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。     

基于博弈论的多机器人任务分配算法

为了寻找一种合理有效的多机器人任务分配算法,基于多机器人协作救火任务环境,以博弈论纳什均衡为基础,研究多机器人的任务分配问题。根据任务模型特点和纳什均衡的主要特征提出了一种基于博弈论的任务分配算法。博弈的效用函数同时考虑了距离、火势和燃烧时间等因素,机器人根据此效用函数选择行为策略,促使机器人尽快扑灭惩罚值较大的火灾而获得较大的奖励值。利用任务总收益函数值的大小评价算法的优劣性。收益函数与火势、燃烧时间和机器人扑灭火灾数有关,这切合实际救火模型。实验结果证明了该任务分配算法的有效性。     

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。     

多机器人系统任务分配研究

设计分布式同质的多机器人系统,以实现以负载平衡为目的的任务分配。机器人个体使用包容框架拓扑结构和基于感知到行为的控制,使用视觉系统通过局部观察获取周围环境信息,由状态转移方程选择任务执行,实现从局部到全局的针对多机器人系统的涌现式协调方法。宏观数学模型从理论上证明了任务分配的正确性,再由真实环境下物理实验验证了这一多机器人系统可以达到指定的任务分配效果。     

基于效用函数的CGF协同任务分配优化研究

针对CGF协同控制优化问题,为解决仅凭招投标结果确定任务分配方案时只能获得局部最优且耗时较长的问题,首先构建了CGF能力向量和子任务要求的能力向量。在此基础上建立了效用函数数学模型。然后以全局效用最大为适应度函数,以反潜直升机协同搜素为背景。应用遗传算法对基于CGF偏好的投标矩阵进行任务分配全局优化。仿真验证表明,所建协同任务分配模型能够实现CGF协同决策优化。而且遗传算法能够很快收敛到全局最优解,有效地解决了舰空协同反潜中对潜搜索的协同任务分配问题。     

改进适应度的异构多机器人任务分配

目的探究基于适应度的异构机器人系统模型与外部适应度的特点,提高系统性能与任务分配结果。方法应用数学模拟法分别研究机器人与任务,实证研究法验证外部适应度算法。结果对于机器人模型与任务模型,采用机器人原始性能参数建模;外部适应度采用正余切函数构成的算法,实现了任务最优分配。结论改进后的数学模型提高了系统的鲁棒性与可扩展性,改进外部适应度算法更为有效的反映机器人与任务间的匹配关系,为系统任务分配提供了可靠依据。     

基于改进捆绑拍卖多机器人任务分配研究

为了解决多机器人在搜索过程中多任务分配和多机器人利用率问题,提出了一种带有即时拍卖的K-means聚类捆绑式拍卖算法。首先通过K-means聚类算法解决多机器人系统中的多任务捆绑问题,再运用捆绑式拍卖机制把聚类分配给相应的机器人。考虑各聚类内的任务完成情况和各机器人利用情况,相应机器人判断是否产生即时拍卖。仿真证明,该方法在多机器人搜索过程中节省资源且各机器人利用均衡。     

基于Petri网的多机器人协作任务分配与导航研究

研究了基于Petri网理论的多移动机器人任务分配和导航策略问题.针对有限空间环境下的物科收集协作任务,提出了一种机器人路径选择方法,并建立了基本路口单元和工作空间的Petri网模型.通过任务分配模型实时规划物科仓库内的机器人,并对具有拐角特征的多机器人路径冲突给出了消解方法,建立了机器人冲突协调模型.通过分析任务冲突协调模型,避免了多机器人运动路径冲突.最后仿真实验验证了提出的多机器人任务规划方法的有效性.     

基于粒子群蚁群算法的多机器人任务分配方法

针对大规模多移动机器人松散耦合型任务分配问题,探讨了机器人联盟形成问题中的关键,并且提出一种基于粒子群蚁群算法的任务分配机制.结果表明,粒子群蚁群算法得到的分配解要明显优于基本蚁群算法,并且不易出现早熟现象.     

基于扩展能力评价值的多机器人系统任务分配

在分析了基于行为主义和基于协商主义的任务分配方法的适用性后,提出一种基于扩展能力评价值的多机器人系统任务分配算法,定义了扩展能力评价值的概念.首先对机器人能力、任务需求能力、历史经验、信用度进行数值化描述,在此基础上定义了扩展能力评价值的概念,并建立了扩展能力评价值的数学模型,包含能力匹配函数、历史经验、信用度3个因素.最后在足球多机器人系统仿真平台上进行实验仿真,结果表明了算法的有效性,实现了任务到机器人的最佳映射.     

一种基于移动Agent的云端计算任务安全分割与分配算法

为了保障云端计算环境中任务的计算私密性,防止恶意节点或竞争对手窥探任务的内部逻辑及实现目标,提出一种新颖的基于移动Agent的云端计算安全任务分割与分配算法.算法同时考虑集群服务器节点和用户终端节点的计算能力与各自特点,将任务合理地切分为若干子任务,采用移动Agent来携带子任务的代码和数据部署到适当的任务执行节点上执行.结合实验原型系统对该算法进行性能分析,结果表明其可有效地保障执行子任务的终端节点,即使窥探到分配给它的代码和数据,甚至协同攻击系统,也无法了解该任务的整体执行逻辑和总体目标等.     

一种基于DAG图的异构可重构任务划分方法

为了实现高性能低功耗的计算,以任务划分为研究对象,提出了异构可重构计算的基本概念和形式化描述方法,给出了基于异构计算任务和异构可重构体系结构相结合的异构可重构两种任务划分方法:节点内部可重组及网络可重建的任务划分及算法,最后验证了其任务划分方法的有效性.     

基于任务映射与缓存划分的WCRT优化方法

为了降低系统最坏响应时间（WCRT）,提出了一种基于任务映射与缓存划分的WCRT优化方法.该方法分为两个阶段,第一阶段采用任务在最佳缓存容量下的最坏情况执行时间（WCET）进行任务映射;第二阶段以满足系统的缓存容量约束为原则对映射后的任务进行缓存容量回收及任务映射的再调整,同时在两个阶段均兼顾系统的负载均衡.实验结果表明,该方法在降低系统最坏响应时间及执行效率方面都能获得良好的效果,系统最坏响应时间相比GCP算法平均降低了6.7%,相比ILP方法有更快的执行效率.      

基于动态影响因子的任务分配策略

针对当前任务分配问题的现状和不足,综合考虑任务难度系数、责任意识、经验值、任务负载平衡、能力、社会关系、兴趣度、任务预期执行时间等对任务分配的影响,提出了一种基于动态影响因子的任务分配策略.     

基于扩展合同网的协同设计任务分配机制研究

针对网络化产品协同设计过程的任务分配机制进行研究,在分析了已有合同网任务分配机制的基础上,通过引进时间令牌和缓冲池策略,对合同网机制进行扩展,提出了一种基于时间令牌和缓冲池机制的协同设计任务分配方法,给出了任务分配协作过程中的协商策略和基于投标信息的综合多因素决策评价算法。最后通过实例验证了所提方法的可行性,更适用于协同设计任务分配的实际情况。     

基于SVM的CPU-GPU异构系统任务分配模型

为了改善异构系统的性能和效率,提出并实现了一个两阶段的任务分配模型.该模型对预分配给CPU和GPU的任务集进行多轮调整,以此最大程度地缩短程序的执行时间.首先,使用支持向量机进行任务预处理,支持向量机将任务分成CPU型和GPU型;然后,根据预处理结果以及处理器的特征和状态,并在对分配集合进行多轮调整后实施实际的任务分配.本模型在具体的异构系统中实现,使用多种基准程序进行检测.实验结果表明,对比其他任务分配算法,本文算法能够使性能获得平均43.54%的提升.     

一种多机器人的任务分配和自动协商的方法

提出了一种多机器人的任务分配和自动协商的方法。在进行任务分配时充分考虑机器人的真正性能;构建自动协商的模型时,改进最小二乘法支持向量回归算法（LSSVR）,用于估计对手的谈判效用,并采用鲁棒控制器的输出反馈变量来限制优化实用性能指标,然后提出协商和再分配的协议来提高实时性和任务分配效率。最后,通过仿真实验来验证次方法的有效性。     

面向多目标搜索的群机器人任务分配研究

针对群机器人在多目标搜索过程中的协作分工问题,受黄蜂群劳动分工的启发,在黄蜂群的响应阈值模型中引入距离变量来解决群机器人多目标搜索中的任务分配问题。当机器人感知到目标信号时,机器人根据当前搜索该目标的机器人数量以及自身距群体最优位置之间的距离决定是否参与搜索该目标信号,从而实现了机器人之间针对搜索不同目标的任务分配。仿真结果表明,该方法有效可行。