1. 课程导入与任务界定

一颗卫星从立项论证到在轨运行，真正决定其价值的并不是某个单机指标有多高，而是它能否在给定约束下完成既定任务、并让任务收益最大化。这正是本课程要解决的核心问题：卫星任务效能评估与方案优化。它研究的是如何用可量化、可比较、可追溯的方式，回答两个相互关联的问题——"这套方案到底有多好"（评估），以及"怎样改才能更好"（优化）。

一、基本内涵：从性能到效能的跃迁

理解本课程，首先要区分三个常被混用的概念：性能（Performance）、能力（Capability）与效能（Effectiveness）。性能是单机或分系统的固有属性，例如某星上相机的地面分辨率优于 0.5 m、某转发器的等效全向辐射功率达到 52 dBW；能力是系统在理想条件下完成某类任务的本领，例如"具备对某区域每天重访一次的对地观测能力"；而效能则是在真实任务背景、真实约束和真实环境条件下，系统达成任务目标的程度。它必须绑定任务、绑定约束、绑定度量标准，脱离任务谈效能是没有意义的。

因此，卫星任务效能评估可以形式化地理解为：给定任务需求集合 M、系统方案 S、约束条件 C 与环境条件 E，求取一个映射 E = f(M, S, C, E)，使结果能够反映方案对任务的满足程度。而方案优化则是在可行域内搜索 S*，使效能指标最优或达到可接受阈值。评估是优化的前提，优化是评估的延伸，二者构成闭环。

二、核心问题：四个必须回答的追问

本课程围绕四个核心问题展开。第一，评什么——如何从任务需求出发构建效能指标体系，避免指标堆砌与维度冗余。第二，怎么算——如何选择或建立评估模型，包括解析模型、仿真模型与专家/数据驱动模型，并处理量纲归一与权重分配。第三，怎么优——如何在多目标、多约束、混合变量（连续参数与离散构型并存）的条件下搜索最优或满意方案。第四，怎么信——如何验证评估结果的可信度，包括灵敏度分析、不确定性传播与结果复核。

这四个问题并非线性排列，而是相互牵制。例如指标体系设计不当，会导致优化方向偏离真实任务；模型精度不足，会让灵敏度分析失去意义。因此课程强调"任务—指标—模型—优化—验证"的一致性。

三、典型应用场景

效能评估与方案优化贯穿卫星任务全生命周期，典型场景包括：

• 论证阶段的方案比选：在星座构型、轨道高度、载荷配置等多个候选方案中，按任务效能排序，支撑立项决策。
• 设计阶段的参数权衡：如对地观测卫星的轨道高度、倾角、幅宽与重访周期之间的权衡，寻找满足覆盖与分辨率要求的最优组合。
• 运行阶段的资源调度：在轨卫星面对多任务请求时，如何分配成像、数传、测控窗口以最大化整体任务收益。
• 体系效能分析：多星、多载荷、地面站协同条件下的体系级效能，评估补网、升级或降级运行的影响。

这些场景的共同点是：决策变量多、约束强、目标往往不止一个，且评估结果直接影响资源投入，因此对方法的规范性和可解释性要求很高。

四、课程整体路线图

本课程共 30 章，整体遵循"任务界定 → 指标建模 → 效能计算 → 方案优化 → 验证与复盘"的主线。前段建立任务与指标的语言体系，中段掌握评估模型与计算方法，后段进入优化算法、工具实践与综合案例。下图给出课程的知识主线与各环节之间的输入输出关系，帮助你在学习每一章时明确它处在整体链条的哪个位置。

五、学习本课程的方法建议

效能评估与方案优化是典型的"方法+对象"交叉学科，建议采用三步学习法。第一步，建立任务语言：每遇到一个指标，先问它服务于哪个任务、在什么约束下成立。第二步，动手算一遍：对课程给出的示例参数，亲自完成归一化、加权或一次简单的覆盖计算，理解数值背后的物理含义。第三步，做灵敏度检验：改变一个关键参数（如轨道高度或权重），观察效能排序是否翻转，从而判断结论的稳健性。