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.     

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.     

多Agent协作环境下的任务分配

对多Agent协作环境下的任务分配机制进行了论述。在合同网的分配机制基础上,提出了一种基于合同网的改进机制———任务列表分配机制。该任务分配机制针对多Agent协作工作时面临的突发性事件,能有效地提高系统的实时处理能力和工作效率。以多机器人系统为例,应用任务列表分配机制,解决突发事件下多机器人任务的再次分配问题,满足了多机器人协调工作的实时性要求。实验和理论证明了其机制的优越性。     

资源约束的拼件维修模型与粒子群求解算法

为了获得最优的装备作战单元的拼件维修方案与任务分配方案, 建立了一种同时优化拼件维修方案与任务分配方案的非线性规划模型, 模型中同时考虑了不同任务对武器系统的具体需求、武器系统的客观情况、维修资源约束, 可以最大化地协调任务、装备群与维修资源之间的矛盾, 所以更加贴合实际. 设计了基于粒子群算法的求解算法, 包括算法框架、粒子的表示、初始化、适应度函数、更新方法等. 最后, 应用该粒子群算法对具体实例进行了求解, 分析表明模型与算法可以有效地优化任务分配方案与拼件维修方案, 提高装备作战单元任务成功概率, 为决策者制定决策提供指导.     

基于改进注水算法的离散车间任务分配问题研究

针对离散车间实时动态任务分配结果欠理想的问题,提出了改进的注水算法。该算法加入了加工速率和费用因子,协调了加工速率和费用以及加工工件之间的关系,实现了不同代价的工件分配,对分配结果进行了调整,满足了离散分配的要求。改进的注水算法能够对临时新增的工件进行实时动态的分配。提出的算法与匈牙利算法、两阶段优化方法以及注水算法进行了对比,实验结果表明,改进的注水算法在加工时间和加工费用上具有一定的优势,其运算复杂度仅与加工中心的数量有关。     

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。     

具有多执行器的NT应用服务器系统的实现

设计并实现了由一个主服务器和多个辅助分立执行器组成的NT应用服务器系统，用来管理异步运行的应用程序。文中给出了多执行器服务器系统的基本结构，任务分配方法以及实际的运行测试结果。     

双智能体协作学习的众包物流任务分配模型

线上线下融合的新零售模式提高了对最后一公里配送的运输要求,众包物流作为新的物流运输模式,在最后一公里配送中扮演了重要角色.通过合理的任务分配方式来提升众包司机与任务之间的匹配效率,成为提升平台运营能力的重要手段.本文以最小化众包司机运输成本为目标,基于深度强化学习提出了一种双智能体协作学习的众包物流任务分配模型.在强化学习的框架下,司机选派智能体学习从司机池中选派一位合适的众包司机,随后任务分配智能体学习从任务池中选择一项任务进行分配.本文通过数值实验验证了所提方法的有效性.相较于单智能体方法和传统启发式算法,该方法可以得到更好的任务分配结果,同时较短的计算时间能够满足众包物流平台线上运行的需求.     

分布式卫星集群博弈任务均衡分配方法

针对分布式卫星集群博弈任务中的分配不均衡问题,提出了一种基于偏好联盟博弈(hedonic coalition game, HCG)的任务分配方法。首先,在考虑燃料和时间最优的卫星集群任务分配模型的基础上,引入对敌毁伤概率以适应集群博弈背景;其次,为保证分配结果的均衡性,引入HCG设计个体联盟特征函数;最后,考虑卫量集群的一对多作战分配方式难以保证局部兵力优势,在一致性拍卖算法(consensus based auction algorithm, CBAA)结构上拓展性地提出了一种多对一任务分配算法。仿真结果表明,该算法在全局效益接近经典集中式算法全局效益98%的前提下,时间约为经典算法的70%,且该算法具有一定的问题规模拓展性。     

不确定环境下巡飞弹群动态资源管理

巡飞弹群是未来智能化作战样式的重要发展方向,能够实现全覆盖地毯式的封控压制和毁伤攻击,对任务科学合理的管理是作战任务实现的重要基础。本文首先对动态资源管理问题进行分析;其次建立了巡飞弹群的动态目标分配模型,并给出了主要的计算步骤;然后利用Hungarian算法可快速高效地求解平衡匹配优化问题的优势,对于巡飞弹和目标动态加入与退出的战场情况,利用增补变量的方式将非平衡匹配问题变为平衡匹配问题;最后,对典型任务场景进行了分析,验证了所提方法的有效性。