异构多核处理器的任务分配及能耗的研究*

异构多核处理器采用不同的任务分配与调度算法,会导致不同的时间消耗与能量消耗,采用合适的任务分配与调度算法能节省较多的能耗。目前普遍认为最有发展前途的任务分配与调度技术是先用启发式方法进行分组,然后再用遗传算法进行调度。在改进任务分组后,又首次提出了用遗传算法解决能耗问题。实验结果表明在实时要求不高的情况下,能以较小的时间代价来节省较多的能耗。     

基于两阶段迭代优化的空天观测资源协同任务规划方法

为提高空天观测资源协同观测能力,基于分而治之框架,提出一种两阶段迭代优化方法以解决空天观测资源协同任务规划问题.第1阶段,根据观测机会和冲突度构造适应度函数,基于适应度将任务分配到合适的子规划中心;第2阶段,子规划中心根据分配到的任务进行资源调度,得到各类观测资源的观测计划,并将资源观测方案和观测收益反馈给第1阶段.第1阶段再根据第2阶段的反馈结果,结合禁忌表策略,对任务分配方案进行迭代调整和更新,直到生成近似最优或满意的任务分配方案和资源观测方案.为验证所提出方法的有效性,开展大量仿真实验.实验结果表明,与最大权重最先分配算法、基于适应度的任务分配算法、基于资源优先度的任务分配算法相比,所提出方法在任务收益率方面提高了2.40%sim14.14%.研究成果可为空天观测资源传感网络的协同管控提供技术支持.     

群智协同任务分配研究综述

任务分配是群智协同计算和众包中的核心问题之一,即通过设计合理的任务分配策略,在满足任务约束条件下,将群智任务分配给合适的工作者,以提高群智任务的完成效率和结果质量。分析了目前任务分配方法存在的问题,总结并提出了一个通用的任务分配框架,并分别从工作者模型、任务模型、任务分配算法三个方面对国内外相关研究工作进行了分析、归纳和总结。提出了群智协同任务分配研究中的关键问题与今后的研究趋势。     

通信距离约束下异构水下爬游机器人任务分配

为了保证执行任务的水下爬游机器人之间时刻保持信息交互,提出了一种带通信距离约束的异构水下爬游机器人集群任务分配方法;首先,建立了异构水下爬游机器人集群的任务分配数学模型;其次,分析了多水下爬游机器人通信距离、航程等约束条件;最后,采用蚁群优化算法对异构水下爬游机器人集群的任务分配问题进行求解,在满足约束条件情况下实现了多爬游机器人总航行距离最短;仿真验证了该方法在通信距离约束下实现多水下爬游机器人任务分配的有效性.     

多个水下机器人动态任务分配和路径规划的信度自组织算法

针对多个水下机器人(autonomous underwater vehicles,AUVs)动态任务分配和路径规划速度跳变问题,引入栅格信度函数概念,给出一种改进的栅格信度自组织(belief function self-organizing map,BFSOM)算法.目的是控制一组AUV有效地到达所有指定的目标位置,同时保证AUV能够自动的避开障碍物.首先,自组织神经网络(self-organizing map,SOM)算法对多AUV系统进行任务分配,使得每个目标位置都有一个AUV去访问.整个分配过程包括定义SOM神经网络的初始权值、获胜者选择、邻域函数的计算3个步骤;其次,根据栅格信度函数和环境信息更新SOM获胜神经元的权值,使得每个AUV在访问对应目标的过程中能够自动避障并且克服速度跳变,实现AUV自动有效路径规划.最后,通过仿真实验证明了本文提及算法的有效性.     

考虑时序约束的多智能体协同任务分配

研究多智能体系统的多目标多任务分配问题, 考虑任务之间的时序关系, 建立分布式任务分配模型. 扩展了一致性包算法(CBBA), 按优先级将目标任务归入不同层级, 各智能体在构建任务包和任务路径时, 只将分配过高阶段任务的目标添加至相应的任务包和任务路径中, 从而保证目标任务时序约束的同时, 保持了CBBA算法的特性. 与多任务分配问题经典算法的比对实验表明, 所提出的改进算法求解结果稳定可靠, 运行时间优于经典算法.

     

遥感网格的数据压缩与任务分配方法研究

网格计算作为分布式计算在科学计算领域的发展方向,可以为对地观测数据的处理提供强大的计算力。在分析遥感信息服务网格节点(Remote Sensing Information Service Grid Nodes,RSSN)中网络数据传输和负载均衡两个关键问题的基础上,提出了一种有效的基于游程编码和Huffman编码的数据压缩方法和基于"计算端元"的任务分配策略,该方法针对遥感影像特点进行有效数据压缩,具有较好的压缩比,达到了17%,且能实现任务负载均衡。并在遥感信息服务网格节点计算平台上,以中国范围内1km分辨率气溶胶光学厚度(Aerosol Optical Depth,AOD)反演计算为例,从压缩率和计算时间效率方面验证和分析了上述方法的有效性。     

无人机多阶段航迹预测协同任务规划

针对多无人机(Unmanned Aerial Vehicles, UAVs)协同控制问题,提出了一种UAVs多阶段航迹预测分布式任务规划方法;定义从一次任务分配开始到其中一项任务完成为一个任务周期;在每个规划周期,首先,各UAV使用A*算法快速预测到所有任务目标的路径,提供至任务分配;然后,采用聚类算法修改目标价值向量,协商分配结果,并实时计算探测范围内的最短路径;最后,采用三次B样条曲线平滑所分配的最短路径,在线规划出满足飞行约束的飞行航迹;通过仿真实验对算法的有效性进行了验证,结果表明,提出的算法能够实时获得近似最优的任务分配结果并规划出可飞行航迹,并有效处理突发任务。     

基于SPSO的机械流水线负载任务分配方法

在弱通信条件下,传统的机械流水线任务分配方法采用任务的随机分配,无法根据流水线的实际负载能力,将应有的任务量分配到相应的流水线上。提出一种基于简化粒子群优化算法(Simplified particle swarm optimization algorithm,SPSO)的高效机械流水线任务分配方法,首先对每个流水线的实际负载能力进行动态评估。然后采用粒子群优化算法对所有流水线负载分配相应的计算任务。由于每个负载的任务量是根据实际的流水线性能来分配的,所以可以使得全局的效率最优化。最后通过实验对算法的性能进行验证。结果显示,改进方法在基于粒子群优化的机械流水线任务分配下,任务根据流水线性能,呈现很好的聚类,算法收敛性好,分配任务速度快,具有很好的应用价值。     

基于人才成长规律的维修任务分配模型研究

针对我军各维修级别的不同情况,对不同维修级别的装备保障人才影响因素进行了分析研究,建立了不同维修级别装备保障人才成长的模型.并运用实例对模型的正确性进行了说明和验证,实例结果表明,该模型更贴近部队实际,对于部队的维修任务分配有重要的指导作用.