基于多目标优化的大型项目任务分配模型

大型项目任务分配问题的多目标、多变量、多约束、大组合等特点,使得任务分配费时、费力.文中分别以利润最大且延期较短和无延期且利润最大为目标,利用时间序列分析方法,将贪婪算法和多目标优化问题相结合,建立两个基于多目标优化的大型项目任务分配模型.利用两个模型分别确定某大型项目的任务分配方案,仿真结果表明:两个模型和算法均最大限度降低了大型项目任务分配问题的时间复杂度,有效地解决了任务分配费时、费力这一问题.     

无人机群协同作战任务分配方法研究

针对战场环境的多目标、多任务以及无人机能力有限等特点,设计了一种适应于多目标、多无人机、多任务种类的无人机群协同多任务分配模型。结合该模型以及其中的任务偏序约束、协同任务约束、无人机能力约束等约束条件提出了基于任务序列的遗传算法染色体编码方法,和基于同类任务的遗传算法交叉、变异算子。该方法利用遗传算法的全局搜索优化解特点,对无人机群的协同任务分配进行优化。仿真试验表明该方法能够保证满足任务分配约束条件的基础上使任务的分配更加优化。     

jBPM任务分配研究

选取当前开源工作流领域最容易被商业化应用的工作流管理系统JBoss jBPM作为研究对象.通过研究发现,其任务分配方法不能很好地满足现实应用系统开发的需要,从而提出一种新的基于用户权限的任务分配方法,使jBPM能够更好地适用于实际开发.     

无线传感器网络中带并行联盟的动态任务分配算法

针对无线传感器网络负载的动态变化等特性,提出传感器网络并行联盟的概念,设计基于离散粒子群优化的并行联盟生成算法及上限约束算法,将网络的若干任务并行地分配给若干合适的联盟结构;同时,实时地跟踪网络的运行并做出调整.该算法很好地处理了复杂或实时的网络应用,并有效地提高了资源的利用率.仿真实验验证了该算法的有效性,从一定程度上延长了网络的生命期.     

远程协同故障诊断综述及研究

远程协同故障诊断技术随着分布式计算、远程信息处理技术、经典故障诊断理论等的学科发展正在受到越来越多关注;但是系统的总结该技术的应用及研究并不多见.在给出远程协同诊断定义基础上,从诊断方法(技术)协同和协同诊断支持构架两个角度详细分析当前研究现状,并针对性地提出了一个通用远程协同诊断系统原型,给出了该原型的关键问题及其解决思路,包括远程协同诊断现场故障信息预处理、协同诊断中心的诊断任务分配及协作机制研究、远程诊断资源的结果融合.结论肯定了远程协同诊断的光明前景.     

基于粒子群遗传优化算法的多机器人任务分配研究

在粒子群优化算法中,引入遗传算法中的克隆算子和变异算子,提出了粒子群遗传优化算法,并将多机器人系统的任务分配问题转换为在多维解空间内寻找最优解的问题,利用粒子群遗传优化算法在此空间寻找最优解,以实现对多机器人任务的协调分配.算例仿真表明,粒子群遗传优化算法不但具有粒子群优化算法所具有的易于工程实现、计算效率高等优点,还克服了粒子群优化算法易早熟、粒子群整体收敛性差等缺点,能够解决多机器人任务分配问题.     

具有隐私保护的车联网空间众包任务分配方法

为了解决传统车联网空间众包中集中式空间众包服务器不可信和易遭受攻击给用户隐私带来极大威胁的问题,提出区块链架构下具有隐私保护的车联网空间众包任务分配方法. 基于区块链技术,设计分布式可信的车联网空间众包系统. 采用多密钥全同态加密算法实现任务分配,支持对不同车辆用户 (密钥) 的密文数据进行任务分配,降低隐私泄露的可能性. 实验分析表明,采用该方法能够有效地保护用户隐私信息,任务分配的计算时间开销与现有研究方法相比下降了34.3%,提高了任务分配的效率.     

基于多目标规划的遥测数据处理

研究如何挖掘遥测数据系统的效能以适应数据处理任务需求的变化,提出了数据矩阵概念,定义各种分割方式,应用多目标规划理论,对不同需求目标进行任务分配,并求解对应的最优解。     

基于市场法及能力分类的多机器人任务分配方法

针对多机器人系统研究中如何有效地实现复杂任务的分布式动态分配这个基础性问题，提出了一种对这类问题进行形式化描述的一般方法．该方法从能力分类的角度出发，提出了机器人及任务能力向量的概念，并对多机器人任务分配问题进行了形式化描述，讨论了单个及多个机器人合作完成任务的能力条件．基于这种形式化描述方法，提出了一种采用市场机制的完全分布式的多机器人任务分配方法．仿真实验结果表明该方法能够有效地实现多机器人复杂任务的动态分布式分配．     

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。