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。     

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。     

双参数模糊调度在实时控制系统中的应用

针对嵌入式多任务实时控制系统,提出模糊调度设计(FSD)算法.该算法基于任务重要性和空闲时间2个特征参数,动态调整任务优先级,使得空闲时间越短且越重要的任务,其优先级越高.FSD算法在资源有限时可以提高关键任务的可调度性和控制性能,在不同系统负载下,通过灵活的模糊调度规则获得满意的系统可调度性能.为评估调度算法,定义性能指标IVR为任务价值总和与任务重要性之和的比值,若IVR越大,则系统可调度性越好.仿真结果表明:在正常负载下,FSD算法在保证关键任务可调度性的同时,对非关键任务的可调度性影响较小,任务调度成功率比MIX(加权组合)算法的高;超载时,FSD算法优先保证关键任务在其截止期内完成,避免EDF(截止期优先)算法中易出现的多米诺现象发生,有效提高系统的整体性能.     

含时间窗的司售员调度模型及多邻域结构设计

形式化定义了司售员调度中的关键因素:车辆运营工作、调度方案、劳动法规和调度目标,建立了一个能够准确反映实际问题的模型.设计出能够有效处理时间窗的多邻域结构,为应用基于邻域搜索的各种算法求解该模型奠定了基础.最后将其应用于基于禁忌搜索的构造式方法——启发式自动司售员调度(HACS)中.实验表明:应用该模型及多领域结构改进了HACS,有效解决了含时间窗的司售员调度问题并得到更优解,对大规模问题,解的改进更加明显.     

网格工作流中基于优先级的调度方法研究

根据网格用户的身份、信誉，以及网格工作流中应用程序的时间紧迫度和依赖关系，提出了网格工作流中应用程序的优先级计算方法．其中，完全优先级调度算法根据网格工作流中的应用程序优先级向量生成调度序列，而且每次只将队列中优先级最高的应用程序提交给网格，而非完全优先级调度算法可同时调度若干无依赖的网格应用程序进入网格，以弥补完全优先级调度算法的并行化问题．实验表明，当网格中的资源较少且资源的性能差异较大时，使用完全优先级调度算法可以保证优先级较高的工作流的应用程序优先使用优势资源；当网格中的资源性能差异不大时，非完全优先级调度算法可解决因资源未充分利用而造成工作流完成时间大幅增加的问题．     

多订单项目生产任务并行调度的遗传算法研究

在MTO(Make to Order)生产模式的制造企业中,经常存在多订单项目并行的情况。以满足资源约束为前提,优化多订单项目生产任务并行调度过程,成为该类企业关心的焦点问题。针对这一问题,根据任务并行调度的特点,建立了任务调度的目标函数,并采用一种改进了的遗传算法求解目标函数。该遗传算法用矩阵式染色体表示资源与生产任务之间的调度关系,采用突变机制来解决进化过程停滞问题,提高算法的搜索能力,并保留父代种群的优秀染色体,防止遗传过程中祖代优秀染色体丢失。     

支持优先级约束任务的容错调度算法

为了解决异构分布式系统中可靠调度问题,提出一种考虑处理机链路通信竞争的,支持优先级约束任务的容错调度(FSPCT)算法。该算法使用通信竞争模型描述处理机之间通信,在备份成本最小化和备份任务最早完成之间寻求平衡点。对主副版本任务的最早开始时间进行分析,并限定了所执行的处理机,在处理机出现故障后任务可以顺利执行。实验结果表明FSPCT算法的综合性能优于现有一些算法。     

基于时限单调算法的混合任务实时调度算法的研究与设计

周期任务与非周期任务的混合调度是实时调度研究的一个重要方向。针对现代嵌入式实时系统的任务特性,和经典实时调度算法只调度周期任务的特点,提出一种新的静态优先级调度算法——混合任务时限单调算法(Periodic and Aperiodic Deadline Monotonic,PADM)。该方法结合时限单调(DM)算法和先来先服务(FCFS)算法,将非周期任务量化为周期任务,且非周期任务在其裕度为零时优先级最高。通过理论分析和具体实验比较,在任务集轻载情况下,PADM算法尽可能地保证周期任务的完成率和非周期任务的时限,同时所带来的额外开销小,计算复杂度低,实现方便,是一种有效的混合任务调度算法。     

基于改进优先级的相控阵雷达任务调度方法

针对相控阵雷达多目标跟踪中的资源调度的问题,提出基于改进优先级的任务调度方法。该方法将目标对雷达的威胁引入到目标任务优先级设计当中,首先,定义目标威胁度,根据目标和雷达的各项参数指标,将信息熵综合决策与主观权重法相结合,计算出目标的威胁度值;然后,将目标的威胁度值、任务工作方式优先级以及任务截止期进行综合规划,得到目标任务的综合优先级,最后对目标威胁度的计算和任务的调度分别进行仿真。仿真结果表明,方法对目标威胁程度的计算结果符合不同威胁度等级目标跟踪资源分配的需求,对高威胁任务的执行优于传统方法,具有一定的优越性。     

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。     

基于时间期限和预算效益函数的网格资源调度算法

针对具有时间和代价约束的网格资源调度问题,提出了一种基于效益函数的改进的网格任务调度算法,并采用GridSim模拟器分别对提出的调度算法和现有的DBC算法进行模拟实现.对比分析表明,改进的调度算法能得到较高的任务完成率及较好的资源负载均衡性.     

基于多目标优化的BRadio系统资源调度算法研究

不同特性和需求的业务共存是未来网络融合所必然带来的状况,也是影响业务性能的主要问题之一.首先简介基于BRadio的专用宽带无线接入网标准,然后通过分析业务特性,在MAC层上提出了一种多目标优化的资源调度算法.该算法包括基于带宽预留的接入控制算法和基于有限状态机的分组调度算法,针对系统带宽利用率、业务分级、时延性能和公平性进行了综合优化.最后通过仿真证明该算法能有效地在保证系统带宽利用率的情况下体现业务分级特性,并能够在时延性能和公平性之间取得很好的平衡.     

无线传感器网络可分负载调度算法

为了节省传感器节点能量,提高网络资源利用率,提出了一种无线传感器网络可分负载调度(DLSW)算法.DLSW算法以LEACH协议为基础,分群内和群间两阶段进行任务调度.在群内调度阶段,群内节点共享同一信道,相继向群首发送数据;在群间调度阶段,群首节点和SINK节点之间独立的信道使得群首将群内节点报告的数据融合后,并行向SINK节点传送结果,同时完成数据发送.DLSW算法通过去除节点间的通信干扰使得总任务完成时间减少、资源利用率提高.实验结果表明,在大规模的网络环境下,DLSW算法可以使总任务完成时间减少20％,网络能耗减少10％.     

基于BQPSO的无线传感器网络节点调度算法

在多目标跟踪中,要求无线传感器网络在满足跟踪精度的前提下,最大限度地降低对传感器资源的使用。基于这一目的,适当选择节点避免共线度过高,并采用APIT实现精确定位,同时考虑跟踪簇总能耗设计节点调度目标函数,采用二进制量子粒子群优化算法解决传感器资源冲突问题。仿真结果表明:虽然基于BQPSO的节点调度算法比基于PSO的节点调度算法在能耗上增加了17.47%,但定位精度可以提高31.84%。算法在提高定位精度的同时最大限度地降低了对资源的使用,有效延长了无线传感器网络的工作寿命。