具有混合故障广义超立方体中的容错路由

针对广义超立方体网络中的同时具有大量结点和链路故障模式,提出了两类新的局部连通性概念。在这两类局部连通性概念的基础上给出了两个广义超立方体网络的分布式容错路由算法。基于两类新的局部连通性概念的广义超立方体网络容错路由算法与基于局部连通性的广义超立方体网络容错路由容错路由算法相比较,新算法提高了容错能力。     

基于NPV广义超立方体最佳容错路由算法

在网络可靠性研究中,设计较好的容错路由策略、尽可能多地记录系统中最优通路信息,一直是一项重要的研究工作.超立方体系统的容错路由算法分为可回溯算法和无回溯算法.一般说来,可回溯算法的优点是容错能力强:只要消息的源节点和目的节点有通路,该算法就能够找到把消息传递到目的地的路径;其缺点是在很多情况下传递路径不能按实际存在的最短路径传递.其代表是深度优先搜索(DFS)算法.无回溯算法是近几年人们比较关注的算法.该算法通过记录各邻接节点的故障信息,给路由算法以启发信息,使消息尽可能按实际存在的最短路径传递.这些算法的共同缺点是只能计算出Hamming距离不超过n的路由.在n维超立方体系统连通图中,如果系统存在大量的故障,不少节点对之间的最短路径大于n,因此,这些算法的容错能力差.提出了一个实例说明采用上述算法将遗失60%的路由信息.另外,由于超立方体的结构严格,实际中的真正超立方体系统不多.事实上,不少的网络系统可转换为具有大量错误节点和错误边的超立方体系统.因此,研究能适应具有大量错误节点和错误边的超立方体系统的容错路由算法是一个很有实际价值的工作.研究探讨了:(1) 定义广义超立方体系统;(2) 在超立方体系统中提出了节点通路向量(NPV)概念及其计算规则;(3) 提出了中转点技术,使得求NPV的计算复杂度降低到O(n);(4) 提出了基于NPV的广义超立方体系统最佳容错路由算法(OFTRS),该算法是一种分布式的和基于相邻节点信息的算法.由于NPV记录了超立方体系统全部最优通路和次最优通路的信息,在具有大量故障的情况下,它不会遗漏任何一条最优通路和次最优通路信息,从而实现了高效的容错路由.在这一点上,它优于其他算法.     

局域同构分布式系统的自适应任务分配算法

本文为局域同构分布式系统设计—个自适应任务分配算法。它使用阈值和阈长两个参量把节点划分成接受者、负载适中者和发送者三种类型，并根据节点的类型分布和任务等待情况等自适应地进行阈值修改。它采用发送者和接受者都能启动的对称启动机制，并通过系统总负载和任务总等待量的估计来自适应地控制启动行为的实施。它依靠分散式的状态估计和收集方法使得每个节点都可以进行任务分配工作。它力求在负载均衡、任务平均等待时间以及系统效率上实现综合优化。     

拉丁超立方体抽样遗传算法求解图的二划分问题

图的二划分问题是一个典型的NP-hard组合优化问题, 在许多领域都有重要应用. 近年来, 传统遗传算法等各种智能优化方法被引入到该问题的求解中来, 但效果不理想. 基于理想浓度模型的机理分析, 利用拉丁超立方体抽样的理论和方法, 对遗传算法中的交叉操作进行了重新设计, 并在分析图二划分问题特点的基础上, 结合局部搜索策略, 给出了一个解决图二划分问题的新的遗传算法, 称之为拉丁超立方体抽样遗传算法. 通过将该算法与简单遗传算法和佳点集遗传算法进行求解图二划分问题的仿真模拟比较, 可以看出新的算法提高了求解的质量、速度和精度.     

一种基于拉丁超立方体抽样的多目标进化算法

传统多目标进化算法(MOEA)在解决具有复杂Pareto解集的多目标优化问题(CPS_MOP)时存在严重的退化现象.为此,本文提出两种进化模型-基于个体的进化模型和基于种群的进化模型.并在此基础上,设计两类基于拉丁超立方体抽样(LHS)的MOEA(LHS-MOEA).LHS-MOEA采用LHS局部搜索开采目前较优秀的区域,采用进化操作在可行解空间中探测新的搜索区域,从而有效克服退化现象.实验结果表明,LHS-MOEA求解CPS_MOPs的效果较好,比经典算法NSGA_Ⅱ具有明显的优势.     

基于整数规划的多UCAV任务分配问题研究

在深入分析多UCAV任务分配问题的特点的基础上，提出了求解多UCAV协同任务分配的整数规划方法．通过设计决策变量和灵活地对各种约束条件形式化，建立了多UCAV任务分配问题的形式化模型．并以典型的UCAV任务SEAD为想定，进行了仿真验证与分析．仿真结果表明该模型可以较好地解决多UCAV协同作战的任务分配问题．     

基于广义超曲面树搜索的分类算法

为了深入研究假日旅游者的类别信息,分析了在低维样本空间解决非线性划分问题的可行性,从理论上给出了在样本空间内利用广义超曲面对样本进行分类的方法,在此基础上提出了一个基于广义超曲面树搜索的分类算法.采用广义超曲面树搜索分类的分类方法,对非线性数据进行分类是可行的.测试结果表明广义超曲面树搜索分类法的泛化能力较好,并且可以把此算法推广到更高维数据.     

基于粗糙超立方体和离散粒子群的特征选择算法

特征选择指在保持数据分类性能不变的同时,选出不含冗余特征的特征子集。粗糙超立方体方法可从特征相关度、依赖度和重要度这3方面对特征子集进行综合评估,已成功用于特征选择。特征子集组合的计算是一个NP-难问题,而传统的前向搜索策略只能得到局部最优结果。因此,本文设计了一种新的离散粒子群优化与粗糙超立方体方法相结合的算法。该算法首先引入相关度用以生成一组粒子,然后对粗糙超立方体方法的目标函数改进后作为优化函数,最后由粒子群迭代优化,找到最优的特征子集。实验结果表明,相比传统粗糙超立方体方法和采用粒子群优化的粗糙集方法,本文算法能够得到具有更小特征数量和更高分类性能的特征子集。     

基于拉丁超立方体抽样和免疫机制的改进遗传算法

针对遗传算法求解问题中保持群体多样性能力不足、早熟以及求解成功率低等缺点,依据拉丁超立方体抽样方法对遗传算法中的交叉算子进行重新设计;结合免疫机制定义染色体浓度、提供选择依据,提出了一种新遗传算法。利用旅行商问题以及最大子团问题为实例对新算法进行了验证,实验结果表明新算法在解的质量、收敛速度等各项指标上均好于经典遗传算法和佳点集遗传算法,说明了新算法的优越性与可行性。     

基于LIP和RSC的超立方体网络单播容错路由算法*

基于LIP和RSC的概念,提出了一个有效的超立方体网络单播容错路由算法.该算法不仅能容纳指数级的错误节点,而且算法效率也很高.     

基于超立方体的静态任务调度

该文给出一个基于超立方体的静态任务调度算法.在算法的设计中,首先建立了任务优先级表和处理机优先级表,任务在调度时总是顺次调度高优先级任务,然后再从处理机优先级表中选择能使该任务最早开始执行的处理机.最后,分别给出了基于LU分解的任务图与随机生成的任务图的调度结果.     

多Agent系统任务分配的研究

针对多Agent系统中存在的任务分配问题,提出一种任务与Agent之间多对多的分配模式,建立相应的任务分配模型,定义任务分配中的性能影响因子,并推导出进行任务分配优化的目标函数,通过一个实际案例,验证该方法的有效性。     

考虑任务可达约束的突击作战任务分配方法

在实际突击作战中,航空作战平台进行任务分配时存在任务可达约束的特点。为此,建立任务可达约束条件下突击作战任务分配问题的数学模型。采用遗传算法对该问题模型进行求解,并设计与之相适应的染色体编码方法、随机双点定位的交叉算子和一致性单点调整的变异算子。案例仿真结果表明,该方法能够有效解决任务可达约束条件下的任务分配问题,具有较好的稳定性和时效性。     

基于扩展任务结构的工作流建模及其合理性验证

任务结构是工作流建模语言中好的广泛的代表,并且具有表达简洁、终止是隐式的以及与多数工作流管理系统的工作流建模语言相近的特点,但其表达能力和形式化分析有限.本文首先扩展了任务结构的表达能力,增加了对任务间数据流的支持;然后对扩展任务结构的合理性进行了分析和验证.     

面向单任务质量保障的移动群智感知任务分配

在移动群智感知中,现有的任务分配方法大多关注平台的整体感知质量,未充分考虑任务对工人、预算等资源的竞争,无法有效保障大规模任务分配场景下每个任务的感知质量,从而导致平台资源利用率降低。针对该问题,提出一种面向单任务质量保障的任务分配方法。为高效利用平台预算,考虑任务的难度和位置以及工人的设备能耗和理性因素,设计平台的激励成本。为保障每个任务的感知质量,考虑任务间的资源竞争情况并设计2种衡量指标,分别是从任务的角度根据差异化感知质量需求设计任务覆盖效率,以及从工人的角度基于最大熵原理设计工人利用效率,将这2种衡量指标相结合作为平台的系统效用,在平台资源有限的情况下以平台系统效用最大化为优化目标,提出一种融合交叉和变异操作的天牛群（BSO）算法。实验结果表明,与PSO、GA等基线方法相比,BSO算法的系统效用最大值平均提升13.51%,寻优速度平均提高40.61%,利用该算法获取的具有最大系统效用的任务分配方案可以有效保障每个任务的感知质量。     

基于扩展状态任务网的制造供应链计划

制造供应链计划是制造供应链管理的关键问题,它不仅需要分配生产任务和控制库存,还需要解决不同工厂(企业)间的运输配套问题.为统一描述具有复杂产品生产过程(包括装配型、分解型和多输入多输出型等)的生产任务、存储任务和不同模式(包括单种物料独立运输模式和多种物料组合运输模式)的运输任务,提出了扩展状态任务网(extended state task network,简称ESTN).扩展状态任务网用比例转化任务统一描述生产任务、存储任务和单种物料独立运输任务,用虚比例转化任务和组合移动任务共同描述多种物料组合运输任务.应用扩展状态任务网,meta启发式方法在求解制造供应链问题时更容易编码和操作.为求解基于ESTN的制造供应链计划模型,提出了具有多样性检测的参考解集更新策略与分散性解变异策略的路径重连算法.路径重连算法维护一个由高质量解(精英解)组成的参考解集,将一个向导精英解的属性逐步引入一个起始精英解而形成的中间解序列(路径),并用此中间解序列更新参考解集以获得进化.计算实例表明,该路径重连算法比标准遗传算法、标准Tabu搜索算法以及普通路径重连算法能够获得更好的解,证明了多样性检测对参考解集更新的关键作用以及分散性解变异策略在提高解的质量上的能力.     

基于DFS的多Agent动态任务分配算法

针对任务分配算法应用于不确定动态环境时存在的不足,研究具有动态模糊特性的任务环境,借助动态模糊集理论,给出相关的多Agent动态任务分配算法并进行实例测试。测试结果表明,该算法模型可以合理地模拟MAS系统中任务分配的运行过程,并获得最优的任务分配策略与良好的任务实现效果。     

移动边缘计算中基于Lyapunov的任务卸载与资源分配算法

移动边缘计算(MEC)通过将计算和存储资源部署在无线网络边缘,使得用户终端可将计算任务卸载到边缘服务器进行处理,从而缓解终端设备资源受限与高性能任务处理需求之间的冲突.但随着任务卸载规模的不断增加,执行任务所产生的功耗急剧上升,严重影响了MEC系统的收益.建立任务队列动态调度模型,以队列上溢概率为约束构建最大化系统平均...     

应用粒子群优化分配WSN多目标跟踪节点任务

针对WSN多目标跟踪时传感器节点任务分配竞争冲突问题,提出一种基于最近邻的离散粒子群优化节点跟踪任务分配算法.通过构建多目标多传感器节点联盟协同跟踪任务分配问题的数学模型和目标函数,采用最近邻法对粒子群节点任务分配进行初始化,以目标函数作为适应值函数指引粒子飞行,快速实现节点优化分配.实验表明:在节点覆盖较稀疏情况下,粒子群优化节点任务分配方法与最近邻方法相比,能耗大大减少,并能有效解决多目标跟踪节点任务分配冲突问题和多个监测联盟对传感器资源竞争冲突时系统能耗增加的问题.PSO算法对于实际环境的WSN多目标跟踪具有优越性.     

基于市场法及能力分类的多机器人任务分配方法

针对多机器人系统研究中如何有效地实现复杂任务的分布式动态分配这个基础性问题，提出了一种对这类问题进行形式化描述的一般方法．该方法从能力分类的角度出发，提出了机器人及任务能力向量的概念，并对多机器人任务分配问题进行了形式化描述，讨论了单个及多个机器人合作完成任务的能力条件．基于这种形式化描述方法，提出了一种采用市场机制的完全分布式的多机器人任务分配方法．仿真实验结果表明该方法能够有效地实现多机器人复杂任务的动态分布式分配．