基于ARENA的某火炮维修保障过程建模与仿真

火炮维修保障过程模型是研究火炮维修保障系统结构与运行的基础,Arena是描述装备维修保障过程的有力工具。分析某火炮维修保障系统,构建其维修保障过程、备件与维修人员需求模型以及可用度模型,设计并实现基于Arena的某火炮维修保障过程仿真系统,通过仿真输出各主要资源的利用情况,找出了维修保障系统结构与运行的薄弱环节,进而对保障系统进行了改进与优化,提高了装备维修保障系统的运行效率。     

设备维修最优化调度策略方法研究

信息化条件下,战时装备维修优化调度问题是装备维修保障过程中的关键问题。本文根据PSO算法建立模型提出了战时装备维修保障调度策略,最大限度的提高战时维修保障系统的效能,同时对PSO算法进行改进,解决算法中的局部最优化问题,最后与基于FCFS算法的维修保障调度策略进行对比,通过仿真实验证明PSO算法对调度性能有明显改善。     

装备维修资源需求仿真系统的设计与实现

维修资源是维修保障系统的重要组成部分,如何科学合理地预测各种维修资源的需求是摆在我们面前的一项紧迫而严峻的任务.文章从装备维修保障的实际需求出发,在对维修保障系统运行过程分析的基础上,用UML建立了仿真流程图.根据软件需求分析,在功能模块和数据库设计的基础上,利用VB语言和Access数据库开发了维修资源需求仿真系统.最后还进行了案例应用,验证了该仿真系统能实现维修资源需求的快速和准确预测,为维修保障的科学决策提供了依据.     

面向ALS的无人机装备维修管理模式与系统设计

针对无人机使用部队对装备维修保障信息利用率不高,致使对维修周期计划制定不科学、维修器材备件管理效率较低等情况,以无人机装备为研究对象,借助健康管理理念,构建了面向自主式保障系统(ALS)的无人机装备维修管理体系框架;在分析了体系运行的基础上,设计了面向ALS的无人机装备维修管理系统构架、系统方案和系统功能;以期为无人机装备开展数字化维修及自主维修保障提供依据。     

装备维修保障系统实体属性建模

装备维修保障系统实体属性是研究装备维修保障系统特性的基本依据。针对现有实体属性建模方法得到的实体属性集耦合封闭性差,不利于系统分析和系统聚合解聚研究的不足,根据维修保障系统实体活动特点和实体内部特征关系,给出一种耦合封闭的实体属性划分,并详细阐述了各属性面的内涵,在此基础上,提出一种六边形的实体属性模型。为基于实体的装备维修保障系统分析和聚合解聚研究提供基础。     

装备维修保障人员数量分析方法研究

如何运用科学的手段确定合理的装备维修保障人员数量,是维修保障系统高效、低耗运行的关键和基础。通过分析影响和制约维修保障人员数量的各因素和条件,确立了人员数量确定和优化的计算方法,建立了工时需求仿真模型。实例分析中对某炮兵团修理连各岗位的人员数量需求进行了计算与优化,结果验证了模型的实用性和有效性。     

基于改进PSO的装备维修器材调剂供应决策

分析了装备维修器材存储保障存在的问题,提出采用调剂供应缓解存储保障的资源失衡问题,充分利用存储过剩的超储器材补充库存短缺的需求单位,建立了装备维修器材调剂供应的多目标决策模型,采用[ε]-约束法对模型进行处理,基于引导因子设计了改进的粒子群优化算法（Particle Swarm Optimization,PSO）对模型求解,并通过仿真实例进行了验证。结果表明,采用调剂供应的方式,可使保障系统内的资源存储得到有效的平衡,装备维修器材的保障效率也有所提高。     

多型号装备系统维修资源需求预计建模

传统的按装备型号进行保障的模式已不适应未来战争需要。多型号装备联合保障是未来装备维修保障的主要方式。针对多型号装备系统维修资源的需求预计问题,分析了影响维修资源需求的主要因素,按照维修资源的不同特点,提出了一种维修资源分类方法;根据装备保障的实际过程,勾画出了维修资源需求预计的一般流程,并构建了各类维修资源的需求预计模型;最后给出了具体算例,证明已构建维修资源需求预计模型的适用性和可行性。     

面向动用计划的车辆装备备件预测研究

针对动用计划下的车辆装备备件的消耗特点,研究了车辆装备维修备件消耗量和库存控制两个预测优化问题。考虑动用计划期内车辆装备的预防性维修和修复性维修,实现定时定程维修和自然随机故障维修下装备维修备件的消耗量的预测。在此基础上,根据备件库存检查方式的特点,建立基于定期检查策略的联合补货库存控制模型,根据模型的结构特点确定决策变量界限,并利用多类种群位置更新方式改进了果蝇优化算法。仿真结果表明,改进的果蝇优化算法具有良好的求解效率,本文所提出的优化方法可为车辆维修保障资源优化提供决策依据。     

战时装备维修保障力量优化调度问题研究

战时装备维修保障力量优化调度对于提高维修效率具有重要意义。针对目前研究存在的优化目标单一、约束条件简单等不足,建立了维修保障力量优化调度的双层规划模型。为了便于问题的结构化求解,依据战时维修保障需求的特点,将其分解为具有主从递阶层次结构的子优化问题,并设计了问题求解的遗传算法。用实例对该方法进行了验证。实验结果表明该方法能够有效解决维修保障力量优化调度问题,由其生成的调度方案可操作性强,具有较好的军事应用价值。     

多中心维修任务分配研究现状

目前战争形式发生变化，装备结构变得复杂，在作战环境多变、维修时间紧迫、维修资源有限等情况下，维修任务的合理分配显得越发重要。因此本文对多中心维修任务分配的研究现状进行了综述，总结现存的任务分配方法，以促进其进一步发展。本文首先对多中心维修任务分配问题进行了描述；然后，对基本概念进行了说明，对问题进行了分析；之后，对优先级排序、任务分配及路径规划常采用的模型与算法等进行了概述；最后，总结了当前研究的不足，并展望了未来发展的方向。     

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。     

数字化部队装备维修保障任务分配与调度框架研究

针对数字化部队装备维修保障需求,提出装备维修保障任务分配与调度问题,并分析问题特点与研究定位。基于霍尔三维结构,从要素维、逻辑维和知识维三个方面构建装备维修保障任务分配与调度的体系结构,并且在此基础上对装备维修保障任务分配与调度的组成要素、实施程序和技术方法进行系统分析。最后,对研究要点进行初步分析。     

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收益的资源优化模型。考虑到资源优化问题为不同时隙下的耦合问题,运用Lyapunov优化理论设计一种基于单时隙的资源分配算法,将优化问题转化为用户本地计算资源分配、功率和带宽资源分配以及MEC服务器计算资源分配3个子问题并分别进行求解。仿真结果表明,该算法在满足用户QoS需求的同时能够有效提高MEC系统的时间平均收益。     

基于边缘计算的新型任务卸载与资源分配策略

针对移动边缘计算（MEC）中密集型任务卸载时，系统开销较大和延时抖动明显的问题，提出一种新型资源分配策略。首先在系统时延约束下，分析了系统任务执行开销与终端设备的资源分配机制；其次建立了基于计算卸载和任务分配的联合凸优化目标；最后采用拉格朗日乘子法进行迭代更新得到最优解。仿真结果表明，所提任务卸载与资源分配方案在保证用户服务质量的同时降低了任务执行开销，并有效提升了MEC系统性能。     

偏好匹配满意度最大化的众包任务分配

众包任务分配机制对众包任务完成质量起着至关重要的作用,然而现有的分配方法未在稳定性条件下考虑众包用户双边偏好,分配结果的准确性有待提高,并且存在众包用户因不满意当前分配对象而导致众包任务完成质量较低的问题。为此提出一种基于偏好匹配的众包任务分配方法,该方法首先考虑众包任务与工人的双边偏好,根据偏好序计算任务与工人的满意度,生成满意度矩阵;其次,该方法借鉴稳定匹配思想在考虑分配主体偏好的基础上,使分配主体对当前分配对象尽可能满意,以保障分配结果的稳定性;然后,将众包任务分配问题建模为稳定匹配规则下寻找任务最大满意度的优化问题;最后,使用贪心算法对该问题进行求解,得到众包任务分配方案。通过实验验证了该方法的有效性,实验结果表明,该方法提高了分配方案的准确性,并有效减少了无效分配的数量,从而提高了众包任务完成质量。     

移动边缘计算不确定性任务持续卸载及资源分配方法

移动边缘计算场景中任务的不确定性增加了任务卸载及资源分配的复杂性和难度.鉴于此,提出一种移动边缘计算不确定性任务持续卸载及资源分配方法.首先,构建一种移动边缘计算不确定性任务持续卸载模型,通过基于持续时间片划分的任务多批次处理技术应对任务的不确定性,并设计多设备计算资源协同机制提升对计算密集型任务的承载能力.其次,提出一种基于负载均衡的自适应策略选择算法,避免计算资源过度分配导致信道拥堵进而产生额外能耗.最后,基于泊松分布实现了对不确定任务场景模型的仿真,大量实验结果表明时间片长度减小能够降低系统总能耗.此外,所提算法能够更有效地实现任务卸载及资源分配,相较于对比算法,最大可降低能耗11.8%.     

移动云计算中时延保证的任务分配方法

为在移动云计算中给任务提供实时保障,设计任务窗口对虚拟机中的任务进行分配,根据任务截止期和任务窗口大小进行调度;监控任务的执行过程,对窗口尺寸进行动态调整和修正,采取反馈机制保障后续任务分配不受影响,确保窗口内的任务时延达标。根据任务的变化情况,建立相应的虚拟机扩展或收缩策略,保障任务能够实时完成。实验结果表明,任务能在规定的时间里得到提交,保证了实时任务可用性,系统中资源利用率高,其性能得到了很好的验证。     

Gini Coefficient-based Task Allocation for Multi-robot Systems With Limited Energy Resources

Nowadays, robots generally have a variety of capabilities, which often form a coalition replacing human to work in dangerous environment, such as rescue, exploration, etc. In these operating conditions, the energy supply of robots usually cannot be guaranteed. If the energy resources of some robots are consumed too fast, the number of the future tasks of the coalition will be affected. This paper will develop a novel task allocation method based on Gini coefficient to make full use of limited energy resources of multi-robot system to maximize the number of tasks. At the same time, considering resources consumption, we incorporate the market-based allocation mechanism into our Gini coefficient-based method and propose a hybrid method, which can flexibly optimize the task completion number and the resource consumption according to the application contexts. Experiments show that the multi-robot system with limited energy resources can accomplish more tasks by the proposed Gini coefficient-based method, and the hybrid method can be dynamically adaptive to changes of the work environment and realize the dual optimization goals.      

群智协同任务分配研究综述

任务分配是群智协同计算和众包中的核心问题之一,即通过设计合理的任务分配策略,在满足任务约束条件下,将群智任务分配给合适的工作者,以提高群智任务的完成效率和结果质量。分析了目前任务分配方法存在的问题,总结并提出了一个通用的任务分配框架,并分别从工作者模型、任务模型、任务分配算法三个方面对国内外相关研究工作进行了分析、归纳和总结。提出了群智协同任务分配研究中的关键问题与今后的研究趋势。