排序方式: 共有49条查询结果,搜索用时 15 毫秒
1.
随着计算机科学在人工智能领域的研究和发展,借助于计算机,人们即可以在Swarm平台上进行模拟仿真,从而对各类复杂系统进行可信赖的实验室研究。以现实生活中常常出现的任务分配这个复杂系统为例,详尽的描述和说明在Swarm平台上模拟实现该系统的全过程。 相似文献
2.
基于SAGWO算法的UCAVs动态协同任务分配 总被引:3,自引:2,他引:1
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。 相似文献
3.
4.
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. 相似文献
5.
应急观测任务规划是一个强时效性的复杂组合优化问题,必须在规定的时限内完成相应的计算。采用机器学习的方法对规划问题进行初始规划方案预测,可以有效地简化计算复杂度。为此,提出一种基于Transformer层次预测的多星应急观测任务规划方法,将多星任务规划的求解过程分解为3个步骤:首先,利用基于Transformer的任务可调度性预测模型预测待规划任务是否执行,得到预执行任务集合;然后,基于Transformer的任务分配模型对预执行任务集合分配卫星,得到初始规划方案;最后,利用基于随机爬山的约束修正算法对初始规划方案进行优化调整,得到可行规划方案。为验证所提方法的有效性,通过大量仿真实验与CPLEX优化器、标准遗传算法、长短期记忆网络等方法模型进行比较,实验结果表明所提方法计算耗时短,规划收益高,适用于多星观测任务快速规划。 相似文献
6.
7.
基于并行蚁群优化的多UCAV任务分配仿真平台 总被引:4,自引:0,他引:4
多无人作战飞机(UCAV)协同作战是UCAV参与战斗的主要模式,而多UCAV任务分配是多UCAV协同作战研究的关键问题。针对现有多UCAV任务分配方法中所存在的计算量大、运行时间长等问题,提出了一种基于并行蚁群优化(ACO)的多UCAV任务分配方法。在构建多UCAV空战优势矩阵的基础上,给出了综合态势评估函数;随后阐述了基本ACO算法的基本原理和数学模型,提出了一种用并行ACO算法解决多UCAV任务分配问题的实现方法;最后基于MATLAB图形用户界面(GUI)开发了一种基于并行蚁群优化的多UCAV任务分配仿真平台。实践证明该仿真平台具有良好、开放的可扩展性,且使用方便。 相似文献
8.
基于PEV准则的不确定随机多目标规划问题求解 总被引:1,自引:1,他引:0
为解决独立变量的不确定随机多目标规划问题在传统求解中存在分析不全面等问题,在期望值-方差准则下提出了一种新的求解方法。基于机会理论,引入不确定随机变量,在此基础上提出了不确定随机多目标规划问题;引入不确定随机变量的序关系,利用变量间的序关系把不确定随机多目标规划问题转化成不确定随机单目标规划问题,并通过期望值-方差准则把不确定随机单目标规划问题转化成确定的单目标规划问题进行求解;通过理论推导证明,在新准则下转化后的问题得到的最优解是原不确定随机多目标规划问题的有效解;最后,通过对无人机情报侦察监视任务分配问题的求解,利用改进的萤火虫算法求得有效飞行序列,验证了所提方法的可行性和有效性。 相似文献
9.
无线传感器网络空中目标跟踪任务分配技术的研究 总被引:1,自引:0,他引:1
以无线传感器网络对空中飞行目标跟踪为背景,针对无线传感器网络协同技术中的任务分配问题,以降低传感器节点之间的通信能量消耗为目的,提出了一种基于弹性神经网络的任务分配算法。首先对多动态联盟多目标跟踪问题进行建模,然后依据最小能量准则,采用一种非全连接的环形结构的弹性神经网络模型,解决了多目标跟踪时的任务优化分配问题以及多个动态联盟对传感器资源竞争冲突时系统能耗增加的问题。仿真结果表明,该算法与传统的方法相比,大大降低了跟踪系统的能量消耗。 相似文献
10.
针对具有复杂约束的异构多无人机对地目标侦察打击任务分配问题,考虑不确定的任务执行时长、目标消失时间和无人机巡航速度等不确定因素对任务分配结果的影响,基于模糊可信性理论构建以最小化总成本为优化目标的异构多无人机任务分配的模糊机会约束规划模型,并提出一种多策略融合的灰狼优化算法(IMSGWO),通过引入自适应控制参数调整策略、自适应惯性权重策略、最优学习策略与跳出局部最优策略,在增强种群多样性的同时,提高算法的搜索能力。数值分析结果表明:所提算法能够有效求解不确定环境下的异构多无人机任务分配问题。 相似文献