The multi-objective agile earth observation satellite scheduling problem (MO-AEOSSP) aims to schedule tasks from a set of candidate requests, optimizing multiple criteria simultaneously. In this study, a specific bi-AEOSSP under the multi-orbit scenario is formed by considering the failure rate and the load balance degree as the two objectives to be optimized as well as the time-dependent transition time. Owing to the time-dependent transition time, bidirectional propagated changes may occur by even a slight modification of an observation. A multi-objective memetic approach considering time-dependent transition time (called MOMA-TD) is proposed to address the time-dependent characteristics and NP-hardness. The MOMA-TD combines the multi-objective memetic algorithm (MOMA) with problem-specific crossover, mutation, and local search operators to improve the efficiency and to enhance the exploitation. The highlights of this study are as follows: 1) the proposal of a MOMA-based framework for addressing the time-dependent MO-AEOSSP; 2) the design of two problem-specific crossover operators and a time-dependent local search operator. A domination-based MOMA-TD (D-MOMA-TD) and an indicator-based MOMA-TD (I-MOMA-TD) are examined and compared with several classical algorithms: NSGA-II, MOEA/D, IBEA, SPEA2. Experimental results on 5 different multi-orbit scenarios show that the MOMA-TDs outperform the comparative methods in terms of convergence, solution quality and distribution, providing the time-dependent MO-AEOSSP with a much more practical and appliable approach.

多目标敏捷地球观测卫星调度问题（MO-AEOSSP）旨在从一组候选请求中调度任务，同时优化多个标准。本研究将故障率和负载均衡度作为两个优化目标，以及瞬态过渡时间，形成多轨道场景下特定的bi-AEOSSP。由于时间相关的过渡时间，即使对观察进行轻微的修改，也可能发生双向传播的变化。提出了一种考虑时间相关转换时间（称为 MOMA-TD）的多目标模因方法来解决时间相关特性和 NP 硬度。MOMA-TD 将多目标模因算法 (MOMA) 与特定问题的交叉、变异、和本地搜索运营商，以提高效率和加强开发。本研究的重点如下： 1）提出了一个基于 MOMA 的框架来解决时间依赖的 MO-AEOSSP；2) 两个特定问题的交叉算子和一个时间相关的局部搜索算子的设计。检查了基于支配的 MOMA-TD (D-MOMA-TD) 和基于指标的 MOMA-TD (I-MOMA-TD)，并与几种经典算法进行了比较：NSGA-II、MOEA/D、IBEA、SPEA2。在 5 个不同的多轨道场景上的实验结果表明，MOMA-TD 在收敛性、解质量和分布方面优于比较方法，为时间相关的 MO-AEOSSP 提供了一种更加实用和适用的方法。1) 提出一个基于 MOMA 的框架来解决与时间相关的 MO-AEOSSP；2) 两个特定问题的交叉算子和一个时间相关的局部搜索算子的设计。检查了基于支配的 MOMA-TD (D-MOMA-TD) 和基于指标的 MOMA-TD (I-MOMA-TD)，并与几种经典算法进行了比较：NSGA-II、MOEA/D、IBEA、SPEA2。在 5 个不同的多轨道场景上的实验结果表明，MOMA-TD 在收敛性、解质量和分布方面优于比较方法，为时间相关的 MO-AEOSSP 提供了一种更加实用和适用的方法。1) 提出一个基于 MOMA 的框架来解决与时间相关的 MO-AEOSSP；2) 两个特定问题的交叉算子和一个时间相关的局部搜索算子的设计。检查了基于支配的 MOMA-TD (D-MOMA-TD) 和基于指标的 MOMA-TD (I-MOMA-TD)，并与几种经典算法进行了比较：NSGA-II、MOEA/D、IBEA、SPEA2。在 5 个不同的多轨道场景上的实验结果表明，MOMA-TD 在收敛性、解质量和分布方面优于比较方法，为时间相关的 MO-AEOSSP 提供了一种更加实用和适用的方法。检查了基于支配的 MOMA-TD (D-MOMA-TD) 和基于指标的 MOMA-TD (I-MOMA-TD)，并与几种经典算法进行了比较：NSGA-II、MOEA/D、IBEA、SPEA2。在 5 个不同的多轨道场景上的实验结果表明，MOMA-TD 在收敛性、解质量和分布方面优于比较方法，为时间相关的 MO-AEOSSP 提供了一种更加实用和适用的方法。检查了基于支配的 MOMA-TD (D-MOMA-TD) 和基于指标的 MOMA-TD (I-MOMA-TD)，并与几种经典算法进行了比较：NSGA-II、MOEA/D、IBEA、SPEA2。在 5 个不同的多轨道场景上的实验结果表明，MOMA-TD 在收敛性、解质量和分布方面优于比较方法，为时间相关的 MO-AEOSSP 提供了一种更加实用和适用的方法。