基于强化学习的卫星调度方法、装置、设备和存储介质

本公开的实施例提供基于强化学习的卫星波束调度方法、装置、设备和存储介质。该方法包括：构建包括导航卫星星座中多个卫星各自的卫星标识、各卫星相对于目标区域的俯仰角、各卫星相对于目标区域的方向角和各卫星与目标区域的相对距离的状态空间，构建包括待调度卫星的卫星标识序列的动作空间，基于包括覆盖重数奖励和PDOP奖励的奖励指标设计奖励函数，基于TD3算法，根据状态空间、动作空间和奖励函数训练卫星波束调度的神经网络，得到训练好的策略网络，将目标区域的实时状态向量输入至训练好的策略网络，得到实时动作，以控制实时动作对应的所有卫星波束指向目标区域。该方法能够提高卫星的服务质量。