基于调度效益最大化的多功能组网认知雷达资源优化调度算法

在组网认知雷达中,针对多目标多任务(如搜索、跟踪与成像等)按优先级进行资源调度时易造成目标任务丢失的问题,提出基于调度效益最大化的多功能组网认知雷达资源优化调度算法。该算法将搜索与跟踪任务的时间窗考虑到目标函数中,通过目标任务的重要性(优先级)和有效性(时间窗)两个因素的加权来表示雷达对目标任务的调度效益,根据调度效益最大准则建立并利用遗传算法求解资源调度模型。对仿真结果分析表明,该方法能够提高组网认知雷达的整体效能。     

基于孔径分割的相控阵雷达认知成像调度算法

在相控阵雷达资源调度研究领域,关于时间资源的分配已较为成熟,然而对于孔径资源的分配方面尚有待深入研究。针对相控阵雷达成像任务的调度问题,提出了一种基于孔径分割的多目标认知成像调度算法。首先对目标的回波特征进行认知,计算出目标成像所需占用的时间资源、孔径资源及综合威胁度;然后根据反馈信息,对多个成像任务进行合理调度;最后利用基于压缩感知的稀疏孔径ISAR成像方法对各个目标进行成像,实现多个任务在孔径上并行,在时间上交替执行。仿真实验表明,在保证成像质量的前提下,基于孔径分割的自适应调度算法能够提高成像任务的调度成功率与雷达系统的资源利用率。     

一种基于模糊逻辑优先级的雷达任务自适应调度算法

为适应目标环境变化情况,提出了一种基于模糊逻辑优先级的雷达任务自适应调度算法.该方法基于目标运动状态和属性通过模糊逻辑推理动态确定任务的优先级,并结合时间窗的特点采用一步回溯方法调整发生冲突的任务,保证更多高优先级的任务在其期望的时间内被调度.仿真结果表明,该调度算法在保证调度率的前提下降低了任务的调度代价.     

基于脉冲交错的ISAR成像雷达资源自适应调度算法

针对多功能相控阵雷达成像任务的调度问题,提出了一种基于脉冲交错的成像雷达资源调度算法。该方法首先根据目标特征认知结果计算稀疏孔径ISAR成像所需的雷达资源,在此基础上,建立合理的脉冲交错驻留的资源调度模型,在时间与能量资源双重约束下对雷达资源进行合理分配,优化脉冲交错实现方法,并提出了平均交错度(AID)作为衡量雷达成像任务资源调度的性能指标,最后采用基于压缩感知的稀疏孔径ISAR成像方法对不同目标分别成像,在满足目标期望成像分辨率的前提下,显著提高雷达资源利用率。仿真实验验证了该算法的可行性。     

基于模糊综合评判的实际生产调度决策研究

为解决实际生产调度中的模糊不确定性决策问题,提出了基于优先级规则和模糊综合评判结合的生产调度决策方法.通过分析实际生产调度中的任务分派过程,得出任务分派时需要考虑的任务影响因素以及设备影响因素.利用影响因素的隶属函数表示各影响因素的优先程度,解决了调度过程中的不确定及偏好信息的表示问题.通过模糊综合评判计算,对任务优先级和设备的优先级进行综合计算,解决了调度过程中多模糊因素综合权衡问题.最后通过算例对该方法计算过程进行说明,并以实际车间调度应用为例分析了该方法的实用性.     

网络控制系统二维优先级和带宽调度策略研究

研究了一种基于二维优先级和带宽调节的网络控制系统调度问题。在调度器的设计过程中,为对优先级和带宽进行协同调度,将任务的执行次序通过任务的一级优先级和任务的二级优先级决定,并在二维优先级调度机制中进一步引入二维带宽控制策略,以根据用户需求实时动态调整网络带宽,从而改善网络环境,克服了现有调度策略的不足。最后,通过仿真分析验证了调度算法的有效性。     

基于目标威胁评估的组网雷达干扰的功率分配

随着电子战中雷达网的"四抗"能力不断提升,干扰机的功率如何进行分配将成为战机突防的关键。针对此问题,提出了基于目标威胁评估的协同电子干扰的功率分配方法。建立了一种组网雷达的威胁评估模型,该模型通过规范化的基本方法,计算出雷达各属性对应的威胁评估值,得到雷达威胁评估值规范化矩阵。通过计算其与理想解的距离得到相对贴近度,进而计算出各成员综合威胁程度。根据其威胁程度的比重,在干扰功率有限的前提下,进行较为合理的分配。最后经过仿真验证,证明了该方法的可行性。结果表明:选取合适的组网雷达待评估属性,利用该方法可以得到干扰功率分配的初步规划,对该领域的后续研究具有一定的参考价值。     

改进的最低松弛度优先周期任务调度算法

最小松弛度优先LLF(Least Laxity First)调度算法结合任务执行的缓急程度来给任务分配优先级,任务的松弛度越小,越需要尽快执行.然而,当多个任务松弛度值接近时,算法造成任务之间的频繁切换或颠簸现象,增大了系统因调度引起的开销,限制了调度算法的实际应用.寻找合理的任务执行时间片,对最低松弛度优先调度算法进行改进,一直是研究的热点.该文在深入研究周期任务特点的基础上,给出了最少切换次数的最低松弛度优先调度算法.仿真实验表明,算法是有效的.     

基于双优先级队列的异构分布式控制系统容错调度算法

在对分布式控制系统进行分析的基础上,给出了任务模型和处理器模型.为了调度多种实时性的任务,提出了双优先级队列调度算法,用于调度每个处理器上的任务.该算法设置2个优先级队列,其中高优先级队列用于调度实时任务,低优先级队列用于调度非实时任务,高优先级队列中的任务可抢占低优先级队列中的任务.在此基础上,采用版本复制技术使系统具有容错能力,并分析了任务的容错可调度条件.基于此,采用首次适应的启发式任务分配策略,将任务分配到各个处理器上,在确保任务容错可调度的条件下使处理器负载均衡.仿真结果表明所提出的算法是有效的.     

一种面向教育云资源共享的优先级队列任务调度算法

针对教育云资源共享中任务调度时优先级不同带来的挑战,提出了一种基于任务优先级的最优调度算法优化教育服务质量.文章首先分析了各种任务的服务质量需求,对任务进行优先级分类,设计了一种基于优先级的队列调度核心算法.然后,分析了所设计调度算法的实施过程和具体步骤.仿真结果验证了优先级队列任务调度算法能够降低系统的处理时延,从而...     

双波段旋转相控阵雷达任务调度算法

针对双波段旋转相控阵雷达旋转工作的特点以及两阵面波段的不同特性,研究了一种任务调度算法。首先给出了旋转情况下的波束驻留任务的模型;其次为了体现两阵面的不同特性,提出了一种纳入空域优先级的任务综合优先级算法;对于单个阵面,采用了一种新的时间窗算法,在不显著增加时间偏移率的前提下,增加了时间利用率;最后通过工作模式调整策略,实现了雷达的抗饱和攻击;仿真实验验证了算法的有效性。     

基于动态任务优先级的网格任务调度算法研究

网格环境下的任务调度是一个NP完全问题.为了确保每一步都能优先调度影响调度长度最大的就绪任务,提出一种采用动态任务优先级策略的任务调度算法.在进行任务调度的过程中,通过动态计算任务图DAG的关键路径并有效地利用处理器的空闲时间段来复制任务,使任务节点之间的通信开销尽可能降低,进而缩短整个任务图的完成时间.大量的模拟实验结果表明,所提的算法在任务完成时间上明显优于HEFT算法和DDS算法.     

反导作战任务分配方法

为充分发挥反导体系的作战能力,探讨了多任务与多资源的多属性匹配问题。以任务为中心进行反导任务分配,给出了多任务分配问题的描述。结合反导资源作战使用的实际情况,分析作战任务和资源的多维属性。通过引入资源能力负载系数,定义任务需求与资源能力之间的矢量距离。以资源冗余和最小化协同负载策略为优化原则,建立了任务分配数学模型。借鉴和改进多维动态列表规划算法的思想,设计了具体的求解步骤,确定了任务选择资源的优先级。通过案例分析,验证了所提方法的适用性。     

异构计算系统的表调度式任务映射与调度算法

研究了在异构计算系统（ＨＣＳ）中利用表调度式算法进行任务映射与调度．给出两种异构静态优先级表调度式任务映射算法（ＨＳＰ和ＧＨＳＰ）,以及一种异构动态优先级表调度式任务映射算法（ＢＨＤＰ）．实验结果表明,ＧＨＳＰ算法对于粗中粒度ＤＡＧ的调度效果稍好于ＨＳＰ算法,而ＢＨＤＰ算法对于粗粒度和细粒度ＤＡＧ的调度效果均明显优于ＨＳＰ和ＧＨＳＰ算法．     

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。     

基于优先级权重的 Hadoop YARN 调度算法

为解决 Hadoop 现有调度器调度任务时不能根据任务的紧迫程度分配资源的问题, 研究 YARN 中的资源 调度机制, 改进原调度器(Capacity Scheduler), 提出一种基于优先级权重的 Hadoop YARN(Yet Another Resource Negotiator)调度算法(Weight Scheduler Based on Priority)。 为叶子队列设置队列优先级, 结合队列资源利用率和 队列优先级选择队列; 将应用程序的初始权重设置为应用程序优先级的大小, 通过等待时间判断是否更新权 重, 根据权重对队列中的应用程序进行排序, 调度时优先为权重高的应用程序分配资源。 实验结果表明, 与原 有调度算法相比, 改进算法平均任务执行时间约减少 141 s, 平均等待时间减少 34. 5%, 保证了用户执行任务 的相对公平, 提高了用户总体满意度。     

基于分层禁忌遗传算法的卫星任务调度方案

对地观测卫星在地球观测系统中起着核心作用,任务调度是对地观测卫星满足更多任务需求并获得高观测效率的重要手段。随着用户的激增,大量的任务请求引起卫星资源、时间资源的冲突,导致卫星任务的调度效率低下。为了解决上述问题,通过拆分和聚类2种策略对任务进行预处理,设计了一种基于分层禁忌遗传算法(layered tabu genetic algorithm, LTGA)的卫星任务调度方案。建立了对地观测系统模型,分析了观测任务调度的相关约束;通过分析任务时间窗口冲突情况来确定任务拆分方式,通过计算聚类距离来区分任务分布状态,从而选取合适的观测任务构成预调度任务集合;在上述任务规划的基础上,提出LTGA完成任务的选取和排序,生成观测计划。仿真结果表明,所提出的卫星任务调度方案能够有效提升调度收益、降低调度时间。