多数据链任务分配模型及算法仿真

不同数据链所支持的消息格式有所不同,因此多数据链间相互通信时难以进行互操作。针对这一问题,提出了基于消息处理平台的多数据链系统任务分配模型。该模型通过一个消息处理平台对消息格式进行转换并分发给相应的数据链,同时在分析多数据链互操作性的几个主要度量指标的基础上,给出了数据链系统分配模型的数学表达式。然后,结合多数据链消息交换的一个典型应用,采用模拟退火粒子群算法对该模型进行求解。结果表明,在低负载和中等负载情况下,多数据链系统能够在满足互操作性指标的前提下有效地进行消息交换,而且相比于采用标准粒子群算法,模型求解的收敛速度更快,粒子的全局搜索能力更强。     

基于改进合同网的复杂装备故障诊断方法

针对复杂装备故障诊断任务分配与结果融合问题,给出了地空导弹故障诊断任务模型的描述,将案例推理与合同网任务分配方法相结合,弥补了合同网对经验知识利用不足的弱点;对传统合同网的任务分配方法进行了改进,给出了具体的算法流程描述,对招标范围和中标评估策略进行了深入研究;针对多资源参与下故障诊断结果冲突的情况,将诊断结果模糊融合算法进行了改进,实例融合结果表明其能有效修正群体决策中的偏差。     

面向多请求的并行体绘制算法

为了提高并行体绘制算法在处理连续多个绘制请求时计算资源的利用率,提出了一种面向多请求的并行体绘制算法.该算法从两个层次并行处理多绘制请求,首先是不同请求之间的并行计算,其次是对单个请求的并行绘制.根据请求和节点的数目,提出了一种合理的任务分配策略,不仅及时响应用户请求,而且降低了连续多请求的总绘制时间.为便于负载平衡的实现,采用动态资源调度策略.在清华高性能集群计算机系统上实现了该算法.用32个处理器处理16个请求时,与现有其他算法相比,总绘制时间减少了约9.676 s, 响应延迟只增加了0.378 s.     

面向传感器网络的高能效任务分配算法研究

为了减少传感器网络任务分配中的能耗,笔者在分析研究了EE、CBOTA算法的基础上,提出了一种高能效的任务分配算法GaSA。该算法基于分层的网络拓扑结构,借鉴了模拟退火和遗传算法思想,实现了最优化的任务分配。实验结果表明,该算法大大减少了任务分配过程的能源消耗。     

基于用户分类可靠性的群智感知任务分配机制研究

群智感知系统利用智能移动终端上的传感器,可以快速、便捷、低成本地收集到大量的数据.任务分配是群智感知中的关键技术,然而现有研究对用户的可靠性问题考虑不足,所设计出的分配机制难以满足实际系统的需求.针对该问题,文章假设用户所提交的数据可能是不可靠的,且同一个用户完成不同类型任务的可靠性也有差异.所设计的机制迭代进行,每次迭代以实现数据消费者的最大最小公平作为优化目标,贪心地选择一个任务与用户完成匹配,直到所有数据消费者的收益均无法提高为止.在每次任务完成后,所设计机制还会根据用户所提交的数据质量不断更新用户的分类可靠性.最后,通过仿真实验验证了所设计机制的有效性.     

实时集群计算机系统动态负载平衡算法的研究

负载平衡是集群计算机并行计算的核心问题。在研究了多种非实时并行系统负载平衡算法后,根据实时集群系统的特点,提出了一种基于动态任务分配表的负载平衡算法,并对算法的设计思想和实现作了阐述。并对此算法的实时性作了大量测试,结果表明其负载平衡延时基本满足二次曲线特征,故此算法的实时性是较优的。     

一种基于敏捷制造思想的自动化车间任务动态分配方法

描述了适于网络化制造环境的一种分布式调度方法。基于工厂局域网络信息提出了一种分布式系统中的动态任务分配算法。设计目的是取得在成本代价,负载均衡等待时间以及系统效率等综合指标上的优化。     

移动边缘网络中深度学习任务卸载方案

为了缓解网络带宽的压力、降低网络延迟,克服移动设备资源匮乏等问题,推动深度学习应用在移动终端的部署,提出一个基于移动边缘计算的深度学习任务卸载方案。基于深度神经网络专用加速芯片Eyeriss的架构,对深度学习任务的计算功耗进行建模,提出了一个基于混合l_1/l_2范数诱导的三阶段组稀疏波束成形(group sparse beamforming, GSBF)框架,通过对计算任务优先级的精心设计,尽可能地删除基站端冗余的计算任务,实现对整体网络功耗(包括发送功率损耗和计算功率损耗)的优化。针对该框架,提出了一个加速优化方案。仿真实验表明,在该场景下,所提出的框架在优化整体网络功耗方面具有显著优势,而加速算法可以进一步提升框架的性能。     

露天煤矿下多机器人协同煤矿搬运方法研究

针对露天煤矿下多机器人协同煤矿搬运问题,建立了由控制中心、无线网关和无线传感器组成的无线传感器网络来控制多个机器人协同工作。为了实现高效的合作,以任务完成时间衡量机器人的合作效率,提出了基于效率最优的任务分配机制,采用蚁群算法,由控制中心进行集中式任务分配,并通过无线传感器网络告知机器人,实现了多机器人合作。利用无线传感器节点的定位信息,采用基于到达时间差的定位方法实现了机器人定位,使得机器人可在露天煤矿自主搬运煤矿。搭建了无线传感器网络,并用Pioneer III机器人和能力风暴机器人模拟煤矿搬运,模拟结果证明提出的方法可以实现露天煤矿下多机器人的协同控制,使机器人在最短的时间内完成任务。     

分布式任务分配中的一种信誉重连策略

传统的任务分配一般是基于环境确定和所有Agent均他利的假设,而实际环境往往是复杂的,复杂环境下的Agent更趋理性和自利,所有这些问题给传统的任务分配带来了障碍.基于Agent理性自利的假设,提出了一种重连策略FriendFind并进行了相关实验,实验表明该算法有效的解决了上述问题.