基于改进鱼群算法的多无人机任务分配研究

多无人机协同任务分配问题是多无人机协同控制的关键,为解决单目标函数构建的任务分配模型不能满足决策者对战场环境大量信息的需求,以最大航程和最长任务执行时间作为多无人机任务分配的两个目标函数,依据多目标优化理论,建立了协同任务分配多目标优化模型.并采用了一种借鉴遗传算法中的变异思想的改进鱼群算法进行求解,得到多无人机任务分配的多目标最优解集,然后根据决策者的偏好选择最佳任务分配方案.最后将上述算法应用于多无人机协同任务分配中并进行了仿真,仿真结果验证了改进鱼群算法的收敛性及有效性,为多无人机协同任务分配优化提供了参考依据.     

基于分解优化的多星合成观测调度算法

某些卫星的侧摆性能较差, 必须进行合成观测以提高观测效率. 研究了多星联合对地观测中的任务合成观测调度问题. 提出了将原问题分解为任务分配与任务合成的分解优化思路. 任务分配为任务选择卫星资源及时间窗口; 任务合成则针对该分配方案,将分配到各卫星的任务按照轨道圈次分组, 分别进行最优合成. 采用蚁群优化算法(Ant colony optimization, ACO)求解任务分配问题, 通过自适应参数调整及信息素平滑策略, 实现全局搜索和快速收敛间的平衡.提出了基于动态规划的最优合成算法, 求解任务合成子问题,能够在多项式时间内求得最优合成方案. 依据分配方案的合成结果, 得到优化方案的特征信息, 反馈并引导蚁群优化算法对任务分配方案的搜索过程. 大规模测试算例验证了本文算法的效率.     

基于蚁群优化算法的云任务分配策略研究

因任务分配算法的优劣直接影响用户的满意程度和平台的质量效率,所以任务分配算法一直是云计算领域的重点研究方向.为解决云计算中任务分配问题,通过对任务分配模型的分析,提出一种基于资源状态的自适应蚁群优化算法(MACO).利用虚拟机的状态来修正启发式因子和释放信息素浓度,并以自适应的方式进行信息量的更新,多目标综合考虑任务分配问题.采用CloudSim工具实现仿真实验,实验结果表明,该算法在任务完成时间、资源利用率以及服务稳定性均具有显著优势.     

基于改进PSO算法的任务分配研究

为了解决虚拟企业中的任务分配问题,建立了任务分配的多目标决策优化模型。分析了传统的PSO算法,通过设置算法中速度惯性权重和加速度系数的自动调整,以及引入遗传算法中的变异操作,实现了对该算法的改进。基于改进的PSO算法求解任务分配模型,研究了求解问题与粒子的映射以及采用TOPSIS计算粒子位置适应度的方法,进而设计了一种基于改进PSO算法的任务分配算法。通过应用实例及仿真实验,证明了改进的PSO算法应用于任务分配的可行性和有效性。     

多UCAV协同任务分配模型及粒子群算法求解

任务分配是多无人作战飞机(UCAV)协同控制的基础.对此,分析了影响任务分配的关键战技指标,建立了针对攻击任务的多UCAV协同任务分配模型.应用连续粒子群算法对问题进行求解,建立了粒子与实际问题间的映射,通过位置饱和策略构造粒子的搜索空间,采用自适应惯性权重提高粒子群算法的收敛速度和全局寻优能力.考虑到单机的任务载荷限制,引入了买卖合同机制以实现多机任务协调.仿真结果表明,所提出模型和算法可以较好地解决多UCAV协同任务分配问题.     

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.     

基于粒子群算法的多无人机任务分配方法

作为多无人机系统应用的一项关键技术,任务分配是一个多维互异离散变量的优化问题.采用混合整数线性规划方法构造优化函数,并利用群智算法中的粒子群算法来求最优解,这样可以解决多无人机的任务分配问题.针对互异性要求进行必要的算法改进.数值仿真实验表明,该粒子群算法可以迅速找到优化函数的最优解,从而高效地实现多无人机的任务分配.     

面向异构MPSoC的多媒体应用程序任务分配方法

任务分配是多处理器SoC功能实现与性能优化的重要步骤,严重影响着多处理器SoC系统的处理性能与效率.文中针对多媒体应用程序向异构多处理器SoC的任务分配问题,提出图结点多着色模型来描述任务分配问题,并使用进化蚁群算法进行任务分配.在任务分配的过程中,首先对多媒体应用进行预处理,包括应用特征分析、并行任务划分与功能模型生成;然后启动进化蚁群算法进行分配空间探索,直至找到满足条件的高质量任务分配方案.实验结果表明,相对于采用基本蚁群算法与遗传算法的任务分配方法,文中方法可以获得高质量的分配方案,并较大幅度地加快了任务分配空间探索的收敛速度.     

多无人机分布式协同异构任务分配

研究异构无人机对不同类型目标执行侦察、打击和评估任务的协同任务分配问题.采用信息论中熵的变化量对侦察与评估任务中所获取的信息量进行度量,将无人机对不同类型目标的打击能力抽象为对目标的毁伤概率,并考虑各个任务之间的相互关联,建立异构多无人机协同任务分配模型.设计了基于相邻局部通信的分布式拍卖算法,实现了多无人机协同任务分配问题的优化求解.仿真结果表明了所建模型的合理性和求解方法的有效性.     

基于混合蚁群算法的MAS任务分配*

在MAS（多agent系统）中,由于任务的复杂性和agent求解问题能力的不同,任务和agent不再是传统的一对一的关系。为解决MAS的任务分配问题,提出了任务与agent之间多对多的任务分配模式。首先建立了任务分配的数学模型,并导出分配优化的目标函数;其次利用混合蚁群算法快速收敛和分布式求解的特点实现任务分配的组合优化。对实验仿真的结果分析表明,多对多的任务分配模式能够明显提升多agent系统的性能。     

基于瞬时转变率模型的脑网络状态观测算法

针对K-means等聚类方法在脑网络状态观测中稳定性和鲁棒性较差的缺点,提出了一种基于瞬时转变率模型的脑网络状态观测算法。通过对状态转换临界点进行分组统计和分析,计算每一个临界时间点的状态瞬时转变率,在此基础上构建脑网络状态观测算法,并使用区间估计方法对状态转换的观测效果进行估计和验证。在脑网络数据库样本中的实验结果显示,与K-means等脑网络状态聚类观测算法相比,该算法在不同条件下的聚类稳定性更好,对样本差异的适应性更强,受参数选择的影响更小,能直观地观测到脑网络状态转换趋势。     

无模型控制器设计综述

从无模型控制的泛模型出发,论述了无模型控制器设计的理论和方法。无模型自适应控制因为采用不依赖被控对象的数学模型,仅根据被控对象的输入输出观测数据来得到被控对象的泛模型及控制率,然后根据新的输入与输出数据在线调整被控对象的泛模型及控制率,使每次得到的泛模型逐渐精确,其控制率也随之改善,应用前景看好。     

几种小训练样本集的数字语音识别模型的比较性研究

本文通过对小训练样本集的基于DTW结构的数字语音识别模型的比较性分析,指出其存在的三个一般性问题：（1）DTW逐帧匹配模式割裂了观测向量序列的内在联系;（2）压扩观测向量序列造成局部信息使用的不均匀;（3）计算复杂度高,识别率低.为了解决这些问题,我们提出了基于数字语音时频信息整体结构的单特征向量识别模型.这种模型完整地利用了观测向量序列的全部信息,结合置信度评估和自适应反馈学习之后可及时地吸收测试向量携带的新的环境特征信息,调整识别模型结构.该模型的错识率较之最好的基于DTW结构的混合域模型的错识率降低50%以上,计算复杂度则是固定帧长模型的13.12%.     

Relationships between radar backscatter and accumulation rates on the Greenland ice sheet

C-band radar backscatter generally seems to be inversely related to accumulation rate across Greenland's dry snow zone. A coupled snow metamorphosis-backscatter model was constructed in order to investigate the observation. Accumulation rate and mean annual temperature were the coupled-model inputs. In a local area where accumulation rate is known very accurately the model predicts the backscatter level along several transects within the calibration uncertainties of the ERS-1 SAR data. The analysis was applied to the remainder of the dry snow zone. The model showed that both accumulation rate and temperature can modulate surface backscatter across Greenland's dry snow zone with accumulation rate being the primary influence.     

时间窗对UWB系统的平均误比特率影响

在IEEE 802.15.3a超宽带（UWB）信道模型两个场景基础上,采用二进制信号调制方案,推导了超宽带系统接收机端加信号观察时间窗[[0,T]]的平均误比特率[Pe]公式,提出了两种时间窗选取方法来寻找合适的窗长[T],仿真结果表明所提出的时间窗选取方法在保证捕获了大部分信道特性基础上,其平均误比特率[Pe]接近理论值,并减少了信号观察时间。     

基于中立型系统理论的感应电机高精度磁链观测器研究

针对感应电机交流传动控制系统磁链观测模型不精确, 忽略控制中的延时问题, 转子磁链观测一般具有观测精度不高、易受电机参数变化影响等问题, 运用中立型理论, 建立中立型感应电机观测模型, 提出一种基于中立型的转子磁链观测方法, 设计了中立型转子磁链观测器.该磁链观测器具有观测精度高、受电机参数变化影响小、鲁棒性好的优点, 通过建立精确的观测模型, 解决控制中延时问题对磁链观测精度的影响.对感应电机中立型磁链观测模型进行了稳定性分析.仿真和实验结果证明了所设计中立型转子磁链观测器的可行性和有效性.     

基于功率预测的变步长扰动观察法MPPT控制策略研究

针对传统扰动观察法存在步长选择困难和“误判”问题,提出了一种基于功率预测的变步长扰动观察法MPPT复合控制策略。该算法首先通过功率预测法判断扰动的方向,避免“误判”,然后再通过变步长扰动观察法对最大功率点进行精确定位;在Matlab/Simulink平台上搭建MPPT仿真模型,仿真结果表明：该算法在追踪最大功率点过程中,不但具有良好的动态性能,而且有效改善了传统扰动观察法存在的振荡和“误判”问题,对提高太阳能的利用率有一定积极意义。     

基于OGC SOS标准的多传感器观测数据共享方法研究

针对传感器网络之间缺乏互操作性和互通性等问题,构建了传感器观测服务的共享数据模型,建立了传感器观测数据共享数据库,基于OGC SOS标准规范,提出了传感器观测数据共享框架,部署了三层网络模型的SOS服务器,屏蔽了传感器网络、信息交换方式和通信格式的异构性问题,实现了对多传感器间观测数据的互操作与共享的支持,并以不同传感器的不同观测属性的数据为例进行了实验,实验表明本文的共享方法能够实现传感器观测数据的共享与集成应用.     

基于改进HMM的文本信息抽取模型

提出一种基于改进隐马尔可夫模型(HMM)的文本信息抽取模型。给出一个新假设,使用绝对平滑算法对模型参数进行平滑,利用Viterbi算法对观察值序列进行正序和逆序解码,基于N-Gram模型对2次解码结果进行对比消歧,得到较准确的状态序列。实验结果表 明,该信息抽取模型能提高信息抽取的准确率。     

面向上行流媒体的压缩感知视频流技术前沿

上行流媒体在军民融合领域展现出日益重要的新兴战略价值,压缩感知视频流技术体系在上行流媒体应用中具有前端功耗低、容错性好、适用信号广等独特优势,已成为当前可视通信研究的前沿与热点之一。本文从阐述上行流媒体的应用特征出发,从性能指标、并行分块计算成像、低复杂度视频编码、视频重构和语义质量评价等方面,分析了当前针对压缩感知视频流的基础理论与关键技术,对国内外相关的研究进展进行了探究与比较。面向上行流媒体的压缩感知视频流面临着观测效率难控、码流适配困难和重建质量较低等技术挑战。对压缩感知视频流的技术发展趋势进行展望,未来将通过前端与智能云端的分工协作,突破高效率的视频观测与语义质量导引视频重构等关键技术,进一步开拓压缩感知视频流在上行流媒体应用中的定量优势与演进途径。