基于综合优先度的卫星数传调度算法

研究了在地面站资源有限、数传任务急剧增多的情况下,合理分配资源以有效实现卫星数传任务的调度问题.首先建立了卫星数传任务模型和调度问题模型,提出了综合优先度的概念及其各个指标,对每个指标进行了详细分析.在此基础上,提出了一种基于综合优先度的卫星数传调度算法。仿真结果表明该算法能够取得较好的调度结果.     

任务调度启发式信息的卫星数传ACO算法应用

针对卫星数传调度问题,建立了任务调度启发式信息体系框架,提出了基于任务开始时间、任务调度收益、任务可用资源灵活度和任务调度冲突度的启发式信息,研究了任务调度启发式信息在卫星数传蚁群优化算法中的应用。针对不同规模场景的仿真结果表明,任务调度启发式信息有助于蚁群算法求解卫星数传调度问题。     

基于信息素评价的卫星数传调度蚁群算法

针对具有严格时间窗口和资源限制的复杂约束卫星数传调度问题,建立了基于蚁群算法的解构造图模型,提出了基于信息素局部评价方法、求和评价方法,相对评价方法的概率决策模型,设计了具有信息素全局更新策略的算法流程.仿真表明,基于不同信息素评价方法的蚁群算法能够取得较好效果,信息素相对评价方法在收敛速度和解寻优能力上都好于其他两种方法,而信息素求和评价方法相对较差.     

基于改进粒子群算法的卫星数传任务调度

建立了卫星数传任务调度模型,讨论了约束条件和调度目标.设计了一种自适应规模粒子群算法,该算法采用基于星地可视时间窗的十进制编码,各粒子编码表示不同可视时间窗内可分配数传作业的概率.在迭代过程中根据粒子群整体差异度动态调整种群规模,删除部分差异度小的粒子,同时增加新粒子以保证种群多样性.通过实例仿真表明,自适应规模粒子群算法在解决卫星数传任务调度问题中具有调度结果优、收敛速度快等优点,并对算法的控制参数取值进行了分析.     

卫星数传资源负荷均衡调度模型及蚁群优化算法

建立了卫星数传资源负荷均衡调度模型,提出了调度方案效能评价函数和模型求解的蚁群优化算法.调度模型中主要考虑任务调度收益和资源负荷均衡两个优化目标,蚁群算法通过遍历矩阵解构造图来逐步构造可行解,利用基于调度方案效能评价函数的全局信息素更新规则同时优化数传任务调度收益和数传资源负荷均衡两个目标.算例仿真表明,本文提出的调度模型和蚁群优化算法所求得的调度方案取得了较好的任务调度收益和资源负荷均衡指标评价值,说明模型与算法正确可行.     

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BFA的SPOT5卫星日常拍摄任务调度算法

地球影像需求日益旺盛,如何最优化调度日常成像卫星成为了一个亟待解决的问题.SPOT5是一颗典型的商用成像卫星,针对其日常成像调度问题的特点,开发了一个带修补策略的二进制萤火虫算法.该算法通过修补策略的丢项操作修复不可行解,通过修补策略的增项操作提升解的质量.修补策略优先处理具有高度稀疏性的逻辑约束,再处理信息存储容量约束,从而增强算法在大规模组合空间的寻优能力.在公开的SPOT5卫星基准测试问题集上的实验结果验证了所提算法的高效性,而且所得解的质量显著好于遗传算法的运行结果.     

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.     

周期性的多趟可分任务调度算法研究

基于可分任务理论,研究大规模计算中的应用调度问题。利用线性规划得到了周期性的多趟调度算法的数学模型。针对同构计算平台进行参数优化,得到如下解析结果:(1)在处理机选定的情况下得到优化的调度趟数;(2)在趟数给定的情况下得到优化的处理机选择方法;(3)对于给定的任务,得到优化的处理机选择方法和相应的趟数。仿真结果表明所得结果的正确性。     

考虑多数传模式组合的卫星数传调度方法

研究了一类过站时间较长的可见光对地观测卫星数传调度问题.通过分析该类卫星工作特点及数据传输约束条件,利用其长可见时间窗特性建立一种考虑多数传模式组合的约束满足模型,在此基础上给出了基于最大收益损失比的卫星数传调度算法.仿真实验结果表明该方法能够有效解决该类卫星数传调度问题.     

面向成像卫星组网的群任务规划方法研究

本文基于提高用户任务需求的处理能力,探索可共享卫星资源组网卫星协同的群规划方法.研究中不仅考虑了一些部门存在特有的任务规划需求,还考虑到一些重要部门有卫星资源或者经申请有允许规划的卫星资源. 分析了群规划的模式需求及提出群规划框架;针对分层规划与可共享的资源服务,建立群规划多目标优化模型;针对任务规划这一高维离散组合优化问题,借鉴蚁群算法的快速收敛和遗传算法的强知识表示能力,阐述组合高低阶知识表示的改进遗传求解算法. 仿真实验验证了本文规划模型与求解算法的有效性.     

基于改进蚁群算法设计的敏捷卫星调度方法

敏捷卫星与传统非敏捷卫星相比,增加了俯仰和偏航两个自由度,提升了卫星的成像能力,也加大了搜索空间,使敏捷卫星的调度问题变得更加复杂,组合优化难度加大. 蚁群算法是可有效求解敏捷卫星调度问题的方法之一. 针对蚁群算法优化性能严重依赖于算法参数以及各个组件的设计的问题,提出利用均匀设计的方法优化组合算法的各个组件,设计出能有效求解敏捷卫星调度问题的蚁群算法. 利用7 个不同规模的实例进行实验,实验结果表明了方法的有效性.     

天基预警调度方法研究

作为一种复杂多传感器跟踪任务, 天基预警过程可视作一种多维离散时间序列监控与预测问题. 预警任务具有高实时性、动态性、高低轨配合、多星协作等特点, 因而调度模型需能够优化利用预警资源完成有效预警. 本文从实际问题出发, 主要阐述两项工作: 第一, 提出基于信息增益的多目标优化预警调度模型, 第二, 阐述免疫克隆选择算法, 并给出一种分布式并行调度求解方法, 以改善调度算法的收敛速度和鲁棒性, 解决实际需要. 最后, 通过基于HLA的仿真系统, 以美国SBIRS为背景, 验证了本文调度模型和算法的有效性.     

Task scheduling for multi-electro-magnetic detection satellite with a combined algorithm

Task scheduling for electro-magnetic detection satellite is a typical combinatorial optimization problem. The count of constraints that need to be taken into account is of large scale. An algorithm combined integer programming with constraint programming is presented. This algorithm is deployed in this problem through two steps. The first step is to decompose the original problem into master and sub-problem using the logic-based Benders decomposition; then a circus combines master and sub-problem solving process together, and the connection between them is general Benders cut. This hybrid algorithm is tested by a set of derived experiments. The result is compared with corresponding outcomes generated by the strength Pareto evolutionary algorithm and the pure constraint programming solver--GECODE, which is an open source software. These tests and comparisons yield promising effect.     

Low-power task scheduling algorithm for large-scale cloud data centers

How to effectively reduce the energy consumption of large-scale data centers is a key issue in cloud computing. This paper presents a novel low-power task scheduling algorithm （L3SA） for large-scale cloud data centers. The winner tree is introduced to make the data nodes as the leaf nodes of the tree and the final winner on the purpose of reducing energy consumption is selected. The complexity of large-scale cloud data centers is fully consider, and the task comparson coefficient is defined to make task scheduling strategy more reasonable. Experiments and performance analysis show that the proposed algorithm can effectively improve the node utilization, and reduce the overall power consumption of the cloud data center.     

病毒遗传算法在柔性工作车间调度中的应用

针对柔性工作车间调度问题的特点,设计了基于工序顺序和基于机器分配两种交叉,变异方法对主群体进行传统的遗传操作。并引入病毒群体来感染主群体,将主群体的全局进化和病毒群体的局部进化进行动态结合,克服传统遗传算法早熟和收敛慢的缺点。实验证明此算法的有效性。