基于当代学习离散粒子群算法的多机器人任务分配*

针对多机器人协同控制中的任务分配问题,首先综合考虑机器人完成任务的效率、机器人自身能力以及任务本身性质各因素,建立了多机器人任务分配的数学模型。而后提出一种基于当代学习机制的离散粒子群算法进行高效求解,该算法设计了准确的粒子运动方程,并加入扰动算子保持粒子多样性,使其迅速跳出局部最优,增加了算法空间探索能力。实验结果表明：在小规模任务数情况下,算法能精确寻到最优,稳定性表现极佳且优于现有算法。在中大规模任务数情况下算法也表现出强寻优能力,实验验证了模型的合理性和算法的优越性。     

任务分配问题的建模与求解

建立了极大极小任务分配问题的混合整数线性规划模型,提出一种矩阵作业解答,并与穷举解及混合整数线性规划解的计算复杂度进行了比较.理论分析和数值试验表明矩阵作业法对两类任务分配问题,极大极小和总体极小任务分配问题,有效地提供最优解.     

用遗传算法实现多智能体联盟的形成

在多Agent系统中,当单个Agent不能或不能有效完成特定的任务时,任务就必需分配给一组Agent,即Agent将形成联盟。本文将讨论Agent联盟的形成,并将遗传算法应用于Agent联盟形成中,希望可以快速、高效地找出合适的Agent联盟。     

空地联合反TBM预警的任务分配优化

为有效利用预警资源,对空地联合反TBM预警的任务分配问题展开深入研究,提出任务分配的准则,建立任务分配的决策模型,并结合空地联合反TBM预警任务的实际,给出基于任务分解和粒子群算法的求解算法。仿真结果表明,该优化方法符合反TBM预警的实际,能较好地解决空地联合反TBM预警的任务分配问题。     

反舰导弹协同任务规划系统研究

为了更好地推进反舰导弹协同任务规划系统的研究,阐述了反舰导弹协同任务规划系统的特点,构建了反舰导弹协同任务规划系统的逻辑结构,并详细分析了任务分配和航路规划两大关键问题在建模和求解方面的研究讨论。最后指出了反舰导弹协同任务规划存在的问题,并展望了协同任务规划系统的发展趋势。     

一种批优化调度策略的实时异构系统的集成动态调度算法

针对实时异构多任务调度的特点,提出了软、硬实时任务形式化描述非精确计算的统一任务模型,在此基础上,提出了一种基于批优化调度策略的实时异构系统的集成动态调度算法.该算法以启发式搜索为基础,引入软实时任务服务质量降级策略,在每次扩充当前局部调度时,按制定的规则选取一批任务,计算其在各处理器上运行的目标函数,采用指派问题解法对任务优化分配.模拟实验表明,该算法与同类算法相比,提高了调度成功率.     

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.     

一种校园虚拟实验网格资源成本策略研究

在网格计算环境下,许多任务的执行经常需要同时协同分配多个agent以满足性能需求.文中提出了一种新的基于理性multi-agent编组机制的agent协同工作方法.然后,设计了校园虚拟实验网格调度系统及理性Agent编组机制用于有效的资源协同分配.     

基于拍卖的数据中心资源匹配算法

云平台数据中心主机与负载均具有异构性,导致任务负载无法均衡利用主机各项资源。主机资源的非均衡利用最终造成总体资源利用率低,主机资源浪费,提高运营成本。针对云平台数据中心任务分配中各项资源无法均衡利用的问题,提出一种基于连续双向拍卖的虚拟机分配与迁移算法。该算法一方面利用多种启发式策略对数据中心主机和虚拟机进行筛选,将过载主机与欠载主机放入数据中心拍卖中;另一方面,构建买卖双方定价策略以及交易策略,形成完整的拍卖流程。同时,为解决多资源情况下的交易问题,提出基于资源匹配度的交易策略。仿真实验表明,文中方法通过引入资源匹配度,能够有效地匹配数据中心主机与虚拟机的各项资源,平衡各类资源利用率,提高整体资源利用率。     

基于区间直觉模糊决策的多无人机任务分配方法

针对多无人机在不确定环境下面向SEAD 约束的任务分配问题,提出一种基于区间直觉模糊决策的多无 人机任务分配方法。构建面向不确定环境下无人机的任务分配数学模型,将无人机和任务的不确定信息用区间直觉 模糊数表示;借助TOPSIS 原理,考虑区间直觉模糊数的曼哈顿距离和犹豫度对区间直觉模糊数进行比较,采用改 进后的离散差分进化算法求解得到最优的任务分配方案。结果表明：该分配模型合理,算法具有较好的收敛性。