基于图禁忌的并行测试任务调度算法

现有算法处理强约束关系的并行测试任务调度问题具有运算时间长、寻优概率低、收敛性差等缺陷,针对这些问题提出了一种基于图禁忌的调度算法.该算法从测试任务间的约束关系人手,利用图论建立测试任务间的关系图,并结合禁忌算法实现并行测试任务的多目标优化调度.算法中将强约束关系的测试任务调度问题与无约束关系的资源配置问题进行分离,提...     

抗ARM攻击告警诱偏系统时序控制方法

针对诱偏系统由于站间距离、时序控制等因素造成诱饵信号、雷达信号在时域上存在差别,无法对反辐射导弹(anti-radiation missiles,ARM)进行有效诱偏的问题,提出了告警诱偏系统时序控制模型及近似模型,通过时序控制使各诱饵信号到达ARM雷达口面的时刻近似相同,大大减少了诱饵信号前沿超前时间,增加了ARM前沿检测区分信号的难度。根据ARM前沿检测区分信号能力,分析了传统时序控制方法下典型诱偏系统的有效诱偏区域;利用告警雷达提供的ARM位置信息,提出告警诱偏系统时序控制模型;根据实际告警雷达工作性能,提出告警诱偏系统时序控制近似模型。仿真试验验证了该方法的有效性和实用性。     

基于非精确计算的空间探测相控阵雷达任务规划算法

针对空间探测相控阵雷达系统,提出了一种新的基于非精确计算模型的观测任务规划算法。首先,建立了目标观测的实时任务模型,并分析了观测任务所占用传感器的资源;其次,基于非精确计算模型,提出一种多任务并行的实时容错调度算法来解决观测任务规划问题,该算法综合考虑相控阵雷达的搜索任务与跟踪任务,来进行系统资源的分配。对于跟踪任务,算法结合目标的过境时间以及当前系统的负载情况,以此来确定雷达对该目标的观测时间段;最后给出了算法的评估方法。利用2886个低轨空间目标进行仿真验证,结果表明,基于非精确计算模型的任务规划算法,可显著提高系统调度成功率以及时间资源利用率．比传统方法更稳健。     

一种新的并行测试任务调度算法

 并行测试的任务优化调度是并行测试技术的核心问题。为了解决现有调度方法耗时、实际应用范围有限以及缺少对资源冲突和系统死锁的形式化分析等问题,采用赋时有色Petri网(TCPN)建立并行测试任务调度的TCPN模型,基于TCPN模型的可达标识图利用改进蚁群算法求解最优任务调度序列。算法搜索过程中,采用多目标优化,目标函数综合了测试时间、仪器成本和负载平衡度,使得算法更符合工程应用。采用动态标注方法在搜索过程中加大可行解间的信息素差别,避免算法早熟。仿真实例证明该算法是有效的。     

基于自适应粒子群算法的航天测控系统任务可靠性分配

采用测控时序图描述任务时序逻辑关系,建立了各阶段的任务可靠性模型,讨论了可靠性分配时的约束条件和分配目标,从而构建了航天测控系统任务可靠性分配模型.在此基础上,设计了自适应粒子群算法,算法在迭代过程中通过惯性权重系数ω进行自适应调整,初始时能快速搜索全局解,后期能有效地搜索局部解.通过算例仿真,表明自适应粒子群算法在用于航天测控系统任务可靠性分配问题时具有分配结果优、收敛速度快等优点.      

面向单机相依任务调度的GPU并行蚁群算法

蚁群算法是一种具有高度并行特征的群智能算法,串行实现过程中具有收敛速度慢的特点,在将其应用到相依任务序列的单机调度问题中时,以任务在不同作业序下的完成时间为基础,建立了单机调度问题的TSP模型。以任务完成时间最优化为目的,实现了一种求解相依任务单机调度的改进蚁群算法,并基于GPU对其进行了并行化设计。实验表明该算法能够完成相依任务的调度处理,通过并行化得到了较高的加速比。     

考虑任务合成的成像卫星调度问题

某些成像卫星的侧摆机动性能较差,限制了卫星的观测能力,需要考虑任务合成以提高观测效率。建立了考虑任务合成的成像卫星调度问题模型,并提出了求解该模型的快速模拟退火算法(VFSA)。算法针对元任务及合成任务分别构造邻域,采用合成邻域、分解邻域实现调度过程中任务动态合成操作。采用“冒险”的接受概率和快速退火计划,提高算法的求解速度。采用回火机制及3种分化策略,避免算法陷入局部最优。大规模测试算例验证了算法的效率。     

考虑任务合成的成像卫星调度问题

某些成像卫星的侧摆机动性能较差,限制了卫星的观测能力,需要考虑任务合成以提高观测效率.建立了考虑任务合成的成像卫星调度问题模型,并提出了求解该模型的快速模拟退火算法(VFSA).算法针对元任务及合成任务分别构造邻域,采用合成邻域、分解邻域实现调度过程中任务动态合成操作.采用"冒险"的接受概率和快速退火计划,提高算法的求解速度.采用回火机制及3种分化策略,避免算法陷入局部最优.大规模测试算例验证了算法的效率.     

航空公司飞行机组排班问题研究

飞行机组排班是整个航空公司制定航班生产计划中的一个重要环节,是提高航空公司运营效率的关键。通过对飞行机组排班问题中飞行机组任务分配的分析,把飞行机组人员任务的分配转化为图着色,建立飞行机组排班问题的图着色模型,设计顶点着色算法来求解模型,最后将此图论算法模型应用到具体航空公司飞行机组排班的实例中。     

并行月面三维地形重建系统设计

月面三维地形重建系统的实时性直接关系到探月任务的执行效率。为提高地形重建速度,针对立体像对处理平台体系架构、地形高程模型生成算法设计及地形数据压缩与解压等环节的不同特点,利用并行计算思想实现各阶段的并行化设计,使各环节的执行速度相比串行系统均有3～10倍的提升,一定程度上解决了系统时间瓶颈问题。最后基于月面仿真试验场的真实地形数据进行了系统验证,并对所生成月面地形进行了可视化展示。     

基于深度Q网络的多智能体逃逸算法设计CSCD

当前多智能体追逃博弈问题通常在二维平面下展开研究,且逃逸方智能体运动不受约束,同时传统方法在缺乏准确模型时存在设计控制策略困难的问题。针对三维空间中逃逸方智能体运动受约束的情况,提出了一种基于深度Q网络(DQN)的多智能体逃逸算法。该算法采用分布式学习的方法,逃逸方智能体通过对环境的探索学习得到满足期望的逃逸策略。为提高学习效率,根据任务的难易程度将智能体策略学习划分为两个阶段,并设计了相应的奖励函数引导智能体探索满足期望的逃逸策略。仿真结果表明,该算法所得逃逸策略效果稳定,并且具有泛化能力,在改变一定的初始位置条件后,逃逸方智能体也可成功逃逸。     

基于任务聚类的多星观测调度方法

星上传感器侧摆次数有限,在卫星观测调度时进行任务聚类可以节省资源,提高观测效率.提出了动态聚类调度算法(DCSA)来解决多星多轨道圈次的观测调度问题,DCSA把聚类和调度动态结合起来,并使用模拟退火算法搜索全局最优解;分析了在满足分辨率需求前提下多任务聚类的约束条件,并对聚类任务的侧摆角度和时间窗口进行合理优化;根据任...     

基于人工蜂群算法的航空电子系统负载均衡研究

针对航空电子系统中存在的任务请求多、资源利用率低、负载不均衡等问题,通过基于人工蜂群算法,设计并实现航空电子系统负载平衡机制.建立航空电子系统负载均衡数学模型,通过研究人工蜂群算法的四个阶段来求解航空电子系统的负载均衡,将待分配的计算任务指派给当前负载最轻的处理器.实验结果表明该算法负载均衡效果好.     

改进型蚁群算法的全局路径规划仿真研究

针对传统蚁群算法收敛较慢的问题,提出了一种在复杂环境下全局路径规划的改进型蚁群算法。利用链接图法建立了路径规划的空间模型;借鉴狼群分配原则对信息素进行更新;在缩小搜索区域,提高搜索效率的过程中,引入了启发式概率公式和启发函数;通过参数自适应调整策略,进一步对最优解进行了优化。将基于Dijkstra算法的初始路径规划和改进后蚁群算法的规划结果进行了仿真对比,结果表明,改进后蚁群算法的全局优化性能较好,具有一定的有效性和可行性。     

航空电子系统混合实时任务的双层调度

针对航空电子系统的实时性需求,提出满足综合模块化航空电子(IMA)构架的双层任务调度算法.通过加权轮转调度激活分区,并为分区提供固定的时间窗口,增强了系统的可预测性;分区内部采用可抢占的固定优先级调度,减少了高优先级任务的响应时间.算法支持混合任务集的调度:对周期的强实时任务,建立具有任意时限的任务模型,增强了模型的通...     

启发式多无人机协同路网持续监视轨迹规划

研究了旋翼无人机组在路网环境下的协同持续监视问题。基于最优化原理定义了路网持续监视问题。通过简化路网离散过程、考虑传感器识别准确度、引入不确定度度量,提出面向事件的路网持续监视问题建模方法。针对路网持续监视轨迹规划问题的特殊性,设计了一种启发式多无人机协同轨迹规划算法。通过理论分析和仿真对比,表明了算法的可行性、准确性和通用性。所提算法作为对当前路网巡逻方法的扩充,不仅可解决实际路网移动持续监视任务,也为基于图模型的持续数据采集、连续覆盖等任务提供一种解决方案。     

考虑断点续传的中继卫星调度模型及启发式算法

为提高中继卫星系统的应用效能及数传任务的完成率，在中继卫星调度中考虑了断点续传这一应用模式，即对单个数传任务进行合理拆分，使其在多个时间窗口内完成。首先构建面向断点续传的中继卫星单址天线的调度模型，然后提出一种基于冲突风险评估的冲突度量化方法，并设计考虑断点续传的两阶段调度算法。最后开展大量的仿真实验将该算法与贪婪算法、基于最小冲突度的启发式算法和基于任务优先级的启发式算法这3个不考虑断点续传的算法进行对比。实验结果表明，所提出的算法在任务完成率方面分别提高了7.67%、6.34%和8.67%。     

敏捷成像卫星多星密集任务调度方法

 面向应急观测需求,对敏捷成像卫星多星密集点目标观测任务调度问题进行研究。针对敏捷成像卫星观测特点,综合考虑卫星可观测时间窗口、任务间卫星姿态调整时间、卫星最长连续工作时间、星上存储容量、卫星能量等约束,建立多星任务调度模型。提出了一种改进的蚁群优化(ACO)算法对调度模型进行求解。该算法借鉴了蚁群系统(ACS)和最大最小蚂蚁系统(MMAS)的思想,结合调度相关约束设计寻优策略和信息素更新策略。引入任务优先级、最早及最晚可观测时间等因素来控制转移概率。仿真结果验证了模型和算法的有效性。