基于任务综合规划的相控阵自适应调度方法

研究机载相控雷达调度优化控制问题.机载相控阵雷达可以高效遂行作战任务,但如何合理调度雷达任务请求,实时优化处理同时多任务对系统时间资源的竞争,是充分发挥多功能相控阵雷达性能优势的关键.针对相控阵雷达同时多任务在时间窗约束下实时优化调度问题,在综合考虑调度时刻前后任务请求、调度限制和可用资源等因素基础上,权衡任务请求重要程度、紧急程度和前后一定时间段内资源利用情况,提出了一种利用任务综合规划的相控阵自适应调度算法.仿真结果表明,新算法能够在雷达有限时间资源内提高相控阵雷达任务调度效率和时间利用率,获得了更优的综合性能.     

基于改进时间指针的相控阵雷达任务调度方法

针对相控阵雷达实时任务调度中时间资源利用不充分的问题,提出了一种基于改进时间指针的任务自适应调度方法.以时间指针为对象,从整个调度时间轴上所有满足时间指针处执行条件的任务请求中,选择一个优先级最高的任务作为当前时刻的执行任务,有效减少了空闲时间的浪费,使得相控阵雷达能够在有限时间资源内调度执行更多的任务.与基于传统时间指针的调度方法仿真对比,结果表明:方法提高了任务调度成功率和时间利用率,有效提升1了相控阵雷达的整体调度性能,具有一定的优越性.     

一种孔径分割多功能雷达的改进任务调度方法

针对孔径分割多功能雷达的实时任务调度问题,提出了一种改进的任务自适应调度方法.该方法充分利用任务时间窗的作用,根据任务的期望执行时刻和时间窗,主动调整任务的实际执行时刻,实现任务间的紧密安排,减少空闲资源的浪费,使得孔径分割多功能雷达能够在有限的资源内调度执行更多的任务.最后将该方法与传统多任务并行(MTPEDF)调度方法进行对比仿真,仿真结果表明该方法提高了任务调度成功率和资源利用率,有效提升了孔径分割多功能雷达的整体调度性能,具有一定的优越性.     

被动相控阵雷达自适应调度算法研究

研究被动相控阵资源优化调度.相控阵雷达实现目标跟踪,精度和实时性是主要的指标.针对现有的主动相控阵资源调度不能很好地解决被动环境下搜索截获概率低,跟踪精度差的问题,提出一种被动相控阵雷达自适应调度算法(以下简称为被动自适应调度算法).算法根据被动截获、跟踪的特点,设计被动自适应调度算法的实现框架,重点研究了被动自适应调度的任务参数自适应生成、任务优先级评估及调度自适应执行等算法过程,并给出了被动自适应调度算法性能评估指标.仿真结果表明,该算法能优化安排被动相控阵雷达时、空、频等资源,缩短目标发现时间,保证跟踪稳定性.     

相控阵雷达系统功能仿真及应用

在国土防空预警网优化问题的研究中,相控阵雷达具有频率捷变等特点和多目标跟踪能力,是构成国土防空预警网的重要组成部分.以雷达组网、组网雷达资源管理及相关算法测试为背景,嵌入到雷达组网仿真平台中并获得实测数据,提供了一种相控阵雷达功能仿真方法,重点讨论了波位编排、目标检测和相控阵雷达的任务调度算法等模块的实现.最后仿真系统对三个普通目标以及一个隐身目标在雷达扫描空域的搜索、验证、跟踪、失跟等雷达事件进行了仿真结果分析,验证了相控阵雷达系统和相关算法的有效性.     

相控阵雷达系统并行仿真

在集群环境下,研究了相控阵雷达相干视频并行仿真方法.该方法根据相控阵雷达一个调度间隔多个雷达任务不相关的特点.提出了一种粗粒度MPI并行划分,使雷达任务在集群上并行处理,解决相干视频仿真效率低的问题.实验结果证明了该方法的有效性和可行性.     

一种基于优先级调度的相控阵机动目标跟踪方法

在相控阵雷达跟踪加搜索（ＴＡＳ）工作方式下,为跟踪较大的机动目标,提出一种目标机动检测器设计方法,得到归一化的目标机动系数．基于该方法,给出了一种动态计算优先级的调度算法,较好地解决了机动多目标跟踪的资源调度问题．与几种常用机动检测器相比较,结果表明了这种机动检测器具有更高的检测概率．最后在多目标环境下进行机动目标跟踪的蒙特卡罗仿真,仿真结果显示了多目标机动检测器和资源调度算法的有效性．     

相控阵雷达相参积累工作模式下的能量调度策略

为了优化相控阵雷达在相参积累工作方式下的能量调度和分配,实现多目标高效搜索和稳定跟踪,提出了相控阵雷达相参积累工作模式下的能量调度策略。基于相参积累工作模式下的最远可探测距离与积累时间的变化关系,分析了相控阵雷达相参积累工作方式下的空域搜索能力和多目标跟踪能力,设计了多目标跟踪和边搜索边跟踪模式下的能量调度与分配策略。结果表明,虽然相控阵雷达在相参积累工作模式下并不适合大范围固定空域搜索,但在可靠的数引信息引导和合适的能量调度方案下,仍可实现波束间多目标的可靠搜索与稳定跟踪。     

空间探测相控阵雷达系统的观测任务编排仿真

该文针对开发相控阵雷达目标信息处理系统时对仿真测量数据源的需求,研究了一种观测任务编排算法,模拟相控阵雷达在多目标跟踪方式下对目标的观测。该算法以各选定目标的过境预报信息为前提条件,结合雷达的跟踪能力、观测间隔,在过境期间内编排对目标的观测时刻,结果是产生一张目标与观测时刻对应的表。当视场内目标数大于雷达跟踪上限时,采取观测目标数最大化原则进行编排。仿真给出了任一时刻过境目标数与被编排的目标数的比较曲线,说明了该算法的有效性。     

遗传算法在网格任务调度的应用研究

研究了网格任务调度问题.针对传统任务调度算法在网格环境下存在不能很好地平衡节点负载和满足用户服务质量需求等缺点,导致网格系统负载极不均衡,调度效果低.为了提高网格任务调度的效果,提出一种基于遗传算法的网格任务调度方法.将网格任务编码成种群中的个体,网络任务目标作为遗传算法的适应度函数,通过遗传算法的强全局搜索及交叉、变异操作,获得最优的任务调度方案.仿真结果表明,采用遗传算法进行网格任务调度可以减少系统总执行时间和任务完成时间,提高了资源调度效率,使网格系统负载均衡度更好,在网格任务调度具有广泛的应用前景.     

基于滚动优化的密码云实时任务阈值调度方法

针对当前云任务调度算法在密码云环境中无法实现任务实时处理的问题,提出一种基于滚动优化窗口的实时阈值调度方法。首先,将密钥调用环节融入密码任务流程中,提出一种密码云服务架构;其次,为实现任务的实时调度,构建基于滚动窗口的密码任务调度器模型和吞吐量分析模型,用于获得实时的吞吐量数据;最后,为满足云租户对高速密码服务的客观需求,提出吞吐量阈值调度算法,从而根据实时吞吐量相对于吞吐量阈值的变化情况实时迁移虚拟密码机。仿真结果表明,该方法与未采用滚动优化窗口或虚拟机迁移技术的方法相比,具有任务完成时间短、CPU占用率低的特点,且实时吞吐量能够持续保持在网络带宽的70%~85%,从而验证了其在密码云环境中的有效性和实时性。     

基于操作风险的双模式传感器管理方法

基于风险理论研究同时面向目标检测和跟踪任务的传感器管理方法.首先,定义目标检测风险和目标跟踪风险,并分别给出计算方法;其次,以目标检测风险最小化为目标函数建立传感器部署模型,以目标检测风险和目标跟踪风险之和最小化为目标函数建立传感器调度模型,且该调度发生在前面传感器部署模型建立的传感器网络之上;然后,针对模型的求解,同时为克服基本人工蜂群算法易陷入局部最优的缺点,提出改进的双向轮盘赌-粒子群-蜂群算法;最后,通过仿真验证模型和算法的有效性.     

Coalition theory based task scheduling algorithm using DLFC-NN model

Resource management and job scheduling are essential in today's cloud computing world. Due to task scheduling and users' diverse submission of large-scale requests, co-located VM instances negatively impacted the performance of leased VM instances. This workload further led to resource rivalry across co-located VMs. In order to address the aforementioned problems, numerous strategies have been presented, however, they fail to take the asynchronous nature of the cloud environment into account. To address this issue, a novel “CTA using DLFC-NN model” is proposed. This proposed approach combines the coalition theory and DLFC-NN techniques by including IRT-OPTICS for task size clustering, digital metrology based on ionized information (DMBII) for defect detection in virtue machines (VM), and the dynamic levy flight hamster optimization algorithm for processing time optimization of the clusters. However, the implementation of task scheduling in an online environment is limited by a number of presumptions or oversimplifications made by current scheduling systems. As a result, a unique coalition theory is applied to efficiently schedule activities. In addition, the DLFC-NN model is used to reduce resource consumption, span time, and be highly accurate and energy-efficient when working on both online and offline jobs. Nevertheless, while optimizing the clusters' overall execution time, earlier approaches only decreased the make-span time for task scheduling. However, the DLFC-NN model solves the computation problem by using a fully weighted bipartite graph and the pseudo method to determine the fitness of the least makespan time. The enhanced methodology used in this study reduces the scheduling cost and minimizes job completion times according to different task counts when compared to the existing techniques.     

基于直接后继节点完成时间的异构调度算法

分布式环境下的异构计算系统（HCS）是大数据时代进行数据密集型计算不可或缺的,一个有效的任务调度算法可以提高整个异构计算系统的效率。在对异构环境下的任务调度进行有向无环图（DAG）建模的基础上,提出基于直接后继节点完成时间的异构调度算法（HSFT）。在计算开销和通信开销差异度较大的异构环境中,考虑两者之间的平衡,采用更为合理的以计算均值与标准方差的乘积和通信权值与任务节点出度的比值作为优先权值计算方法,并在考虑最快完成时间（EFT）的基础上,将直接后继节点完成时间（SFT）用于处理器分配策略。实验结果表明,HSFT在不增加算法时间复杂度的情况下,比HEFT、SDBATS、PEFT等算法有更短的调度长度（makespan）、更优的调度长度比和效率。     

基于GSPN和人工免疫算法的并行测试任务调度研究

针对ATS中并行测试任务调度复杂、难以优化的问题,提出了一种广义随机Petri网和人工免疫算法相结合的任务调度优化算法.首先对并行测试系统建立广义随机Petri网(GSPN)模型,然后将激发的变迁序列集作为并行测试任务调度路径;将免疫克隆选择算法(ICSA)应用到并行测试系统任务调度问题中,并提出一种自适应克隆选择算子,搜索最优任务调度路径,得到以测试时间最短为目标的最优任务调度方案.用某型雷达接收机并行测试系统对该算法进行仿真验证,结果表明,与改进的混合遗传算法(IHGA)相比,该算法能够便捷地得到任务调度最优序列,且测试效率更高.     

移动群智感知中时间窗口相关的参与者选择机制

目前许多移动群智感知应用要求参与者收集一段时间内连续的感知数据,而现有研究在这方面却考虑不足。针对上述应用场景提出了时间窗口相关的参与者选择机制,主要包括基于动态规划算法设计了一种时间窗口相关的参与者选择方法,目标为覆盖任务时间段的同时最大化数据效益;参与者信誉值更新机制,根据参与者参与任务的意愿程度和数据质量更新参与者的信誉值。最后通过仿真实验与两种普遍应用的参与者选择方法作比较,实验证明所提出的参与者选择机制在数据可靠性、数据效益和感知成本等方面具有更好的效果,因此所提出的参与者选择机制在时间窗口相关的任务中有更好的应用前景。     

基于改进烟花算法的密集任务成像卫星调度方法

传统卫星调度模型一般比较简单,当问题规模较大、任务比较集中时,往往会出现任务之间相互排斥,任务收益较低等缺点。针对这个问题,提出一种基于改进烟花算法（IFWA）的密集任务成像卫星调度方法。该方法在分析密集任务处理及成像卫星观测特点的基础上,首先对任务进行合成约束分析,然后基于合成任务综合考虑成像卫星可观测时间、任务间姿态调整时间、成像卫星能量和容量等约束因素,建立基于任务合成的多星密集任务调度约束满足问题（CSP）模型,最后改进烟花算法对该模型进行求解,利用精英选择策略在保证种群多样性同时加快了算法的收敛,得到较优的卫星调度方案。仿真结果表明该模型相比没有考虑任务合成因素,收益平均增加30%~35%,改进算法后效率上提升32%~45%,有效保证了调度方案的可行性和有效性。     

改进的异构多处理器的实时任务调度算法研究*

现有的很多调度算法存在时间复杂度过高或调度成功率低的问题。提出一种新的调度算法(HRTSA),提高实时任务的调度成功率。HRTSA首先通过METC策略初始化分簇,降低算法的时间复杂度;再在放置任务时根据处理器的负载均衡进行处理器负载的有效控制;最后通过任务复制调度以提高任务调度成功率。对比实验分析表明提出的HRTSA算法时间复杂度与RTSDA相比较低,调度成功率较高。