考虑物料配送的飞机移动生产线调度问题优化

以飞机移动生产线为实际背景,将作业装配过程调度抽象为资源受限项目调度问题并进行了扩展,引入物料配送与线边存储决策,以及相关能力约束等实际因素,建立了以装配总工期最小化为目标的数学模型。针对模型,设计了一种以遗传算法为框架的启发式算法,其中结合了解生成算法和局部优化搜索算法。在遗传算法较优的全局搜索能力下,通过SCRDS算法综合作业顺序、资源约束、配送能力、线边空间等因素,联合决策作业开始时间、物料配送时间和物料在线边空间的存储位置,提出了两作业间物料摆放位置调整的局部优化搜索算法,对作业开始时间和物料配送时间进行再优化,进一步缩短了装配总工期。利用标准算例库进行了数值实验,实验结果证明了模型与算法的有效性。     

基于多目标灰狼算法的干扰资源多效能优化方法

依靠经验决策或简单的模板匹配的传统干扰资源决策方式难以适应当前复杂的电磁环境。针对雷达干扰资源决策的智能化需求展开研究,将干扰资源调度建模为多目标优化问题,以最大化整体干扰效能、最小化干扰总功率、最小化作战损失为目标函数建立干扰资源调度模型,利用一种多目标灰狼算法（MOGWO）求解问题模型Pareto前沿,以最优解集代替最优解,再根据战场实际情况选择最佳调度方案,使决策方案更加科学合理。实验结果表明,MOGWO算法能够克服基本灰狼算法（GWO）探索能力不足、局部收敛的缺陷,有较高的搜索效率,算法的寻优能力和稳定性均优于NSGA-Ⅱ算法和MOPSO算法。      

多传感器协同识别跟踪多目标管理方法

针对被跟踪的目标中存在虚假目标的问题,首先建立基于风险理论、贝叶斯理论和证据理论的目标识别模型,在此基础上考虑边跟踪边识别的情况,建立同时考虑目标跟踪和识别性能的风险函数模型。在模型求解过程中,提出一种基于多Agent分布计算理论的分布式算法。仿真实验结果表明:目标识别框架下能够对目标有效识别并及时停止对虚假目标跟踪;提出的传感器方案求解算法具有较好的求解质量和较快的求解速度;本文传感器管理方法能够避免传感器资源浪费,提高对真目标的跟踪效果。      

天基信息港的多源信息融合任务调度研究

在天基信息港上实现多源信息融合,可以将数据的传输与处理集中在星上,减少了数据处理中心接收和分发数据的传输时间,提高了信息获取的时效性。考虑到任务高时效性的需求及天基信息港的资源受限,文章提出了天基信息港的多源信息融合任务调度问题,通过分析多源信息融合任务流程、天基信息港的资源特征,以最小化任务完成时间为优化目标,建立了天基信息港的多源信息融合任务调度模型,并设计了一种多机循环插入（Multi-machine Circular Insertion,MCI）算法对模型求解。仿真结果表明,该算法相比于列表调度算法能够平均减少10.8%的任务完成时间,算法运行时间大约为遗传算法的1/20,表明该算法能够满足天基信息港任务调度的高时效性要求。     

基于多星联合侦察的卫星数传调度问题模型

基于多星联合侦察的卫星数传调度问题是研究如何为卫星数传任务中每个单数传任务分配地面资源及数传时间的问题,对该问题的模型进行了研究.首先建立了单数传任务模型及卫星数传任务模型;然后在此基础上建立了问题的约束满足优化模型,重点分析了问题的目标函数及主要约束条件;为了解决该问题,最后提出了一个基于双综合优先度的启发式调度算法,并通过实例验证了算法的有效性.研究成果实现了问题的形式化描述,并给出了一种有效的问题求解算法.      

多星联合任务规划方法

针对多星对地观测系统联合任务规划问题,考虑卫星载荷具备连续侧摆能力和多种数据压缩模式的新特点,构建了多星联合任务规划模型,在此基础上设计多星联合任务规划和数传调度算法框架,实现了卫星连续侧摆成像规划算法和基于任务优先级的数传任务调度算法,最后采用实际算例进行试验,结果表明文章提出的多星联合任务规划方法能在提高完成任务数量的同时降低卫星资源消耗,满足实际应用需求。     

基于深度神经网络的多星测控调度方法

卫星规模的急剧扩大给传统多星测控调度方法带来了巨大挑战.传统调度方法面临调度时间长、任务满足度低等问题,难以适应大规模卫星调度.为此,引入了支持大数据和并行计算且具有自主学习特性的深度神经网络(DNN)算法,提出了一种基于DNN的多星测控资源调度方法.根据多星测控资源调度的特点以及DNN算法的要求,对调度过程中影响调度...     

面向飞机装配的生产规划与调度集成优化研究

飞机装配具有环节多、周期长及流程复杂等特点,合理地规划各环节的工作,调度装配过程涉及的资源,对于保证飞机装配的质量和效率具有十分重要的意义。基于飞机装配流程的特点及影响飞机装配效率的主要因素,提出了飞机装配生产规划方法。考虑飞机装配过程中存在的动态问题,基于蚁群算法建立了装配资源的调度集成优化模型,定义了构造图路径与装配作业周期间的映射关系,给出了装配作业周期映射的基本步骤,通过优化人工蚁路径实现了资源调度的优化。      

基于CCR带并行腔双集束型设备调度方法

为有效解决450mm晶圆制造中带有并行处理腔的集束型设备群调度问题,提出了基于产能约束资源（CCR）的调度方法。首先,综合考虑多品种加工、晶圆驻留和资源约束等特征,以系统总完工时间最小作为目标,建立带并行腔双集束型设备调度数学模型;其次,为优化机械手作业顺序,对CCR实施锁定-收紧-松弛（LTL）策略,构建了一种以CCR为界的分段调度算法;最后,进行了仿真实验分析。结果表明本文提出的算法是有效和有竞争性的。      

基于贝叶斯网络的关键链项目管理模型

针对项目进度管理问题,在分析关键链项目管理方法和贝叶斯网络模型技术的基础上,建立了关键链项目管理贝叶斯网络模型（CCPMBN）。首先给出了CCPMBN的基本定义,详述了模型中的节点、有向边及节点条件概率分布信息。然后,提出了面向贝叶斯网络的关键链工序分解方法,研究了基于项目关键链信息的CCPMBN建模方法。针对关键链模型中的大量资源冲突情况,分析了CCPMBN中的各类冲突结构,并给出了冲突描述及化解方法。最后,通过CCPMBN基本性质和特征分析表明了贝叶斯网络模型在项目进度管理中的应用前景。     

高通量多波束通信卫星系统资源分配方法

资源分配是影响新一代高通量多波束通信卫星(HTMCS)系统效能发挥的关键问题.以往基于非柔性载荷以及用户容量需求均匀分布的静态、单维度资源分配方法已不能满足现实需求.围绕基于有效载荷资源提升系统效能这一核心目标,针对波束间干扰、柔性载荷以及用户需求非均匀分布特点,为高通量多波束通信卫星系统构建了功率和频带两维度联合优化...     

中继卫星单址链路调度模型与算法研究

中继卫星的任务规划与调度是空间资源管理的重要内容之一,目的在于为中继卫星系统的任务计划编制提供科学合理的决策手段与依据。中继卫星单址链路调度问题的重要特点在于,中继卫星与用户航天器之间并非时时可见,因此通信任务存在可见时间窗口约束。只有在可见时间窗口内,通信任务才可能执行并完成。在进行合理假设的基础上,建立中继卫星单址链路调度问题的约束规划模型。对基本遗传算法进行改进,提出了基于有效基因路径表示的改进遗传算法。应用结果表明,基于约束规划理论建立中继卫星单址链路调度模型并采用基于有效基因路径表示的遗传算法求解是合理的。     

基于极大熵聚类的工程项目风险预警模型

该方法针对当前大部分工程风险预警模型只能报警,不能预测的现状,提出了基于熵最优化的工程项目风险预警方法.利用判别熵最小化选取项目风险预警指标值,通过特征选取找出那些最有效的特征,研究出一种新的聚类算法——极大熵聚类算法,极大熵聚类算法是以概率为比例将任一指标向量分配给所有码向量,而不是仅仅只分配给与之最近的码向量,该算法是C-均值算法的一种推广.最后用实例验证该模型,用此算法对预测结果进行分类,判断项目的风险状态.结果表明这种方法估计工程项目风险快捷有效,与实际情况基本一致,可以应用于工程分析.      

多级协同项目执行中的资源冲突检测与管理

以航空航天型号工程项目为背景,针对多级协同项目中的资源冲突问题,利用基于时间约束网络的冲突检测算法实现了多级协同项目中的资源冲突检测,该算法建立了任务关系的时间约束网络模型,给出了基于模型的线性化、实例化方法和检测判据.针对资源冲突的检测结果表达及冲突信息的管理提出多视图表达方式,建立了基于UML的信息模型.基于研究结果设计开发了项目资源管理原型系统,以某航天项目任务的管理为例进行了验证,表明了研究结果的有效性.      

Mission planning optimization of video satellite for ground multi-object staring imaging

This study investigates the emergency scheduling problem of ground multi-object staring imaging for a single video satellite. In the proposed mission scenario, the ground objects require a specified duration of staring imaging by the video satellite. The planning horizon is not long, i.e., it is usually shorter than one orbit period. A binary decision variable and the imaging order are used as the design variables, and the total observation revenue combined with the influence of the total attitude maneuvering time is regarded as the optimization objective. Based on the constraints of the observation time windows, satellite attitude adjustment time, and satellite maneuverability, a constraint satisfaction mission planning model is established for ground object staring imaging by a single video satellite. Further, a modified ant colony optimization algorithm with tabu lists (Tabu-ACO) is designed to solve this problem. The proposed algorithm can fully exploit the intelligence and local search ability of ACO. Based on full consideration of the mission characteristics, the design of the tabu lists can reduce the search range of ACO and improve the algorithm efficiency significantly. The simulation results show that the proposed algorithm outperforms the conventional algorithm in terms of optimization performance, and it can obtain satisfactory scheduling results for the mission planning problem.     

基于分布式深度学习的多星计算卸载策略

在边缘计算增强的低轨卫星网络场景下,低轨卫星集群协同处理地面任务能有效降低用户响应时延。对卫星集群的联合卸载决策和资源分配优化问题进行研究,将其描述为一个混合整数规划问题,并采用了一种基于分布式深度学习算法的卫星边缘计算卸载算法（deep learning based offloading algorithm,DLOA）。该算法使用多个并行DNN用于生成卸载决策并采用经验回放存储新生成的卸载决策,当采用隐藏层结构不同的DNN,收敛速度比同构DNN提升18%,收敛值与最优值的比值基本为1,可以认为已收敛至最优。此外,探讨了DNN的数量对所使用的算法的影响,仿真结果表明采用少量DNN就可以获得近优的收敛效果。通过对不同任务规模下采用不同算法的任务完成率进行研究,结果表明DLOA算法可通过采用异构DNN和优化资源分配方案显著提升完成率,其较单星运算方案任务完成率提升1倍,较二进制粒子群算法方案提升20%。     

开放式柔性测试系统测试资源联盟生成

为了解决开放式柔性测试系统(OFTS,Open Flexible Test System)的快速组建和按需生成问题,首先将复杂测试任务分解成可以用基本信号类型表示的子任务集合,然后参考多色集合理论的元素统一颜色、个人颜色等概念,建立了柔性测试最优资源联盟生成问题的数学描述模型.根据测试系统的实际情况,在模型中考虑了各个信号类型之间的资源共用问题,避免了系统组建后规模的过度复杂以及测试资源的浪费.以资源使用代价最小为目标函数,设计了基于蚁群优化算法的测试资源联盟生成算法,最后通过具体的资源联盟生成实例验证了模型的有效性和算法的优越性.