随机环境下带有私人信息的单机能力分配策略

本文研究随机环境下考虑私人信息的单机能力分配问题.该问题中各部门的单位产品收益、需求信息及加工设备各时段的能力为私人信息,且各时段中产品的加工时间为随机变量.本文采用设备方与各部门协商的方法对问题进行求解,首先利用随机规划理论将能力分配问题清晰化,然后利用拉格朗日松弛和泰勒级数展开方法进行协商机制设计,接着给出基于偏转次梯度方法的协商参数更新法则,最后综合上述过程给出最终的问题求解算法.数值算例验证了算法的有效性并分析了关键参数对能力分配结果的影响.     

智能电动车辆横纵向协调与重构控制

针对具有高度非线性、强耦合和冗余特性的智能电动车辆运动控制问题,提出了一种由协调控制律和控制分配律组成的横纵向综合控制新方法.首先,建立准确表征智能电动车辆行为机理的动力学模型;其次,采用非奇异滑模控制技术,引入非线性滑动模态切换面,设计有效克服非线性及不确定特性的协调控制律,保证系统状态在有限时间内收敛至平衡点;在此基础上,考虑到轮胎存在冗余和耦合特性,提出基于内点法的控制分配算法来完成期望广义力/力矩的优化分配,实现轮胎横纵向力的协调与重构.仿真结果表明了该方法的有效性.     

基于MPI高性能计算的方法研究

并行处理在计算能力方面与单处理器的串行处理相比有着无可比拟的优势。个人计算机和网络成本的下降使得使用分布式系统进行并行处理的现象越来越普遍,而分布式网络系统中多采用MPI作为并行编程标准。为了减少程序运行时间,改善MPI计算的性能,负载均衡方法尤为重要,本文提出一种在MPI并行处理中负载均衡的方法,可以按照节点的计算能力和负载情况,在节点之间分配和迁移任务。实验表明,本文提出的方法可有效提高MPI并行处理的性能。     

多编组协同任务分配模型及DLS-QGA 算法求解

为解决多智能体编组协同任务分配问题, 定义任务、智能体编组和相关的分配过程变量, 建立以最高任务执行效率为目标的数学模型. 在问题模型中设计考虑资源损耗的编组资源能力更新机制, 提出用于求解该模型的动态列表规划和量子遗传算法的混合任务分配算法, 使用动态列表规划选择处理的任务, 利用量子遗传算法为选定任务分配最合适编组. 最后通过算例表明, 所提出的方法在解决时序逻辑任务分配时能够得到更优更稳定的方案.

     

一种权重融合模型的物联网频谱分配方案及其免疫实现

采用认知无线电技术, 设计了一种空闲频谱资源选择排序方法。在进行频谱选择时, 提出了一种无偏好信息的主客观权重融合方法, 提高权重设置的合理性, 并将求解权重转换为一个最优化问题, 通过免疫优化算法进行求解。实验结果表明, 该算法可以有效选择满足物联网节点传输需求的频谱, 并具有较高的网络吞吐量。     

一种基于RAN架构无线接入网系统容量最大化的功率分配算法

针对新型RAN架构无线接入网中功率分配问题进行研究, 建立系统容量最大化的最优化数学模型, 提出了一种基于RAN架构无线接入网的系统容量最大化的功率分配算法, 并且应用人工鱼群算法求解了算法中目标函数的全局最优解, 即一组使系统容量最大化的发射功率。仿真结果表明, 与现有的分布式网络架构中非合作的功率控制博弈算法相比, 新算法可以显著提高系统容量, 即证明了该算法的有效性。     

WiMAX资源分配算法研究

链路自适应传输是正交频分多址系统关键技术,对提升系统性能起到关键作用。全球微波接入互操作性时分双工模式下的资源分配涉及时频二维,存在资源分配信令开销过大的问题。针对全球微波接入互操作性系统中自适应调制编码子载波分配方式,该文提出一种基于多用户分集的资源分配算法。通过仿真,该算法不仅有效降低资源分配带来的信令开销,而且系统传输效能得到有效提升。     

基于群体智能的多机器人任务分配

针对具有松散和紧密耦合型任务的大规模多机器人系统,研究了基于群体智能的任务分配方法。系统采用层次结构,高层用蚁群算法实现松散耦合型任务分配的寻优,提出逆转分配思想让蚂蚁代表任务,为每个任务选择任务的承担者。底层分别提出了基于蚁群、粒子群蚁群和量子蚁群实现机器人联盟的形成——产生紧耦合型任务解,并进行仿真。仿真结果表明,基本蚁群算法得到的解质量最差;粒子群蚁群算法得到的分配解最好,但是运算时间最长;量子蚁群算法得到的解稍次于粒子群蚁群算法,但分配时间比另两种算法减少了一半。因此,在大规模的多机器人任务分配中,量子蚁群算法具有更强的适用性。     

高职教育财政拨款制度变迁的若干思考

伴随着高职教育体制的转变以及社会主义市场经济体系的逐步规范化,高职教育财政政策发生了一系列相应变化。一方面就是确立了高职教育多渠道筹集资金政策,另一方面建立了市场化的资金筹集和资金供给机制。在回顾我国高职教育财政拨款制度变迁的基础上,着重分析其对高职院校的影响以及高职院校应采取的对策。     

Kalman滤波预测的多小区子载波分配方法

小区间干扰协调是3G演进系统中抑制小区间干扰的重要策略, 并且在各类小区间干扰协调方案包含着不同的频率复用方法。为了在抑制干扰的同时提高频谱利用率,提出了可用频率集合的概念。如何分配可用频率集合中不同频点的子载波直接关系到小区间干扰的强弱程度,而现有的子载波分配方法往往基于当前信道状况, 导致在分配过程中因时间的滞后性而带来较大的干扰。针对这种情况,提出了一种基于Kalman滤波预测的自适应子载波分配方法。该方法通过检测获取不同子载波对用户的信道增益干扰比(GIR), 进而采用Kalman滤波估计得到下一时刻的GIR预测值大小,并以该预测值作为子载波分配的依据。仿真结果表明,与固定子载波分配方法和基于当前GIR的子载波分配方法相比,该方法能有效降低不同频率复用方法下的小区间干扰,改善小区和用户的性能,具体表现在提高了小区吞吐量,降低了用户的阻塞率,以及改善了小区边缘用户的比特丢失率。