1.一种基于数据驱动的敏捷卫星成像任务调度方法，其特征在于，包括以下步骤：步骤1：获取任务集；步骤2：构建敏捷卫星任务调度模型，所构建的敏捷卫星任务调度模型中，目标函数使任务集规划后的总的观测收益值最大，决策变量包括一个任务在一个时间窗口内是否被执行，以及一个任务在一个时间窗口内的开始执行时间；所述敏捷卫星任务调度模型是：其中，式（1）为目标函数，即使观测总收益最大， 为0-1决策变量， 表示第i个任务 在第j个可见时间窗口 内被执行，1为执行，0不被执行； 是第i个任务任务 的观测收益值； ， 表示任务 的第j个可见窗口， 为任务 t i 的可见窗口集合， 为任务 的可见窗口数量， 由一个三元组 组成，其中 分别表示时间窗口 的开始时间与结束时间， 表示时间窗口 的时间长度；N表示任务数量；式（2）表示一个任务只能执行一次， 表示待观测任务集合，第i个任务 由一个四元组 组成， 是任务 单位时间所占据的固存容量， 是任务 单位时间所消耗的电量；式（3）表示任务实际执行范围要在可见时间窗口范围之内， 表示第i个任务在第j个可见时间窗口的开始执行时间，为决策变量； 是任务 的执行时间；式（4）表示任务之间转换时间约束，后一个任务的开始执行时间在前一个任务执行完以后还需要考虑姿态转换时间， 是一个二元中间变量， 表示任务 是任务 的前一个任务，否则为0， 表示任务 的第 个时间窗口， 表示任务 的可见窗口集合， 表示第 个任务 在第 个可见时间窗口的开始执行时间， 表示任务 转换到任务 的转换时间；式(6)、(7)、(8)表示任务只有一个前驱和一个后继，即任务执行是有先后顺序的，其中 和 为虚拟任务节点，分别表示卫星的最后一个节点和第一个节点， 为任务 的可见窗口数量；所述约束条件包括一个任务只会执行一次，任务实际执行范围要在可见时间窗口范围之内，任务只有一个前驱和一个后继，任务执行受电量、任务执行时长、固存和姿态转换时间约束；步骤3：对所述敏捷卫星任务调度模型使用数据驱动下的卫星任务调度问题求解算法进行求解；步骤4：将最优解作为调度方案输出。
2.根据权利要求1所述的调度方法，其特征在于，数据驱动下的卫星任务调度问题求解算法是指：步骤3.1：使用标准遗传算法初始化种群，种群中的个体使用实数编码；步骤3.2：对当前种群 中的个体使用启发式算法进行约束检查，并删除个体中违反约束的任务， 表示第 t 代种群；步骤3.3：对经约束检查后的当前种群 进行选择交叉变异生成新的子代种群 ；步骤3.4：从新的子代种群 中随机选择一定比例的个体使用神经网络模型进行个体提升改进，如果经神经网络模型输出后的个体适应度大于输入前的个体适应度，则使输出后的个体替换输入前的个体，得到新种群 ；步骤3.5：若不满足迭代终止条件，则返回步骤3.2，否则计算当前种群中各个体的目标函数值，取目标函数值最高的个体作为最优解输出。
3.根据权利要求2所述的调度方法，其特征在于，在步骤3.4中得到新种群 后，还需要计算新种群 的个体相似度，对相似度大于预设阈值的个体进行局部调整，得到调整后的新种群作为当前种群。
4.根据权利要求3所述的调度方法，其特征在于，所述神经网络模型使用的样本集是：步骤3.4.1：选择从第 代种群 到第 代种群 中的全部个体，生成个体集合 ， 表示第 t 代种群 的前 代的种群；步骤3.4.2：根据个体集合 生成目标解集 和数据集 ，所述目标解集 是指个体集合 中目标函数值排序靠前的满足目标解个数的，且个体彼此之间欧式距离大于预设阈值ζ的个体集合，所述数据集 是指个体集合 中剔除目标解集后剩余的个体集合；步骤3.4.3：分别计算数据集 中的每一个个体到目标解集 中不同目标解之间的欧式距离，选择距离最小的目标解与该个体匹配，作为一组神经网络的输入与输出个体，匹配后的所有个体组合生成样本集 。
5.根据权利要求4所述的调度方法，其特征在于，在种群交叉变异过程中，每隔 代形成新的样本集，对步骤3.4中的神经网络模型使用新的样本集训练后，对新的神经网络模型进行评估，评估通过的新神经网络模型更新原神经网络模型进行个体提升改进。
6.根据权利要求3所述的调度方法，其特征在于，计算个体相似度的方法是：其中， 表示第 i 个个体的相似度， PN 表示种群中的个体数量， GN 表示个体的基因位数量， 表示第 个个体在第 个基因位上与剩余 PN-1 个个体在在第 个基因位置上数值相同的个数，T表示个体基因的数量。
7.根据权利要求6所述的调度方法，其特征在于，局部调整方法是：1）：预先设置几个局部调整的策略，并使几个局部调整策略的初始概率相同；2）：对于经神经网络改进后的个体进行相似度判断，对相似度大于预设阈值的个体使用局部调整策略 次后选择目标函数值最大的个体 替换原个体；3）：根据局部调整策略的贡献度重新计算下一轮各局部调整策略的使用概率。
8.根据权利要求7所述的调度方法，其特征在于，所述贡献度的计算方法是： ， i 表示第几个局部调整策略 表示神经网络改进后的个体总数， 表示相似度超过阈值的个体比例， 表示第 个局部调整策略所贡献出的目标函数值最大的个体替换原个体的个数， 表示第 个局部调整策略的贡献度。
9.根据权利要求4所述的调度方法，其特征在于，在进行个体彼此之间欧式距离计算时，将个体解码成任务执行序列，用任务序列的欧式距离表示个体之间的距离。
10.一种基于数据驱动的敏捷卫星成像任务调度系统，其特征在于，使用权利要求1至9任一项所述的调度方法中的各步骤。
