异构机群系统上基于多轮分配方式的近似串匹配并行算法

在给定正文串分配轮数的前提下,考虑处理机节点具有不同计算速度、不同通信能力的情形,根据从处理机是否允许重叠执行计算和通信操作,提出异构机群计算环境下的最优正文串多轮分配策略;同时提出一种周期性的正文串多轮分配策略并给出了相应的正文串多轮分配的闭合解,此策略可以求出最优的分配轮数.实验结果表明,正文串多轮分配策略比正文串单轮分配策略大大缩短了近似串匹配并行处理的时间,并且在正文串多轮分配策略中,当近似串匹配应用的规模较小时,分配轮数比参与近似串匹配并行处理的从处理机数更能影响近似串匹配并行处理的完成时间,反之,从处理机数对近似串匹配并行处理的完成时间影响更大.     

基于评价因子行为等级更新的多Agent联盟效用分配策略

为了进一步增强多Agent联盟效用分配的合理性,提升联盟的稳定性,提出了一种基于评价因子行为等级更新的多Agent联盟效用分配策略。该策略引入评价因子概念,将行为等级定性描述的agent行为因素通过既定方法量化为行为评价因子,agent完成任务的能力表示为能力评价因子,结合这两种评价因子对agent联盟的效用进行划分,并根据agent完成任务情况和是否存在欺骗行为对agent的行为等级进行更新。理论分析和分配实验表明,新策略在满足联盟形成机制的相关要求外,增强了多Agent联盟中效用分配的合理性。     

基于模糊评判的Agent联盟效用分配

多个Agent同时形成任务求解联盟时,联盟效用的分配是一个棘手的问题。已有的平均分配和基于能力大小的分配策略都没有反映出Agent对联盟贡献的差异性,不利于联盟的形成和完成任务的绩效。提出了一种基于模糊评判的联盟效用分配方法。首先模糊评价Agent的各维能力贡献率,然后综合计算出整体贡献因子,并据此完成联盟效用的合理分配,最后通过实例分析说明了此方法的有效性。     

一类基于多个目标的制造任务优化分配方法

提出了一种基于多个目标的制造任务优化分配方法。建立了以任务总加工时间最少、任务完成时间最早、任务完成总质量最高为目标函数,以制造设备负荷率满足要求为约束的优化分配模型。针对模型的多目标、多约束、大组合量特点,结合遗传算法全局搜索能力强、模拟退火算法局部搜索能力强的优点,提出了一种多阶段父代更新自适应遗传-模拟退火算法。以某多品种小批量生产车间制造任务分配为例,验证了方法的有效性。     

异构多核处理器的任务调度算法

在研究Min-min、Max-min算法和Sufferage算法基础上,针对异构多核处理器的特点,提出一种任务静态调度算法——自适应分段Sufferage算法（Adaptive Segmented Sufferage,ASS）。该算法以最早完成时间和负载均衡为目标进行任务分配,先将任务分配分成两个阶段：在第一个阶段以最少完成时间作为分配原则进行分配,选择单位时间内节省时间最多的任务先分配;在第二个阶段以负载均衡为分配原则进行分配,选择执行时间大的任务先分配。然后选取不同调节参数,对任务进行多次重新分配,以最小的最大完成时间为最后分配结果,实现自适应调节。通过实验验证,该算法在实现最少完成时间的前提下能很好地达到负载均衡。     

基于非合作博弈模型的无线传感器网络多移动节点任务分配

针对随机部署情况下混合无线传感器网络多移动节点任务分配问题,本文分别将参与任务分配的移动节点、待分配的任务以及移动节点完成任务所获收益视为博弈的三要素即博弈参与方、博弈策略和博弈收益,建立起基于非合作博弈数学模型的多移动节点任务预分配方法。     

复杂多约束UAVs协同目标分配的一种统一建模方法

多无人机协同目标分配(Multi-UAVs cooperative target assignment problem, MUCTAP)是一个条件复杂的多模型、多约束组合优化问题, 很难用一致的方法获得可行的解. 为解决该问题, 本文对各种目标分配模型统一建模, 设计了一致的模型处理方法; 针对三维环境特点, 提出利用空间垂直切面计算无人机估计航程代价的方法, 并利用航程代价矩阵优化目标分配算法; 同时加入协同约束关系计算, 提高分配算法的准确性. 仿真实验验证了该方法能够处理多种情况的目标分配问题, 具有较高的通用性和准确性, 能够有效完成多机协同目标分配任务.     

拥挤度驱动的总体布线层分配算法

针对多层布线问题，提出以拥挤度为驱动目标，完成布线资源的合理分配，同时达到布线层资源占用少和通孔数少等优化目标的层分配算法．首先采用启发式方法获得初始分配方案，然后通过模拟退火技术优化分配结果，最后采用试探策略优化层资源占用．工业实验数据表明，该算法能够实现线网层合理分配，获得满足拥挤度的优化解．     

基于协同进化的混合变量多目标粒子群优化算法求解无人机协同多任务分配问题

无人机多机协同控制系统近年来已被广泛地应用在军事打击、海洋监测、陆地航拍和灾情探测等领域.针对无人机协同多任务分配问题,为了更加准确地描述无人机协同多任务分配场景,本文考虑实际应用场景下的多种复杂约束,并以无人机飞行总航程最少和任务完成时间最短为优化目标,构建了混合变量多约束的无人机协同多任务分配问题模型M-CMTAP...     

基于证据理论优化的态势预测模型

针对态势预测的多模型组合问题,提出了一种基于证据理论优化的态势组合预测模型。该模型首先对预测子模型进行训练,获得预测子模型的性能评价与指标权重分配;基于证据理论对多指标的权重分配结果进行融合,提高权重分配的精度;在预测完成后,基于指标可信度和证据理论对指标权重进行调整,优化多指标的评价能力。Matlab实验仿真结果表明,该模型能够依据态势曲线的变化动态优化组合权重,其预测精度优于典型预测模型。     

Massive MIMO中基于统计信道的波束形成和功率分配

为了提高大规模多输入多输出系统(Massive MIMO)的总容量,提出了基于统计信道信息的波束形成和功率分配的优化算法。所提出的波束形成方法以信噪泄漏比为优化标准,而功率分配方案以系统容量为优化目标,同时满足基站总发射功率约束条件。上述优化问题转化为多个变量的等价优化形式,从而可以通过变量的交替优化迭代达到收敛。每次迭代过程中均可以求出闭式解,迭代完成后可得到优化的功率分配方案。仿真结果表明,相比于平均功率分配方案,该算法能有效地提高系统的总容量。     

基于迁移学习的多任务分配算法

对于多任务分配问题，传统的方法针对每一个任务独立地寻找一个最优分配方案，没有考虑任务间的关联以及历史经验对新任务分配的影响，因而复杂度较高。研究了多智能体系统中的多任务分配问题，通过迁移学习来加速任务分配以及子任务的完成。在分配目标任务时，通过计算当前任务和历史任务的相似度找到最适合的源任务，再将源任务的分配模式迁移到目标任务中，并在完成子任务的过程中使用迁移学习，从而提高效率，节约时间。最后，通过“格子世界”的实验证明了该算法在运行时间和平均带折扣回报方面都优于基于Q学习的任务分配算法。     

考虑波束间干扰的多波束卫星功率带宽联合分配算法

多波束卫星通信系统由于频率复用导致波束间存在干扰。为此,通过引入干扰系数,构建带宽功率联合分配模型,将该资源分配问题拆分为功率分配、带宽分配和对偶变量更新3个子问题,并提出相应的分配算法。算法在初次完成功率以及带宽分配后,利用子梯度算法更新对偶变量,对功率和带宽进行再分配,如此进行迭代计算,直至满足对偶变量收敛条件,由此实现分配结果的最优。仿真结果表明,与功率和带宽均匀分配算法及按比例分配算法相比,该算法在明显降低系统二阶业务拒绝量的同时,提高了系统容量。     

空间众包中多类型任务的分配与调度方法

针对空间众包多类型任务完成的质量与数量问题,提出多类型任务的分配与调度方法。首先,在任务分配过程中,结合空间众包中多类型任务和用户的特点,对贪婪分配算法改进,提出基于距离ε值分配（ε-DA）算法;然后,将任务分配给附近的用户,以提高任务完成质量;其次,利用分支定界思想（BBS）,根据专业匹配分数的大小,对任务序列进行调度;最后,找到最佳的任务序列。针对分支定界思想的调度算法运行速度较慢的问题,提出最有前途分支启发式（MPBH）算法。通过MPBH算法,使得在每次任务分配过程中实现局部最优化,与分支定界思想的调度算法相比,在运行速度上提高了30%。实验结果表明,所提方法能够提高任务完成的质量以及数量,有效地提高了运行速度与精确性。     

面向多机器人环境中动态异构任务的细粒度动作分配与调度方法

在多机器人环境中，具有不同能力的机器人相互协作以完成任务需求。现实情况下，这些任务动态发布，且具有不同的目标和紧急程度，因此需要为每个任务分解出的细粒度动作分配和调度合适的机器人来负责执行这些动作。现有的方法大多适用于静态和同构的任务分配场景，而针对动态异构任务的分配则大多采用独占式的分配策略，导致机器人频繁进入等待状态(即机器人处于被分配了任务到真正开始执行任务之间的闲置阶段)。由于任务存在不同的紧急程度和发布时间，这种分配方式将降低对更紧急任务的响应效率，同时导致更多的等待时间和更长的任务完成时间。针对该问题，提出了一种面向多机器人环境中动态异构任务的细粒度动作分配与调度方法。其中，分配与调度的对象是任务所分解出的细粒度的动作，且一个动作能够由机器人的一种能力承担。面对任务分解出的一组细粒度动作集合，本方法借鉴拍卖算法过程，根据机器人能力、状态及任务信息计算出机器人承担特定动作的最优分配方案。另外，在每一次新任务发布或某一机器人执行完动作时执行分配和调度过程，可以将处于普通任务等待状态的机器人调度至紧急任务，以保证紧急任务优先完成，且缩短机器人的总体等待时间。基于本方法，扩展实现了...     

多无人机空中加油的最优会合航路规划

为了空中加油能面向多架无人机,本文提出了空中加油的三维最优会合航路规划算法.多架无人机分布在不同区域,需要加油机沿预定的规划航路飞行会合,以完成空中加油任务.由于加油机可同时服务的受油机数量有限,需要寻找最优分配策略将无人机预分配至不同加油区域与之会合.本文首先根据加、受油机在各加油区域的最短会合时间,将最优分配问题建模为整数线性规划问题,求解得到加油机与各无人机的最优会合点.随后,本文提出了三维空间Dubins路径延长算法,保证各无人机按照分配结果与加油机同时到达会合点.最后,分别针对二维和三维多架无人机空中加油任务进行仿真.仿真结果表明本文提出的最优会合航路规划算法得到的Dubins航路,可以保证空中加油会合任务在最短时间内完成.     

一种启发式多传感器任务实时动态分配算法

传感器任务的分配是传感器管理的重要问题。为提高任务分配的实时性和实效性,基于紧急任务优先、最早完成任务优先、复用能力最小优先和随机分配四条原则,提出了一种启发式多传感器任务实时动态分配算法。计算机模拟仿真表明:该算法既能保证优先级任务较早的执行,又能探测到任务的失败,还能维持传感器负载平衡,是一种快捷、高效的分配算法。     

基于Nucleus Plus操作系统的多实例模式的实现

在对TD_LTE射频一致性测试仪表的开发中,针对同时建立多个承载的需求,引入了多实例管理模式。着重介绍了项目协议栈中基于Nucleus Plus操作系统多实例模式的实现机制。该机制中包含了系统的内存池、队列、任务等组件的初始化,其多实例管理模块有效地完成了消息的路由,同时采用优化后的分区内存池对消息和各实例数据内存进行分配和释放,使内存分配中产生的内碎片降到最低。     

基于多Agent的运输任务系统的研究

运输任务分配是供应链中一个十分重要的问题。将多Agent技术应用于运输任务分配系统，通过多Agent之间的协商完成运输任务的分配，并利用JavaBean技术为Java提供了基于组件的软件开发体系，开发了一个运输任务分配的原型系统。     

一种用于无线传感网络的支持QoS的PD-DWDBA算法及其优化

DBA算法大多是基于单波长情况而制定的，为了研究多波长的情况，提出基于预测的多波长动态带宽分配算法(PD-DWDBA)。考虑到网络中不同类型业务对网络时延和带宽的要求存在差别，对不同优先级的业务采取不同的分配方案，提出支持QoS的PD-DWDBA。以first-fit策略将带宽先分配给具备高优先级业务，确保高优先级业务获得所需带宽；利用WF-DBA策略对剩余各低优先级业务实施分配，利用BP网络模型完成各优先级业务的预测，实现带宽的分配功能。依次以丢包率、包延时、带宽利用率指标分析BP网络预测对网络性能提升的效果，实验结果证实网络服务水平显著提升。