基于信息素的制造系统动态协调研究

受蚂蚁觅食行为模型与零件的生产加工工艺选择的相似性的启发,提出了基于信息素的任务分配协调机制。以信息素为介质,给出了制造系统生产加工工艺选择的静态和动态协调算法。仿真结果表明,通过此方法既实现了加工成本的相对优化,又实现了制造系统中各设备的均衡利用,并对制造系统内、外部环境变化具有良好的自适应性,为解决制造系统中的生产加工工艺选择问题提供了一种切实有效的方法。     

一种协同诊断的任务协作规划方法

在多诊断资源协同诊断领域,由于装备复杂性和诊断资源异构性,诊断任务分配应具有自适应性.提出了一种动静态集成的协同诊断任务分配方法.在静态任务分配中,以装备的定性模型和模糊关系矩阵建立了诊断任务关系模型,通过改进D算法实现诊断路径规划,运用多约束整数规划进行资源配置;在动态诊断任务分配方法中,引入了基于效用和协商的扩展合同网方法.最后,通过工程装备的诊断事例验证了分配方法的有效性,并通过结论总结和延伸了该方法.     

一种基于改进蚂蚁算法的网格任务调度策略

网格是分布式高性能计算的一个主要发展方向.任务调度问题的解决是网格得以充分发展的基本前提.提出了一种基于改进蚂蚁算法的网格任务调度策略.不同于传统蚂蚁算法,改进的蚂蚁算法通过在处理任务前后分别调整信息素来准确地反映资源的性能.任务调度将选择由改进蚂蚁算法产生的性能最佳的资源来处理任务.改进蚂蚁算法以及任务调度策略的有效性已被OP-NET上的仿真结果所验证.     

天基预警系统任务/资源形式化描述研究

从天基预警系统的特性分析出发,深入分析和研究了天基预警系统任务和资源的特点,通过对其本质特征的数学抽象,最终实现其形式化描述。同时,还对天基预警系统任务和资源的拓扑关系进行了初步研究,并提出了利用多边有向图的方法来表示其拓扑关系。研究的内容将为天基预警系统任务调度与资源配置优化问题的研究奠定基础。     

分布式内存机器中优化调度问题的数学模型

对分布式内存机器中相互依赖多任务的优化调度问题,将约束条件归纳为任务约束、链路约束和资源约束,建立了允许任务复制情况下多任务静态调度问题的数学模型.描述了有向无回路图的构造性定义,指出问题一定有不超过所有任务执行时间总和的解.推出以最短时间完成任务集所需的最小资源数与任务数一样大.阐明了问题具有可计算性.研究结果改进了原有的问题描述和数学模型,使对问题的认识更深入,并有利于寻求更好的求解策略.     

基于能力评价与利益驱动的扩展蚁群劳动分工模型及在动态任务分配中的应用

蚁群劳动分工模型是一种重要的群集智能表现形式,已广泛应用于现实生活中的任务分配、物流配送等问题. 本文针 对基本劳动分工模型的不足之处,从个体能力评价与利益驱动两个方面对其进行有效扩展,并通过三个不同的仿真实例,对其性能进行分析,实验结果表明：扩展的蚁群劳动分工模型具有更好的稳健性与柔性,比较适合目前动态的任务分配环境.     

基于并行叠加的国土空间开发适宜性评价

在国土空间大数据环境下,基于传统串行叠加分析计算的国土空间开发适宜性评价性能已达极限,需研究并行化方法,以利用更多的计算资源提升国土空间开发适宜性评价的效率.在分析基于多空间对象叠加综合评价原理的基础上,通过引入空间数据预处理方法、空间数据划分方法及并行空间索引,提出并实现了以并行叠加分析为核心的国土空间开发适宜性评价方法.西南四省的国土空间建设用地适宜性评价应用实验表明:本文方法相比传统方法性能提升了至少30倍,且节约了大量的人力物力资源,解决了传统架构下国土空间开发适宜性评价计算效率低或无法胜任的难题.     

异构边缘网络中基于服务器休眠的协同计算策略

在异构边缘网络中,基站和边缘服务器的密集部署使系统功耗激增,为移动运营商带来了高额成本.同时,由于异构系统中任务的多样性和复杂性,高效的资源分配和任务迁移构成了严峻的挑战.针对上述问题,建立了服务器间的任务迁移和服务器睡眠模型,提出了一种面向异构边缘网络中服务器多睡眠模式的任务迁移算法.该算法先将问题按时隙划分为多个子问题并分别建模为混合整数非线性规划问题,再使用序列二次规划算法对每个子问题进行迁移决策求解,最后通过睡眠决策算法确定服务器的睡眠模式.仿真结果表示,所提算法不仅可以均衡边缘网络中非均匀分布的任务量,提高服务器资源的利用率,而且可以通过服务器多休眠状态显著降低系统能耗,提高系统性能.     

工作流技术及其开发模型

工作流是一项新兴技术.随着计算机和网络技术的普及,工作流技术得到了迅速发展和广泛应用.本文首先介绍了工作流的发展现状,并对几个核心概念进行了阐述,然后重点分析了由工作流管理联盟发布的工作流参考模型和产品通用模型,最后对目前的商用和开源的工作流引擎做了简单介绍.     

基于脑电的意识活动特征提取与识别

基于脑电信号的非平稳特性,用自适应自回归模型(AAR)提取脑电信号的特征,利用该模型对同一实验对象的两种不同意识任务的脑电信号进行特征提取,并将AAR模型得到的特征与支持向量机(SVM)分类器相结合,作为支持向量机的输入进行训练和测试,取得了良好的识别效果.实验结果证明,支持向量机分类器用于不同意识任务分类效果很好.