1.一种基于强化学习的卫星任务规划演化方法，其特征在于，所述方法包括：步骤1、初始化算法参数，初始化Q值表；步骤2、若评价次数num_eval<最大函数值评价次数，则执行步骤3，否则执行步骤11；步骤3、计算Q值表中的 得到动作被选中的概率；其中， 表示第i个状态，T为控制参数，a j 表示动作j，Q t 表示t时刻的Q值；步骤4、基于步骤3的结果，选中一个动作及一个个体，令循环变量p从1至 单次增加1进行循环，进行个体交叉变异，获得新个体，针对新个体形成规划方案，计算目标函数值；其中， 表示种群规模；步骤5、基于新个体计算reward之后更新Q值，得到新的Q值表；步骤6、从当代种群中搜索最优目标函数值及其在种群中对应的位置序号；步骤7、若当代种群最优目标函数值大于搜索过程中最优目标函数值，则将搜索过程最优目标函数值更新为当代种群最优目标函数值，并将搜索过程最优个体更新为当代种群最优个体；否则，当 小于阈值 时，将当代种群最优个体用搜索过程最优个体替代，并将当前种群最优函数值更新为搜索过程最优函数值；步骤8、若当代最优目标函数值差于上一代最优目标函数值，则目标函数值控制参数count加1；步骤9、更新时刻t，令t=t+1；步骤10、将当代种群最优适应度函数值更新为上一代种群最优函数值，返回步骤2；当满足评价次数num_eval等于最大函数值评价次数条件时，执行步骤11；步骤11、保存最终的种群最优函数值对应的最优个体，将最优个体对应的执行方案作为优化方案；所述适应度函数值使用目标函数值表示，所述目标函数为：其中， 表示带宽设定对应的增益函数， 表示重要性程度， 表示基于重要性程度设置的带宽， 表示探测任务j的探测增益，i表示第i个卫星，S表示卫星集合，T表示任务集合，o表示轨道， 表示卫星i的轨道集合，k表示一时间窗，TW表示时间窗集合， 表示卫星 是否在轨道 上的第 个时间窗是否执行任务 ；所述探测增益 的求解方式为：其中， ， 和 分别为1阶和3阶第一类贝塞尔函数， 为卫星天线与信号源中心的夹角， 为天线效率，λ表示波长， 是天线增益相对于波束中心3dB衰减处的角度，D表示天线口径。
2.根据权利要求1所述的方法，其特征在于，所述步骤1中的初始化，包括构造一初始解，个体表示与任务序列的序号一一对应。
3.根据权利要求1所述的方法，其特征在于，所述步骤4中，所述交叉变异中，使用多种长度交叉算子，交叉算子的长度由任务序列中选择的片段长度决定。
4.根据权利要求1所述的方法，其特征在于，所述步骤5中，新的Q值表中，Q值更新的计算方式为：其中， ， 表示学习率， 表示折扣因子，F t 表示目标函数值，S t 表示状态，A t 表示动作。
5.根据权利要求1所述的方法，其特征在于，所述Q值表中记录搜索过程中全部交叉、变异组合的表现值，Q值表中的Q值使用状态-动作组合表示，对于每一代中的一智能体，其在状态 下采取动作 的概率表示为：其中， 表示时刻t对于状态和动作的Q值，T表示控制参数。
6.根据权利要求1所述的方法，其特征在于，所述步骤4中，使用任务时间窗选择算法形成规划方案，所述任务时间窗选择算法包括：步骤01、按照任务顺序逐个尝试安排任务，如果已经尝试完毕，则执行步骤03，否则执行步骤02；步骤02、逐个尝试时间窗集合中的时间窗，如果全部尝试完毕，则转至步骤01尝试安排下一任务；如果全部任务安排完毕，则执行步骤03；步骤03、输出任务规划方案。
7.一种基于强化学习的卫星任务规划演化系统，其特征在于，所述系统应用于权利要求1-6任一所述的基于强化学习的卫星任务规划演化方法，该系统包括：数据输入模块，用于输入原始数据，所述原始数据包括任务数据、原始时间窗数据；初始化模块，用于初始化算法参数，及初始化Q值表；最优方案计算模块，用于通过种群算法及Q值表更新算法，获得优化方案；任务时间窗选择模块，与所述优化方案模块进行数据交互，并基于所述最优方案计算模块的传送数据，形成任务规划方案；所述传送数据包括：任务集合、时间窗集合、任务序列。
8.一种基于强化学习的卫星任务规划演化设备，其特征在于，所述设备包括处理器、存储器，所述处理器可以调用所述存储器中的计算机指令以执行如权利要求1-6所述的基于强化学习的卫星任务规划演化方法。
