基于混合遗传算法车间多工艺路线批量调度

结合启发式分派规则和模拟退火算法,给出了改进的遗传算法——遗传退火算法(GASA,Genetic Algorithm-Simulated Annealing Algorithm).该算法采用新型POX交叉算子,通过结合模拟退火算法,有效地避免了基本遗传算法解决车间调度早熟的问题,并通过实验验证了该算法的有效性.基于GASA研究了航空复杂产品制造车间中,考虑生产批量、生产转换时间、允许多设备加工路线的车间静态与动态调度问题,分析并验证了不同分批方法对考虑以上因素的车间生产调度结果的影响.该算法已应用到某航空车间生产计划与控制系统中.      

智能交通系统中车辆调度问题的遗传算法研究

在智能交通系统(ITS, Intellignet Transportation Systems)的各个子系统中,先进的公共交通系统(APTS, Advanced Public Transportation System)具有重要地位和作用,其中车辆调度问题是APTS的关键.为了提高车辆调度的智能化,提出了一种基于遗传算法(GA, Genetic Algorithm)的公交车辆智能调度方法,采用最小费用作为目标函数,考虑了车辆配置、时间、运营效率及资源利用等方面因素,通过选择、交叉及变异等遗传操作,得到了最优的调度排序方案,并对2种交叉方式进行了比较,仿真结果表明,利用GA解决车辆调度问题具有可行性、先进性和快速性.      

基于多智能体联盟的多机协同空战任务分配

基于多智能体联盟形成理论,分析了网络化条件下多平台多目标攻击任务分配问题。将协同任务分配的过程视为复杂联盟的生成过程,首先将对目标总体的打击任务分解为一系列子任务,各子任务再进一步分解为单个平台能够完成的任务单元;再根据联盟特征函数的定义分别建立联盟报酬、能力成本、通信开销模型,以联盟特征函数作为空战任务分配目标函数;最后引入离散粒子群优化算法进行联盟生成,采用二进制矩阵编码形式,设计粒子可行性检查策略。仿真实验验证了本方法在协同制导条件下空战任务分配的合理性与有效性。     

基于CE-PF算法的舰载机离场调度优化问题

甲板作业调度研究是提升航母战斗力的关键技术,而其具有时间、空间与资源受限的复杂约束调度问题已被证实为NP-hard。根据舰载机出动离场调度优化问题的特点,将其抽象为零缓存区混合流水车间调度模型,建立包含飞机避碰等约束的混合整数规划模型。提出一种交叉熵与作业剖面匹配(CE-PF)算法用于问题求解,并给出了算法流程架构。交叉熵算法通过高斯采样完成启发式规则下的工件分组,作业剖面匹配算法完成分组工件的任务排序、作业编排及约束检查等调度设计,Gap逼近算法进行目标值评估、精英种群选择、抽样参数更新及收敛判定。通过算例仿真,验证了CE-PF算法求解离场调度优化问题的有效性;灵敏度分析表明起飞模式和空间约束对出动效能影响较大。      

基于DDQN的片上网络混合关键性消息调度方法

对片上网络（NoC）承载的混合关键性消息进行实时调度是其应用于航空电子系统片上多核通信的关键。为解决可满足性模理论（SMT）法求解效率低、低优先级消息等待延迟大的问题,提出了一种基于双深度Q网络（DDQN）的混合关键性消息调度方法。将虫孔交换机制下的消息调度问题建模为马尔可夫决策过程,建立包含环境、动作、状态、奖励的多层感知调度模型;随机生成多组分布不同的混合关键性消息作为训练样本,采用DDQN算法求解该调度模型;在此基础上,提出并实现了带孔隙DDQN算法,在保证时间触发（TT）消息可调度前提下为速率约束（RC）消息预留用于虫孔交换的时隙。算例研究表明:所提方法的求解时长及TT消息确定性端到端延迟的平均值均低于SMT法;带孔隙DDQN算法的RC消息延迟较不带孔隙DDQN算法和SMT法显著降低。      

基于缓解HoL堵塞的单组播混合调度算法

针对联合输入交叉队列（CICQ）结构的单组播混合调度研究不多,且没有针对性研究头分组（HoL）堵塞问题,提出了以缓解HoL堵塞为目标的一种新的单组播混合调度算法,即单组播低HoL堵塞（MULHB）算法,使交换机尽量逼近work-conserving状态。该算法还充分考虑了单组播之间的差异性,利用权重裁决单组播之间的竞争,避免"饿死"现象发生。同时,还给出了一种新的组播分组入队算法,即动态组播分组入队（DMQ）策略,该策略在不乱序的前提下,允许新到达分组选择合适的队列入队。仿真结果表明,在不同业务下,DMQ-MULHB算法的通过率及平均时延均优于现有主流的单组播混合调度算法,尤其在非均匀业务下,该算法性能接近输出排队（OQ）调度。      

基于贪婪随机自适应搜索法的TTE通信调度算法

时间触发以太网（TTE）采用全局时间触发机制,使通信任务传输具有严格的时间确定性和无冲突性,适用于航空电子等混合关键应用领域。TTE网络提供3种不同的流量类型:具有低抖动和有界端到端延迟的时间触发（TT）流量,有限制端到端延迟的速率约束（RC）流量和无实时性保证尽力传（BE）流量。针对可满足性模理论（SMT）等调度算法在生成TT流量离线时刻调度表的过程中,未综合考虑TT流量路由和时刻调度表对RC流量延迟产生影响的问题,为了优化TTE网络实时性能,提出了一种基于贪婪随机自适应搜索算法的TTE通信任务调度算法。在TT流量离线调度表的生成过程中考虑了RC流量的最坏端到端延迟（WCD）,在保证TT流量满足可调度性的前提下,通过路由规划和调度时刻表规划降低了RC流量的WCD。对比实验结果表明:所提算法可以有效的提升整网的实时性能,通过A380拓扑组网案例的对比分析,RC流量的平均延迟减少了14.34%。网络中流量规模越大,所提算法的收益越大。      

基于AVSIMM算法的高超声速再入滑翔目标跟踪

针对跟踪高超声速目标的交互式多模型（IMM）算法中存在模型数量过多,模型之间竞争导致滤波精度降低的问题,在自适应网格交互式多模型（AGIMM）算法的基础上,提出了一种自适应变结构交互式多模型（AVSIMM）算法跟踪高超声速再入滑翔目标。根据高超声速无动力再入滑翔目标当前机动状态的角速度参数,在自适应调整当前时刻模型集中参数的同时,针对AGIMM算法运动学模型的单一性,设计了具有多种跟踪滤波运动学模型的AVSIMM算法,通过模型集参数与算法结构的双重自适应调整实现了对目标高精度的跟踪。仿真结果表明,与AGIMM算法相比,所设计的AVSIMM算法不仅对结构和参数都具有更强的自适应性,同时提高了高超目标的跟踪精度和跟踪效率。      

基于动力学递推算法的绳系卫星系统刚柔耦合多体模型

利用动力学递推算法建立了空间绳系卫星系统(TSS)的铰接柔性杆动力学模型.所研究的绳系系统包含两颗刚体绳端卫星和一段连接两颗卫星的柔绳,柔绳离散为一系列球铰连接的弹性杆,考虑杆不均匀的纵向一维形变,并利用球铰的运动模拟柔绳的弯曲和扭转;然后基于递推算法推导得出了该刚柔混合离散模型的动力学方程.数值仿真结果表明:所建立的绳系卫星系统模型能够很好地模拟空间系绳的各向摆振和扭转,此外,递推算法的引入能够有效地减少离散模型动力学方程的维数,从而大幅减少计算量.      

基于多智能体强化学习的无人艇集群集结方法

为解决数量不定的同构水面无人艇(USV)集群以期望队形协同集结的问题,提出一种基于多智能体强化学习（MARL）的分布式集群集结控制方法。针对USV通信感知能力约束,建立集群的动态交互图,通过引入二维网格状态特征编码的方法,构建维度不变的智能体观测空间;采用集中式训练和分布式执行的多智能体近端策略优化(MAPPO)强化学习架构,分别设计策略网络和价值网络的状态空间和动作空间,定义收益函数;构建编队集结仿真环境,经过训练,所提方法能有效收敛。仿真结果表明：所提方法在不同期望队形、不同集群数量和部分智能体失效等场景中,均能成功实现快速集结,其灵活性和鲁棒性得到验证。     

异构计算系统中独立任务调度的混合遗传算法

有效的任务调度是异构计算系统获取高性能的关键因素之一,由于任务调度问题是NP-困难的,为了获取尽可能好的解,文献中存在许多启发式调度算法.针对异构计算系统的独立任务调度问题,基于遗传算法和最小完成时间算法MCT(Minimum Completion Time),提出一种新的混合遗传算法,它采用遗传算法来进化任务调度的优先队列,然后再使用MCT算法把优先队列解码为一个有效的调度,与文献中其它算法进行比较表明,它不但能产生更好的调度结果,而且有很好的收敛速度.      

面向多星区域观测调度的改进型自适应遗传算法

针对传统优化算法在解决多星区域观测调度问题中收敛速度缓慢和易于陷入局部最优解的不足,提出了一种改进型自适应遗传算法。该算法通过蒙特卡洛方法结合Hamming距离,给出较优的初始种群;根据种群的平均Hamming距离确定交叉和变异操作的执行顺序,并结合sigmoid函数和高斯函数基于种群的个体适应度设计了自适应非线性的交叉率和变异率;结合双精英保留策略和锦标赛策略,保证最优个体的遗传;使用双重停机条件,提高算法的搜索效率。最后,通过实验表明,该方法可以显著提高全局搜索能力,加快算法的收敛速度,有效提高卫星的观测效率。     

CICQ结构中逼近work-conserving的分组调度算法

联合输入交叉点排队（CICQ）结构的分组调度算法是一个得到了充分研究的领域,但已有算法在吞吐率和分组平均时延方面与输出排队（OQ）的结果相比,依然不够令人满意,其关键在于OQ交换机可以工作于work-conserving状态。不同于已有的研究,本文提出了以使得交换机最大程度工作于work-conserving状态为目标的新的研究思路,给出并证明了CICQ交换机实现work-conserving状态的充分且必要条件。以此为基础,提出了一种新的CICQ输入调度的算法即交叉缓存队列均衡（CQB）算法,并将经典的最大队长优先（LQF）算法用于输出调度,结合得到CQB-LQF算法。仿真结果显示,与经典的及最新的CICQ分组调度算法相比,CQB-LQF算法显著提高了吞吐率及分组平均时延性能。      

多模函数优化的改进花朵授粉算法

为了探讨花朵授粉算法（FPA）在解算多模函数优化问题中存在的不足,通过定义种群多样性及差异性指标,定性分析了FPA在多模复杂函数优化中的寻优缺点。基于模拟退火思想优化全局授粉过程,并利用Nelder-Mead单纯形搜索技术对花朵局部授粉进行重构,提出一种新的花朵授粉寻优架构。仿真结果表明,相对于基本的FPA、布谷鸟算法、萤火虫算法,改进花朵授粉算法能够有效避免陷入局部最优,具备优异的全局勘探和局部开采能力,对多模优化问题具有一定优势。      

基于Work-Conserving的CICQ结构中单组播分组调度算法

基于联合输入交叉队列(CICQ)结构提出了一种新的均衡交叉节点缓存单组播混合调度算法,即单组播交叉缓存均衡(MUCB)算法,该算法不同于现有的基于业务状态如队长和/或等待时间的调度算法,而是尽力使交换机最大程度地工作于工作保持(Work-Conserving)状态,其方法是尽量均衡CICQ交叉节点的缓存占用。同时,算法充分考虑单组播业务差异性及CICQ结构下输入输出调度间的影响关系。仿真结果显示,在不同组播业务比例条件下,与现有CICQ结构中主流的单组播混合调度算法相比,MUCB算法显著提高了单组播业务总体的通过率及分组平均时延性能。