读论文30. A pure proactive scheduling algorithm for multiple earth observation satellites under uncerta

1请抄写抽到论文的题目,并用中文翻译论文题目和关键词。(10分)
A pure proactive scheduling algorithm for multiple earth observation satellites under uncertainties of clouds
云不确定条件下的多对地观测卫星主动调度算法
对地观测卫星·云的不确定性·期望模型·机会约束规划·分支与价格·样本近似·列生成启发式

2 请简述该篇文章摘要的大意。(20分)
本文研究了云不确定条件下多颗对地观测卫星(EOSS)的调度问题。
① 框架： 首先将云的存在描述为随机事件，将问题转化为随机规划问题。基于不同的视角，我们使用期望模型和机会约束规划(CCP)模型对问题进行了数学建模。
② 技术：然后首次将Dantzig-Wolfe分解和列生成技术应用于EOSS的不确定调度。对于期望模型，我们设计了一种分枝定价算法来最优、高效地求解该模型。另一方面，我们首先利用样本近似将CCP模型重新表示为混合整数规划(MIP)模型。针对该MIP模型分支定价算法的难点和不可行性，提出了一种基于列生成的启发式算法来获得“好”的可行解。
③ 结果：通过大量的仿真实验，验证了所提出的公式和方法的有效性，并对其性能进行了测试。

3请从不同角度分析该篇论文的创新点,并谈谈有什么学术价值。(25分)
① 本文考虑到云的不确定性，将观测云的存在描述为随机事件，进而研究了多EOS的调度问题。
② 基于不同的观点，我们提出了一个期望模型和一个机会约束规划模型来描述问题。对于期望模型，设计了一种基于分枝定价的精确算法，实现了模型的最优、高效求解。另一方面，针对分枝计价算法求解CCP模型的难度和不可行性，设计了一种基于列生成的启发式算法，有效地获得了“好”的可行解。据我们所知，这是首次提出基于列生成的精确启发式算法来解决云不确定情况下的多EOS调度问题。
③ 最后，通过大量的仿真实验证明：1)分支价格算法能够对所有生成的实例进行最优求解，并且比CPLEX算法更快；2)对于CCP模型，列生成启发式算法可以有效地得到所有实例的近似最优解。

4请谈谈你对该篇论文结论的理解及对你以后学习工作有哪些启发? (25分)
没啥启发。自己编点吧。