结合先验知识的多智能体博弈对抗研究

无实时奖励的复杂对抗环境是目前深度强化学习(DRL)领域的研究热点,面对此类环境,纯粹使用深度强化学习算法会导致智能体训练无法快速收敛以及对抗效果不佳等问题。基于此,本文提出了一种基于先验知识与深度强化学习相结合的智能博弈流程框架,设计了数据处理、增强机制以及动作决策3个模块,通过威胁评估、任务调度和损失比率3种增强机制来提升智能体在复杂对抗环境下的收敛速度和对抗效果。在数据堡垒(DC)平台上进行仿真,实验结果验证了本文所提出的智能博弈流程框架训练的智能体相较于单纯基于深度强化学习的智能体拥有更快的收敛速度以及更高的胜率。

面向车辆边缘计算的多目标任务卸载算法

为解决车联网动态环境下,计算和通信资源不足时的任务卸载问题,提出一种基于车辆边缘计算的多目标任务卸载算法。搭建车辆边缘计算中的通信模型和计算模型,考虑每个车辆应用的任务时延约束,设计了多目标优化目标函数,联合优化时延和能耗成本;引入交叉变异、非支配排序、拥挤度排序等技术,提出了多目标任务卸载算法。实验表明,相比于其他任务卸载算法,所提算法显著减少了处理任务的时间和能耗。

复杂真实环境下的调度电话转录算法研究

调度电话的应答是调度员日常工作的重要部分,也是事故回放审查的重要依据。为了提高事故分析及回放审查的效率,为调度指挥智能化打下基础,提出一种基于注意力机制及连接时序分类联合训练的调度电话转录算法,旨在提高复杂现实环境中调度电话的转录精确率及稳定性。通过在公开数据上添加调度大厅噪音来模拟现场环境,从而测试不同信噪比条件下算法的转录性能。在0 dB、1 dB、5 dB、10 dB的信噪比条件下测试转录错字率,结果分别是17.37%,16.48%,12.46%和9.69%,证明算法在强噪声环境下依旧能够保持稳定。算法包含半监督训练,实验表明,在小规模数据上,半监督训练相较于有监督训练可保证1%~2%的错字率降低。最后,算法在调度电话数据集上进行测试,并取得87.39%的关键字转录正确率。

基于NSGA-Ⅱ的车载光学测量设备任务调度方案优化

针对车载光学测量设备任务调度方案优化问题,提出了一种基于非支配排序的遗传算法(non-dominated sorting genetic algorithmⅡ,NSGA-Ⅱ)的多目标遗传算法。首先,建立了包含约束、优化指标在内的观测任务调度问题的数学模型。其中,针对多优化指标进行巧妙处理,将某些不作为最优指标的优化指标作为指标约束进行处理。其次,基于NSGA-Ⅱ中的快速非优超排序方法计算多目标适应度函数与选择算子,多目标优化求解得到的Pareto最优解集即为任务调度方案集。最后,通过仿真算例对所提算法进行了求解验证。仿真结果表明,该算法能够有效解决任务调度方案优化问题,为车载光学测量设备的工程实践提供了一定的参考。

基于贝叶斯离散优化的电力调度网络发令多任务优先级解耦方法

电网输电线路的负荷率和利用率的不断加重,为电力系统运行调度增加了难度。为了合理规划调度任务,保证电网运行安全,研究基于贝叶斯离散优化的电力调度网络发令多任务优先级解耦方法。建立电力调度模型,设定调度优化目标和约束条件;基于贝叶斯离散优化预测电力负荷,为任务优先级判定提供依据;通过分块解耦动态仿真电力系统,将复杂外部系统转换为简单等值系统;通过电力调度多任务优先级解耦,划分优先级,接收操作令,完成电力调度的解耦。经实验论证分析,所提模型得到的解耦前后的仿真曲线较为吻合,仿真结果可以真实准确地反映电力系统的动态行为,对过载线路有功功率的调节效果明显,越限问题得到了很大程度的改善。

基于模拟退火机制的移动边缘云计算任务卸载

缓存任务过多容易导致云环境下数据传输卡顿,因此,为实现云数据的流畅传输,提出基于模拟退火机制的移动边缘云计算任务卸载模型。根据边缘云计算的定义表达式,计算任务缓存指标,完成移动边缘云计算队列的构建。以模拟退火机制为基础,确定云负载调度标准的执行条件,联合数据库主机中缓存的信息参量,求解优化卸载参数,完成基于模拟退火机制的移动边缘云计算任务卸载模型的设计。实验结果表明,所提方法可以有效解决云任务堆积的问题,将单位时间内的缓存任务量控制在550个以下,可以提升云数据传输流畅性。

基于改进多元回归的飞行签派员训练效果研究

针对飞行签派员培训效果反映出的资质能力进行探索与实践,根据最新的ICAO Doc10106,将飞行签派员的训练任务分为签派放行风险评估、飞行计划与运行监控、飞行后评估,并将其作为3个预报变量,使用改进多元回归方法建立签派员训练效果评估模型,探索3个主要训练任务在飞行签派员资质考核中的权重,为航空公司对飞行签派员的培训提出针对性意见。

Puzzle:面向深度学习集成芯片的可扩展框架

芯粒集成逐渐成为不同场景下敏捷定制深度学习芯片的高可扩展性的解决方案,芯片设计者可以通过集成设计、验证完成的第三方芯粒来降低芯片开发周期和成本,提高芯片设计的灵活性和芯片良率.在传统的芯片设计和商业模式中,编译器等专用软件工具链是芯片解决方案的组成部分,并在芯片性能和开发中发挥重要作用.然而,当使用第三方芯粒进行芯片敏捷定制时,第三方芯粒所提供的专用工具链无法预知整个芯片的资源,因此无法解决敏捷定制的深度学习芯片的任务部署问题,而为敏捷定制的芯片设计全新的工具链需要大量的时间成本,失去了芯片敏捷定制的优势.因此,提出一种面向深度学习集成芯片的可扩展框架(scalable framework for integrated deep learning chips)--Puzzle,它包含从处理任务输入到运行时管理芯片资源的完整流程,并自适应地生成高效的任务调度和资源分配方案,降低冗余访存和芯粒间通信开销.实验结果表明,该可扩展框架为深度学习集成芯片生成的任务部署方案可自适应于不同的工作负载和硬件资源配置,与现有方法相比平均降低27.5%的工作负载运行延迟.

面向绿色节能的智能网联电动车调度方法

随着新能源电动车的飞速发展,以智能化、网联化、节能化为特点的智能网联电动车具备群体智能的优点,适合执行大规模城市任务,被广泛用于智慧城市的社会服务建设中。为此,以智能网联电动车为研究对象,重点研究电动车群体的城市任务调度问题,主要面临以下挑战:由于城市任务的分配策略与车辆个体执行任务的能力密切相关,在面向车辆群体制定派遣策略时,需要综合考虑车辆个体在其行驶轨迹上所产生的区域效益,以保证车辆在有限电量的约束条件下完成任务并顺利返回。因此,车辆群体派遣策略与车辆个体路径规划方案之间相互影响,是一个带权二分图匹配问题和旅行商问题紧耦合的NP-hard问题。为了解决上述挑战,提出了基于最大权值匹配的车辆派遣算法,首先采用贪心策略为单个车辆在子区域内选择任务路段;然后利用车辆行驶轨迹产生的区域效益,制定车辆与子区域的最优派遣策略,从而最大化区域效益总量。最后,基于四川省成都市238辆智能环卫车30天的作业数据集,对所提算法进行评估。实验结果表明,所提算法的城市道路清扫率相比源数据方法、随机算法和不更新地图算法平均提升了11.2%。

融合电网运行场景聚类的多任务深度强化学习优化调度

“双碳”目标和新型电力系统建设背景下,新能源的高渗透率接入导致电力系统随机性显著增大、运行方式的分布复杂多样,传统单任务深度强化学习难以自适应源荷两侧的高随机性,调度决策难以满足新型电力系统对风光消纳、功率平衡需求。为此,该文提出融合电网运行场景聚类的多任务深度强化学习优化调度方法。该方法离线训练时利用空间聚类和决策树辨识海量调度运行数据的典型运行场景与重要特征,并构建甄别场景类别的多层感知机分类器;再依据场景类别建立和划分融合聚类多任务深度强化学习模型,从数据源到状态动作设计差异化训练各子任务学习器与模型;在线决策时利用分类器辨识有限运行数据的场景类别,调用模型快速求解实时调度任务,实现高随机场景下的多任务快速迁移学习,保证电力系统优化调度决策的最优性。该文通过算例验证了该方法的解的可行性与经济性。实验结果表明,融合电网运行场景聚类的多任务深度强化学习优化调度算法较单任务算法能够明显提升调度决策经济效益。

大型灾害事故消防救援应急通信建设任务与保障措施

针对我国消防救援应急通信任务需求特征、处置难点和存在问题进行了分析,对“断路、断电、断网”极端条件下加强消防应急通信现代化建设内容和机制等方面进行论述,并针对性提出应急通信保障相关措施。

机器人室内自主载人自适应性匈牙利派单算法

以航站楼等大型公共室内环境中机器人运送旅客为背景,研究多自主载人机器人的派单优化问题;借鉴了网约车的派单思想,针对航站楼隔离区环境内的搭乘需求,研究了自适应性匈牙利派单算法;基于航站楼二分图派单匹配模型,计算载人机器人的派单调度矩阵;该派单调度矩阵考虑了旅客密度时空分布、旅客等待时间和机器人能耗为参考,将路径-时间-能量作为目标变量,以计算各接载任务起讫(OD)矩阵元素值,同时为挖掘全域派单的可能性,结合供需预测关系将快到达目标点的载人机器人加入可派单队列;通过构建航站楼实际离港业务的三维仿真模型,进行了全天时派单模拟实验;结果表明,所研究的派单算法对多目标约束派单求解有较好的优越性和适应性,以达到全域最优派单分配的目的,为高效完成接载任务提供决策支持。

基于PMS2.0系统的辅助型APP的设计

本文针对目前智能PMS2.0系统无法实现对辅助的优先级排序,且设计到的用电信息存在严重缺失的问题,开展了PMS2.0系统辅助型APP的设计研究。通过抽象化处理PMS2.0系统的辅助对象,建立辅助调度计划数学模型。将模型作为依据,建立辅助队列,并管理4种不同的任务状态,按照规则实现各项状态之间的切换。结合调度优先级指数,设置辅助调度优先级。根据调度指令完成辅助后,上报辅助调度信息。通过测试验证的方式得出,新的PMS2.0系统的辅助APP在实际应用中可实现对任务的优先级设置,并促进辅助获取用电信息完整性的提高。

云计算中基于差分进化算法的任务调度研究

如何充分利用云中资源对任务进行高效调度,是云计算中的重要问题。提出一种基于差分进化的多策略变异差分进化任务调度算法。该算法在标准差分进化算法的基础上加入了基于正态分布的分类和多种变异策略,变异策略中差异向量个体采用基于个体相似度的轮盘赌选择,改善了标准差分算法收敛速度慢和易陷入局部最优的缺点,可有效求解组合优化问题。在仿真平台CloudSim上进行模拟测试,结果表明该算法能得到较短的任务总完成时间,提高了资源利用率。

迁移工作流系统中停靠站服务器的设计与实现

在基于移动计算范型的迁移工作流系统犤1犦中,停靠站服务器是连接内部工作机与外部节点的桥梁。该文首先给出了停靠站服务器的基本结构及对应的功能,重点讨论了基于串并行子任务下的任务派遣机制,然后给出了迁移实例的排序实验。实验表明,停靠站服务器模型结构清晰合理,运行可靠,基于J2EE规范保证了系统能与其他基于Java环境的移动agent系统进行集成。

自动检票系统设计及其实现

概述国内外自动检票系统的发展现状,提出按地区中心计算机系统—车站计算机系统—自动检票机三层体系结构构建中国铁路的自动检票系统,论述各子系统的功能划分和软件模块的构成与设计。提出:采用纸质磁卡票作为单程票,非接触IC卡票作为储值票;采用对称和非对称加密方法实现设备间的身份认证和通信数据的加密,以保证自动检票机与车站服务器之间通信的安全;采用嵌入式实时操作系统来保证自动检票机的实时性和可靠性;采用基于优先级的抢占式任务调度方式处理自动检票机软件各任务间的关系,检票交易数据的处理时机与数据量因子和时间间隔因子相关。

一种新型嵌入式实时操作系统的移植研究

针对嵌入式实时操作系统TOPPERS/ASP的移植比较复杂的问题,研究移植流程,给出移植所必须完成的工作和关键步骤,以飞思卡尔MCF56F8367微控制器为例,实现其在新处理器架构中的移植。经实验验证,移植完善、正确,可解决TOPPERS/ASP在非GNU开发环境下进行全新移植的问题,为在其他处理器架构和开发环境下进行相应移植提供参考。

嵌入式实时操作系统核心的设计与实现

针对广泛使用的基于8051核的MCU,给出一个嵌入式实时操作系统核心的设计方案。具体阐述了时间片、任务调度、信号量和中断处理的实现。

Delaunay三角剖分并行算法研究及实现

本文通过对 Delaunay三角剖分的特性和并行性进行分析 ,提出了一种基于网格的 Delaunay三角剖分并行算法 .该算法解决了四点共圆的不唯一性及并行处理边界的任意性问题 ,在任务分配上较好地保证了负载的均衡 ,并在分布式环境中成功地实现该算法 。

基于层次化的网格资源三层调度模型

在分析现有的资源调度方案及模型的基础上,提出了基于层次化的网格资源三层调度模型,它由主调度器、次级调度器和计算节点组成。主调度器根据任务的性质和需求,并参考下层次级调度器的执行情况,将部分任务分发到各次级调度器上,实现了主调度器与次级调度器之间的并行工作。基于该模型提出轮循任务分发策略。通过分析和模拟,该资源调度模型及任务分发策略在调度性能上明显优于集中式调度方案。