基于空间几何模型的遥感卫星任务分解算法

遥感卫星调度问题包含资源约束和任务约束,约束条件比较复杂,在调度前需要将观测任务分解为能被调度算法处理的元任务。任务分解的核心是计算卫星观测目标的时间窗口和侧摆角,由于区域目标无法被单次完全观测,在进行分解时需要将其划分为若干个子区域。针对点目标,提出了一种基于空间几何模型的任务分解算法,在此基础上结合动态划分方法,提出了区域目标任务分解算法,并分析了区域划分参数与观测效率的关系。实验结果验证了算法的有效性。     

基于蚁群算法的参数相关网格任务调度算法研究

任务调度是网格计算环境中影响系统性能的重要问题,目前大多数调度算法在调度时均把任务假定为元任务,而忽略任务间的约束关系。利用图论的思想将任务间依赖关系描述为满足一定条件的有向无环图（DAG）,通过DAG图可以精确描述任务的优先级,此外蚁群算法在元任务调度中能有效实现任务调度和负载均衡,因此在蚁群算法进行元任务调度结果的基础上,根据任务优先级对分配给资源的任务进行排序即得出了参数相关任务调度的结果。仿真结果显示,此方法在各种网格环境下均能解决相关任务的调度问题,而且保证系统的负载均衡。     

时间约束工作流模型的可调度性验证研究

工作流模型可调度验证的目的是验证工作流调度系统时间约束的合理性、对工作流系统实例的时间可达性进行仿真.首先基于可调度性定理,设计了时间约束工作流模型的可调度性验证算法,并提出时间约束修正策略.通过该算法获得可调度的时间约束工作流的时间约束集;通过时间约束修正策略,减小上述可调度性验证方法的时间复杂度.然后,进一步设计了改进的可调度验证方法,从而可获得具有最小执行时间区间的时间约束工作流的时间约束集.实验及分析显示算法具有良好的性能和效果,研究成果对于制定时间约束工作流的时间约束有较好的应用价值.     

多星成像调度问题基于分解的优化算法

提出了一种求解多星成像调度问题的基于分解的优化算法,将问题分解为任务分配主问题与单星成像调度子问题.任务分配主问题生成不同卫星的任务分配方案,单星成像调度子问题则根据分配的任务进行优化,生成每颗卫星的成像调度方案.采用自适应的蚁群算法求解任务分配主问题,通过自适应参数调整策略及信息素平滑策略,实现全局搜索和快速收敛间的平衡.采用启发式算法及快速模拟退火算法求解单星成像调度子问题,通过综合多颗卫星的调度结果, 可以对任务分配方案进行评价,引导蚁群算法搜索优化的任务分配方案,最终得到多颗卫星的成像调度方案. 大规模测试算例验证了算法的效率.     

面向应急成像观测任务的多星协同调度方法

针对应急条件下的成像观测任务,设计了多星协同调度框架,将多星协同调度问题分解为任务排序主问题和资源匹配子问题。分析了多星协同调度中的主要约束条件,以任务收益为优化目标构建问题的约束满足模型,并应用改进粒子群优化算法进行求解。详细介绍了算法中的编码、解码、移动、变异等操作,给出算法时间复杂度的计算公式。通过仿真实验,对算法的有效性进行了验证。     

基于蚁群优化的物流网络多约束路径规划

面向大范围、大规模的军用物资调度,为保障任务规划满足多个约束的可行路径,是NP-C问题.本文在详细分析物流保障网络传输属性的基础上,给出了约束参数的完整描述,建立了多约束路径规划数学模型,设计了一种带综合启发因子的蚁群优化算法.仿真实验表明,该算法搜索效率高,具有全局收敛性,经过有限次迭代能够获得可行解,对网络规模和约束参数选择具有较好的灵活性和扩展性.     

时序约束下科学工作流的动态调度研究

随着分布计算技术的迅速发展,利用广域分布的计算资源构建并执行科学工作流,已成为当前学术界和工业界关注的热点问题.为满足用户和计算控制机制的需求,往往需定义科学工作流的时序约束.但是,由于任务处理时间具有不确定性,在运行过程中容易出现时序违反.为保证科学工作流的正确执行,迫切需要能根据实时运行状态自动实现动态调度的方法.针对已有研究方法的不足,本文提出了一种基于遗传蚁群混合算法的科学工作流动态调度优化方法.首先,建立了时序约束下的科学工作流动态调度模型,该模型综合考虑了科学工作流的时间与成本优化目标,并融合了基于概率的时序约束满足性需求;然后,采用改进的遗传蚁群混合算法实现模型求解.该算法通过设计提高种群搜索导向性及保持种群多样性的策略,从求解精度及求解速度两方面提高了求解效率.最后,通过与现有方法的多组实验对比,说明了本文算法的优越性.     

面向复杂关联测控需求的冲突规避调度算法

对卫星测控资源调度问题的现状进行了分析, 根据现有场景、需求和任务建立了目标约束满足模型。在系统阐述测控资源、可见弧段、任务需求的基础上, 考虑到测控任务需求间复杂的相互关联关系, 提出了一种基于任务冲突规避的测控资源调度算法。相比其他传统方法, 该算法考虑了全局任务对资源的需求和任务间复杂的关联性, 引入了可行解接受度函数, 避免了传统启发式算法过分贪婪的缺点。实验结果表明, 该算法应用于大规模测控任务资源调度时, 能有效提高任务调度的成功率。     

基于滚动优化策略的成像侦察卫星应急调度方法

针对成像侦察卫星应急调度问题进行研究, 在分析主要约束条件的基础上, 构建了多星调度问题的约束满足模型. 根据应急任务具有独立到达时刻与执行截止期需求的特点, 提出了基于滚动优化策略的调度算法. 该策略采用周期驱动与事件驱动相结合的混合驱动模式, 可将调度过程划分为一系列静态的调度区间. 通过优化各区间内任务的规划方案, 实现应急任务的动态调度. 在问题求解过程中, 将滚动优化策略与启发式算法结合, 形成了三种应急调度算法. 最后通过仿真实验, 对不同算法的调度效果进行对比, 验证了滚动优化策略的有效性.     

蚁群算法在卫星数传调度问题中的应用

为求解卫星数传调度问题,将数传任务在调度序列中的可能位置抽象为结点,构造了信息素分布于结点的矩阵解构造图,提出了基于该图的蚁群算法.算法通过随机转移概率决策模型进行结点转移,在算法迭代中利用精英保留策略进行全局信息素更新.仿真结果表明,基于矩阵解构造图的蚁群算法是求解卫星数传调度问题的有效方法,并具有较好的收敛性和鲁棒性.     

面向能耗的云工作流调度优化

云工作流调度直接决定了整个云工作流系统的性能,已成为一个重要研究内容.针对当前缺乏有效的面向能耗的云工作流调度优化方法,研究建立了面向能耗的云工作流过程模型、资源模型,提出了基于负载的能耗计算方法和面向能耗的云工作流调度优化算法.提出的方法考虑了能耗因素,在进行任务优先级计算及任务选择时不仅考虑了文件在不同虚拟机间传输的速度差异、同时考虑了虚拟机与本地共享数据库间的文件传输等因素,并从云工作流任务分配、主机负载和主机功耗关系的角度,进行能耗的计算与调度优化,更符合实际情况、使用范围更广.数值案例和仿真实验表明了提出的方法是可行的和有效的.     

基于SDVRPTW模型的项目设备优化调度方法

在大型工程项目的子项目或工序中,重要设备的优化调度对提高设备的利用率,确保项目按期完工具有重要作用。将大型项目设备调度问题(ESPLP)归结为任务需求可拆分、带有时间窗的车辆路径问题(SDVRPTW)。根据项目设备调度过程中的约束建立了项目设备调度模型,并分析了ESPLP最优调度方案所具备的性质特征与SDVRPTW问题的区别,针对模型特点提出了远缘杂交遗传算法(DCGA)。基于国内某大型建筑项目实际案例为测试对象,分别将DCGA的求解结果与项目现实调度数据进行了对比,并比较了DCGA与现有算法的性能,比较结果表明了本文模型与算法的有效性。     

综合集成研讨厅问题求解过程中的问题分解研究

在综合集成研讨厅中进行复杂决策问题的求解时,需要将复杂问题进行分解.这方面,国内外问题分解方法的研究主要集中在工作流意义下的任务分解.在分析综合集成研讨厅问题分解的特殊性基础上,提出了综合集成研讨厅中复杂决策问题求解的问题分解自适应模型和算法,探讨了在专家小组内进行问题分解的数学模型.实践表明,该分解方法可避免大规模的修改,加速整个复杂决策问题的结构化进程.     

基于资源性能评估的网格任务调度算法

在保障本地任务QoS需求并尊重网格节点本地调度策略的条件下,为网格用户提供QoS保障是计算服务网格环境中任务调度的一个重要目标和面临的新问题.根据对网格节点相关资源可用性历史数据进行统计、分析得出的结果,利用概率论方法对网格节点的资源能力进行评估,对网格节点状态进行划分并得到资源的平均状态;利用信息论中熵的概念对网格节点状态动态变化的不确定性进行评估并得到刻画网格节点状态不确定性的定量值.在此基础上,建立了一种基于性能评估的分布式调度框架,并提出了一种基于性能评估的网格任务调度算法.对GridSim进行了改进与扩展,基于改进与扩展后的GridSim对提出的算法进行仿真并与相关算法进行比较,实验结果表明了本所提出的调度算法在网格用户QoS保障程度、网格任务执行makespan以及负载均衡等方面的有效性.     

基于VRPTW-AT模型的钢包优化调度方法

在炼钢-连铸生产过程中,钢包的优化调度对减少钢铁生产的热能消耗,提高生产效率具有重要作用.将钢包调度问题归结为任务带有时间窗、车辆带有调整时间的车辆路径问题(vehicle routing problem with time windowsand adjustment time,VRPTW-AT).根据钢包服务钢水过程的约束建立了钢包调度问题的数学模型,针对模型特点提出了分散搜索(scatter search,SS)算法.基于国内某钢铁企业生产实绩做测试案例,对SS算法的优化效果与钢厂生产的实际数据进行了对比分析,实验结果表明了模型和算法的有效性.     

基于解构造图的卫星数传调度ACO算法

针对卫星数传调度问题,建立了基于任务调度关系（弧模式）和基于任务调度位置（结点模式）的解构造图,提出了基于解构造图的卫星数传调度蚁群优化(ant colony optimization, ACO)算法。算法利用伪随机概率转移规则进行路径搜索,通过划分冲突任务集来限制蚁群的搜索邻域。算法根据迭代最优解和至今最优解进行全局信息素更新,并将构造图中的信息素浓度限制在一定范围内。仿真结果表明,文中提出的两种解构造图及ACO算法是正确可行的,基于结点模式解构造图的ACO算法能获得更优的解。     

基于TCPN复杂产品设计任务资源调度及应用研究

针对复杂产品设计任务模块资源调度冲突问题,在分析TCPN网中资源约束下基本结构的设计任务元活动变迁的输入与输出资源库所数量的基础上,构建基于TCPN网设计任务模块的资源约束TCPN模型,围绕资源约束TCPN网中同步活动任务变迁与非同步活动任务变迁,给出不同的资源约束调度规则,并设计完整的资源约束调度算法与修正算法,研究给出可调度的设计任务模块资源约束TCPN网.最后,以J企业某型号汽车研发项目为例,构建汽车底盘设计模块设计任务元的资源约束TCPN模型并进行求解,给出汽车底盘设计任务模块的可调度资源配置,实现汽车底盘协同研发资源约束TCPN网中的所有设计任务元活动变迁皆可调度.     

任务主体二元约束下作战任务分解EVA方法

针对复杂作战任务分解中存在的随意性、不确定性问题, 综合考虑任务主体能力属性和结构特征等二元约束, 提出了一种由子任务集提取(extraction, E)、约束检验(verification, V)、子任务集调整(adjustment, A)等步骤递进循环形成的任务分解EVA方法。首先, 构建了全局任务空间, 提出基于任务匹配的子任务集提取方法; 其次, 针对任务主体能力属性和结构特征的二元约束, 建立了子任务集调整模型, 通过改进精英保留策略, 引入任务分解粒度和交叉变异概率动态调整策略, 提出了一种引进的非支配排序遗传算法-Ⅱ(improved non-dominated sorting genetic algorithm-Ⅱ, INSGA-Ⅱ)算法; 最后, 进行仿真实验, 验证了算法相较于传统多目标优化算法在解集多样性、收敛性和时间性能上的优势。研究结果表明, 所提方法能够使决策者依据任务主体实际自主调控任务分解结果, 在一定程度上克服了传统方法过度依赖主观经验, 忽略任务主体能力属性、结构特征约束的问题。     

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IP-ACO算法的航天器测控资源调度技术

采用多目标蚁群优化算法对航天器测控资源调度问题进行研究。在分析中低轨道航天器测控特点的基础上,综合考虑包括测控时间窗口约束和设备切换时间约束在内的多类复杂约束条件,建立多目标航天器测控资源调度模型。在Pareto蚁群优化算法的基础上,引入蚁群社会中的分工协作思想并构建测控任务时间约束有向图,设计基于任务选择期望的状态转移规则和基于自适应网格技术的权重更新策略,从而提高算法求解性能。仿真实验结果表明该方法能有效解决多目标航天器测控资源调度问题。