”。我们的算法则扮演一个聪明的“学习者”，通过不断提出方案、接收反馈（被接受或拒绝），来逐步摸索出隐藏在背后的约束规律，并在此过程中同步优化最终的调度结果。

这种方法的价值，远不止于卫星调度。任何涉及复杂物理系统、黑盒验证流程或经验性规则的资源分配、生产排程、路径规划问题，都可能从中受益。它把优化从纯粹的数学模型求解，部分转变为了一个“系统辨识”与“决策优化”交织的探索过程。

2. 核心思路与方案选型

面对“未知约束下的优化”这一难题，学术界和工业界主要有几种思路，我们的方案选择是基于对问题特性和工程可行性的深度权衡。

2.1 问题拆解：为什么约束会“未知”？

在深入方法之前，必须理解约束“未知”的几种典型场景，这决定了我们技术路线的出发点：

1. 约束存在于工程制品而非模型：这是最常见的情况。例如，卫星两个观测任务间的最小时间间隔，取决于姿态控制系统的响应特性（反作用飞轮扭矩、星敏感器更新率、控制律参数）。这个值通常以“工程余量”的形式存在于设计文档中，是一个经过保守估算的固定值，而非一个基于角速度、转动惯量实时计算的公式。同样，每个轨道圈次的能源预算，受电池健康状态、热控工况和历史负载循环的影响，是一个动态变化的阈值，难以用简单的线性公式刻画。

2. 约束随任务生命周期演变：卫星在轨运行数年，其状态并非一成不变。一次固件升级可能优化了姿态稳定算法，从而缩短了任务切换时间；一个反作用飞轮发生故障，会彻底改变整星的机动能力；电池性能衰减会逐步收紧能源预算。每一次变化，都意味着之前辛苦推导出的约束模型可能失效，需要工程师重新介入分析和建模，成本高昂。

3. 新任务缺乏已验证的模型：对于全新的卫星平台或前所未有的观测模式，工程团队可能只有一个高保真的、包含所有物理耦合关系的仿真器。这个仿真器能准确判断一个计划是否可行，但想从中反向提取出一套简洁、明确的约束规则（比如“任务i和j至少间隔δ秒”），极其困难且容易出错。

这些场景共同指向一个需求：我们需要一个能够与“可行性判定系统”交互，并从中学习的优化框架。这个判定系统，就是我们的二元可行性预言机。它输入一个完整的调度方案，输出“可行”或“不可行”，但不解释原因。这模拟了工程现实：仿真器报错可能是“反作用飞轮转速超限”，验证工具可能只给一个“违反飞行规则”的提示，它们都不会直接告诉你违反了哪条数学约束。

2.2 方案对比与选型理由

针对这个问题，主流思路有三类，我们逐一分析并说明为何选择“学习与优化”框架：

1. 两阶段“先学习后优化”：这是最直观的想法。第一阶段，使用主动约束获取算法（如QuAcq），向预言机发起大量精心设计的查询，目标是完全或近似地学习出隐藏的约束模型T。第二阶段，将学到的模型L作为已知输入，调用优化器求解。这个方法逻辑清晰，但缺点明显：学习阶段成本高昂。为了完整学习模型，可能需要数百甚至上千次预言机查询（仿真运行），耗时巨大。而且，很多学习到的约束对找到最优解可能并无帮助，属于“过度学习”。

2. 无模型优化/强化学习：将调度问题建模为序列决策过程，通过与仿真环境（预言机）的试错交互来学习一个直接输出调度策略的函数。这类方法在部分场景下有效，但其样本效率通常很低，需要海量的交互数据才能收敛，且学到的策略可解释性差，难以融入现有以约束建模为核心的卫星任务规划体系。

3. 交互式“学习与优化”：这正是本文采用的核心框架。它的核心思想是交织进行，而非顺序进行。算法在每一轮迭代中：

   • 基于当前已学到的部分约束模型L，求解一个优化问题，得到一个当前“看起来最好”的调度方案。
   • 将这个方案提交给预言机验证。
   • 如果通过，皆大欢喜，我们得到了一个可行的高质量解，算法可以提前终止。
   • 如果被拒绝，则利用这次被拒的信息，通过一个专门的约束获取程序，分析并可能学到一条新的约束，加入到L中，然后进入下一轮。

为什么选择这个方案？ 因为它最贴合工程实践中的“敏捷”和“经济性”原则。工程师不需要等待一个可能永远也学不完的、完美的约束模型。算法从第一个可行解（例如只安排一个最高优先级任务）开始，就在不断产出即时可用的、质量逐步提升的可行调度方案。这是一种“随时可中断”的优化过程：如果时间或查询预算耗尽，我们手头至少有一个可行的方案。实验数据也支撑了这一点：在多达50个任务的算例中，我们的方法平均只需21次主查询就能找到接近最优的解，而两阶段方法固定需要100次查询，且解的质量并无优势。

2.3 约束模型的简化与聚焦

为了在研究中抓住主要矛盾，我们对真实的卫星调度约束进行了大幅简化，聚焦于两类最核心、最具代表性的约束族：

1. 成对间隔约束：sep(i, j, δ)。如果任务i和j都被安排，那么它们的执行时间点之差的绝对值必须至少为δ个时间单元。这直接对应卫星在两个不同观测目标间调整姿态并重新稳定所需的时间。δ的值取决于两个目标之间的角距离。

2. 全局容量约束：cap(k, w)。在任何连续的w个时间单元窗口内，被安排的任务数量不能超过k个。这模拟了卫星的能源或数据存储限制——电池无法在短时间内支持太多次高功耗的成像动作，或者固态存储器写入带宽有限。

注意：这个简化模型是方法论研究的基石。它剥离了云层覆盖、立体像对协同、数传链路等复杂因素，让我们能够专注于“如何从二元反馈中学习约束结构”这一核心算法问题。在实际工程化时，需要将本文的方法与领域知识结合，扩展约束语言。

选择这两类约束，是因为它们具有很好的数学结构（序关系），便于设计高效的、领域特定的学习算法（即后文将介绍的CCA）。同时，它们也是造成调度问题计算复杂性的主要来源。解决了这两类约束的学习与优化，就为处理更复杂的约束族打下了基础。

3. 保守约束获取方法详解

“保守约束获取”是我们为上述简化约束模型量身定制的学习引擎。它的设计哲学是：宁可学得“严”一点，也别学“错”导致方案被预言机接受却实际不可行。因为一个过紧的约束最多让我们错过一些本可行的好方案（损失一些最优性），而一个过松或错误的约束则可能导致算法产出被预言机拒绝的无效方案，浪费查询机会。

3.1 CCA 算法流程与核心逻辑

当预言机拒绝一个调度方案e时，CCA被触发。它的目标是，从这次拒绝中，尽可能推断出一条“有理由”的约束，加入到已学习集合L中，并从候选约束基B中剔除一批被该约束“支配”的候选约束。

算法步骤拆解：

1. 检查违规的成对间隔：遍历所有在方案e中被安排的任务对(i, j)。对于每一对，检查它们当前在候选基B中的所有间隔约束候选值（例如δ=2,3,4,...）。如果方案e中i和j的时间间隔，小于B中针对该任务对的最大候选δ值，那么这个任务对就“涉嫌”违反了某个间隔约束。

2. 执行成对查询与二分搜索：对于上述“涉嫌”的任务对，CCA会构造一个部分赋值查询。它只固定任务i和j在方案e中的时间点，将其他所有任务设为“不安排”，然后将这个简化的方案提交给预言机。

   • 如果预言机说“否”，那么可以肯定，问题出在任务i和j的安排上（因为其他任务都没安排）。接着，CCA会在该任务对的候选δ值列表中进行二分搜索，目标是找到那个最大的δ值，使得当强制要求间隔至少为δ时，预言机依然拒绝这个仅包含i和j的调度。这个找到的δ*，就被认为是“有理由”的间隔约束，被加入到L中。
   • 同时，所有比δ更弱（即δ ≤ δ）的间隔约束候选，都可以从B中安全移除，因为它们必然也被违反。

3. 容量约束回退：如果遍历了所有“涉嫌”的任务对，都没有通过成对查询找到确凿的间隔约束（即，对于每个任务对，仅安排它们两个的方案都被预言机接受了），那么CCA就推断，此次拒绝很可能源于全局容量约束。

   • 此时，CCA会在候选基B中寻找那些被方案e违反的容量约束cap(k, w)。
   • 它的策略是学习最弱的违规约束：即，窗口宽度w最小，且在该宽度下容量k最大的违规约束。例如，如果cap(2, 5)和cap(1, 5)都被违反，它会选择cap(2, 5)；如果cap(2,5)和cap(2,3)都被违反，它会选择cap(2,3)（因为w=3比w=5更严格）。选择最弱的违规约束，是一种保守策略，旨在避免过度收紧模型。

3.2 为何是“保守”的？

CCA的保守性体现在两个层面：

1. 宁可过紧，不可过松：在间隔约束学习中，它通过二分搜索寻找“最大”的可行δ。有时，预言机拒绝一个(i, j)对，并不是因为间隔不够，而是因为触发了容量约束。但由于CCA只得到“是/否”反馈，它无法区分原因，会错误地将一个过大的δ值（例如真实的δ=3，但学到了δ=4）作为间隔约束学习。这虽然可能排除一些实际可行的调度，但保证了学到的约束是“安全”的——任何违反它的方案，预言机一定会拒绝。

2. 一次只学一条：每次预言机拒绝，CCA只添加一条约束（一个间隔或一个容量约束）到L中。这避免了从一次复杂的、多约束共同导致的拒绝中，错误地推导出多条约束，使得学习过程更稳健、更易于分析。

3.3 与通用约束获取算法的区别

经典的主动约束获取算法，如QuAcq，是领域无关的。它通过“FindScope”和“FindC”等子过程，可以精确地定位并学习隐藏模型中的任意一条约束。但这需要更复杂、更多轮的交互查询（通常是针对部分变量的赋值）。CCA放弃了这种通用性和精确性，换取了在特定约束结构下的高效性。它利用间隔约束的“序”特性（δ越大越强）和容量约束的“支配”关系，用很少的、领域特定的查询就能实现模型提炼。对于卫星调度中这两类核心约束，CCA在查询效率和模型质量之间取得了更好的工程平衡。

4. 学习与优化框架的端到端实现

将CCA嵌入到“学习与优化”框架中，就构成了一个完整的交互式调度系统。下面我们通过一个完整的实例，一步步拆解其工作流程和内部状态变化。

4.1 算法骨架与关键变量

首先，明确几个核心变量：

• L：当前已学习到的约束集合。初始为空。
• B：候选约束基。由所有可能的间隔约束sep(i,j,δ)和容量约束cap(k,w)实例化构成，但会随着学习过程不断修剪。
• O：二元可行性预言机。
• OptSol(L, f)：在约束集合L下，对目标函数f（总优先级权重和）进行优化的求解器。我们使用Google OR-Tools中的CP-SAT求解器，并设置时间限制。
• e*：迄今为止找到的、被预言机确认可行的最佳调度方案。

4.2 完整流程逐步推演

假设我们有3个任务，规划时域H=10个时间槽：

• 任务A：优先级3，可见窗口 WA = {2, 3, 4}
• 任务B：优先级2，可见窗口 WB = {3, 4, 5}
• 任务C：优先级2，可见窗口 WC = {7, 8}

隐藏的真实约束（算法不知道）：

1. sep(A, B, 3)：安排A和B，它们必须至少间隔3个时间槽。
2. cap(1, 5)：任意连续5个时间槽内，最多安排1个任务。

候选基B（算法知道的可能约束）：

• 间隔约束：对所有任务对，δ ∈ {2, 3, 4}。
• 容量约束：k ∈ {1, 2}, w ∈ {3, 4, 5}。

初始化：

1. 安排优先级最高的单个任务A（比如在槽3）。询问预言机，得到“可行”。于是e* = {A=3}，价值为3。
2. 用这个可行方案{A=3}来初始化B：剔除所有与该方案冲突的候选约束。例如，sep(A,C,2)和sep(A,C,3)被剔除，因为A和C的最小可能时间差为|4-7|=3，所以δ=2和3的约束永远不可能被{A=3, C=?}这样的安排违反。

迭代 1：

1. 求解：当前L = {}（空集）。OptSol(L, f)在无约束下求解，得到一个价值最大化的方案：e = {A=3, B=4, C=7}，总价值=3+2+2=7。
2. 查询：将e提交给预言机O。O计算：|3-4|=1 < 3，违反了隐藏的sep(A,B,3)，因此返回“否”。
3. 学习：触发CCA。
   • CCA发现任务对(A,B)在方案e中的间隔为1，小于B中该对的最大候选δ=4，因此“涉嫌”。
   • CCA构造部分查询e' = {A=3, B=4, C=0}（仅安排A和B），提交给O。
   • O检查e'：间隔|3-4|=1 < 3，违反sep(A,B,3)，返回“否”。
   • CCA开始在B_AB = {2,3,4}中二分搜索最大的、会导致拒绝的δ。
     • 测试δ=3：强制要求间隔至少为3。在窗口WA={2,3,4}和WB={3,4,5}中，能找到满足间隔≥3的分配吗？例如A=2, B=5，间隔为3。CCA查询{A=2, B=5}。O检查：间隔条件满足，但A=2和B=5落在窗口[1,5]内，任务数=2，违反了隐藏的cap(1,5)！O返回“否”。
     • 由于O返回“否”，CCA认为δ=3是“有理由”的（尽管真实原因其实是容量约束）。它继续测试δ=4。
     • 测试δ=4：强制间隔至少为4。在给定窗口下，A=2, B=5的间隔为3，不满足δ=4。实际上，WA和WB中任意组合的最大间隔为3（A=2,B=5或A=4,B=3）。因此，对于δ=4，不存在一个同时满足窗口和间隔要求的(A,B)分配。CCA会判定δ=4是“有理由”的（因为任何尝试满足δ=4的分配都会因违反窗口而失败，但预言机统一返回“否”）。
   • CCA最终选择δ*=4，将sep(A, B, 4)加入L。这是一个过紧的学习（真实是δ=3）。
   • 同时，从B中剔除所有sep(A, B, δ≤4)的候选。
4. 更新：L现在包含{sep(A, B, 4)}。

迭代 2：

1. 求解：在L = {sep(A, B, 4)}下求解。由于A和B的窗口最大间隔只有3，约束sep(A, B, 4)实际上禁止了A和B被同时安排。OptSol会找到e = {A=2, C=7}，价值=3+2=5。
2. 查询：将e提交给O。O检查：A和C无间隔约束，且A=2和C=7不在同一个长度为5的窗口内（窗口[2,6]和[7,11]不重叠），满足cap(1,5)。因此返回“是”。
3. 接受与终止：方案被接受，且价值5 > 当前最佳e*的价值3。更新e* = {A=2, C=7}。由于当前OptSol(L,f)的输出已被预言机接受，算法满足终止条件，提前结束。

结果分析：

• 最终方案：{A=2, C=7}，价值5。这就是本实例的最优解（安排A和C，放弃B）。
• 学习到的模型：L = {sep(A, B, 4)}，仅精确识别了0条真实约束（学到的间隔值过紧），且完全没有学到容量约束cap(1,5)。
• 启示：即使学习到的约束模型不完整、不精确，只要它能有效地引导优化器避开主要的不可行区域，就足以找到高质量的解。这正是交互式“学习与优化”框架的优势：它追求的是解的质量，而非模型的完整度。

4.3 实现中的关键工程细节

1. 求解器配置：OptSol使用CP-SAT求解器，并设置单次调用时间上限（例如20秒）。这是一个“随时”求解器，可能在时限内证明最优，也可能返回当前找到的最好解。这平衡了求解精度和迭代速度。

2. 候选基的初始修剪：在算法开始前，可以利用任务的时间窗口信息进行逻辑推理，提前剔除一些永远不可能被违反的“空”约束。例如，如果两个任务的时间窗口完全不重叠，那么它们之间的任何间隔约束都是自动满足的，可以从B中移除。这能显著减少搜索空间。

3. 停止条件：框架设计了两个主要停止条件：(a) 接受性停止：当前OptSol(L,f)产生的方案被预言机接受。这是最理想的情况，意味着我们在当前知识下找到了一个“局部最优”的可行解。(b) 模型侧收敛：如果OptSol(L,f)和OptSol(L∪B,f)得到的目标值相同，说明即使加入所有剩余候选约束，也无法找到比当前L下更好的解，可以停止。在实际运行中，条件(a)更常被触发。

5. 实验评估与性能分析

任何算法的价值都需要通过实验来验证。我们在合成的算例上系统评估了所提方法的性能，并将其与基线方法进行对比。

5.1 实验设置与对比基线

我们生成了任务规模n从10到50的算例，隐藏的约束网络较为稠密（约30%的任务对之间存在间隔约束，并附加一个全局容量约束）。对比的基线方法包括：

• PG：优先级贪婪算法。完全忽略约束，按优先级从高到低尝试安排任务。如果生成的方案被预言机拒绝，则移除优先级最低的任务，直到方案可行。这代表了“无约束知识”的朴素方法。
• CP-SAT：在完全已知隐藏约束模型T的情况下，直接使用CP-SAT求解器（限时120秒）。对于n≤30的算例，它能证明最优解；对于n≥40的算例，我们将其120秒内找到的最佳可行解作为参考基准。这是理论上的性能上限。
• FAO：两阶段“先全获取后优化”基线。它运行CCA进行整整100次主查询（即提交完整调度方案），全力学习约束模型L。学习阶段结束后，再用CP-SAT求解学到的模型L，如果解不可行，则进行修复。这代表了传统约束获取思路。
• L&O：我们提出的“学习与优化”交互式框架，同样设置最大查询次数Q=100。

核心评估指标：

• Gap（差距）：(基准解价值 - 算法解价值) / 基准解价值 * 100%。衡量解的质量。
• 主查询次数：调用预言机进行完整方案验证的次数。这直接对应高保真仿真器的运行成本，是时间开销的主要部分。
• 总运行时间：包括算法逻辑和求解器调用时间。
• frac：算法终止时，精确识别出的隐藏约束占全部隐藏约束的比例。

5.2 核心结果与洞见

下表汇总了在20个随机种子上的平均结果：

关键发现：

1. 显著优于无知识方法：PG的差距高达65%-73%，而L&O将其大幅降低到18%-36%。这证明了从交互中学习约束信息的巨大价值。

2. 以极少查询匹敌或超越两阶段方法：这是最核心的结论。L&O平均仅用5到21次主查询就找到了最佳解，并触发了“接受性停止”。而FAO固定消耗100次查询。在解的质量上，L&O在大多数规模下与FAO相当，在n=50时甚至以更少的查询取得了更优的解（17.9% vs 20.3%）。这意味着，为了得到一个好解，我们根本不需要完整学习整个约束模型。

3. 部分学习即足够：frac指标揭示了另一个深刻洞见。算法终止时，平均只精确识别了4%到10%的隐藏约束。绝大部分约束根本没有被学到，或者像之前的例子一样，被过紧地学习了。但这并不妨碍算法找到高质量的解。优化过程真正需要的，是学习到那些能“挡住”高价值但不可行区域的“关键约束”。一旦这些关键约束被纳入模型，优化器自然会被引导向可行的、高质量的区域。

4. 计算效率优势明显：由于主查询次数大幅减少，且优化与学习交织进行（每次迭代的求解规模相对较小），L&O的总运行时间比FAO快5到21倍。这种“随时”产出可行解且快速收敛的特性，对于工程应用极具吸引力。

5.3 典型收敛行为分析

通过跟踪单次运行，我们可以观察到L&O的典型行为模式：

1. 乐观值的下降：图中蓝色曲线代表当前学习模型L下的最优值f*(L)。随着CCA不断添加（通常是收紧的）约束到L中，这个“模型侧认为可能达到的最好值”会阶梯式下降。
2. 可行解的跳跃：图中黑色曲线代表当前找到的最佳可行解e*的价值。它不会连续变化，只会在某一轮迭代中，当OptSol(L,f)产生的方案被预言机接受时，发生跳跃式提升。
3. 提前终止：一旦蓝色曲线与黑色曲线在某点重合（即当前模型下的最优方案恰好可行），算法立即终止。这正是“接受性停止”条件，它使得算法不必耗尽所有查询预算。

这种模式表明，L&O像一个谨慎的探索者：它不断用当前知识去触碰性能边界（蓝色曲线），一旦触碰成功（得到可行解），就收获果实（更新黑色曲线），并基于新的失败经验（被拒）修正对边界的认知（更新L），然后继续探索。

6. 实践心得、局限与未来方向

经过对这套方法的深入研究和实验，我有一些超出论文表述的实操体会，也清楚地看到其边界和可能的进化路径。

6.1 实操心得与避坑指南

1. 预言机仿真的保真度与速度权衡：在实际系统中，预言机通常是一个高保真仿真器。它的运行速度直接决定了整个交互式优化流程的耗时。如果一次仿真需要10分钟，那么即使只有20次主查询，也需要超过3小时。因此，在工程化时，建立不同保真度的仿真器层级至关重要。可以在初期使用快速、简化的仿真器进行大量探索，对筛选出的少数优秀候选方案，再用高保真仿真器进行最终验证。L&O框架对此适应性很好。

2. 候选约束基B的构建艺术：B的构建不是简单的穷举。需要领域专家提供合理的参数范围。例如，间隔约束δ的范围，应基于卫星姿态机动的最大角速度和稳定时间估算；容量约束的(k, w)范围，应基于电源子系统和分析数据。范围太大，搜索效率低；范围太小，可能漏掉真实约束。一个实用的技巧是：从宽松的范围开始，如果算法频繁学到边界值的约束（如总是学到δ=10），则说明范围可能设窄了，需要扩大。

3. 处理“近似可行”与噪声：真实的仿真器或验证工具有时会存在数值噪声，或者返回“警告”而非硬性的“不可行”。严格的二元预言机模型可能需要放松。可以考虑引入“置信度”或“违规程度”的反馈，让CCA不仅学习“是否违反”，还能学习“违反了多少”，从而更精细地调整约束参数。

4. 初始可行解的获取：算法需要一个初始可行解来启动（如安排单个最高优先级任务）。在实践中，获取一个可行解本身可能就需要多次尝试。可以准备一个由简单、低风险任务组成的“种子”方案，确保其可行性，来启动学习过程。

6.2 当前方法的局限性

1. 约束过紧与最优性损失：CCA的保守策略可能导致学习到过紧的约束（如前述例子中的sep(A,B,4)）。虽然这保证了安全性，但可能永久性地排除了一些真实可行的、甚至是最优的调度方案。在极端情况下，这可能导致算法收敛到一个可行但次优的解。

2. 领域特定性：CCA专为间隔和容量约束设计。对于其他类型的约束（如“任务A必须在任务B之前完成”的序约束、“任务C和D必须安排在同一轨道圈次”的耦合约束），需要重新设计或换用QuAcq等通用算法。这限制了方法的直接推广。

3. 对完美静态预言机的假设：我们假设预言机的反馈是确定性和一致性的。现实中，仿真器可能有随机种子，系统状态可能漂移。如何处理带噪声的、非平稳的预言机，是一个开放问题。

4. 求解器性能的影响：框架内部依赖OptSol，我们用了CP-SAT。对于大规模问题，单次OptSol调用可能无法在给定时间内找到最优解，返回的是可行解。这会影响f*(L)作为“乐观上界”的质量，进而可能影响停止条件的判断。需要根据问题规模仔细调整每次求解的时间预算。

6.3 未来可行的拓展方向

1. 混合获取策略：在算法初期，当约束知识很少时，使用CCA快速获取关键约束。当中后期学习速度放缓时，可以切换到更精确的通用算法（如QuAcq）来澄清模糊的或过紧的约束，从而提升最终解的质量。

2. 集成领域启发式：在构建候选基B或解释预言机拒绝时，可以融入领域知识。例如，如果预言机拒绝并报告“能源不足”，算法可以优先假设是容量约束被违反，并定向查询相关的cap(k,w)候选。

3. 处理约束漂移：为应对在轨卫星的性能衰减或模式变化，可以定期用新产生的可行解去“测试”已学习的约束。如果某个已学习的约束频繁阻止了被预言机接受的方案，则可以将其弱化或从L中移除，并触发新一轮的学习。这使系统具备在线适应能力。

4. 面向星座调度：将方法扩展到多颗卫星协同调度的场景。此时的约束不仅包括单星内部的，还包括星间（如任务接力、数据回传冲突）。这需要定义新的约束族和相应的获取策略，但交互式学习与优化的核心框架依然适用。

5. 与预测模型结合：对于像云层覆盖这样的不确定约束，可以与预测模型结合。预言机可以返回“在置信度p下可行”，算法则可以在学习确定性约束的同时，优化方案的鲁棒性。

这项工作的真正魅力在于，它为我们处理那些“只可意会，难以言传”的复杂工程约束提供了一条切实可行的路径。它不追求完美的模型，而是追求在有限交互成本下的优秀决策。这种务实的思想，或许比算法细节本身，更能给面临类似“黑盒”优化难题的工程师带来启发。