On scheduling a multifunction radar

Among several other tasks, the radar of a fighter has to search, track and identify potential targets. The waveforms used by the radar for each of these tasks are most often incompatible and hence, cannot be processed simultaneously. Moreover, these tasks are repeated several times in a cyclic fashion. Altogether, this defines a complex scheduling problem that impacts a lot on the quality of the radar's output. In this paper, we define a formal framework for this real time scheduling problem and we introduce several techniques to compute efficient schedules for the radar. Experimental results are provided.     

基于二维资源管理的多功能雷达任务调度算法

动态孔径分割技术为相控阵雷达针对不同任务灵活分配孔径资源提供了可能,而传统的资源调度方法仅基于单一孔径条件研究了时间资源的优化分配问题。针对雷达搜索、跟踪与成像任务的自适应调度问题,提出了一种基于时间-孔径二维资源管理的雷达资源调度算法。该算法建立了雷达孔径分割条件下的二维资源调度模型,确立了能量资源约束条件;利用基于压缩感知的稀疏孔径逆合成孔径雷达（ISAR）成像技术,使雷达在完成目标搜索和跟踪任务的同时实现对目标的成像;定义了调度算法性能的评价指标。在仿真实验中将该算法与另外2种算法进行对比,验证了所提算法在高度成功率、二维资源利用率与任务并行度这3种性能指标上具有优越性。     

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...     

对地观测卫星成像调度的多目标约束修正方法

 约束修正是对地观测卫星成像调度的重要组成部分,负责处理成像调度方案的约束满足与优化,是一类复杂的组合优化问题。为得到优化可行的成像调度方案,提出一种新的约束修正方法。针对约束修正问题构建时间序有向图模型,并将约束修正问题归结为点带约束成本的优化路径搜索问题;在此基础上,提出一种基于标记更新的多目标约束修正算法。实际问题的实验与分析表明：该方法能够在规定的时间内求得问题所有的多目标优化解,有效地解决了卫星成像调度的约束满足与优化问题。     

一种基于分枝定界法的串行测试任务调度算法

 目前的自动测试系统中,对于串行任务的测试一般是以整个任务为粒度,这就导致两个任务可能需要重复设置相同的状态或重复测试相同的内容,延长了测试时间,降低了测试效率。针对这个问题,建立了基于图论的串行测试任务时序模型,用“图”来描述串行任务的测试时间与测试顺序的关系,将实际工程问题转化为图论中的数学问题。在任务时序模型的基础上,提出了一个串行测试任务调度算法。对于多个需要串行测试的任务,利用该算法可以得到测试时间最短的串行任务序列。该算法是借助整数规划问题中分枝定界法的思想实现的,通过相关理论和具体实例对算法的正确性和复杂性进行了分析。在实际系统中对该算法进行了实验验证,结果表明给定任务的测试效率提高了40%以上。     

嵌入式高可信架构中基于静态模型的调度研究

为解决嵌入式高可信软件架构中的实时调度问题,分析了现有采用分区机制的安全系统中分区调度的不足,提出了一种基于固定周期分区的静态调度模型,并采用优先级位图算法建立了两级调度机制。为了保障分区中任务的实时性和正确性,对分区中任务采用静态优先级和最早时限优先调度(EDF)动态优先级两种调度策略,分别就其任务调度条件和可调度性进行了理论研究,针对复杂的动态优先级任务提出了一种可调度条件,并通过仿真实验进一步验证了此调度条件的正确性。     

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。     

基于能量最优的敏捷遥感卫星在轨任务规划

针对敏捷遥感卫星对多个离散观测点在轨自主任务规划问题,在考虑姿态运动方程耦合性的基础上,将问题分解为空间资源调度问题和连续最优控制问题,进而提出了一种结合伪谱法和遗传算法的混合求解算法。该算法针对基于行商问题(TSP)模型建立的空间资源调度问题模型,选用二维编码结构对观测顺序和相对观测时间进行实数编码,并采用遗传算法求解观测序列和观测时间;针对判断观测时间可行性时涉及的时间最优控制问题、以及姿态转移过程中涉及的最小能量消耗问题,将其归结为连续最优控制问题,并基于Gauss伪谱协态变量映射定理,采用Gauss伪谱法进行求解。通过与基于单纯遗传算法的规划算法进行对比试验,本文所提出的基于伪谱法和遗传算法的混合求解策略针对目标问题,在典型工况下姿态转移过程中能量消耗降低60%。     

基于多模型的低轨星座多目标跟踪传感器资源调度

针对低轨星座多目标持续跟踪传感器资源调度问题,首先将目标跟踪任务划分为高精度任务集合和低精度任务集合,并分析了跟踪任务状态转移过程;然后,为两任务集合分别建立了基于动态优先级的优化调度模型,提出了一种基于多模型的实时传感器调度算法。不同场景下仿真实验表明,所提算法较之以跟踪精度为优化目标和以跟踪精度为门限约束的方法具有更强的适用性,尤其对于目标分布较为集中的情况,其目标丢失率大大降低,尽管个别目标的跟踪误差略有增大。     

人工智能在卫星任务规划中的应用

智能规划与调度是实现卫星自主规划其飞行任务的关键。将人工智能方法应用于卫星的任务规划,以执行对地观测任务为例,将任务规划问题归于组合优化问题,建立了相应的数学模型,并应用Hopfield神经网络算法进行求解,结果表明,该方法可用于单个仪器的任务规划。     

终端区飞机排序的规划模型和算法研究

对终端区到达飞机进行排序是终端区交通管理自动化系统的一项主要任务。提出了一种新的终端区规划排序模型，把飞机的排序问题看作等价于带有准备好时间的渐增周游店员问题，并给出了兼顾解的最优性和计算复杂性的快速启发式算法。分析了静态和动态两种情况，并且考虑了实际的运行限制。计算结果表明，所给模型和算法具有良好的规划性能，能较好地解决终端区排序问题，可应用于我国空中战术流量管制系统。     

民用航空器航线维修排班系统设计

现有的民用航空器航线维修系统中存在人为安排造成的人力资源调配不合理、工作任务分配不均匀和难以准确统计生产人员工作量的情况：通过对该工作流程及客户需求进行梳理和分析,运用结构化设计理念,完成了民用航空器航线维修智能排班系统的设计,该排班系统能根据航线生产的航班信息、维修要素变化和生产人员状况动态对人员工作任务进行智能分配,解决了民用航空器航线维修中如何合理组织生产的问题。     

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。     

多星任务规划中的FFFS-DTMB与ADTPC-DTMB算法

 多星对地观测任务规划是一类典型组合优化问题,针对该问题中常见的时间窗口冲突问题,根据同一时间窗口内的冲突任务的处理方式提出了两种有效处理此类问题的规划算法：带有冲突任务时间窗口后移的先完成先规划算法(FFFS DTMB)以及冲突任务共存性判断算法(ADTPC DTMB),并给出了关键步骤的算法过程与伪代码。完整的卫星任务规划过程包括了约束检查、优先级检查以及任务规划,不考虑任务间关系与优先级,主要研究处理具有时间窗口冲突的任务规划算法。文中给出的两种算法优化目标均为最大化规划任务数量。算法的主要思路是通过采用一个冲突任务替换一个已规划的任务,并将替换任务后移至下一时间窗口或在同一时间窗口内部后移。最终的评价结果显示了两种算法的有效性。     

Efficient schedulability analysis for mixed-criticality systems under deadline-based scheduling

Safety-critical avionics systems which become more complex and tend to integrate multiple functionalities with different levels of criticality for better cost and power efficiency are subject to certifications at various levels of rigorousness. In order to simultaneously guarantee temporal constraints at all different levels of assurance mandated by different criticalities, novel scheduling techniques are in need. In this paper, a mixed-criticality sporadic task model with multiple virtual deadlines is built and a certification-cognizant dynamic scheduling approach referred as earliest virtual-deadline first with mixed-criticality（EVDF-MC） is considered, which exploits different relative deadlines of tasks in different criticality modes. As for the corresponding schedulability analysis problem, a sufficient and efficient schedulability test is proposed on the basis of demand-bound functions derived in the mixed-criticality scenario. In addition, a modified simulated annealing（MSA）-based heuristic approach is established for virtual deadlines assignment. Experiments performing simulations with randomly generated tasks indicate that the proposed approach is computationally efficient and competes well against the existing approaches.     

微动目标跟踪成像一体化的雷达资源优化调度算法

相控阵雷达可以同时担负搜索、跟踪、识别与成像等多种雷达任务。为了提高雷达对战场环境的感知能力并减轻雷达资源分配的冲突,提出一种微动目标跟踪成像一体化的雷达资源优化调度算法。该算法建立了包含微动目标成像任务的雷达优化调度模型并利用启发式算法求解,利用跟踪脉冲与调度剩余的空闲时间资源,动态地构造感知矩阵并采用正交匹配追踪（OMP）算法对微动目标进行特征提取并成像。仿真结果表明：该算法可以实现稀疏孔径条件下的微动目标成像,并具有良好的鲁棒性,同时进一步提高了雷达系统的资源利用率。     

一种基于偏好MOEA的卫星地面站资源多目标优化算法

随着中国航天事业的发展,卫星地面站资源匮乏问题日益突出,需要对其进行统筹优化使用。因此,卫星地面站资源规划问题得到了广泛关注。在分析问题特点的基础上,对用户规划结果的偏好信息进行建模表达,建立了涵盖用户偏好的多目标数学规划模型,提出了基于偏好多目标进化算法的卫星地面站资源规划算法。为了进一步提升算法性能,设计了基于领域知识的启发式策略,包括：任务扩充策略、冲突消解策略以及任务缩减策略等。实验结果表明,与现有算法相比,用户偏好信息的引入能有效提升问题求解针对性,在IGD-CF （Inverted Generational Distance based on Composite Front）指标上取得了更好的效果。     

Satellite range scheduling with the priority constraint: An improved genetic algorithm using a station ID encoding method

Satellite range scheduling with the priority constraint is one of the most important problems in the field of satellite operation.This paper proposes a station coding based genetic algorithm to solve this problem,which adopts a new chromosome encoding method that arranges tasks according to the ground station ID.The new encoding method contributes to reducing the complexity in conflict checking and resolving,and helps to improve the ability to find optimal resolutions.Three different selection operators are designed to match the new encoding strategy,namely random selection,greedy selection,and roulette selection.To demonstrate the benefits of the improved genetic algorithm,a basic genetic algorithm is designed in which two cross operators are presented,a single-point crossover and a multi-point crossover.For the purpose of algorithm test and analysis,a problem-generating program is designed,which can simulate problems by modeling features encountered in real-world problems.Based on the problem generator,computational results and analysis are made and illustrated for the scheduling of multiple ground stations.     

基于Transformer层次预测的多星应急观测任务规划方法

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。     

面向对地成像观测任务的高空飞艇应急调度

针对应急条件下高空飞艇(HAA)对地成像观测任务调度问题进行研究,分析了问题中的主要约束条件,建立了以任务收益(TB)和巡航距离为优化目标的约束满足问题(CSP)模型。考虑飞艇侦察载荷具有侧摆观测能力,在构建视场范围约束模型和分辨率约束模型的基础上,对成像观测任务进行合成。提出了元任务与合成任务的概念,给出了任务合成的步骤与方法。将HAA应急调度问题转换为车辆路径问题(VRP),并进一步分解为任务排序主问题和路径选择子问题,分别应用改进粒子群(IPSO)算法和关键节点搜索(KNS)算法求解。详细介绍了算法中的编码、解码和移动等操作,以及采用的混沌初始化和禁忌搜索(TS)策略。通过仿真实验,对文中所提方法的有效性进行了验证。