基于rollout策略下的决策实体配置问题求解方法

针对传统层次聚类法采用贪婪策略的聚类过程可能无法达到聚类效果最优的情况,提出了一种基于rollout策略下的层次聚类法对所得聚类方案进行优化改进。分析了聚类过程中决策实体、平台与任务之间的关系以及约束条件,以作战任务的执行时间作为工作负载测度,建立以决策实体工作负载的均方根(root mean square, RMS)为目标函数的问题数学模型,以任务与平台的分配关系作为输入信息,在基于最小RMS值的平台合并准则下采用rollout策略对层次聚类法的每层聚类进行优化,得到平台与决策实体的优化配置关系。最后通过联合作战仿真算例和一般算例进行仿真分析,验证了该方法的可行性和优越性。     

部分可观条件下空对地打击中的动态资源分配

针对静态分配模型的不足,基于部分可观的马尔可夫决策过程建立对单个目标的多阶段决策模型,以反映任务执行效果及反馈信息中的不确定性,进而提出对多个目标的动态资源分配模型。在离线优化阶段中,通过对偶分解法将其分解为一系列较易求解的子问题,并基于次梯度算法调整资源价格,以协调子问题所构造策略中资源的使用量。在实时决策中,根据所得策略及实际执行情况指定对目标的具体行动方案,确保约束条件得以满足。仿真结果表明了方法的有效性。     

协同任务规划中基于约束满足的资源冲突检测与消解

资源的有限性以及活动的并发执行导致协同任务中极易发生资源冲突,需施加时间约束以限定活动执行时间从而避免冲突的出现。在分析多机协同任务的基础上,将任务过程转化为带有多容量资源的任务调度模型,根据模型时间特性给出资源冲突定义及其判断准则。提出基于最小冲突集的资源冲突检测算法,其中利用时间交叠关系的特点,将资源冲突的检测与消解问题转化为连通图中闭团的检查与消除问题。进而从约束满足的角度研究了基于最小承诺策略的消解算法。实验结果表明方法的有效性。     

资源约束条件下任务调度算法研究

如何解决资源约束条件下的任务调度问题，保证在资源使用存在冲突情况下, 多个任务高效执行, 其中合理的任务调度和资源冲突消解是影响任务执行效果的关键因素。基于工作流图模型提出了一套资源约束条件下任务调度的框架, 并针对调度过程中产生的资源冲突, 提出了两种任务调度算法: 一种算法通过任务关键度确定优先级, 并基于贪心策略和调整工作流图拓扑结构的方法, 在任务开始前确定任务调度方案; 另一种算法采取弹性资源调度的方式, 使产生冲突的任务优先在资源不足的条件下开始执行, 任务调度和执行交替进行。最后, 通过地震救援案例验证了相关算法可行性, 与求解资源约束条件下任务调度问题的两类典型方法中具有代表性的算法进行对比实验, 分析了所提两种算法的优势与意义。仿真结果表明，所提算法具有适用地震救援资源紧缺特点的优势。     

基于自适应遗传算法的战场资源动态调度模型及算法

研究了战场平台资源的动态调度问题,首先分析了该问题在动态调度过程中的约束条件,构建了以最小化使命完成时间为目标函数的数学模型,然后针对问题模型的特点,基于自适应遗传算法提出求解算法,最后结合具体算例对平台资源动态调度模型及其求解算法进行了仿真验证,仿真结果表明,求解方法可以有效应对处理任务新增和平台失效等突发事件并且具有较高的时间效率。     

基于DLS和GA的作战任务-平台资源匹配方法

作战任务和平台资源的合理匹配是战役作战准备阶段的主要内容。考虑平台资源能力在作战过程中的损耗,在问题建模的过程中引入了资源能力的损耗系数,使得所建模型更加符合实际作战。提出了基于动态列表调度(dynamic list scheduling, DLS)和遗传算法（genetic algorithm, GA)的模型求解方法,使用DLS选择处理的任务,使用GA为选定任务分配平台资源,给出了该方法具体的设计思路和流程。最后结合联合作战的战役算例,验证了所提方法的优越性和适用性。     

基于分层结构的C4ISR服务部署分布式演化方法

针对指挥信息系统(command, control, communications, computers, intelligence, surveillance and reconnaissance, C4ISR)服务部署分散、作战平台计算/存储资源有限、演化实时性要求高的特点, 基于分层结构设计了系统状态分布式监控与演化总体架构, 并在该架构下提出了一种服务部署方案层级动态调整方法。通过定义信息流转长度与方案调整代价设计了服务部署调整方案的数学优化模型, 针对部署方案中同时包含服务部署位置和信息流转路径的特点, 将成对交换思想、最短路径规划与m-best策略相结合提出了一种贪心求解算法, 以实现调整方案的快速生成。实验证明, 该方法能够在保证系统信息流转效能的同时有效控制系统的演化范围, 适用于执行任务过程中服务部署方案的敏捷调整。     

兵力编成裁剪算法研究：决策结点裁剪

由于决策实体控制战场作战平台资源实体,通过平台资源实体执行作战任务,作战平台资源实体在任务上的聚集导致决策实体间需要复杂的交互协作与交流,兵力编成需要为任务的执行创造良好的交互结构.基于任务执行的兵力编成包括两方面的内容:一是指控决策结点间的协作关系;二是指控决策结点间的指挥关系.本文通过决策实体对平台控制的矢量以及矢量距离的定义,提出了指控决策结点间协作关系优化设计的聚类算法,在聚类过程中通过设置不同的决策实体数量、决策实体能力以及内部协作与外部协作权值,分析比较了不同设置情况下所产生的兵力编成的协作关系与决策者的协作负载.     

任务驱动的应急资源集成方式与组织过程建模

通过应急平台实现应急组织资源协作调配是当前应急工作的重要方法.根据突发事件情景任务,快速组建与应急任务功能契合的应急资源组织体系,是保证应急管理平台的辅助决策有效性的关键.本文在对应急管理平台资源集成模式分析的基础上,建立了任务驱动的应急平台资源集成框架,对任务驱动的应急虚拟组织协作过程进行了建模分析,并提出了一种模型求解算法和算例应用.     

基于任务可靠性的多阶段系统设备投入策略优化模型

为保证多阶段任务系统的高可靠性,在执行各阶段任务的过程中不仅会设置设备备份,同时也会设置复杂的任务执行方案备份.本文通过研究多阶段系统在各阶段的可执行任务状态空间、状态转移关系以及各阶段之间的状态影射关系,构建了该类系统的Markov可靠性模型.并以各阶段初的设备投入策略作为决策变量,系统的任务可靠性作为优化目标,设备投入工时作为约束条件构建了多阶段系统的设备投入策略优化模型.算例分析表明,本文模型利于对多阶段系统开展可靠性分析与系统的设备投入策略分析.     

云边协同系统中基于博弈论的资源分配与任务卸载方案

综合考虑时延、能耗和计算资源成本，构建云边协同系统中的效用最大化问题，并将其分解为计算资源分配、上行功率分配和任务卸载策略三个子问题。提出一种基于博弈论的资源分配和任务卸载方案（game-based resource allocation and task offloading， GRATO） 以分别解决上述子问题。利用凸优化条件求得计算资源分配最优解；设计一种低复杂度的上行功率分配方法用于降低无线干扰；针对任务卸载策略优化问题，提出一种基于博弈论的分布式任务卸载算法（game-based distributed task offloading algorithm， GDTOA）。仿真结果表明，GRATO方案在时延和能耗方面的性能优于其他方案，还可以感知用户的优先级，使紧急用户具有更高的效用和更低的时延。     

基于D-NSGA-Ⅲ算法的无人机群高维多目标任务分配方法

随着人工智能技术的快速发展, 种类繁多的无人机在军事领域得到了广泛应用。受单平台资源配备和执行能力限制, 大多数复杂任务需由多个无人机协同完成, 最优任务分配是其中需解决的重点和难点问题之一。最优任务分配方案求解问题已被证明是一个NP难问题, 针对多无人机系统的组织架构, 将非支配排序遗传算法与岛屿模型、主从模型结合, 构建一种分布式高维多目标演化算法D-NAGA-Ⅲ并对实际应用场景中4个目标进行优化, 并引入迁移策略和贪心算法对任务分配方案进行局部提升, 提高算法寻优能力和解质量。实验结果表明: 该方法在求解高维多目标的分布式无人机任务分配问题方面具有一定的效果。     

面向协同设计的任务调度问题研究

针对协同设计任务调度存在的问题,综合考虑了协作项目间、任务间及任务自身的具体因素和约束,在建立设计任务网络图的基础上,提出了一种以"任务优先系数"为指标的可并行执行任务集内任务的执行调度算法.综合考虑协同设计过程中的诸多动态、不确定性及非量化等因素,基于均衡一适度原则建立了任务到团队成员分配的扩展数学模型,并利用匈牙利算法进行求解.研究表明,该方法能有效对复杂产品的协同设计流程进行规划,且简单易用.     

以任务需求为驱动的多传感器资源管理方法

针对战斗机火控系统跟踪多目标过程中传感器资源管理问题,提出一种以任务需求为驱动的多传感器管理方法。该方法首先利用矩阵求迹的方式度量跟踪任务的信息需求;然后在分析任务优先级和传感器使用代价的基础上,建立以任务需求为驱动的多传感器集中式管理模型,并根据多个跟踪任务的信息需求自适应地分配传感器资源;对于分配过程中出现的NP (non-deterministic polynomial)难问题,探讨了利用改进蚁群优化算法寻找满足任务需求的最优传感器组合的可行性,并给出传感器自适应分配方案。仿真结果表明,这种管理方法可以在保证跟踪精度的条件下,根据任务的信息需求合理地分配传感器资源;此外,以任务需求为驱动的传感器管理策略可以大幅减少主动式传感器的工作时间,对于提高战斗机的生存性具有重要的工程应用价值。     

基于动态优先级的测试任务抢占调度算法

基于部队现有装备保障模式,难以满足日趋复杂的测试需求,存在着测试效率偏低、测试周期过长的现象。因此综合考虑任务的时间属性和价值属性,定量分析任务的执行紧迫性、价值密度和资源负载均衡性等因素,提出了应用于任务执行初始时刻的动态优先级分派策略(dynamic priority assignment, DPA)和任务执行过程中的抢占调度策略(task preemption, TP),即基于动态优先级的测试任务抢占调度算法(test task preemptive scheduling algorithm based on dynamic priority, TTPSADP),实现了针对现有自动测试系统（automatic test system, ATS）价值收益、任务执行成功率和资源负载均衡的综合优化。     

动态优先级下防空相控阵雷达在线交错调度算法

针对防空相控阵雷达中时间资源分配主观性强、利用率低的问题,结合任务内部结构,提出一种新的在线交错调度算法。该算法在将任务的重要性和紧急性均置于动态优先级的基础上,使得雷达任务收、发波束之间的等待期可以用来执行其他波束的发射期或接收期。仿真结果表明,相比于原有的动态优先级算法,所提算法的调度成功率提升了25%,时间利用率提升了35%,执行威胁率提升了25%。     

多技能资源时间窗约束下可中断项目调度的分支定界算法

资源的多技能和时间窗属性是软件开发、工程设计、设备维修等领域在人力资源调度时常考虑的关键因素,而且在很多实际项目中,任务的执行允许中断.研究一类资源具有多技能和时间窗约束的任务可中断项目调度问题,建立了相应的整数规划模型,设计了一种分支定界算法构造搜索树进行求解,搜索树的每个节点代表一个任务组合,同时为减少分支节点数,提出了两个有效的剪枝规则,并设计了节点优先规则,对各节点任务组合则采用贪婪算法来进行资源约束判断.利用改进的PSPLIB案例库设计多组计算实验,实验结果检验了优选策略的有效性,经与CPLEX模型求解和基本启发式方法的对比揭示了算法在解决这类问题上的效率和有效性,求解结果可为实际项目调度提供决策依据.     

Hierarchical resource allocation for integrated modular avionics systems

Recently the integrated modular avionics (IMA) architecture which introduces the concept of resource partitioning becomes popular as an alternative to the traditional federated architecture.A novel hierarchical approach is proposed to solve the resource allocation problem for IMA systems in distributed environments.Firstly,the worst case response time of tasks with arbitrary deadlines is analyzed for the two-level scheduler.Then,the hierarchical resource allocation approach is presented in two levels.At the platform level,a task assignment algorithm based on genetic simulated annealing (GSA) is proposed to assign a set of pre-defined tasks to different processing nodes in the form of task groups,so that resources can be allocated as partitions and mapped to task groups.While yielding to all the resource constraints,the algorithm tries to find an optimal task assignment with minimized communication costs and balanced work load.At the node level,partition parameters are optimized,so that the computational resource can be allocated further.An example is shown to illustrate the hierarchal resource allocation approach and manifest the validity.Simulation results comparing the performance of the proposed GSA with that of traditional genetic algorithms are presentod in the context of task assignment in IMA systems.