基于混合遗传-粒子群算法的相控阵雷达调度方法

针对相控阵雷达中的任务调度问题,提出一种融合了粒子群算法、遗传算法和启发式交错调度算法的混合算法。采用混沌理论优化粒子群算法的飞行参数,设计递减的动态惯性权重,以及引入遗传算法中的交叉、变异操作,使得算法能够快速收敛,并跳出局部最优实现全局最优。在智能算法的框架下,提出一种启发式的任务交错算法,使得雷达任务中等待期的时间资源进一步得到利用。仿真结果表明,相比于遗传算法,所提算法的收敛速度更快,结果更优;相比于传统的启发式算法,所提算法的调度成功率提升了42%,时间利用率提升了40%,实现价值率提升了33%,时间偏移率减少了73%。     

基于任务驱动的机载相控阵雷达TAS调度算法

针对单波束多功能机载相控阵雷达的资源分配问题,提出一种自适应搜索加跟踪(track and search, TAS)调度算法。该算法以调度间隔为周期,基于先前调度任务的处理结果实时生成当前的任务请求集合,以跟踪类型任务竞争时间资源,搜索任务一直等待空闲时间片为准则,实现搜索和跟踪的协同调度。此外利用波束位置、任务类型和预测速度信息,实时分配各执行任务的工作波形。仿真结果表明,该算法能够合理调度各类跟踪请求事件和搜索事件,同时具有自适应调整执行事件的跟踪时间间隔和探测波形的能力。     

相控阵雷达自适应调度的仿真方法研究

综合考虑时间、能量、计算机资源以及雷达硬件等约束条件,研究了自适应调度的仿真实现方法.以调度间隔为基础,运用合理优先级设定和时间窗方法达到对时间的充分利用;将其他约束条件建模为递归形式,通过对约束条件的周期性检验调整调度安排,获得满足要求的雷达事件执行序列.给出了算法具体的实现步骤,仿真结果表明该方法可以完成对各项雷达申请事件的合理调度,保证较高的成功被调度率和时间利用率.     

基于拍卖算法的相控阵雷达任务调度方法

灵活有效的驻留时间调度算法是实现多功能相控阵雷达(phased array radar,PAR)工作性能优化和资源合理利用的基础。通过将时间作为拍卖物品,待调度任务作为竞拍者,设计了基于拍卖算法的PAR调度方案。该算法结合PAR的任务调度原则,以任务优先级原则和时间利用原则为标准,建立了拍卖者所得利润的竞拍价值函数。以期望执行时间原则为标准,给出了竞拍者的竞标期望函数。仿真结果显示,当PAR调度任务处于饱和时,所用算法的任务调度成功率和实现价值率依然较高,能够满足任务对平均时间偏移率的较低要求,并且能够保障高优先级任务的优先调度。     

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。     

基于二次规划的相控阵雷达任务自适应调度算法

雷达任务自适应调度是目前相控阵雷达资源管理研究的热点问题。以加权时间偏移量平方和最小为调度代价标准,基于相控阵雷达任务二次规划数学模型,证明最优解存在条件,并给出一种最优解的解析求解算法。与数值解法相比,解析求解算法有效提高了算法的快速性。对航空护卫舰舰载相控阵雷达真实工作环境进行一系列仿真,仿真结果表明,所提算法有效提高了雷达高优先级任务调度的调度成功率,降低了任务调度代价。     

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。     

面向异构分布式计算环境的并行任务调度优化方法

分布式计算环境中并行作业的任务调度策略直接影响应用程序的执行时间,寻找一种使任务执行时间最短的调度方案已被证明是NP(non deterministic polynomial)完全问题。首先给出了异构分布式计算系统的形式化描述,建立了静态任务调度问题的理论体系,通过分析总结最长动态关键路径(longest dynamic critical path,LDCP)算法的核心思想及存在的不足,提出一种运用结点信息流量减少CPU空闲时间碎片的并行任务调度优化算法,其时间复杂度为O(M×N3)。实验表明改进后的算法在调度长度、加速比及计算效率3个指标上均优于LDCP算法和分层结点排序算法(sorted nodes in leveled directed acyclic graph division,SNLDD),其中,与LDCP、SNLDD相比,调度长度平均缩短19.03%、8.02%,加速比平均提升18.42%、7.96%,计算效率平均提高10.17%、3.72%,进一步提高了并行系统的资源利用率。     

基于联合EDF和多模板的天波雷达波位调度方法

天波超视距雷达能够同时探测空中目标和海面目标,具备执行多任务的能力,为优化整体探测效能,必须考虑波位调度问题。借鉴相控阵雷达资源调度思想,结合天波超视距雷达工作方式和任务特点,研究了一种修正截止优先(earliest deadline first, EDF)和多模板相结合的波位调度方法。首先,在经典修正EDF方法基础上对截止期进行重新定义,并改进任务优先级计算方法;然后,设计了三种波位调度模板;最后,根据任务优先级计算结果,自适应选择调度模板。该方法能够使雷达探测资源在复杂任务场景下得到更加精细的配置,从而最大化发挥其探测效能。     

虚拟化云中随机任务与资源调度方法

任务和资源调度方法是云系统的关键技术之一。但是,现有的研究往往忽略实时任务的高动态性和任务执行时间的随机性,使得调度方案的实际性能与期望性能相差甚远。针对以上问题,本文设计一个随机性感知的调度框架;提出一个启发式调度算法集成前摄性和反应式策略(proactive and reactive strategy, PRS)来对任务进行调度,以提高云系统保障实时任务时效性的能力;并提出3个计算资源伸缩策略来动态调整计算资源,以减少能量消耗。最后,通过实验将算法PRS的性能与其他4个算法进行比较。实验结果表明,在任务完成率和能耗方面,算法PRS的性能比已有算法提高13.85%和17.23%。     

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。     

Novel radar dwell scheduling algorithm based on pulse interleaving

The problem of scheduling radar dwells in multifunction phased array radar systems is addressed. A novel dwell scheduling algorithm is proposed. The whole scheduling process is based on an online pulse interleaving technique. It takes the system timing and energy constraints into acoount. In order to adapt the dynamic task load, the algorithm considers both the priorities and deadlines of tasks. The simulation results demonstrate that compared with the conventional adaptive dwell scheduling algorithm, the proposed one can improve the task drop rate and system resource utiliW effectively.     

基于任务合成的对地观测卫星应急调度方法

针对应急条件下对地观测任务时敏度高、动态性强的特点,提出了基于任务动态合成的多星应急调度方法。首先,建立了多星动态应急调度数学规划模型。然后,提出了任务动态合成(dynamic merging,DM)策略,并设计了候选合成任务集合构建(candidate merging task set establishment, CMTSE)算法。最后,提出了基于任务动态合成的多星动态应急调度(dynamic merging based dynamic emergency scheduling, DM DES)算法。为验证DM DES算法的有效性,通过大量仿真实验将DM DES与基于迭代修复的启发式算法(repair based heuristic algorithm, RBHA)和不考虑任务合成的动态应急调度(dynamic emergency scheduling, DES)算法进行比较。实验结果表明,DM DES算法能有效提高调度质量,适用于多星动态应急调度。     

基于改进DE算法的敏捷成像卫星前摄式调度

针对卫星资源失效或应急任务加入对敏捷成像卫星前摄式调度的影响,构建了鲁棒模型,提出了一种改进差分进化(differential evolution,DE)算法。首先,考虑卫星资源失效概率、任务执行主从窗口构建了期望收益和松弛时间指标,将这两个指标作为优化目标构建了前摄式调度鲁棒模型;然后,针对该模型的多目标优化特性,在传统DE算法的基础上,重新设计了变异、交叉和选择算子,增加了外部存档更新策略,优化了Pareto解集评价指标,提出一种多目标离散差分进化(multi-objective discrete differential evolution,MDDE)算法,并给出了算法的实现步骤;最后,仿真结果表明,与NSGA-Ⅱ算法相比,MDDE在Pareto解集评价指标上提高了10.42%左右,在求解时间上降低了9.72%左右,为敏捷成像卫星前摄式调度提供了一定的方法支撑。     

空天高速目标探测跟踪传感器资源调度模型与算法

针对空天高速目标跟踪中,传感器资源调度任务无时间等待、传感器资源匹配形式多样、观测时间碎片化等问题,提出了多源异构传感器调度多目标优化模型和求解该模型的多目标柔性果蝇算法。针对传感器调度时间碎片化问题,采用柔性分割调度时间,设计了目标-时间-传感器三维编码方式;为了避免相似个体交叉进化造成搜索陷入局部最优,提出基于个体特征的交叉操作和变异操作;针对进化过程中个体产生碎片时间、重复观测等问题,提出柔性调整操作。最后通过两个案例测试,对提出的模型和算法进行仿真验证,实验证明算法能够合理地求解多源异构传感器资源调度问题,在收敛性和分布性方面优于对比算法。     

一种基于动态关键路径的递归并行调度算法

并行任务在多处理机系统上的有效调度是获得系统高性能的关键所在.对BNP(Bounded Number Processors)调度问题,提出了一种新的基于动态关键路径的递归调度算法,对调度节点进行递归选择,并结合调度节点的后继任务为它选择了最佳时间槽.该算法克服了已有调度算法不能保证对动态关键任务进行最早调度这一缺点,优于现有BNP调度算法.