一种优化的多Agent相关任务并行调度算法

讨论了在多Agent系统中多组作业的并行调度问题，提出了一个描述多组作业推进速度的指标——调度效率和一种优化的多Agent相关任务并行调度算法——多Agent相关任务均衡 压缩调度算法(MADTBCSA)。以调度效率作为调度的标准，通过追求多组作业的均衡推进，来达到有效利用Agent时间的目的，同时利用静态压缩算法，进一步压缩调度长度，提高了Agent的利用率。     

基于合作博弈的移动代理网管任务协作模型

为提高网络管理任务性能,需要研究在复杂网管任务下多移动代理协作问题 .由于传统代理协作模型(如合同网协议)并不适合大规模网络中复杂任务的代理协作,不能保证协作模型中个体代理性能的稳定 .为此合作博弈理论成为移动代理的网管任务协作问题的重要途径,在该协作模型中,单个功能代理被视为具有自主意识的主体,它具有自身的效用函数评估个体的性能 .将代理协作问题转化成为凸联盟博弈模型并利用Shapley值作为协作模型中任务分配合理性的评判标准,并基于上述理论模型,提出3阶段的任务协作算法 .     

网格计算任务的资源管理算法

计算任务管理贯穿于整个网格计算的全生命周期，目标是运用既有规律又经济的方法对计算进行高效率的计划、组织、指导和控制，实现时间、费用和技术效果上的动态优化。该文对计算任务的资源管理进行研究，对资源管理指标进行形式化分析，对计算时耗、成本和资源平衡这3个目标进行综合决策，提出了一种网格计算任务的资源管理算法。仿真实验证明算法是可行有效的。     

分布式实时任务分配算法的设计与实现

针对分布式实时任务的多机执行的特点,为了满足任务的合理分配及系统的负载平衡,研究了将任务分配到结点的调度方法,提出了基于加权轮转的任务分配机制,可以合理分配任务并使任务得到尽快处理,也解决了结点处理能力不同而造成的负载压力的问题.     

秘密同态模式的研究

基于密文的数据库可以有效实现数据库安全.文献[1,2]提出一种索引机制,但安全性和任务分配存在问题.文献[3,4]提出用一种秘密同态的技术解决此问题.但如何实际实现未提及.提出了基于秘密同态的实现模型,同时对秘密同态的数学基础进行了研究,并证明了在实数范围内以目前运算的基础是不可行的,必须在拓扑空间或环上定义一种新的运算.     

基于推理多线程技术的一种改进模型

为了解决多线程处理器不同线程之间并行性低、相互之间数据依赖性高的问题，在推理多线程技术基础上提出了一种新的多线程技术模型(分级多线程Hierarchical Multithreading HMT).该模型采用两种等级处理元的方法，低等级使用指令级并行和细粒度线程级并行；高等级更多地使用间隔并行机制.通过详细的模拟研究，证明分级多线程技术通过对线程的不同粒度采用并行机制能够切实可行地提高线程之间的并行性.     

多AUVS协作分布式控制

多水下机器人系统中机器人之间的协调、协作问题的解决是多机器人系统走向实际应用的基本前提之一.针对多机器人协作问题,讨论了一种称为"市场"框架的多水下机器人系统分布式控制方法,给出了基本的假设、概念和优化过程,并在理论上对该框架的收敛性以及计算复杂度控制等基本特性进行了分析和证明.数值模拟主要针对该框架的优化能力、计算复杂度控制以及容错能力等方面进行了深入的试验分析.其结果与基于GA的集中式控制方法对比表明,基于"市场"框架的多水下机器人分布式控制方法与传统的集中控制方法相比具有更好的优化结果和更短的解算时间.     

一种有效的动态任务分配方法

首先简单介绍了基于PVM的网络并行计算环境。接着重点讨论了任务分配方法和负载平衡问题。通过分析静态任务分配方法中存在的不足,提出了以计算能力的大小来动态分配任务的方法,避免了因个别计算机的低性能而影响了整个并行计算系统的加速比。实验表明这种策略实现简单,并且具有很好的并行效果。     

面向协同任务的多UCAV分布式任务分配与协调技术

对多架无人作战飞机 (Unmanned combat aerial vehicle, UCAV) 分布式控制中的任务分配与任务协调问题开展研究. 采用合同网实现任务执行过程中的任务分配. 通过对合同网进行扩展, 使 UCAV 能够在招标和竞标的同时处理任务间的时间约束. 设计了一种新的部分全局规划协商机制, 能够更有效地对执行相关任务的 UCAV 的任务计划进行协调. 通过 Petri 网建模方法, 将两种协商机制模型化为 Petri 网并分析了协商过程的正确性与协商结果的可行性. 仿真实验验证了方法的有效性.     

产品开发任务分配问题的多目标优化求解

针对目前产品开发任务分配问题研究存在的不足,给出了任务分配问题的数学描述和约束条件,提出了任务分配模型中的相关矩阵,并采用权重因子和极差变换法建立了多目标优化的目标函数.针对任务分配过程的动态性和不确定性,提出采用基于时序逻辑关系的动态分配蚁群算法进行优化计算,并分析了该方法的优点,给出了详细的算法步骤.最后通过仿真实验验证了所提出方法的可行性和有效性.