采用类遗传算法实现任务分布问题

本文提出了一种类遗传算子QGO (Quasi Genetic Operator),用于解决传统遗传算法CGA(Canonical Genetic Algorithm)搜索效率较低的问题。文中最后论述了用该算法解决异构机群系统中的任务分布问题的可能性。

实现异构多机系统任务分布的最小适应算法

针对异构多机系统中的任务分布问题，本文提出一个将任务系统Ｔ＝｛Ｔ１…ＴＭ｝分布到一组处理机Ｐ＝｛Ｐ１…ＰＮ｝上求解的最小适应算法，简称ＬＦ．指导思想是，选择一台能够承担Ｔｉ∈Ｔ且功能最小的处理机Ｐｉ∈Ｐ，将Ｔｊ，分布予Ｐｉ．

基于分阶段迭代模型的产品设计任务分布方案优化

针对产品开发中任务分布的不合理会导致产品开发时间延长的问题,引入设计结构矩阵,运用Markov Chain方法对耦合设计迭代过程进行分析,得到迭代过程的时间成本与设计结构矩阵中表示任务周期、返工概率的参数的关系,进而获得有利于缩短开发时间的任务布局方案的设计结构矩阵调整策略.以某照相机的开发过程为例,验证了该方法的有效性.

基于遗传算法的二阶段迭代模型任务分布方案寻优

针对利用启发式方法求解二阶段迭代模型的最优任务分布方案容易陷入局部最优解的问题,根据二阶段迭代模型中各任务的分布特点,引入具有自适应全局优化特性的遗传算法求解出二阶段迭代模型的最优任务分布方案,从而减少任务执行的时间成本。以某汽车发动机的开发为例,分别应用基于启发式方法和基于遗传算法方法进行求解寻优,通过比较说明了后者的有效性。

物联网感知层节点任务分布式调度算法研究

针对传统节点任务调度效率低的问题,笔者设计了物联网感知层节点任务分布式调度算法。通过选取任务节点,本算法减少任务集中出现在同一节点的情况,构建任务调度机制,提高调度过程中的资源整合能力。为保证调度的实时性需求,该算法设定调度时间约束,以此完成物联网感知层节点任务分布式调度。实验结果表明,该算法节点任务分布式调度的效率比传统算法效率高,具有实际应用意义。

分布任务式《单片机原理及应用》课程理实交叉授课方式及思考

《单片机原理及应用》课程是机械电子工程专业的一门核心课程。传统授课模式中,理论和实验单独集中进行,学生在理论理解和实践应用两个模块存在一定程度的知识链脱节问题。文章根据课程知识节点设立分布式理论、实验和学生总结的衔接方式,构成节点模块,形成理论实践不断交叉推进的授课方法,帮助学生在知识架构上更好理解理论和实践的融合。另一方面,文章针对授课情况发放问卷,通过统计分析评价授课效果,并进行讨论和建议。

面向任务的云、边、端分布式异构资源优选技术

聚焦未来复杂、高动态环境下异构无人系统跨域联合、超视距分布式联合等应用需求,构建包含任务要素、多智能体要素的任务空间,提出一种混合知识驱动的“云-边-端”跨层跨域任务分配和资源优选模式,分析智能体任务包构建、冲突消解等关键技术,研究特定时间窗口下的分布式任务分配效果,考虑到复杂动态对抗环境因素影响,分析面向扰动的柔性适变方法。通过结合典型空海场景对任务分配算法进行仿真,验证跨域分布式任务分配、面向扰动的适变调整等设计的可行性和有效性。

面向网络化无人机集群的计算换通信分布式任务调度方法

针对网络化无人机集群任务自主协同问题以及市场竞拍法的优缺点,提出“计算换通信”思想及其相应的分布式任务调度方法。通过对显式和隐式冲突任务的分析,建立任务相关智能体集合。提出基于任务抑制的局部优化方法,用于提前消解部分任务冲突,以减少算法迭代次数。设计基于历史竞标信息的智能体位置推断法,为局部优化提供必要的信息输入。基于组网仿真平台与集群救援场景开展蒙特卡罗仿真实验,结果表明,相比于市场竞拍法中具有代表性的基于共识的捆绑算法和性能影响算法,所提方法能够获得更少的迭代次数、更短的收敛时间以及更优的调度性能。

信息重传与丢包补偿的多无人机分布式任务分配方法

针对通信丢包导致的多机分布式任务分配方法收敛速度慢、通信负载高等问题,提出信息重传与丢包补偿的分布式任务分配方法。设计机间信息重传机制,各机依据通信状态调整任务信息重传次数,有效降低数据丢包概率。给出考虑信息重传下分配算法收敛迭代规律,证明了重传机制对分配算法收敛的增速效果。为进一步降低通信冗余,提出丢包估计分布式任务分配(LE-DTA)算法,利用估计信息补偿丢包数据参与分布式任务分配过程,降低了机间通信传输需求,并证明了LE-DTA算法的收敛性。仿真对比结果表明:信息重传机制改进的一致性束算法(CBBA)能够有效提升算法收敛速度,但机间通信负载较高;LE-DTA算法在高丢包率、低网络拓扑连通度场景下具有明显的性能优势。

通信约束下UAV集群协同拦截任务分配算法

针对多无人机协同拦截多机动目标的任务分配问题,同时考虑到真实战场环境中存在的通信约束以及探测范围约束条件,本文提出了分步一致性拍卖算法(SCBAA)。首先,对真实战场环境中存在的通信约束以及探测范围约束等问题进行了描述分析,构建了多无人机协同拦截任务分配模型,设计了综合效能函数以及相应约束条件。其次,为解决多无人机协同打击单一目标的不平衡任务分配以及冲突消解问题,将原任务分配过程分为主要任务分配以及次要任务分配两部分,通过多次拍卖以及冲突消解实现多无人机对单一目标的任务分配。仿真结果表明,该算法可有效解决通信约束条件下的分布式多无人机协同拦截问题,并适应动态环境中任务分配对实时性的要求。

基于动态规划算法的二阶段迭代模型任务分布方案的寻优

针对利用启发式算法求解二阶段迭代模型的最优任务分布方案容易陷入局部最优解的问题,引入具有全局搜索特性的动态规划算法,将二阶段迭代模型任务分布方案的寻优过程划分为若干个子问题,通过各子问题的最优化得到全局最优的任务分布方案,以保证任务执行时间为全局最短,减少设计迭代过程的时间成本。以某照相机的开发为例,通过对基于启发式的寻优和基于动态规划算法的寻优的求解结果比较,说明了后者的有效性。

作业分布后服务机中的任务调度策略分析

分布计算系统中子任务的分布策略影响了整个系统的效率，而作业分布后服务机中的任务调度策略也是影响整个系统效率的一个重要因素，本文对此作了较祥细的分析，并提出衡量分布系统的任务分布效率的参考方法——延迟因子及几种调度策略。

基于遗传算法的并行设计耦合集任务分布规划

针对完全并行迭代模型在实际产品设计中难以实现的问题,从迭代过程中任务的迭代时间和迭代次数的有限性两个方面对迭代模型进行了修正,并在此基础上对迭代模型进行了扩展,建立了改进后的多阶段混合迭代模型。结合遗传算法,求解在多阶段混合迭代模式下耦合集的最短执行时间和最小成本以及相对应的任务分布方案。以某智能割草机的开发设计过程为例,说明了该方法的有效性,并分析了阶段数和学习率对任务执行时间和成本的影响。

基于跳跃因子模型的不规则分布蓝色任务法

跳跃因子模型是处理系统超载的一种有效方法 它能够降低系统负载 ,并使系统缓慢降级 Deeply Red算法是一种简单的基于跳跃因子模型的任务请求丢弃方法 ,然而由于Deeply Red算法未考虑任务特性和CPU资源利用率 ,其性能较差 为了克服Deeply Red的缺点 ,提出不规则分布蓝色任务法 :静态不规则分布蓝色任务法 (SUDB)和动态不规则分布蓝色任务法 (DUDB) SUDB和DUDB算法都是通过降低高优先级任务对低优先级任务的干扰时间 ,来提高任务集的可调度性 模拟结果表明 ,SUDB和DUDB算法性能要优于Deeply

分布式任务调度算法的仿真环境研究

主要研究了分布式任务调度算法的仿真环境．首先给出了分布式任务调度算法的主要规则构成，然后提出了分布式任务调度算法仿真环境的一种系统结构。

电网调度控制系统分布式任务管理的体系架构与关键技术

随着电网规模的不断扩大,采集数据数量的快速增长,数据处理和分析业务向集群化发展,目前单机方式的任务管理在保证分布式任务的高效性、可靠性上面临严峻的挑战。文中提出了一种适用于电网调度控制系统的分布式任务管理技术。首先,分析了电网调度控制系统对分布式任务管理的需求,然后介绍了分布式任务管理的体系架构和自动部署、负载均衡、冗余容错等关键技术和典型应用。测试结果表明该技术能够实现任务在多个节点上的高效计算和可靠运行。

有人/无人作战智能体分布式任务分配方法

有人/无人作战智能体任务联盟是面向分布式网络化作战体系提出的一种作战样式,任务分配问题是研究任务联盟指挥策略的关键点之一。以有人/无人作战智能体任务联盟为研究对象,提出与之适应的分布式体系结构。将任务执行质量引入任务分配问题建模中,以拍卖算法为基础,通过编组整体拍卖、方案预处理等改进机制,有效降低了个体方案的构建开销,并在约束的时间内实现任务联盟的动态任务分配。针对作战想定进行了仿真计算,结果表明算法能在有限拍卖次数下给出接近理想优化效果的分配方案。

基于活动状态的分布式任务管理模型

基于P2P结构的分布式网络架构,提出了一种基于活动状态的分布式任务管理模型。给出了任务和活动的定义、活动的3个基本约定、活动状态的变化规则,然后在此模型下详细描述了分布式任务执行的基本过程以及活动出错时的补偿。最后依据该模型,设计并实现了一个分布式遥感图像处理系统,在实验中,采用两组遥感数据进行了测试,实验结果验证了该模型的可靠性和高效性,并且该分布式任务管理模型具有很好的扩展性。

电网自动化中的高可靠分布式任务调度算法

电网自动化系统实现了电网变电站的现代化管理 ,是确保电力系统安全、稳定、可靠运行的重要手段 .本文提出了针对电网自动化调度监控中心的分布式结构模型 ,并在此模型上设计和实现了两种高可靠的分布式任务调度算法—— ADS算法和 L FS算法 .对系统性能的测试结果表明 。

嵌入式网络分布式负载任务并行计算系统设计

传统的嵌入式网络分布式负载任务并行计算系统工作性能差。针对这一问题,设计一种新的并行计算系统,系统硬件由存储层、缓存层、执行层组成架构。通过STORE selection模块连接各层数据,Zookeeper模块监控系统的整体运行变化,data loader模块负责引入外部数据,利用分布式索引结构将得到的数据存储在系统中,设计失效节点检测机制增加系统的容错性,每个节点都设计对应的常驻进程,优化构建查询模块,提高用户查询效率。软件由准备阶段、执行阶段和完成阶段组成,每个阶段的任何一个环节出现问题,都会直接导致进程失败。设计对比实验检测系统效果,结果表明,相较于传统系统,文中给出的并行计算系统在计算过程中消耗的索引量更少,并行计算性能更强,所有的计算都可以在系统中进行,确保系统的负载均衡特性得以提高。