时空约束下资源受限的多智能体柔性重叠组织建模

在资源受限的多智能体系统中,智能体通常需要与其他智能体协作并获取资源,从而实现增加总体收益或完成复杂任务的目的。而开放系统中资源需求和供应的不确定性导致了信息不对称和竞争加剧,从而增加了资源分配的复杂性和协作成本。因此,构建时空约束下的柔性重叠组织框架。该框架一方面融合时空约束提升信息的时效性及资源分配的合理性,另一方面支持柔性重叠组织使智能体能够同时订阅多个资源,进一步缓解资源受限的问题。此外,提出了时空约束下的资源选择算法解决资源的不均衡使用;同时提出了协作策略生成算法来降低资源竞争。最后,在开放的多智能体系统仿真环境中对所提方法进行评估,在不同资源需求、智能体流动性的情况下对任务完成数量、任务成功率和资源利用率进行分析。实验结果表明,使用时空约束下的柔性重叠组织框架可以有效缓解资源受限问题并提高任务成功率和资源利用率。

资源受限的机械振动WSN层次分解CNN边缘计算方法

用于机械振动监测的无线传感器网络节点的微控制器需要进行复杂的边缘计算,然而硬件资源受到限制。卷积神经网络作为一种性能优越的深度学习算法,若将其运行在MCU上可增强边缘WSN节点的计算能力。本文提出了一种不修改CNN模型的层次分解方法,解决了难以在资源受限的MCU上运行不轻量化CNN的问题,实现了机械振动WSN节点的计算能力增强。首先通过设计文件结构用于分解并存储CNN模型参数,然后提出内存管理方法并推导随机存取存储器的消耗过程,最后提出参数定位方法准确高效地读取模型参数。实验表明仅使用1.76 KB RAM与2.14 KB Flash,在3.15 ms内便可实现高准确率的边缘计算识别任务。

资源受限的大模型高效迁移学习算法研究综述

近年来,深度学习在自然语言理解、计算机视觉和数据挖掘等重要领域取得了巨大成功,极大地推动了人工智能技术的发展.迁移学习的诞生和应用更是大幅减轻了数据的获取和标注成本,成倍提升了深度模型和算法的泛化能力和适用性.然而,随着模型规模的不断增大,传统的迁移学习方法面临着计算和存储资源的巨大挑战,难以满足可穿戴、军事、医疗等资源受限场景下的应用需求.高效迁移学习算法应运而生,旨在以最小的资源开销实现大模型的快速适配与部署,有望成为未来人工智能技术发展的关键突破口.本文是高效迁移学习领域的首篇中文综述,系统总结了近5年来该领域的研究进展.本文首先分析了高效迁移学习算法在自然语言处理、计算机视觉和多模态模型三大场景下的应用现状,提炼出了修改模型结构、调整预训练参数、调整原始输入(输出)、注入自适应参数、引入自适应模块等五类具有代表性的技术路线.在此基础上,本文对各类方法进行了全面梳理与比较,分析了它们的优势与局限性.本文的主要贡献如下:(1)对高效迁移学习领域进行了系统化的综述,为后续研究提供了完整的技术参考;(2)提出了一种基于技术路线的分类框架,帮助读者快速把握该领域的研究脉络;(3)深入分析了现有方法的不足,并展望了未来的发展方向,具有一定的前瞻性和指导意义.高效迁移学习算法是推动现代人工智能技术走进千家万户的关键技术,有望让更多中小企业和个人用户受益于大模型的强大性能.本文对该领域的全面梳理,将为该领域算法的进一步发展和应用提供重要的理论参考与实践指导.

资源受限场景下的虚假信息识别技术研究

近年来,社交媒体因其开放性和便捷性,为虚假信息的扩散和泛滥提供了温床。相较于单模态虚假信息,多模态虚假信息通过融合文本和图片等多种信息形式,创造出更具迷惑性的虚假内容,造成更深远的影响。现有的多模态虚假信息识别方法大多基于小模型,而多模态大模型的快速发展为多模态虚假信息的识别提供了新思路。然而,这些模型通常参数众多、计算资源消耗大,无法直接部署在计算和能量资源受限的场景中。为了解决以上问题,提出一种基于多模态大模型Long-CLIP的多模态虚假信息识别模型。该模型能够处理长文本,关注更多粗粒度和细粒度细节。同时,利用高效多粒度分层剪枝进行模型压缩,得到一个更加轻量化的多模态虚假信息识别模型,以适应资源受限场景。最后,在微博数据集上,通过与微调前后的当前流行的多模态大模型和其他剪枝方法进行对比,验证了该模型的有效性。结果显示,基于Long-CLIP的多模态虚假信息识别模型在模型参数和推理时间方面远少于当前流行的多模态大模型,但检测效果更佳。模型压缩后,在检测效果仅下降0.01的情况下,模型参数减少50%,推理时间减少1.92s。

资源受限条件下受扰航班恢复研究

针对机场关闭导致的航空公司飞机和航线网络资源较长时间受限的问题,论文构建了一种基于列生成的航班恢复方法。通过优化飞机执行的航班串,使用航班延误,飞机交换,航班取消三种手段对航班计划进行调整,减少取消航班的班次,使航空公司损失最小。首先使用路径模型构建多机型航班网络和航班恢复模型,其次使用构建的启发式算法生成初始恢复方案,最后使用列生成方法对航空公司遭遇突发事件后的航班中断进行恢复,对降低多机型航空公司航班取消率进行了研究。实验结果表明,与人工调整相比,该方法可以将航班取消率下降5.4%,其中与被关闭机场不直接相关的航班取消数量下降66.67%,恢复成本减少17.4%。该方法在可接受的延误水平内,显著降低了航班取消率,对航空公司航班正常运行有较高价值。

月东油田海上人工岛生产资源受限条件下措施运行优化模式研究

月东油田是海上注蒸汽热采开发的稠油油田,目前共有A、B、C、D四个人工岛,每个人工岛均为独立生产单元,受人工岛空间限制,岛上修井、注汽、工艺措施施工等生产资源和能力有限,措施结构主要有常规吞吐、化学复合吞吐、化学堵水吞吐三类,围绕如何有效利用有限资源,提高措施运行效率,综合运用运筹学资源有限—工期最短和工期固定—资源均衡的方法,对资源受限条件下的措施运行优化模式进行了研究,并建立了甘特图优化模版,用于指导生产实践。

资源受限下基于改进Q学习的干扰自适应采样

资源受限条件下的干扰采样是限制干扰认知性能提升的瓶颈之一。将资源受限条件下的干扰采样问题建模为采样资源分配问题,提出了一种基于改进Q学习的干扰自适应采样方法。将多种典型干扰表示成Markov模型,并将资源受限条件下的采样子带选择过程建模为马尔科夫决策过程(Markov Decision Process,MDP)。针对干扰自适应采样应用需要同时具备较快收敛速率和较低稳态误差的需求,提出了一种温度参数动态调整的Q学习算法,并针对干扰时变的应用场景,在Q学习算法中嵌入干扰切换检测功能模块,改善了Q学习在干扰样式发生切换重新学习时探索不足的问题。仿真结果表明,与现有周期性采样方法相比,所提算法能显著提升多种典型干扰的有效采样效率,且能适应时变干扰的采样。

一种求解资源受限多项目调度问题的分解算法

针对资源受限多项目调度的多目标优化问题,采用约束逐层分解策略,提出了依次处理项目时序约束和资源约束的两阶段分解算法。第一阶段为时序约束优化阶段,采用蚁群算法进行任务列表的优化求解。通过改进信息素增量规则并采用并联进度生成机制,提高蚁群算法的求解效率和质量。其中,在构建任务合成链表的过程中遇到并联活动抢夺资源情形,采用基于熵权的逼近理想解排序法和基于有序加权平均算子的多属性决策方法来确定活动的综合权重,并依据权重对冲突活动进行排序,实现资源的冲突消解。第二阶段为资源约束优化阶段,以获得的优化任务合成链表为输入,逐项进行资源能力约束的核查与调整,最终生成项目调度的优化方案。通过多项目算例仿真结果验证了所提方法的有效性。

资源受限Web服务

该文的目的是明确资源受限Web服务中的技术难点和未决问题,以便研究人员进行创新性研究.资源受限Web服务是服务计算与无线网络、移动计算和嵌入式系统相融合的产物.它是小型终端设备访问云计算平台的有效手段,也是一种重要的物联网支撑技术,在移动电子商务、现代医疗、智能家庭、制造业自动化等领域有广阔的应用前景.文中首先介绍了资源受限Web服务的概念,分析了它的起源、发展趋势和技术特点;然后从服务构件、开发工具、中间件、软件框架、标准规范和应用入手,对现有工作进行了评述,分析了其中的技术难点,提出了今后的几个主要研究方向.

移动边缘计算中资源受限的串行任务卸载策略

云计算和移动互联网的不断融合,促进了移动云计算的产生和发展,但是其难以满足终端应用对带宽和延迟的需求.移动边缘计算在靠近用户的网络边缘提供计算和存储能力,通过计算卸载,将终端任务迁移至边缘服务器上面执行,能够有效降低应用延迟和节约终端能耗.然而,目前针对移动边缘环境任务卸载的主要工作大多考虑单个移动终端和边缘服务器资源无限的场景,这在实际应用中存在一定的局限性.因此,针对边缘服务器资源受限下的任务卸载问题,提出了一种面向多用户的串行任务动态卸载策略(multi-user serial task dynamic offloading strategy,简称MSTDOS).该策略以应用的完成时间和移动终端的能量消耗作为评价指标,遵循先来先服务的原则,采用化学反应优化算法求解,充分考虑多用户请求对服务器资源的竞争关系,动态调整选择策略,为应用做出近似最优的卸载决策.仿真结果表明,MSTDOS策略比已有算法能够取得更好的应用性能.

资源受限的无线传感器网络基于衰减信道的决策融合

研究了无线传感器网络中衰减信道下的决策融合规则.由于信道衰减,由节点传输到融合中心的本地决策会丢失或产生差错,要求融合中心的融合规则能够结合信道模型作出最优判决.在Rayleigh分布的信道模型下,对一系列融合算法作了理论和仿真分析.似然比融合算法性能最优,但是它占用的系统资源大,需要预知的信息多,性价比不高,不适合资源受限的无线传感器网络.提出了3种次优算法,它们比似然比规则耗费的信息代价要小.在不同的信噪比(signal-to-noise ratio,简称SNR)范围下,它们的性能有各自的优劣.综合分析发现,在资源受限的无线传感器网络中,最终选择的融合规则应在性能、耗费资源量和复杂度之间获得折衷.

一种求解资源受限工程调度问题的遗传算法

针对资源受限工程调度问题的特点 ,设计了一种改进的遗传算法 ,对算法的编码方式和解码规则、适值函数、遗传算子、初始种群的产生方法进行了详细的说明 .利用被普遍应用的标准问题对该算法进行了大量的测试 ,分析了算法参数和问题参数对算法效果的影响 。

一种求解多目标资源受限项目调度的遗传算法

采用基于非支配性排序的多目标遗传算法—NSGA-Ⅱ,设计了一种求解多模式、多种类资源约束的多目标资源受限项目调度问题的遗传算法,该算法所设计的编码包含两部分,一部分为一个任务链表,另一部分为任务链表中各任务所对应的执行模式组成的模式向量。将所设计的算法用于求解文献中的以项目总工期和资源均衡为目标的农业项目调度问题,结果表明此算法对于求解多目标资源受限项目调度问题是有效的。

求解模糊资源受限项目调度问题的遗传算法

本文研究了以排序健壮性最大为优化目标的具有模糊加工时间和模糊交货期的资源受限项目调度问题,采用六点模糊数表示模糊加工时间和模糊交货期,引入了2种模糊数的弱比较方法,即重心距离法和积分值法.针对这一优化问题设计了一种基于任务链表编码形式的遗传算法.数值实验结果表明该算法优于文献中的相关算法,同时实验结果也表明基于2种模糊数的弱比较方法对算法性能影响较弱.

一种求解资源受限项目调度问题的自适应遗传算法

遗传算法(GA)应用在经典资源受限项目调度问题中取得了显著的效果。本文提出了一种新的编码方法,亦即在任务链表后面加上两个基因,一个是表示解码规则的S/P基因,另一个是表示解码方向的F/B基因,由这两个基因同时控制任务链表的解码规则和解码方向。为了验证其有效性,选用标准数据库PSPL IB中的156个例子进行验证,结果表明:本算法优于采用编码为任务链表和带有S/P基因的任务链表的两个遗传算法。本算法的设计思想对于解决相关组合最优化问题具有一定的指导意义。

应用遗传模拟退火算法实现资源受限项目调度

针对以最小化项目工期为目标的资源受限项目调度问题(RCPSP),提出将模拟退火算法融合到遗传算法中,以改善遗传算法局部搜索性能,增强进化能力的遗传模拟退火算法——RCPSPGSA。在每次进化迭代过程中,下一代种群的个体需经过模拟退火算法改进,并通过在每次迭代结束前进行降温操作保证遗传算法和模拟退火算法具有相同的收敛方向和速度。算法在RCPSP标准测试问题库PSPLIB上进行数值仿真实验,并采用正交实验分析法解决参数选择问题。实验结果证明选择的参数组合具有突出的性能,RCPSPGSA是求解RCPSP的有效算法。

求解资源受限项目调度问题的约束规划/数学规划混合算法

利用约束规划(constraint programming,CP)与数学规划(mathematical programming,MP)结合的方法求解调度问题已经获得了一些较好的研究成果,正成为调度问题研究领域的一个新的热点研究方向.本文针对求解资源受限项目调度问题(RCPSP)的整数规划模型,设计了基于CP技术的问题和模型预处理方法,证明了整数规划模型的有效不等式定理,提出了通过将项目子网络图转化为加权最大团问题求解后获得有效不等式的方法.引用标准问题库PSPLIB中的一组典型问题进行求解实验,结果表明本文提出的有效不等式可以明显改进模型的求解质量和时间性能.论文最后对实验结果进行了深入讨论,讨论了未来的研究方向.

求解资源受限项目调度的动态多样性进化策略

针对资源受限项目调度问题,提出一种动态多样性的进化策略。算法通过动态控制种群的多样性和使用多样性重启方法来实现全局搜索能力和局部探测能力的平衡,并设计了一种基于最大资源利用率的两点交叉算子和基于插入的变异算子来产生新个体,使用基于多样性的精英保留选择算子来产生新种群。使用实验设计的Taguchi方法求得了新算法的最佳参数组合,对标准测试库的测试案例进行了仿真实验,结果表明新算法比基本进化策略具有更好的求解质量和收敛性。通过与其他启发式算法进行比较,进一步验证了算法的有效性。

求解资源受限项目调度的双种群准粒子群算法

针对资源受限项目调度问题,提出了一种新的双种群准粒子群算法。新算法基于粒子群的寻优原理,重新定义了粒子的位置更新公式,加入了多样性信息部分,并对公式中的位置差、标量与位置差的乘积以及位置和运算进行了重新定义。通过结合项目调度的问题特征,使用活动列表对粒子进行编码,设计一种新的双向路径重连实现位置的减法操作,使用选择实现位置差和标量的乘法操作,而使用均匀块交叉实现位置和操作,并提出正向粒子群和反向粒子群双种群并行进化的方式。通过实验设计的Taguchi方法求得了新算法的最优参数组合。对标准测试库PSPLIB的J30,J60和J120问题集和一个实际的装配项目案例进行了仿真测试,结果表明双种群准粒子群算法优于当前主要的基于粒子群的算法。通过与其他启发式算法进行比较,验证了算法的有效性。

柔性资源受限的多模式项目调度问题的建模

将资源受限的多模式项目调度问题中的资源拓展为柔性资源,建立了柔性资源受限的多模式项目调度问题的混合整数规划模型。基于PROGEN生成了项目非虚活动数目为10的2 500个算例,利用XPRESS软件进行了精确求解。对5种项目特征参数即项目网络复杂度、能力需求强度、能力供给强度、资源柔性值和资源数目与问题求解难度、项目总完工时间和项目资源利用率之间的关系进行了分析。指出资源柔性值和资源数目的增加虽然能够减少项目完工时间平均值,但是也可能导致资源利用率平均值的下降,对柔性资源进行合理调度才是项目管理的关键。