基于冲突成像概率的多星任务预调度算法

研究高效的卫星调度算法对于解决任务分配不合理问题,充分利用卫星资源收集地面信息,提高对地观测系统的效率具有重要意义.本文针对多星分布式协同调度模型的第一阶段预调度问题,考虑卫星性能指标和成像约束条件,将多星调度问题分解为单星自主调度问题.为求解该问题,本文通过计算任务的可用时间窗口之间的潜在冲突系数和实际冲突系数及能量系数,提出一种基于冲突成像概率的调度（Collision Imaging Probability Based Schedule,CIPBS）算法,根据可用时间窗口分布特点预测每个任务被每颗卫星成功调度的概率,从而设计任务分配方案,尽可能提高能被成像任务的总权重.本文设计了3种不同分布的任务场景来评估CIPBS算法的适应性和效率,实验结果表明均有10%～20%的性能提升.     

面向区域目标的测绘卫星任务调度方法

测绘卫星以区域目标为主要观测对象,观测精度高、存储数据量大,任务之间存在资源使用冲突,需要合理调度才能充分发挥卫星的能力。在进行合理假设的基础上,提出了一套有效的测绘卫星任务调度方法。首先对区域目标进行预处理,分解为卫星可以单次过境覆盖的条带。然后综合考虑数据采集、存储、回传等因素,建立了测绘卫星任务调度问题的混合整数规划模型。最后采用ILOG CPlex来实现模型求解,生成任务调度方案。资源三号测绘卫星任务调度的应用实例表明,提出的测绘卫星任务调度方法是可行的,对我国的测绘卫星任务管控具有很强的实用价值。     

卫星对地观测任务启发式自主规划算法研究

传统的卫星对地观测任务调度依赖于地面控制中心离线生成执行计划,为将规划权与地面控制中心解耦,实现卫星对任务及时和自适应规划,本文通过对观测任务的分析,结合小卫星姿态转换能力强以及拥有计算单元的特点,对卫星观测动作以及约束条件做了合理抽象与简化,建立了问题模型,提出了一种适用于小型卫星调度观测任务的启发式自主规划算法HIPA,算法对于每个任务进行资源消耗计算并给出是否可被观测的结果.通过在不同资源条件限制情况下、不同数量的任务样本集上设置的系列对比实验表明,本文所设计的启发式自主规划算法求解性能更好,可最大化利用卫星资源在最短时间内得到规划序列,可有效提高卫星的观测效率.     

资源空窗期及任务可拆分的资源投入问题研究

考虑飞机装配过程中任务可拆分及资源存在空窗期的两大特性,对飞机移动生产线资源投入问题进行模型与算法研究.针对部分任务存在已知拆分模式及拆分惩罚的情形,设计了求解该问题的改进遗传算法,对传统实数交叉操作进行优化,提出了基于染色体适应值的交叉方法,并在数值实验中对相关参数的取值范围进行了敏感性分析;同时,提出了基于任务开始时间选择概率的变异机制.对满足优化条件的任务调度方案,结合空窗期的位置,评判各可拆分任务可否通过选取新的拆分模式重新调度执行,对不同情形进行总结归纳,通过局部操作进一步降低目标资源量.数值实验表明:通过本文算法对求解带资源空窗期的任务不可拆分问题与基本问题的结果对比,得到任务数分别为10、16、30、60、90算例的目标值平均增量达到4.3%;对求解本文问题与任务不可拆分问题的结果对比,平均优化率达3.5%,证明了本文算法的有效性,同时证明将任务拆分纳入考虑资源空窗期的资源投入问题中,可提高问题求解的灵活性,从而获得较好的调度结果.     

网格任务调度问题求解的萤火虫算法

为了获得更优的网格任务调度方案,针对网格环境特点以及标准萤火虫算法存在的不足,提出了一种基于改进萤火虫算法的网格任务调度优化模型.对网格任务调度优化问题进行了分析,建立了网格任务调度的数学模型,引入非均匀变异算子和自适应步长的搜索策略,加快算法的求解速度和精度,并将改进萤火虫算法用于网格任务调度问题求解,通过萤火虫之间的信息共享和交流找到网格任务调度最优方案,采用仿真对比实验对其有效性和优越性进行测试.结果表明,相对于其他网格任务调度优化算法,改进萤火虫算法可以快速、准确地找到网格任务的最优调度方案,提高了计算资源的利用率,保证了网格系统负载均衡,尤其对于大规模网格任务调度问题,具有更加明显的优势.     

基于动态任务优先级的网格任务调度算法研究

网格环境下的任务调度是一个NP完全问题.为了确保每一步都能优先调度影响调度长度最大的就绪任务,提出一种采用动态任务优先级策略的任务调度算法.在进行任务调度的过程中,通过动态计算任务图DAG的关键路径并有效地利用处理器的空闲时间段来复制任务,使任务节点之间的通信开销尽可能降低,进而缩短整个任务图的完成时间.大量的模拟实验结果表明,所提的算法在任务完成时间上明显优于HEFT算法和DDS算法.     

成像卫星密集任务合成方法及其调度算法

当一般卫星面临问题规模较大且任务比较密集时,传统的调度模型会出现任务排斥,造成观测效率及观测收益都较低的现象.针对该问题,提出了基于任务合成机制的多星调度算法.首先,考虑任务之间的约束条件,建立基于均值漂移的卫星任务合成算法;然后,考虑卫星资源的固存约束、能量约束,以及观测任务之间的观测时间、观测角度等约束条件,建立了基于均值漂移的多星任务合成调度问题模型;最后,结合任务合成算法及问题特点,用改进的蚁群求解算法进行求解,并设计了Insert搜索算子来提高算法的探索能力.仿真实验验证了该任务合成方法及求解算法的效率.     

基于蚁群算法的灵巧卫星调度

灵巧卫星的出现将极大程度增加卫星对给定地面目标实施观测的可选方式和灵活度,使得灵巧卫星调度问题的高度组合特征更加突出,大大增加了卫星调度问题的复杂性和解搜索的寻优难度。分析了灵巧卫星调度问题的约束条件,建立了灵巧卫星调度的约束满足模型。提出了求解灵巧卫星调度方法的蚁群算法,对算法的状态转移规则、信息素更新规则以及安排观测窗口的规则做了详细描述;并提出了任务路径处理流程,以此产生调度方案,评价路径优劣,反馈给蚂蚁路径搜索阶段。通过实例计算,展现了灵巧卫星强大的观测能力以及方法的有效性。     

一种基于Bi-GRU的卫星对地观测 任务可调度性预测方法

针对现有卫星观测任务可调度性预测模型难以建模长时间间隔的观测任务依赖关系的问题,提出一种基于双向门控循环单元(Bidirectional Gated Recurrent Unit,Bi-GRU)的卫星对地观测任务可调度性预测模型.该模型以卫星历史规划方案作为学习样本,能够以较低计算代价较高准确率地预测出对地观测任务集合中可以被响应的子集.该模型首先通过多层全连接感知机神经网络提取任务属性间的关联关系,然后采用多组多层双向门控循环单元组成的循环神经网络提取观测任务与其前驱及后继观测任务序列的潜在时序特征,最后融合各组双向门控循环单元的预测结果,从而利用观测任务之间的正向与反向信息依赖关系提升任务可调度性预测准确度.实验结果表明,与现有主流预测模型相比,本文提出方法在准确率、精确率、召回率和F1分数等指标上分别提升了2.27％、2.36％、3.45％和2.37％.     

双参数模糊调度在实时控制系统中的应用

针对嵌入式多任务实时控制系统,提出模糊调度设计(FSD)算法.该算法基于任务重要性和空闲时间2个特征参数,动态调整任务优先级,使得空闲时间越短且越重要的任务,其优先级越高.FSD算法在资源有限时可以提高关键任务的可调度性和控制性能,在不同系统负载下,通过灵活的模糊调度规则获得满意的系统可调度性能.为评估调度算法,定义性能指标IVR为任务价值总和与任务重要性之和的比值,若IVR越大,则系统可调度性越好.仿真结果表明:在正常负载下,FSD算法在保证关键任务可调度性的同时,对非关键任务的可调度性影响较小,任务调度成功率比MIX(加权组合)算法的高;超载时,FSD算法优先保证关键任务在其截止期内完成,避免EDF(截止期优先)算法中易出现的多米诺现象发生,有效提高系统的整体性能.     

基于动态规划的云计算任务调度研究

任务调度作为云计算中的核心问题,其目的是合理分配任务,实现最佳调度策略并且有效地完成任务.首先对当前云计算中任务调度算法进行分析并指出传统算法的不足与缺点,然后提出一种基于动态规划模型的任务调度算法,以任务运行时间最少为优化目标,把任务与数据集群中虚拟机匹配看成为多阶段决策的组合优化.最后在CloudSim进行仿真实验,结果表明,所提算法在满足多用户需求下与max-min和min-min算法相比,在一定数量规模下,任务完成时间减少而资源负载相对均衡.     

一种基于贪心策略的启发式云计算任务调度算法

提出了一种基于贪心策略的启发式任务调度算法,用于优化云计算环境下任务调度中执行时间。首先,给出了云计算环境下任务调度问题的形式化描述及其最早完成时间的启发式优先分配原则;接着,基于最早完成时间的优先分配原则,采用贪心策略难易交错地分配任务求得任务调度的初始解;进而,引入了任务对交换的收益值概念,采用贪心策略选择收益值大的任务对交换优化任务调度初始解的执行时间;最后,在Cloud Sim云计算仿真实验平台下进行了顺序调度算法、Min-Min算法、Max-Min算法和本文算法的对比实验,实验数据对比充分验证了本文算法既能减少任务执行时间,又能使资源负载相对平衡。     

支持资源协同分配的网格任务调度研究

提出通用的网格和任务执行模型,并以此为基础,给出一种支持资源协同分配的任务调度算法。算法通过定义临界资源的概念,改进了传统的列表调度算法。模拟实验结果表明该调度策略更符合网格计算的复杂环境,能得到较短的任务执行时间,并更好的支持不同类型资源的协同分配。     

负载均衡的分布式系统任务调度优化算法

针对当前分布式系统任务调度算法存在节点负载不平衡,资源利用率低等缺陷,提出一种基于负载均衡的分布式系统任务调度优化算法.首先分析了当前分布式系统任务调度优化算法的研究现状;然后对节点的实时性能指标进行估计,并根据估计结果分配不同的任务;最后通过仿真实验与其他算法进行对比.实验结果表明,相比于经典分布式系统任务调度算法,该算法缩短了任务完成时间,使得系统各节点的负载更均衡,提高了节点资源的利用率.     

一种基于任务分解的时间均衡调度算法

网格环境下的任务调度是一个NP完全问题,它一直是网格领域研究的核心。针对计算网格中的任务放牧调度这类问题,提出了一种基于任务分解的时间均衡调度算法。该算法在调度过程中充分考虑了网格资源的特点,采用重复调度和任务分解策略,并进行了仿真实验。在任务完成时间和系统吞吐率两方面与Max-min和Max-int算法进行比较,实验结果证明该算法优于Maxmin和Max-int,是一种性能较好的任务调度算法。     

基于多智能体的虚拟企业任务调度研究

采用多智能体技术构建了虚拟企业任务调度运行模型,该模型包括管理智能体、任务智能体、资源智能体等。针对模型中的调度优化问题,以资源智能体所承担的生产任务为对象,综合考虑资源智能体自身已确定的生产任务、完成虚拟企业生产任务所需作业时间及转运时间等因素,建立了以生产延续时间最小化为目标的优化调度模型,并给出了粒子群优化求解算法。工业机械手实例说明了任务调度模型及实现方法的有效性。     

基于QK-Mean聚类的云任务调度算法

在运用聚类的思想对云资源进行分类时，资源属性的信息熵能反映资源属性在聚类过程中的重要程度。将信息熵的思想运用到K—mean聚类中，提出基于QK—mean聚类的任务调度算法，即对云资源按照属性的重要程度逐一进行K—mean聚类，把任务的调度过程转化成在资源K叉树中查找合适的“叶子”节点的过程。实验证明，该任务调度算法能够有效提高云任务调度的效率。     

基于时间期限和预算效益函数的网格资源调度算法

针对具有时间和代价约束的网格资源调度问题,提出了一种基于效益函数的改进的网格任务调度算法,并采用GridSim模拟器分别对提出的调度算法和现有的DBC算法进行模拟实现.对比分析表明,改进的调度算法能得到较高的任务完成率及较好的资源负载均衡性.     

一种多特征综合的实时调度算法

随着科学技术的发展，在国民经济的各个领域中，实时调度算法有着广泛的应用，如交通管制、敏捷制造和电子商务等．实时调度算法主要包括：速度单调算法RM(Rate Monotonic)、截止期最早优先算法EDF(Earliest Deadline First)、最小裕度算法LSF(Least Slack First)、最高价值优先算法HVF(Highest Value First)、