基于权值的优先调度算法

介绍了经典的期限最近优先调度算法，分析了优先级倒置难题。提出一种基于权值的优先调度算法。该算法对资源分配权值，建立任务的权值评价函数。该算法由资源权值表和评价函数来实现。实验表明，该算法资源分配更合理，特别是能够克服期限最近优先调度算法的优先级倒置难题，从而更加有效提高实时操作系统的实时性能和稳定性。     

基于深度学习的RCPSP调度优先规则实时动态选择算法

针对资源受限项目调度问题,以最小化项目完成时间为目标,设计基于深度学习的调度优先规则实时动态选择算法,在每个调度阶段实时选择优先规则进行活动安排.通过构建深度神经网络模型,确定已调度项目在各阶段的项目状态与最佳优先规则之间的映射关系,再据此为待调度项目实时动态选择优先规则,结合串行调度机制生成最终调度计划.实验研究表明:实时动态选择优先规则算法表现优于文中所涉及的单一优先规则算法及混合优先规则算法,且具有更好的泛化性;此外,与元启发式算法相比该算法具有更高的求解效率.     

基于资源回收的容错最早时限优先调度

基于时间冗余的实时容错调度算法 ,可调度条件以任务的最坏执行时间和为任务预留容错操作的时间为分析基础 ,任务拒绝率高 ,系统资源利用率低。提出了基于资源回收的容错最早时限优先调度 ,以容错实时调度算法FT_EDF为基础 ,利用任务的实际执行时间往往低于最坏执行时间的特性 ,收集已完成任务释放的资源供等待任务使用 ,在保证系统容错要求的同时 ,提高了任务吞吐量和系统资源利用率。     

基于优先规则的活动成本目标资源受限工程调度

首先给出了该问题的数学模型,问题分析得出该问题也是一类NP完全问题,继而讨论了启发式方法进行问题求解的基本思想,基于此,结合活动成本目标的特性提出了问题求解的串行调度方案和并行调度方案,并设计了相应的几种优先规则,分析了算法的时间复杂性.基于改造PSPLIB中的单模式算例测试,并行调度方案的结果大多优于串行调度方案,而在最大最早完成时间和最大活动先序相关成本等两种优先规则下的调度方法计算效果相对较好.     

基于平均报酬强化学习的电梯群组调度研究

针对电梯群控系统,建立基于平均报酬强化学习的优化调度模型。采用R-learning的平均报酬强化学习求解算法,在分析电梯群组调度问题特点的基础上,利用径向基函数神经网络解决行为值函数的存储与泛化问题,并结合电梯群组虚拟仿真环境进行验证。通过与两种典型的电梯群组调度算法进行比较,展示了平均报酬强化学习算法在处理具有吸收目标状态的大规模随机序贯决策问题的有效性及可行性。     

基于综合优先度的卫星数传调度算法

研究了在地面站资源有限、数传任务急剧增多的情况下,合理分配资源以有效实现卫星数传任务的调度问题.首先建立了卫星数传任务模型和调度问题模型,提出了综合优先度的概念及其各个指标,对每个指标进行了详细分析.在此基础上,提出了一种基于综合优先度的卫星数传调度算法。仿真结果表明该算法能够取得较好的调度结果.     

载机军舰回收舰载机的运行模型

对良好气象条件下载机军舰回收舰载机的模型进行研究,以便合理安排在回收阶段发生舰载机复飞、逃逸时空中交通,保证载机军舰回收舰载机的流量与等待航线、着舰航线、甲板阻拦区及甲板停机区等各阶段的容量相适应。对回收舰载机流程进行研究,基于系统动力学理论,建立影响空中交通流量管理的存量流量图及运行模型,并以美国载机军舰回收舰载机为例对该运行模型进行了验证。运行结果表明,本运行模型在舰载机复飞、逃逸的条件下能进行载机军舰空中交通流量管理的趋势预测,可为空中交通流量管理方案的制定提供技术基础。     

多层次分布实时仿真系统的静态调度策略

针对多层次分布实时仿真系统环境的特点,为了解决任务静态调度问题,提出了一种基于实时性分层的调度策略。该算法结合任务分层和启发式列表调度算法,在映射中同时考虑任务节点计算负载和通信开销映射到系统节点的等效负载,并映射当前最小总等效量到相应的系统节点上,从而获取较小的调度长度。实验结果表明,与交互优先算法相比该算法能提供较优的调度结果;相对于不考虑实时性而言,在调度中存在着一定的"不平衡"。     

加工时间为连续随机变量的Job Shop调度问题

针对实际调度问题中存在的不确定现象,提出了加工时间服从正态分布、最大完成时间的期望值作为目标函数的随机Job Shop问题;然后提出了解决该问题的智能优化算法:采用随机模拟的方式产生输入输出数据,利用遗传算法训练神经网络,将训练过的神经网络嵌入到另一遗传算法中,用该遗传算法来优化Job Shop调度问题;最后给出了仿真实验,通过仿真实验证明,该算法对于解决加工时间为随机变量的Job Shop调度问题是行之有效的。     

基于HPSO算法和GA的舰载机甲板布放方法比较

以戴高乐航母为研究对象,基于不同优化算法,对其舰面舰载机布放问题的解决方法进行比较,以此作为解决其他类型航母同样问题的参考。首先,分析了解决舰载机舰面布放调度问题的先决条件,包括舰面战位的设置;各战位间距离的测量计算;舰载机正常的出动流程分析;舰载机出动时间计算公式的设计。其次,将舰载机舰面布放调度问题转换为带有约束条件的多目标函数求最小解问题,并给出了数学模型。再次,给出了利用改进的粒子群优化 (honeybee particle swarm optimization,HPSO)算法和遗传算法(genetic algorithm,GA)对问题求解的解决思路。最后,对两种算法50次独立运算的结果,分别从平均最短出动时间、平均最短移动距离、标准偏差以及算法的收敛性和精确性等方面进行比较。结果表明,HPSO算法较GA更适合于解决该布放问题。     

多功能相控阵雷达实时驻留的自适应调度算法

灵活有效的调度算法是实现多功能相控阵雷达工作性能优化和资源合理利用的基础。从调度代价的角度建立了实时驻留调度的数学模型,提出一种求解次优调度序列的自适应算法。该算法利用任务自身工作方式属性及任务中所含目标的先验信息分配任务的综合优先级,采用一步回溯的策略来确定每个驻留任务的调度属性,利用二次规划获取其最佳执行时间,并与传统的基于优先级调度算法进行了比较。仿真结果表明,提出的自适应调度算法提高了任务调度成功率,降低了截止期错失率。     

基于记忆辅助动态UMDA的UCAV编队动态目标分配

针对无人作战飞机编队对地攻击过程中的动态目标分配问题,建立了针对联合目标的武器目标分配（weapon target assignment, WTA）模型,反映攻击方攻击意图及对目标内在关系的理解。提出基于记忆辅助的动态单变量分布估计算法（memory enhanced dynamic univariate marginal distribution algorithm, MDUMDA）对问题进行动态寻优,利用概率模型对动态寻优过程中的历史信息加以记忆和利用。仿真结果表明,所建立的WTA模型是合理的,MDUMDA能够有效求解动态WTA问题,其性能明显优于随机迁移算法。     

电子侦察卫星任务调度方法

基于电子侦察卫星任务规划问题的特殊性,提出了规划预处理的基本方法,并基于合理假设建立了问题的多目标规划模型;设计了一种改进的遗传退火算法对模型进行求解,为防止最优解的丢失,引入了基于精英保留的选择机制,同时该算法有效避免了遗传算法局部优化能力差及模拟退火算法易陷入局部最优等缺陷。最后,通过实例将该算法与遗传算法(genetic algorithm, GA)及模拟退火算法(simulated annealing algorithm, SA)相比较,结果表明该算法能有效解决电子侦察卫星的任务规划问题。     

基于深度强化学习的云作业调度及仿真研究

针对复杂瞬变的多用户多队列多数据中心云计算环境中作业调度困难的问题,提出一种基于深度强化学习的作业调度方法.建立了云作业调度系统模型及其数学模型,并建立了由传输时间、等待时间和执行时间三部分构成的优化目标.基于深度强化学习设计了作业调度算法,给出了算法的状态空间、动作空间和奖赏函数.设计与开发了云作业仿真调度器,完成作...     

考虑盲区的多移动传感器地面目标检测跟踪调度方法

针对地面目标检测跟踪任务以多移动传感器系统为调度对象，提出一种考虑盲区的传感器调度方法。首先，建立了目标检测模型，基于贝叶斯风险理论给出了目标检测损失的计算方法以评估检测性能。然后，考虑多普勒盲区和视野盲区的影响，建立了目标跟踪模型，并给出了基于盲区信息辅助的目标跟踪算法以应对盲区出现时目标状态估计问题。最后，建立了传感器优化调度模型，结合检测损失、跟踪精度、传感器能耗等因素建立了目标优化函数。仿真结果表明，所提调度方法能够有效解决多移动传感器协同调度问题，所得的最优调度方案可在兼顾检测性能、跟踪性能和控制能耗的同时，使整体作战收益达到最佳。     

柔性作业车间动态调度问题研究

为了有效求解柔性作业车间动态调度问题,提出了一个基于多目标免疫遗传算法(MOIGA)的动态调度优化算法。首先定义了柔性作业车间动态调度问题,然后采用事件驱动和周期驱动相结合的调度策略,提出了基于MOIGA的动态调度优化模型,接着设计了面向交货期性能最优的柔性作业车间调度算法,并讨论了影响算法复杂度的因素,最后通过一个实例仿真,表明了算法的可行性和优越性。     

基于规则导向的柔性作业车间多目标动态调度算法

设计了一种具有柔性资源约束的多目标集成优化方法,建立了包括最小完工时间、最小生产成本、最大设备利用率、最大交货满意度和最优人工分配在内的多目标组合优化模型;为降低模型的复杂度,抑制组合优化模型的状态爆炸效应,采用规则导向的资源调度思想,通过调整规则概率使概率大的规则被优先选中,从而"推动"搜索过程向预期目标方向移动;采用改进的非支配排序遗传算法—NSGA-Ⅱ获得不同规则概率值的Pareto解集,并结合动态规划法求解最优人员分配方案;仿真对比与算例验证,本文算法可以有效解决柔性作业车间多目标调度优化问题.     

飞机着陆调度优化--带移动时间窗的隐枚举算法

以深度优先搜索的隐枚举算法为基础,结合MPS约束、位置冻结限制、移动时间窗限制和其他多项约束,使用复杂的软件编码实现了特定于飞机着陆调度问题的优化排序算法。对比研究了全局优化、带移动时间窗的局部优化以及一种启发式算法。结果表明,后两种算法可以很好地达到现实空管应用中的实时性要求。可应用于多种目标函数的动态实时ATC自动化系统中,能有效地减小交通延误和提高着陆容量。     

舰载机出动离场调度优化算法

出动离场调度是舰载机起降作业中关键一环, 可抽象为NP(non-deterministic pdynoial)难问题的混合车间调度问题。首先，在传统数学规划模型基础上, 引入逻辑约束及间隔变量, 建立了约束规划模型。然后，通过调度分解技术构建多机调度转化为单机调度的启发式规则, 并提出了单机约束引导启发式搜索与约束规划二分法迭代算法, 给出了问题的求解流程。算例仿真表明, 约束规划可有效解决不同规模下的离场调度, 并快速收敛到阈值内; 在中小规模出动时, 所提算法效率比传统智能方法提升约2个数量级, 具有较强实时规划能力, 但随着实验规模增大算法收敛时间呈线性变化趋势, 而在本文研究范围内仍优于传统智能算法, 具有良好实用价值。最后，用起飞位数量对出动效率进行灵敏度分析, 发现C2起飞位对出动效能贡献最大。