基于改进捆绑拍卖多机器人任务分配研究

为了解决多机器人在搜索过程中多任务分配和多机器人利用率问题,提出了一种带有即时拍卖的K-means聚类捆绑式拍卖算法。首先通过K-means聚类算法解决多机器人系统中的多任务捆绑问题,再运用捆绑式拍卖机制把聚类分配给相应的机器人。考虑各聚类内的任务完成情况和各机器人利用情况,相应机器人判断是否产生即时拍卖。仿真证明,该方法在多机器人搜索过程中节省资源且各机器人利用均衡。     

基于人脸检测的批量证件照并行自动裁剪的研究及实现

为在指定时间内将大批量非证件照裁剪成符合各种要求的标准证件照,降低人力资源消耗,提出了基于人脸检测技术的自动裁剪算法。包括给出使用多个不同参数重复多次进行检测的算法,用于获取更高的最终成功率。同时对其并行化以提高执行效率,并给出了并行前后的耗时对比及提升倍率。     

基于混沌蚁群算法的集群无人机协同任务分配

针对无人机集群协同任务分配问题,以无人机集群完成所有任务的总航程和未完成任务数最小为优化目标,构建多目标的多任务分配数学模型,并提出基于混沌蚁群算法的优化方法对模型进行求解。借鉴混合算法能提高单一算法性能的思想,在集群任务分配问题中将混沌算法的遍历性、随机性和蚁群算法的信息素正反馈机制结合起来,并通过仿真实验验证所提方法的有效性和适用性。结果表明：基于混沌蚁群算法的集群无人机协同任务分配方法能够增强全局寻优能力,提高算法效率,为多无人机分配最优的任务序列。     

不确定信息下基于拍卖算法的多无人机同时到达攻击多目标

针对不确定信息下的多无人机同时到达攻击多目标的控制策略问题,将拍卖算法和区间一致性算法相结合,提出了不确定信息下的多无人机同时到达的控制方法。首先通过拍卖算法,给出了多无人机对多目标的任务分配方法;然后定义了区间一致性算法,提出了不确定信息下的多无人机同时到达的控制方法,实现了多无人机到达多目标的时间上趋于一致;最后进行仿真,验证了该方法的可行性和有效性。     

基于匹配理论的电力物联网边缘服务器选择机制

移动边缘计算利用部署在用户附近基站或具有空闲资源的路侧单元、车辆和MEC服务器作为网络的边缘,为设备提供所需的服务以及云端计算能力,以减少网络操作和服务交付的时延。文章将移动设备和MEC服务器的任务分配问题描述为一对一的匹配博弈,解决了移动边缘计算中的任务卸载问题。文章提出的算法具有良好的扩展性,并且能够降低总体能耗,使任务卸载时延最小化。     

并行脚本算法的设计与实现

大规模的IT网络要求运维脚本采用并行化技术.并行脚本的算法包括三个部分:远程连接、任务分配及文件共享算法.其中任务分配是实现脚本程序并行处理及协同工作的关键环节.通过三种分配算法的设计、实现及验证分析,根据运行效率及资源负载两方面的比较,选择了更加优化、稳定的算法,有效保证了脚本程序的性能及可靠性.基于此算法的脚本成功...     

多AUVS协作分布式控制

多水下机器人系统中机器人之间的协调、协作问题的解决是多机器人系统走向实际应用的基本前提之一.针对多机器人协作问题,讨论了一种称为"市场"框架的多水下机器人系统分布式控制方法,给出了基本的假设、概念和优化过程,并在理论上对该框架的收敛性以及计算复杂度控制等基本特性进行了分析和证明.数值模拟主要针对该框架的优化能力、计算复杂度控制以及容错能力等方面进行了深入的试验分析.其结果与基于GA的集中式控制方法对比表明,基于"市场"框架的多水下机器人分布式控制方法与传统的集中控制方法相比具有更好的优化结果和更短的解算时间.     

移动群智感知系统的任务分配方法研究综述

近年来,随着移动智能终端性能和网络传输能力不断提升,移动群智感知系统得到广泛关注.参与者的趋利性易导致系统效用低且难以完成既定任务.因此,合理的任务分配机制能够保证系统采集较优质量数据、达到更广覆盖范围,并使系统效益最大化.本文首先概述移动群智感知基本概念和工作流程;然后分析移动群智感知系统任务分配环节的2个核心研究问...     

基于多Agent系统的协同任务求解算法研究

为提高系统解决问题和完成特定任务的效率,通常情况下除了改进系统运行的硬件环境外,可通过软件方式对系统需要完成的任务进行分解来协同完成。提出了一种启发式的任务分解与分配算法,并对该算法的性能进行了分析与评价。分析结果表明,该算法能够有效地提高任务的执行效率,符合复合泊松分布规律。