多/单目标优化转换下的作战任务重分配

协同作战任务分配技术是近年来军事领域的研究热点之一,以往的研究一般将任务分配划分为预分配和动态分配2个阶段并独立进行研究,但是这种做法忽略了2个阶段之间的内在联系。针对这一问题,以多目标优化下的任务预分配和单目标优化下的任务动态分配为切入点,提出一种多/单目标优化转换思想。在动态任务分配阶段,通过决策者在预分配阶段的选择获取其主观偏好,基于获取的主观偏好将多目标优化转化为单目标优化后,使用合同网协议完成单目标任务重分配。仿真结果证明了所提出的多/单目标优化转换思想的正确性及其在动态任务分配问题中的适用性。

LeCMPSO算法求解异构无人机协同多任务重分配问题

无人机系统在军事领域有着广泛应用,由于战场环境复杂多变,无人机遭遇突发状况后需进行任务重分配.异构无人机是指多种类型的无人机,可完成单一无人机无法完成的多类型复杂任务,异构无人机协同多任务重分配问题约束条件复杂且包含混合变量,现有多目标优化算法不能有效处理此类问题.为高效求解上述问题,本文构建多约束异构无人机协同多任务重分配问题模型,提出一种学习引导的协同多目标粒子群优化算法(LeCMPSO),该算法引入基于先验知识的初始化策略和基于历史信息学习的粒子更新策略,能有效避免不可行解的产生并提升算法的搜索效率.通过在4组实例上的仿真实验表明,与其他典型的协同进化多目标优化算法相比,所提算法在解集的多样性、收敛性及搜索时间方面均具有较好的性能.

考虑系统重用和加工任务重现的制造系统布局重组规划

针对多零件族变批量的生产需求,为降低系统重新配置的代价,提出考虑系统重用和加工任务重现的制造系统布局重组规划方法。分析系统重用和加工任务重现的必要性,建立相应的测度指标,依据优先关系、唯一性、加工功能、生产节拍、最大空闲时间、车间空间等约束条件,以追加投资、重组成本、空闲时间、加工任务重现度、系统重用度等指标的线性组合为目标函数,建立面向多零件族变批量需求模式的布局重组规划模型,并给出基于遗传算法的布局重组算法。以某车间的柴油发动机缸盖加工生产线为例,验证该规划方法的正确性和有效性。结果表明:所提出的集成布局重组规划方法是以现有系统布局形态为基础,实现了重组过程的重用性和经济性,同时满足了制造系统对生产功能和生产能力的需求。

导航星座的任务重构技术研究

以COMPASS卫星导航星座为对象,研究了导航任务的重构技术。首先,对COMPASS卫星导航星座的主要性能进行了分析和仿真;其次,分析了星座中部分卫星失效后对导航性能的影响;最后,提出了分别利用在轨运行的高、中、低轨卫星及临近空间飞行器进行任务重构的方法,并对重构后的导航性能进行了仿真。仿真结果表明:提出的任务重构方法对于保证导航星座的正常运行是有效的。同时,对于研究飞行器应急测控技术具有借鉴意义。

多弹作战中的任务重分配方法

突现任务重分配是具备了飞行中改变攻击目标能力的巡航导弹在作战中需要解决的重要问题。通过分析可控巡航导弹的特点及此类导弹在飞行中可能出现的突现任务类型,借鉴战斧巡航导弹的作战样式,建立了出现突现任务后的任务执行过程;提出了候选导弹、重瞄导弹的确定方法,并建立了各自的任务执行子模块;利用这些子模块,从一个新角度提出了基于逻辑判断的突现任务分配方法,可为可控巡航导弹的突现任务重分配系统设计提供参考。

可迁移网格依赖任务重调度模型及算法

针对可迁移依赖任务的重调度问题,提出了基于约简DAG可迁移任务图的重调度模型,并基于免疫遗传算法实现了以提高应用性能为目标的求解算法.实验表明,与经典的动态调度算法Max-Min和基于启发式的AHEFT静态算法相比较,由于调度目标的一致性,初始调度的性能在重调度过程中被较好地保持,并且由于任务迁移的支持和遗传算法在全局优化上的性能优势,应用性能得到较大提升;又由于任务图的约减过程和免疫因子对算法收敛的作用,提出的IGA算法效率得到显著改善,使资源动态性和异构性的适应能力得到进一步增强.

基于编组去向的车流组织任务重构

编组去向是车流组织过程中的一个重要概念,其本质特征是充当车流集结的基本单元,通过梳理车流、规范列流,实现车流向列流转变。通过对编组去向的角色分析,实现了车流向列流的转变,并对车流组织任务重构进行举例分析,为编组方案优化建模提供一种思路。

运载火箭推力故障下在线计算轻量化任务重构方法

为了避免运载火箭推力下降故障引起发射任务失败,基于径向基神经网络,提出了一种在线计算轻量化的任务重构方法,可快速在线计算最优救援轨道对应飞行轨迹(最优轨迹)的近似解。在离线部分,结合凸优化与自适应配点法产生“故障状态-最优轨迹”数据集。数据集被用来训练径向基神经网络,建立轨迹决策模型来构建故障状态到最优轨迹的动力学关系。在线应用时,不需要迭代求解轨迹优化问题,只需将离线训练好的神经网络正向传播应用即可。仿真校验了本文方法在圆轨道、椭圆轨道两种救援类型情况下的有效性,与直接法相比,本文方法可获得最优轨迹的近似解,并且在线部分的计算时间降低三个数量级。

基于深度强化学习算法的空间站任务重规划方法

针对空间站短期任务重规划问题规划周期短、实时性约束多、约束传播复杂的特点,结合深度强化学习在智能学习和决策上的优势,提出了适用于深度强化学习的空间站任务状态空间编码方式,实现了基于深度确定性策略梯度算法的空间站任务重规划方法。该方法可以通过学习,自主化解约束冲突,摆脱人为预先设定约束冲突化解策略的限制。仿真分析表明:该方法可以通过算法本身不断地学习进化,找到空间站任务重规划问题的近似最优解,相比于传统解决方法,具有很强的智能性和适应性,为解决空间站任务规划问题提供了新思路。

基于分合粒子群算法的多无人机任务重分配

多UAV在执行任务过程中,战场环境以及UAV编队状态的改变将导致原有的分配计划失效或效率降低,因此有必要重新分配任务。针对多无人机任务重分配问题,首先建立了相应的数学模型。其次运用分组基础上的任务重分配策略进行任务分配,提出了改进的K均值聚类算法进行初步分组,再在分组的基础下,提出了分合粒子群优化算法进行组内任务分配。最后进行实验仿真。实验结果与分析表明基于分合粒子群算法的任务重分配方法能有效地满足多变的战场环境要求。

复杂环境下无人机任务重规划框架研究

针对复杂作战任务、动态多变的作战环境以及战场状态的突发性等实际情况,过去依赖人工操作的无人机将越来越不能满足作战的需求,如何提高无人机飞行自主智能决策、任务重规划,是当前亟需解决的问题。该文基于此提出复杂环境下无人机任务重规划系统架构,为我军综合作战能力提升提供相应参考。

基于不确定事件威胁度评估的UUV任务重规划

无人水下航行器(UUV)的任务规划直接关系到水下作业的效率。由于水下环境复杂,不确定事件频发,有时UUV按照最初的规划很难完成任务。针对UUV任务规划问题,提出基于不确定事件威胁度评估的UUV任务重规划策略。首先,UUV根据任务点的分布进行初始任务规划,采用自组织网络算法为UUV规划访问多任务点的时间顺序及访问任务点的最短路径。其次,判断UUV执行任务过程中出现的不确定事件类型,并转换为贝叶斯网络的形式。最后,利用贝叶斯网络对不确定事件的威胁度进行评估。如果威胁度大于阈值,则UUV进行任务重规划;否则,UUV按照初始规划继续执行任务。在多种不确定事件场景中进行任务规划仿真,结果显示所提的算法能够保证UUV作业的安全,且提高了任务的完成率。

复杂环境下无人机任务重规划框架

当今世界发展正在不断加快,各个领域的研究也都你追我赶,其中在作战领域的研究变得更为重要了,引入先进 的科学技术提升传统的作战方式,已经成为了作战领域研究的主要方向。传统的作战中,在复杂环境中可以通过依靠人工操 作的无人机进行战斗,但是随着作战环境不断复杂,过去的人工操作无人机已经无法满足当前的作战要求,研究新型无人机, 使无人机能够在当前的复杂环境中有效战斗,完成多重任务规划,已经成为了急需解决的问题。本文主要内容就是对复杂环 境下无人机任务重规划进行了简要分析,希望能够为该领域的研究做出提供一定的参考。

浅谈基于编组去向的车流组织任务重构

编组去向在车流集结中是一个非常基本的单元,其在整个车流组织的过程中发挥着重要的作用。从编组去向的角度看待车流组织的任务重构,能有效实现车流向列流转变。详细阐述运用编组去向进行车流组织任务重构,为提升车流流向效率建立一个新的思路。

时间洞察力、媒体多任务与时间多重任务性的关系

利用津巴多时间洞察力量表(ZTPI)、多重/单一倾向量表(PMTS)和媒体使用问卷(MUQ)对319名在校大学生进行调查。测查了大学生对过去、现在、未来的态度,以及同时完成多重任务的能力和媒体多任务操作程度(MMI),并探讨时间洞察力、媒体多任务与时间多重任务性之间的关系。结果表明:时间洞察力中的现在宿命得分和PMTS得分与MMI正相关,对MMI有显著正向预测作用;拥有现在宿命时间态度,并且有多重任务倾向的人,媒体多任务操作的能力更强。

无人机集群任务分配技术研究综述

任务分配是无人机集群实现高效遂行作战任务的关键技术。随着无人机集群技术的发展和作战样式的转变,无人机集群的作战任务领域不断拓展,任务分配所涵盖的范围不断扩大,任务分配问题的规模和复杂性不断增加,这都对无人机集群任务分配技术提出了新的挑战。本文对无人机集群作战理论、任务分配建模、任务预重分配算法、异构无人系统联合应用下任务分配的研究现状进行了全面的总结,凝练了目前无人机集群任务分配技术面临的通用化建模、面向多任务的任务预分配算法最优解求解、有限时间下面向突发事件的任务重分配算法寻优、路径规划紧耦合下面向大规模异构无人系统的协同任务分配等问题,并针对性地论述了未来无人机集群任务分配技术的若干发展方向,为提升无人机集群任务分配的求解质量和求解速度提供新的研究思路和解决途径,对于全面了解无人机集群任务分配技术具有重要参考意义。

基于 DLBSOM 的水下机器人集群任务分配与路径规划

为保证多自主水下机器人(Multiple Autonomous Underwater Vehicle,MAUV)在多目标冲突条件下执行探测任务,提出一种双层生物自组织映射(Double Layer Bio-inspired Self-Organism Map,DLBSOM)算法完成自适应正向-反向初始任务分配。针对受洋流和单体AUV有限能耗影响的MAUV探测任务容易出现的无效任务分配问题,引入一种带有能量激活函数的任务重分配策略来优化任务。建立任务紧迫性生物启发神经网络(Task Urgency Bio-inspired Neural Network,TUBNN)模型描述受洋流影响的水下环境,引入基于模糊互补判断矩阵的距离和供能强度因子,以说明洋流和任务重分配轨迹距离的相互影响。当AUV进入以目标为中心的预警范围时,通过调整AUV的速度实现对目标的精细探测。结合AUV转弯半径数据和非线性运动学方程,对路径进行平滑处理,使其符合水下机器人的运动学约束。最终通过仿真试验验证该方法的可行性和有效性。

不确定海洋环境下AUV分层任务规划与重规划研究

自主水下机器人(Autonomous Underwater Vehicle,AUV)是海洋开发与探索的有效工具.为提高AUV在复杂海洋环境、任务多变以及通信受限等不确定条件下的自适应性和任务执行的可靠性,首先,研究并设计了基于分层思想的AUV任务规划与重规划体系结构;其次,针对不同的层次分别提出了基于与或分解树的使命规划、基于有限状态机的任务规划;然后,阐述了分层重规划的意义并设计了分层重规划监督决策的具体算法;最后,仿真实验表明了所设计的分层体系结构及分层任务规划与重规划监督决策算法,能显著提高AUV不确定条件下的自适应性和自主完成任务可靠性.

基于改进合同网的多UAV打击地面TST任务重分配

针对多架无人机打击地面时敏目标的任务重分配问题进行研究,提出了适用于TST打击的多UAV控制体系和作战模式。基于TST打击过程和任务重分配时的战场情况,针对TST的打击时间要求,以整个任务交战时间为作战效果评估指标,对合同网方法进行改进。对于战场上出现的不同突发情况,均能使无人机群保持合适的招标体系并选择最有利于缩短任务重分配时间的交易方式,保证了战场上任务分配的实时性。最后通过仿真试验验证了在多种战场情况下该方法的可行性。

一种面向可重构系统的混合任务调度算法

任务调度是影响动态可重构系统性能的关键因素之一。针对目前相关研究中没有充分考虑CPU核和FPGA的并行执行特性,以及FPGA配置开销等问题,提出了一种面向可重构多核系统的混合任务调度算法。算法充分利用CPU核与FPGA进行并行工作,并通过配置预取和任务重用以隐藏硬件任务的配置开销。实验结果表明,该方法能够有效减少应用程序的执行时间。