基于改进蚁群算法的多机器人任务分配

任务分配是多机器人系统需要解决的首要问题.针对传统蚁群算法求解多机器人任务分配收敛速度慢且易陷入局部最优问题,提出了改进蚁群算法.考虑多机器人任务分配问题,建立多旅行商问题模型,采用蚁群算法优化出解空间,然后采用遗传算法中的变异算子对每个机器人执行任务的顺序进行优化,并根据模拟退火过程中Metropolis准则以一定的概率接受优化过程中较差的解.在复杂约束条件下,为解决蚁群算法收敛速度慢且易陷入局部极小问题,引入局部优化变异算子和改进模拟退火算法.仿真结果表明,改进蚁群算法可以更好的解决多机器人任务分配问题.     

机载机电设备综合控制管理系统任务分配研究

利用分布式处理机及网络技术对机载机电设备进行综合控制管理是机载机电设备发展的一大趋势,其中如何分配机载机电系统的控制管理任务,使系统风险均衡,达到提高系统可靠性、安全性的目的是综合控管课题的关键技术之一,其实质上是一个优化组合问题.本文针对该问题,提出了适用于机载机电设备综合控管系统的任务分配准则和目标函数,利用遗传算法,寻求任务分配的最优策略,达到了较好的效果.      

一种分布式异构多AUV任务分配鲁棒拍卖算法

为了解决异构多自主式水下航行器(AUV)的任务分配问题，提出了一种分布式鲁棒拍卖算法。建立了异构多AUV任务分配分布式拍卖模型，包括任务分配系统(拍卖商)的优化模型及AUV的优化模型。针对现有拍卖算法忽略拍卖商的利益，不符合市场规律的问题，引入任务奖励反馈机制，任务分配系统通过多轮试探拍卖市场，自适应地调整任务奖励，达到保证AUV效用的同时，有效降低任务分配系统成本的目的，促进了任务分配系统参与拍卖。针对水下洋流对任务分配模型产生的不确定性因素，提出了一种鲁棒优化算法对抗不确定性因素，提高了多AUV任务分配系统应对复杂水下环境的能力。仿真结果证明了所提算法的鲁棒性和有效性。      

动态环境中的无人机路径规划方法

为了解决动态环境中的路径规划问题,提出了一种引入时间轴的方法.在构型空间的基础上引入时间轴,将构型空间扩展为构型-时间空间,在构型-时间空间中可以表示动态障碍物所有时刻的位置.在路径生成阶段,提出了一种改进的蚁群算法,将方向信息作为启发信息引入蚁群算法中,使蚂蚁在初始搜索路径时更有针对性.仿真结果表明:构型-时间空间可以解决动态环境的表示问题,改进蚁群算法可以更快地收敛到全局最优解.      

改进蚁群算法求解时变网络中最短路径问题

给出一种时变网络中蚁群算法的信息素更新策略,使边上残留信息素能够正确反映时变网络中边上权值的变化情况;改进了传统蚁群算法的相邻节点选择策略,使蚂蚁只需计算与当前节点存在直接路径的节点的转移概率,降低算法的计算量;将蚁群算法和遗传算法结合,将蚁群算法每次遍历后形成的解作为初始群种进行单点交叉计算,避免陷入局部最优解,提高算法收敛速度.仿真结果表明,改进的蚁群算法能够有效求解时变网络中最短路径问题,比传统蚁群算法得到全局最优解的概率更大,算法的收敛速度更高.     

基于改进蚁群算法的低空突防航迹规划

为保证低空突防的成功率,在航迹规划时必须设计出以最小的被发现概率及可接受的航程为目标的航迹.蚁群算法ACA(Ant Colony Algorithm)作为一种新型的模拟进化算法,适合用于航迹规划中最优航迹的搜索,但是算法存在搜索时间长、收敛速度慢、易陷于局部最优解的缺点,为了克服算法自身不足,提高算法性能,引入了遗传算法中变异操作和挥发系数的自适应调节,从而形成改进蚁群算法,最后结合建立的航迹规划性能指标,利用等概率寻优、原有蚁群算法和改进蚁群算法3种方法分别进行航迹规划,并通过比较和分析结果的时间花费和航路代价,验证了改进蚁群算法的有效性.      

对地观测DSS任务分配问题的CSP模型与算法

任务分配是对地观测分布式卫星系统(Distributed Satellites System, DSS)自主协作运行过程中的一个重要环节. 针对任务分配中的约束满足问题(Constraint Satisfaction Problem, CSP), 以DSS完成任务总耗能最少为原则, 构建了任务分配问题的CSP模型, 并引入MAS理论中的合同网协议, 给出模型的求解算法, 通过仿真算例对模型和算法进行了验证.      

航天器分布式智能计算体系的数学建模与调度算法研究

航天器对大容量高效计算的要求越来越高,现有的星载计算体系的能力已经难以满足其需求,需要建立具有自组织能力的智能计算体系,还要实现高效的任务调度.给出了航天器分布式智能计算体系的模型和任务调度问题的多目标优化模型,并根据该模型设计了改进粒子群算法和改进蚁群算法结合的DPSO-EACO算法,先利用粒子群算法生成初始调度方案,再用该方案初始化蚁群算法,利用蚁群算法生成最终调度结果.仿真结果表明,该算法的性能与改进粒子群算法和改进蚁群算法相比具有明显的性能优势.     

基于SAGWO算法的UCAVs动态协同任务分配

通过分析无人作战飞机（UCAV）优势概率和任务联合威胁以及定义任务时间,建立了以目标价值毁伤、编队损耗代价和时间消耗为性能指标的多无人作战飞机（UCAVs）多约束动态任务分配数学模型,采用改进的灰狼优化（GWO）算法对数学模型进行求解;针对基本GWO算法求解早熟的缺点,给出了自适应调整策略和跳出局部最优策略,引入了二次曲线控制方法;对UCAVs动态协同任务分配特点,设计了目标任务序列编码方式,提出了基于自适应GWO（SAGWO）算法的UCAVs多目标动态任务分配方法。从静态与动态2种情况分别对该方法进行仿真验证;仿真结果表明,该方法是有效的,相比较于其他算法,其优化过程快速精准。      

航天器分布式智能计算体系的数学建模与调度算法研究#br#

航天器对大容量高效计算的要求越来越高，现有的星载计算体系的能力已经难以满足其需求，需要建立具有自组织能力的智能计算体系，还要实现高效的任务调度.给出了航天器分布式智能计算体系的模型和任务调度问题的多目标优化模型，并根据该模型设计了改进粒子群算法和改进蚁群算法结合的DPSO EACO算法，先利用粒子群算法生成初始调度方案，再用该方案初始化蚁群算法，利用蚁群算法生成最终调度结果.仿真结果表明，该算法的性能与改进粒子群算法和改进蚁群算法相比具有明显的性能优势.     

高速运载器燃油热管理系统优化

燃油热管理系统设计随着运载器多电化与机载高能电子设备的发展已经得到高度重视,其中燃油的热承载能力是最关键因素。针对喷气推进式高速运载器,提出了一种大范围、多任务的燃油热管理系统多目标优化配置方法,其以热沉利用率最高和燃油质量代偿损失最小为目标函数,以循环回路的燃油最大质量流量、冷却水携带量和机载热负荷发热量为优化变量,采用改进的遗传算法NSGA-Ⅱ,在不同飞行任务规划下进行双目标优化设计,所获得的目标函数Pareto最优解集,满足预期的燃油热管理系统模式选择原则,且通过分析优化变量与优化目标间的相关性,可以量化燃油热管理系统优化配置准则与可达到的最小燃油质量代偿损失,可应用于支持多热沉重构的机载高效燃油热管理系统。      

分布式系统中的冗余任务分配研究

提出了分布式容错系统的任务分配算法,算法考虑了系统任务的周期性、冗余性、适应度、重要等级等特点,以处理机负载平衡为目标,通过三步静态分配实现了任务在处理机中的冗余分布,即使同一任务的活动任务、准活动任务和睡眠任务分布在不同处理机中.对系统执行过程中的处理机故障,启动冗余任务动态唤醒算法,通过任务状态的转换实现系统重构.冗余任务分配算法既能满足系统可靠性要求,又可保证系统重构的实时性.     

利用动态时间槽分配的多目标防冲突射频识别

对于总数未知的多目标射频识别问题,提出了基于智能标签的具有防冲突功能的多目标射频识别技术方案及其系统框架;改进了ISO/IEC15693标准中的冲突解决方案,采用地址访问策略的自匹配模式,动态调整时间槽的分配,以解决通讯冲突并逼近目标数目;分析了系统实现的软硬件参数的优化选择方法,给出了多目标防冲突识别的实现过程,并将其应用于某图书馆智能管理系统.实验结果表明该技术可以提高智能标签防冲突识别的效率和准确性,能够满足该领域实际需求,具有良好的实用推广价值.     

基于遗传模糊聚类的机群编队最优分配方法

针对当前机群的编队分配存在效率低、编队分配结果不可靠、智能性差等问题,提出了一种新的结合遗传算法和模糊聚类算法的机群编队最优分配方法.该混合算法通过模糊聚类算法解决了机群的编队分配不确定性问题,并且通过对传统遗传操作算子的改进,采用改进的遗传算法有效地克服了模糊聚类算法容易陷入局部极小值和对初始条件敏感的缺点,使机群的编队分配能快速收敛至全局最优解.3组不同分布类型的机群编队分配算例结果表明,该混合算法具有较好的通用性、有效性和智能性,适用于机群的编队最优分配.      

Online scheduling of distributed Earth observation satellite system under rigid communication constraints

This paper focused on online scheduling of distributed Earth observation satellite system in a dynamic environment. The objective was to maximize the total profit of the overall system by efficiently coordinating the different satellites with stochastic arrival of urgent tasks, subject to rigid communication and observation time window constraints. We formulated this problem as a single-task, single-robot, time-extended assignment problem with intra-schedule dependency using the multi-robot task assignment taxonomy and formulated the sub-problem after releasing urgent tasks in a mixed-integer linear programming model. We first described the online scheduling algorithm for a single satellite, then we proposed the modified consensus-based bundle algorithm (m-CBBA) and modified asynchronous consensus-based bundle algorithm (m-ACBBA) with synchronous and asynchronous communication, respectively. Compared with initial versions of CBBA and ACBBA, the modified versions added the communication loop prediction phases to efficiently utilize scarce communication opportunities and reduce the communication requirements. Additionally, we introduce two contract net protocol (CNP)-based algorithms for comparison, respectively SingleItem-CNP-based (SI-CNP) algorithm and Batch-CNP-based (BA-CNP) algorithm. Computational experiments indicated that both the total profit and percentage of scheduled urgent tasks achieved by the m-ACBBA and m-CBBA algorithms were much higher than those achieved by both SI-CNP and BA-CNP. Additionally, the number of communications needed by either m-ACBBA or m-CBBA algorithm was lower than that by SI-CNP. When the communication cost in the system is high, the m-CBBA algorithm is preferred because it balances the profit and the required number of communications. When the communication cost is low, the m-ACBBA algorithm is preferred because it achieves high total profit and high percentage of scheduled urgent tasks.     

基于资源相关性的网格资源分配

在网格环境中,每个网格服务都面临着多种资源选择,网格作业中各服务间的关联在某种程度上可映射为资源之间的依赖关系,不同的资源配置将产生不同的服务满意度,由此提出服务资源分配问题SRA(Service Resource Assignment),通过构造资源关系图提出基于树分解的资源分配算法DRA(Tree\|Decomposition based Resource Allocation algorithm),利用该算法求出此问题的正确消元顺序,在多项式时间复杂度内获得该问题的最优解,给出实验结果并提出下一步的研究工作.      

基于LSTAR的机载燃油泵多阶段退化建模

机载燃油泵的性能退化呈现出平稳—加速—平稳的非线性、多阶段模式,针对现有退化模型难以准确描述其全寿命周期性能退化的问题,以逻辑平滑转换自回归(LSTAR)模型为工具,对机载燃油泵出口压力传感器信号进行建模。首先,对转换后的压力传感器信号建立自回归(AR)模型,通过非线性检验说明建立LSTAR模型的必要性;然后,应用非线性最小二乘法完成参数估计;最后,在AIC准则最小及拟合优度最大的原则下,选择转换变量,通过残差进行模型的适应性检验与正态性检验。结果表明:基于LSTAR模型的拟合精度明显优于线性自回归模型。本文提出的方法成功解决了机载燃油泵性能退化的多阶段准确建模问题,为机载燃油泵的预测与健康管理(PHM)奠定了坚实的基础。