一种自主工作流任务分配策略

改进了Minxin Shen等人的算法,在进行任务分配的时候增加了一个非常重要的因素：员工对任务的感兴趣程度,用五个模糊数表示程度不同的五个等级,给出该因素在任务分配中的算法,并设定一个调整系数,来调整此项因素在任务分配时的影响程度．改进后的算法由四个因素(能力、社会关系、任务之间的关系和员工对任务的感兴趣程度)决定一次任务分配,经数据比较证明此算法提高了员工在任务分配中的自主性．     

一种多无人机层次化任务分配方法

针对大规模任务分配问题,为了提高任务分配的效率和合理性,提出了基于任务依赖关系和ISODATA算法相结合的任务分组方法。在任务分组基础上,从无人机负载均衡的角度出发,提出了基于资源福利的任务组级粗粒度任务分配方法,结合粒子群算法提出了任务组内的细粒度任务分配算法。通过实验仿真验证所提方法有效,且性能和灵活性较普通任务分配算法有较大的优势。     

宏观建模与多机器人自组织任务分配

针对两个紧耦合子任务的任务分配问题,从宏观层面上进行了数学建模,通过求解该数学模型,获得了任务分配需要遵循的基本分配原则.根据该原则设计了一个随机任务选择模型以及相应算法,通过统计机器人操作子任务的时间,算出每个子任务的选择概率,然后以该概率随机选择子任务.对基于该算法的随机系统进行了统计建模,分析表明该算法下任务分配结果与基本分配原则保持一致.最后,建立了一个多机器人物品搬运仿真实验系统,将任务分配算法应用到该系统,分析了算法的有效性以及各种参数对实验结果的影响.     

网络化制造环境下多目标任务分配的研究

网络化制造环境下联盟企业的任务分配是受多个因素影响的,考虑交货期、成员企业所承担的成本费用及完成任务所需成员企业数量等因素,提出了联盟企业多目标任务分配的数学模型。     

并行数据采集器任务分配策略的设计与实现

介绍了搜索引擎数据采集器的并行技术 ,分析了并行数据采集器的任务分配模式及其工作原理 ,讨论了任务粒度对动态分配效果的影响 ,并提出了动态分配模式下的任务分配策略 ,最后介绍了SunONEGridEngine的任务调度机制 ,并利用SunONEGridEngine对所提出的动态任务分配策略进行了实现     

摄像机网络中基于任务域的任务分配方法

针对智能交通应用场景中摄像机网络的任务分配问题, 提出一种基于任务域并综合考虑节点负载和任务服务质量的任务分配方法。在保证任务服务质量的基础上, 使用了一种基于节点间相对价值的任务转移策略,并在嵌入式智能摄像机网络系统上实现了上述方法。实验结果表明, 该方法相对于传统任务分配方法, 系统平均资源利用率提高约50%, 任务分配成功率提高约40%。     

基于协同效能的反导作战任务分配模型

提出了一种基于效能最优的多个反导武器系统协同反导作战任务分配模型。阐明了任务分配与目标分配的关系,给出了任务生成原理,建立了考虑任务分配均匀性和一致性的静态任务分配优化模型;为建模方案之间的协同约束,定义了基本效能、自协同效能和互协同效能;基于粒子群优化算法进行了求解。仿真结果表明:建立的模型和方法适用于静态任务分配问题,所得结果合理有效,能够反映出任务协同在多个反导武器系统协同反导任务中的优势。     

基于市场机制的多机器人救火任务分配策略

为解决多机器人系统领域中动态分布式任务分配的问题,对多机器人合作救火任务进行研究。建立了多机器人动态环境下合作救火任务的模型,并针对任务特点提出了一种基于市场机制的任务分配策略。在出价公式的构造上同时考虑了距离、火势、时间等因素,符合救火任务动态任务分配的要求。并在自主开发的仿真试验平台上进行了仿真验证,对试验结果进行了分析。实验结果表明,该分配策略在不同工况下均能高效地实现多机器人救火任务中的动态分布式任务分配问题。     

基于CNDLS的空中多编组时限约束任务分配方法

针对空中多编组任务分配具有整体任务完成时间限制和个体任务完成时窗限制的特点,以最高任务执行效率为目标,建立了包含时限约束的多编组任务分配数学模型。分析编组在作战过程中的资源损耗,构建了编组资源能力动态更新模型,使所建模型更为符合实际作战。在动态列表规划选择任务、量子遗传算法分配编组的基础上,设计了用于求解该模型的循环嵌套动态列表规划(CNDLS)的任务分配方法。针对作战想定进行仿真计算,仿真结果表明所建模型和所提方法能通过多次迭代可实现一定资源和时限约束下的最佳多编组任务分配。     

基于多Agent系统的物流供应链任务分配模型设计

针对传统的物流供应链任务分配模型存在的任务成本过高的问题,设计了基于多Agent系统的物流供应链任务分配模型.首先对物流供应链任务以树状图的形式进行分解,然后对任务中存在的变量进行计算.依据获得的任务变量确定函数约束,得出具体的任务分配计算函数.在此基础上,采用Agent结构来进行运算执行,将设计的函数导入结构中,实现...     

基于多智能体深度强化学习的空间众包任务分配

针对现有空间众包中的任务分配大多只考虑单边、 短期利益和单一场景的问题, 提出一种基于多智能体深度强化学习的空间众包任务分配算法. 首先定义一种新的空间众包场景, 其中工人可以自由选择是否与他人合作； 然后设计基于注意力机制和A2C(advantage actor-critic)方法的多智能体深度强化学习模型进行新场景下的任务分配； 最后进行仿真实验, 并将该算法与其他最新的任务分配算法进行性能对比. 仿真实验结果表明, 该算法能同时实现最高的任务完成率和工人收益率, 证明了该算法的有效性和鲁棒性.     

遗传算法在期刊数字化任务分配中的应用

针对印刷图文信息处理专业在期刊数字化的实践过程，提出了一种自适应的实践任务分配方法，并改进遗传算法中基于排序的适应度方法，建立了任务分配优化模型，实现全局最优。实验结果表明，采用遗传算法进行项目分组实践可以使得整体制作效果获得较佳的状态，且优于同类其他方法。     

基于操作角色的工作流任务分派模型

在分析与定义任务分派策略阶段性结果——操作角色的基础上定义了工作流任务分派模型,并定义了一个与之相适应的动态组织机构模型,目的是真正支持用户关于合理的动态的任务分派需求．     

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。     

ScopeWork中用户型任务的处理方法

给出了ScopeWork系统的体系结构,讨论了在这个体系结构中处理用户型任务所涉及的一些问题,最后给出了用户型任务的定义方法及调度方案·用户型任务是工作流管理系统中的一类重要应用,对其处理的好坏直接关系到工作流管理系统的运行效率·ScopeWork是正在研制的支持CIMS复杂应用的工作流管理系统的原型系统,该系统不仅讨论了对事务型工作流的处理问题,同时也讨论了对非事务型工作流的处理问题     

工作流管理系统安全模型

以现有安全工作流模型为基础，提出了基于任务的授权控制思想，阐述了任务和任务实例之间的关系，进一步解释了任务权限指派和实例权限指派之间的区别和联系，并且针对上述模型进行了一些合理的改造，构造了一个工作流管理系统的安全模型．     

云计算环境下多级映射作业调度算法的研究

云计算是一种新兴的资源使用和计算交互模式,是目前商业机构和科研机构的研究热点之一.在云计算环境中用户需求和资源的分布对该环境中作业调度的影响很大,虚拟技术的使用使云计算环境中的作业调度与传统的作业调度存在很大的差别.针对云计算环境特点,根据用户的需求将作业进行分类,同时将资源分类,引入中间代理节点进行任务调度,形成多级映射作业调度算法,提高作业的并发度,使总任务完成时间缩短.通过实验验证多级映射作业调度算法是一种可行的作业调度算法.