大规模优化系统层次型分解的一种方法

解决大规模优化问题的一个有效途径是分解协调法,在总结优化分解两种方法的基础上,提出一种层次型任务分解的策略,建立了任务分解的模型,并结合数学规划的算法进行求解。实例说明所建立的任务分解模型的合理性,分枝定界算法能有效地减少搜索空间,得到较好的分解结果。     

大规模优化系统层次型分解的一种方法

解决大规模优化问题的一个有效途径是分解协调法．在总结优化任务分解两种方法的基础上,提出一种层次型任务分解的策略,建立了任务分解的模型,并结合数学规划的算法进行求解．实例说明所建立的任务分解模型的合理性,分枝定界算法能有效地减少搜索空间,得到较好的分解结果．     

MDOCEM中一种改进的启发式任务分解算法

基于多Agent的分布式开放计算环境模型(MDOCEM)中,任务分解是提高任务执行并行度的重要环节。针对有关学者提出的一种启发式任务分解算法,分析了它的特点与不足,并据此提出了一种改进的启发式算法,该算法采用目标驱动的思想,实现了对任务分解问题求取包含操作数最少的可行解的目标.     

基于内聚度理论的反导作战任务结构评估

为了构造内聚度适宜的任务模块,该文提出了基于内聚度理论的反导作战任务结构评估方法。定义了基于约束结构的内聚度形式化概念,分析任务组成及其约束结构。建立了基于任务关联矩阵的内聚度度量模型,实现任务模块的内聚度定量计算,提高任务分解的快速性和准确性。最后,根据任务分解的评估准则,通过实例说明该方法的可行性和有效性。该方法可实现任务结构的柔性控制,为评估作战任务分解方案提供有效指导。     

卫星综合信息网网络管理协作任务分解算法

随着网络的规模的发,集中式和简单的分层分布式网络管理体系结构不能满足对复杂的卫星综合信息、网网络管理的需要,在设计的动态分层次网络管理体系结构基础上,为解决管理站间的管理任务协作需要,提出一种基于任务依赖的协作任务分解算法,它以最小执行时间为准则把网络管理任务分解为具有不同优先级的子任务,这些子任务可以被管理站调度执行.     

耦合分布式系统多线程任务管理算法

针对耦合分布式系统中多个计算任务以不同的线程运行在单一计算结点的情况,提出了一种多线程计算任务管理算法.该算法能满足耦合分布式系统协同仿真的要求,并提高分布式系统计算资源的利用率,平衡耦合器负载,满足大规模仿真计算的要求.     

HTN规划中面向多计划生成的顺序任务分解算法

顺序任务分解算法(OTD)是层次任务网规划(HTN)中的一种高效求解算法.由于算法中的计划生成采用一次性回溯机制,每次求解过程只能产生一个可行计划.文中提出了一种能够快速生成多个可行计划的回溯算法.该算法采用分段回溯的计划生成机制,充分利用了求解过程中生成的局部解序列,从而能够一次性地快速生成多个可行计划,为寻求优化的计划和进行计划的评估提供更为有效、灵活的支持.     

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HTN的卫星应用任务分解

HTN(Hierarchical Task Network ,层次任务网络)具有任务描述和分解、任务分派、任务完成的能力以及约束机制和冲突解决机制,可以有效地对复杂问题进行规划.通过对卫星应用的复杂任务和基本任务的定义,分析了应用任务及其要素间的层次关系,就HTN在卫星应用任务的分解进行了初步探讨,指出了卫星应用任务分解的基本步骤和方法,得到卫星应用的基本任务.最后以海上移动目标的侦察监视应用任务为例,给出了应用任务分解过程和结果.     

基于遗传-蚁群算法的云计算任务调度优化

为了找到最佳的云计算任务调度方案, 缩短云计算任务完成时间, 通过综合考虑遗传算法和蚁群算法的优势, 提出一种遗传 蚁群算法的云计算任务调度优化算法. 首先采用遗传算法快速搜索到云计算任务调度的可行方案, 然后采用可行方案初始化蚁群算法的信息素分布, 解决初始信息素匮乏的难题, 加快算法收敛速度和搜索能力, 提高云计算任务求解效率. 在CloudSim平台的实验结果表明, 相对于遗传算法, 遗传 蚁群算法更适合于大规模云计算任务问题的求解, 可缩短任务完成时间, 获得更高的用户满意度.     

SOA环境下分布式策略评估引擎研究

为了满足面向服务体系架构中对大规模访问请求高效评估的需求,提出了一种分布式策略评估引擎XDEngine.该引擎的核心为策略分解模块和请求分配模块,具有分解策略和分发请求的功能.提出了按照主体属性进行策略分解的算法,该算法将策略分解成多个子策略,并使得部署到每个策略决策点的子策略的开销相等或近似相等.通过实验对比了XDEngine和Sun PDP中策略决策点的评估性能,测量了含有不同数量策略决策点的XDEngine的评估时间.实验结果表明:策略分解算法大幅度提高了XDEngine的评估性能,XDEngine的评估时间随着策略决策点数目的增多而降低;XDEngine能够满足面向服务体系架构中高效评估高并发量访问请求的需求.     

基于穿越路径和分代调整的分代调度算法优化

分代调度(GS)算法在分解任务图时只考虑任务间的偏序约束关系,没有考虑任务划分可能对整体调度时间的影响.其局部调度使用已有的独立调度算法,仅考虑任务子集的完成时间,缺乏全局优化能力.为此,文中提出一种改进的基于GS的GA-DLlPF算法.该算法在GS分代的基础上进行分代调整,并基于"穿越路径"的概念实现了最长穿越路径优先的局部调度策略.仿真实验表明,GA-DLTPF算法的调度性能优于GS的改进算法--OGS,而且任务图深度越大,GA-DLTPF算法的优势越明显.     

深度优先搜索在耦合任务集识别中的应用

在复杂产品项目管理中,合理的任务分解可以优化资源配置和利用,降低设计过程中任务间的信息交互复杂度和约束度.耦合任务集是任务分解后得到的一组具有相互依赖关系的任务集合,它反映了设计过程对多领域知识集成的要求,对设计时间和资源配置均有着关键影响.通过对设计过程所转化的有向图以及其转置图,使用深度优先搜索算法,旨在找出有向图中的强连通分支,以实现对设计过程中耦合任务集的识别.给出了识别设计过程中的耦合任务集的算法步骤,并利用实例对算法如何识别耦合任务集进行了说明,证明了该方法对设计过程中耦合任务集的识别是准确有效的.     

一种多无人机层次化任务分配方法

针对大规模任务分配问题,为了提高任务分配的效率和合理性,提出了基于任务依赖关系和ISODATA算法相结合的任务分组方法。在任务分组基础上,从无人机负载均衡的角度出发,提出了基于资源福利的任务组级粗粒度任务分配方法,结合粒子群算法提出了任务组内的细粒度任务分配算法。通过实验仿真验证所提方法有效,且性能和灵活性较普通任务分配算法有较大的优势。     

一种可用于实时操作系统中的最高优先级任务选取算法

提出的最高优先级任务选取算法可用在RTOS(RealTimeOperatingSystem)内核的任务管理模块设计中.本算法由四个部分构成.第一部分是就绪任务的管理方法,通过该方法可以把系统中处于就绪状态的任务分组管理起来.第二部分是从就绪表中得到最高优先级数的方法,使用该方法系统可以快速的从就绪表中得到最高优先级数.第三部分是使用最高优先级数得到最高优先级任务的方法,也就是实现最高优先级数到最高优先级任务控制块的映射.第四部分是给出管理256个优先级任务的方法.     

布匹疵点检测多机任务并行处理平台的构建

针对布匹疵点检测算法复杂度高、实时性差等问题,提出一种以多台计算机并行处理为基础的布匹疵点检测平台的构建方案.首先,改进多处理器硬件体系为松耦合方式;然后,根据图像处理算法一般流程,抽象出图像处理模型,并依据模型将处理算法以任务的形式进行分解、封装;最后,通过构建简单实用的用户数据报协议,将任务传输给相应的客户端进行解析处理.结果表明:平台切实可行,检测算法得到显著的加速.     

元计算环境下阶段启发式任务分解与调度策略研究

提出了基于元计算环境下阶段启发式任务分解和调度的协同工作模型，给出了任务分解过程中任务间依赖关系的数学描述，通过任务粗粒度分解策略，探讨在分解算法中任务完全组合导致的开销指数递增问题。     

模块-任务型教学中思考意识的培养

模块-任务教学比较于传统的教学模式在提高学生的岗位技能上有了较大的提高,然而如果在教学中仍然是采用以往的方法去教,那么模块-任务教学就会变成是技能训练的"练习题"。本文通过任务分解、教师与学生角色的转换、情境教学三个方面论述了如何在教学中培养学生的思考意识,提高学生解决实际问题的能力,使模块-任务教学达到更好的教学效果。     

基于改进蚁群算法的天基资源调度研究与仿真

天基信息网中卫星资源有限，在轨升级难度大，链路间通信时延高，导致大规模并发任务处理效率低下.针对任务简单并发且每个任务由一个节点处理的情况，构建基于动态优先级的任务模型，对天基信息网计算与存储资源构建基于模糊聚类理论的资源模型.提出基于改进蚁群算法的天基资源调度策略，引入负载均衡因子，改变信息素更新规则，调整任务分配策略，结合Min-Min算法促进任务执行及资源分配.仿真结果表明，本文算法和对比算法相比，任务完成时间缩短29.2%,任务累积价值高出37.9%,资源负载均衡度缩小75.5%,资源利用率高出22.4%,验证了本文算法的优异性.     

基于穿越路径和分代调整的依赖任务的GS优化算法研究

摘 要:分代算法（GS）是面向DAG任务图的有效调度方法。但GS算法在分解任务图时只考虑任务间的偏序约束关系,没有考虑任务划分可能对整体调度时间的影响。另外,其局部调度使用已有的独立调度算法,仅考虑任务子集的完成时间,缺乏全局优化能力。为此,提出一种基于GS改进的GA-DLTPF算法。在GS分代的基础上进行分代调整,并基于“穿越路径”的概念,实现了最长穿越路径优先的局部调度策略。仿真实验表明,改进后的算法调度性能优于OGS算法。