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。

基于身份匈牙利算法的无人机蜂群分布式目标分配方法

对敌方多目标实施分布式打击是无人机蜂群的重要作战样式,无人机个体如何选择打击目标是其中的关键问题之一。现有目标分配算法大多针对信息全局可知的集中式目标分配问题,无法适应局部感知交互的战场环境。基于就近原则以及目标价值原则,参考目标距离、目标方位角、目标价值、无人机速度等要素,在匈牙利算法(HA)的基础上考虑了无人机身份和目标身份信息,提出了身份HA,实现了无人机蜂群的分布式目标分配。算例分析结果表明,身份HA可以避免无人机蜂群遗漏目标或冗余攻击,提升无人机蜂群的整体作战效能,为实现鱼贯依次打击的作战策略奠定算法基础。

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。

细胞化卫星分布式角动量平衡力矩分配算法

针对细胞化卫星姿态控制系统中细胞模块数量多、控制器细胞通信压力大的问题,提出了一种分布式控制力矩分配算法。该力矩分配算法先将力矩分配问题转化为带耦合等式约束的凸优化问题,然后通过分布式的方式求解该优化问题。在力矩分配过程中,控制器细胞只需要提供期望力矩,因此降低了通信压力。同时,该算法在优化目标函数中引入角动量能力因子,使飞轮细胞可以根据自身的角动量水平决定其力矩输出。数值仿真结果表明,该分布式分配算法可以保证分配后的力矩与期望力矩相等,且实现了平衡飞轮系统角动量的目的,进而可以通过卸载部分细胞的角动量来卸载整个飞轮系统的角动量。

基于子网连接点分布的分布式交通分配方法

提出多点连接双子网分布式分配的方法,将整网分为具有共同连接点的子网,基于一般交通分布/分配组合模型及其网络变换解法,提出连接点吸引测度的具体度量方法。OD点在不同子网的跨网需求的分配转化为寻找连接点分布,使在该分布下,各子网平衡可达整网平衡。由此,分布式分配转化为2个部分:连接点分布/子网分配组合计算以及基于连接点分布的子网分配。分析表明,在此分布式分配中,各子网既独立完成各自的分配任务又通过在迭代过程中相互传递阻抗信息和连接点分布信息来协同工作,具有分布式系统的优点,而且计算结果表明分布式分配是可行的。

有人/无人作战智能体分布式协同目标分配方法

有人作战智能体(manned combat agent,MCA)控制无人作战智能体(unmanned combat agent,UCA)的分布式目标分配是MCA/UCA协同作战的重要内容之一。结合设想的MCA/UCA混合编队结构和功能,建立了有限控制下的分布式协同目标分配模型。提出通信结构、信息结构和协同机制三维一体的模型求解策略,以合同网协议作为协同机制基本框架,分别对合同网的目标选择策略、招标策略、投标策略、中标策略进行扩展,可有效在多个编组之间进行目标到UCA及其所隶属的MCA的协同目标分配。针对想定案例进行了仿真计算,结果表明该方法能以牺牲少量计算时间为代价,以较少的通信量得到了较高质量的解。

基于合同机制的协同作战分布式目标分配研究

为了解决多平台协同作战中的目标分配问题,提出了一种基于合同机制的分布式分配算法。首先建立了基于Agent的分布式分配的描述模型,然后引入了拍卖合同的初始分配和交换合同的协作分配对目标进行分配,最后给出了系统分配的工作流程。仿真结果表明,无论在正常情况下,还是出现新目标或平台损失的情况下,算法都可以对多平台上的武器系统高效地进行分布式分配。

基于认知无线电系统的协作中继分布式功率分配算法

协作通信与直接通信相比能够显著地提高系统性能。协作通信中的一个关键问题是管理中继节点及有效地进行功率分配。尤其对于频谱共享的认知无线电(Cognitive Radio,CR)系统,协作方案的设计不仅要最大限度地提高认知网络协作的功率效率,而且需要最小化对主系统的干扰。该文针对认知无线电系统的协作通信问题,在多个中继节点与源节点协同通信的场景下,提出了一种基于放大转发(Amplify and Forward,AF)模式下的功率分配及联合优化算法,在保证主系统传输性能不受影响的前提下,提高认知系统的传输速率。仿真结果表明该文提出的自适应协作传输方案,和直接传输及等功率传输方案相比获得了进一步的性能增益,中断概率显著下降。

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。

认知无线电中基于Stackelberg博弈的分布式功率分配算法

在underlay认知无线电场景中,为了让认知用户能随机地接入主用户正在使用的授权频段,且对主用户产生的干扰不高于主用户能够容忍的干扰温度门限,该文采用Stackelberg博弈机制进行认知用户的发射功率分配。将主用户作为模型中的leader,认知用户作为follower,认知用户使用主用户的授权频段时需以干扰功率为单位支付给主用户相应的费用,而主用户则可以通过调整价格,限制认知用户产生的总干扰功率不高于其所能容忍的干扰温度门限,以便获得最大收益。同时,不同认知用户间根据主用户制定的价格,进行非协作博弈。仿真结果表明,与集中式的最优功率分配算法相比,该文可通过简单的分布式功率分配算法获得与其相近的系统性能,且主用户与认知用户间只需进行少量的信息交互,这与需进行大量信息交互的集中式最优算法相比,具有较大的优势。

基于非合作博弈的中继网络分布式资源分配

提出1种可应用于正交频分复用多址(OFDMA)中继网络的分布式资源分配算法.基于将模型描述为基站与中继的非合作功率分配博弈(RNCPAG),设计出2种效用函数,并以最大化效用函数为准则,证明在总功率受限的约束下,该算法存在并收敛于唯一的纳什均衡点.研究表明,同传统的平均功率分配算法相比,分布式博弈算法以牺牲少量的迭代步数为代价,获得更高的系统容量和资源效率.

混合分布式任务分配机制在足球机器人系统中的应用研究

在分析各种多智能体任务分配机制的优缺点的基础上,结合基于市场法的任务分配机制和基于规则的任务分配机制,提出了一种混合分布式的多机器人任务分配机制用于足球机器人系统的角色分配。该角色分配算法在动态地分配角色的同时能够有效地避免角色的非期望震荡。仿真和实际比赛均验证了该算法的有效性。

多小区OFDMA系统中的分布式资源分配策略研究

针对多小区OFDMA系统中的上行动态子载波和功率分配问题,提出了一种基于潜博弈模型的分布式功率控制算法,各移动台根据本地信息按照最佳反应动态原则依次更新自己的功率,理论分析和仿真结果均表明系统具有惟一的稳定状态.该功率控制算法能迅速收敛于稳定状态.与纯迭代注水算法相比,该算法对系统的能量效率有显著提高.

基于目标概率威胁值评估的多平台分布式目标分配

提出一种在多平台间进行分布式目标分配的方法,可以综合考虑目标攻击意图、编队各舰权重排序、以及常用威胁评价指标的目标概率威胁判断模型。在此基础上,利用合同网方法实现目标在多平台间的协调分配。通过算例对该方法的具体应用进行了说明。

基于节点功能的WDM光网络分布式路由与波长分配算法

建立了一种具有节点功能区分的WDM多波长光网络模型,根据节点功能将其分为A、B两类,在此基础上提出了波长等价弧和等价网络等概念,并根据此类多波长光网络模型的节点和网络结构特点以及相应的选路和波长分配策略,提出了一种基于节点功能的多波长光网络分布式路由与波长分配算法——BONF算法,证明了算法的可行性,分析了算法的计算复杂度,比较了此算法与其它同类型算法的区别,指出了BONF算法的优点和不足。

基于多小区容量最大化的分布式功率分配和调度算法

无线数据网络中传输功率和调度算法的联合最优化可以提供可观的系统容量增益,然而,这个问题被认为是在现实中很难解决的。本文中,我们分析一个多小区全复用网络的下行链路,以使它的整个网络容量达到最大化。我们提出了一种分布式功率分配和调度算法,可以为任何有限数量的用户提供很大的容量增益。这种分布式小区协调算法,实际上是动态频谱复用的一种形式,复用的数量随着信道条件的变化而变化。

非死锁合同网协议驱动的多机分布式时序任务分配

针对多无人机协同任务分配的时序约束问题,提出了基于非死锁合同网协议(DF-CNP)的分布式时序任务分配方法,从理论上避免任务死锁,提升分配结果最优性。定义了局部信息条件下时序任务死锁判据,通过检测时序任务图环路状态与顶点可达性,判定分配方案的全局死锁状态,保证分配结果的可行性。定制了最近邻-深度优先混合搜索算法,在合同网排序过程中优先选择最近邻任务,并结合死锁判据递归回溯,在分布式架构下并行生成满足死锁约束的任务排序方案,提升分配结果的最优性。仿真对比结果表明:相比于非死锁遗传算法(TB-GA),DF-CNP在求解效率方面具有显著优势;与耦合约束一致性束算法(CBBA-TCC)相比,DF-CNP结果最优性明显提升。

基于连续时间的二阶多智能体分布式资源分配算法

针对二阶多智能体系统中的分布式资源分配问题,本文设计两种连续时间算法.基于KKT(Karush−Kuhn−Tucker,卡罗需−库恩−塔克)优化条件,第一种控制算法利用节点局部不等式及其梯度信息来约束节点状态.与上述梯度方法不同,第二种控制算法包括一致性梯度下降法和固定时间收敛映射算子,其中固定时间收敛映射算子确保算法的节点状态在固定时间收敛到局部约束集,一致性梯度下降法目的是确保节点迭代到资源分配问题最优解.两种控制算法都对状态无初始值约束,且控制参数都是常数.利用凸优化理论和固定时间李雅普诺夫方法,分别分析了上述控制策略在有向平衡网络条件下的渐近和指数收敛性.最后通过数值仿真验证了所设计算法在一维和高维资源分配问题的有效性.

基于自适应精确罚函数的分布式资源分配算法

在多智能体系统中,分布式资源分配问题是近年来研究热点之一.分布式资源分配问题旨在通过智能体间信息交互实现资源最优配置.其中智能体局部约束给算法设计带来巨大挑战.首先,针对一阶多智能体系统,提出基于自适应精确罚函数的分布式资源分配算法,其中各智能体利用距离函数实现局部约束求解.此外,自适应设计思想旨在避免算法对全局先验知识获取.其次,利用跟踪技术实现二阶多智能体系统算法设计.并利用凸函数和非光滑分析法给出严谨的收敛性分析.最后,仿真结果验证了本文所设计优化算法对强凸分布式资源分配问题的有效性.

一种基于分布式动态带宽分配的调度算法的研究

针对共享网络结构模型和消息模型,在分析网络控制系统调度算法特点的基础上提出了一种基于分布式动态带宽分配的调度算法,从带宽分配算法和分布式动态调度的实现方法两方面进行了详细描述。该算法可以满足不同节点的时间精度要求,有效利用了带宽,具有更高的灵活性和更好的容错能力。