排序方式： 共有2条查询结果，搜索用时 0 毫秒
1
1.
智能车辆上的时延敏感型任务对计算能力的要求很高,然而请求车辆上可用的计算资源有限不足以单独处理整个任务数据,很难满足时延需求。车辆雾计算(Vehicle Fog Computing, VFC)通过在请求车辆附近进行计算卸载来改善车辆服务。文中基于两阶段生产计划对计算卸载过程进行建模,提出了一种计算卸载算法(Computation Offloading Algorithm, COA)来优化卸载决策和执行顺序,从而降低计算卸载时延。COA在遗传算法(Genetic Algorithm, GA)的基础上应用了Johnson Rules决定卸载顺序。通过SUMO和MATLAB仿真,显示出与GA相比,在相同的迭代次数下,COA具有更低的平均卸载时延和更好的稳定性。 相似文献
2.
针对复杂环境中的无人飞行器航迹规划问题，提出了一种基于改进量子头脑风暴优化(QBSO)算法的UAV三维航迹规划方法．在进化前期，两个种群独立进化，从而提升算法的全局搜索能力．在进化后期，对每个种群中的个体进行排序，每个种群中较优的(排名前50%)个体形成一个新种群，该新种群按照QBSO的进化机制继续进行进化，从而加快算法收敛速度．此外，为进一步提升算法的全局搜索能力，提出了一种改进的待变异个体产生方式．实验结果表明：与基本BSO、QBSO、改进BSO及全局最优BSO算法相比，改进QBSO算法在解决航迹规划问题上具有更高的全局搜索能力、收敛精度和更强的稳定性． 相似文献
1