基于改进蝙蝠算法的无线传感器网络动态任务调度

无线传感器网络是一种处理感知信息的无线网络,在处理过程中因节点分配不均,导致网络资源利用率较低、任务调度中节点能量消耗较高。为此,提出了基于改进蝙蝠算法的无线传感器网络动态任务调度方法。通过增加权值系数改进蝙蝠算法,降低无线传感器网络节点密度,定义二进制变量,确定任务分配节点。采用可分负载理论,计算两种分群结构网络环境下任务运行时间与传输时间,得到群内和群间阶段无线传感器网络节点动态任务调度方案。仿真结果表明:所提算法在迭代次数为200次时即可获取目标函数值,当虚拟机数量为1200时,所需无线传感器网络节点数量为38个,网络资源利用率始终高于68%,说明所提方法能够有效降低调度过程中节点的能量消耗,提高网络资源利用率。

智能仓储多机器人动态任务分配方法

针对智能仓储系统中多机器人任务分配方法进行研究,根据智能仓储中物流任务数量庞大且实时新增的动态特点,创新地提出了一种总体分配并根据当前工况实时插入的动态任务分配方法,将一定时间阈值内的物流任务集合利用综合时间代价、路径代价、空载代价和任务均衡度代价的自适应多层编码遗传算法进行任务整体规划,为智能仓储系统中每个机器人分配需执行的物流任务序列及执行顺序。任务执行过程中,各机器人通过对当前自身剩余任务量成本及插入实时任务后路径成本的判断,在不影响当前任务完成总时间的情况下,对下一时间阈值内产生的实时物流任务是否插入当前执行任务序列展开竞争,实现任务的实时插入,未被实时插入的物流任务则等待下一次总体分配。实验结果表明,该方法能在缩短系统运行总时间和总路程的基础上,极大的降低机器人无任务空载等待的时间,提高系统运行效率。

眼动追踪的动态任务评估脑卒中后单侧空间忽略的价值研究

背景单侧空间忽略(USN)是脑卒中后常见的认知障碍之一,严重影响患者的功能恢复和生活质量。因此,客观地评估对于促进患者功能恢复至关重要。目的探究基于眼动追踪的动态任务评估亚急性期脑卒中患者USN的可行性。方法选取2021年9月—2022年7月在南充市中心医院康复医学科招募30例亚急性期脑卒中住院患者为研究对象。采用行为不集中测试的常规分项(BIT-C)、凯瑟琳波哥量表(CBS)以及基于眼动追踪的动态任务评估患者USN情况,入院1周内完成,并记录评估过程中的不良反应。CBS得分>0分被诊断为USN。BIT-C总分<129分被诊断为USN。基于眼动追踪的动态任务评估过程共计2 min,根据患者注视点的空间分布情况将患者分为:非USN患者(注视点分布于4个区域)和USN患者(注视点未分布于4个区域),由2名专业的康复治疗师完成患者的临床量表评估和基于眼动追踪的动态任务评估。对3项评估结果进行相关性分析和一致性分析。结果基于眼动追踪的动态任务评估结果显示,30例患者中有14例患者为左侧USN患者,16例患者为非USN患者。USN患者在右侧屏幕注视点占比高于非USN患者(Z=-4.776,P<0.001);USN患者左右侧屏幕间注视点占比比较,差异有统计学意义(Z=-3.490,P<0.001)。BIT-C评估结果显示,15例患者BIT-C总分<129分,被诊断为USN患者,余下15例为非USN患者。CBS评估结果显示,16例患者存在不同程度的USN,其余14例为非USN患者。BIT-C和基于眼动追踪的动态任务在评估USN患者的检出情况上高度一致(Kappa=0.933,P<0.001);Spearman秩相关分析结果显示,患者右侧注视点占比与BIT-C总分呈负相关(rs=-0.776,P<0.001)。CBS和基于眼动追踪的动态任务在评估USN患者的检出情况上有较高的一致性(Kappa=0.867,P<0.001)。结论基于眼动追踪的动态任务评估脑卒中后USN是可行的,其评估结果与BIT-C和CBS评估结果具有较高的一致性,且评估过程耗时较少,患者参与度高、积极性强,可以作为标准USN评估的一种补充。

基于分布式拍卖机制的多移动机器人动态任务分配算法

任务分配是多移动机器人调度系统的关键问题之一,为了提高任务整体完成效率,提出了一种基于分布式拍卖机制的多移动机器人动态任务分配算法.该方法对机器人群体采用分布式控制方法,彼此共享且动态更新任务集,采用分布式的拍卖机制竞拍任务,增加了调整任务执行顺序环节,考虑任务整体完成效率,最后在Linux系统下搭建了多机器人和障碍物的仿真环境.结果表明,该算法分配效率高于线性(CLP)算法和混合整数求解(CBC)算法,且具有稳定性,相比执行效率高的深度强化学习(DQN)算法和空缺链(VC)算法,执行效率稳定,移动代价降低了55%,实现了较高执行效率和低移动代价之间的平衡,可应用于实际仿真环境,具有可行性.

考虑动态任务耗时与播种墙容量的移动机器人拣货系统任务分配优化

任务分配是影响移动机器人拣货系统效率的关键决策问题。针对具有差异化客户评级特征的业务场景,考虑系统的动态任务耗时特性和拣选站播种墙容量约束,提出了一种基于混合启发式算法的集中式任务分配方法。首先,在客户订单优先级约束下构建以最大完工时间最小为目标的任务分配优化模型。其次,考虑机器人在任务执行中因加减速、转弯、升降货架、排队等待导致的动态任务耗时以及播种墙容量限制,设计最大完工时间生成方案。随后,开发基于记忆精英种群的灾变自适应大邻域搜索算法(MEPCALNS)对模型进行求解,提高了传统自适应大邻域搜索算法的搜索深度和搜索效率。最后,通过数值实验证明了算法的有效性和稳定性。研究成果有利于提高移动机器人拣货系统的分拣效率。

基于强化学习的无人机集群动态任务规划算法

针对无人机集群动态任务规划问题,本研究提出一种基于强化学习的无人机集群动态任务规划方法。该方法将无人机集群动态任务规划划分为任务分配和路径规划2层进行求解,首先通过任务分配得到各个无人机所负责的任务集合,然后在各个任务集合内通过路径规划得到无人机的飞行路径。在任务分配层面,根据大规模无人机集群任务分配存在的规模性和动态性特点,设计基于注意力机制的强化学习算法对其进行求解,该算法在深度强化学习算法的基础上引入注意力机制网络,使得算法能够高效处理无人机数目和任务数动态变化。在路径规划层面,采用基于Gurobi的最优化算法求解最优飞行路径,保证强化学习训练效果与求解结果质量。实验结果表明,在多种规模的动态任务规划中,本研究所提出的算法任务完成度较对比算法提升26.9%~59.9%,方案变化量较对比算法减少12.8%~19.8%,且求解时间在1 s以内。

FCD大数据并行处理的动态任务调度算法

浮动车数据(floating car data, FCD)技术是大规模城市路网交通流实时采集的有效方法.城市交通的动态诱导和控制需要对海量FCD进行快速处理.鉴于此,提出了FCD并行计算的动态任务调度方法.针对FCD数据包计算时间的不确定性和动态性,根据计算节点的处理能力进行数据包的动态分割,在处理过程中,采用动态任务分配策略以实现计算节点的同步.该方法在龙芯国产大数据一体机平台上进行了实现,并采用现场FCD数据进行了实验验证,结果表明,该方法较轮询和Min-Min调度算法,显著地提高了并行处理的性能.

面向动态任务的作战单元两等级两层级可修复备件优化

针对作战单元执行任务前备件保障方案制定难的问题,在对作战任务和备件保障系统分析的基础上,对可修复备件控制多级技术(multi-echelon technique for recoverable item control,METRIC)经典模型进行了扩展,提出了作战任务和保障能力动态变化条件下的作战单元两等级两层级任务成功性评估模型。以备件购置费用为优化目标函数,作战单元任务成功性为约束条件,建立了基于作战单元任务成功性的备件优化模型,运用边际效应方法给出了优化模型的求解方法。通过应用实例给出了相应的备件优化方案和优化备件方案下的作战单元任务成功性评估曲线。该模型可为装备保障指挥人员根据作战任务和保障环境制定备件保障方案提供一定的决策支持。

基于遗传算法的UCAV动态任务分配模型及研究

针对多UCAV(multi-Unmanned Combat Aerial Vehicle)动态任务规划问题提出了单任务类型动态规划模型,基于事件驱动的原则,满足对打击不成功目标和新出现目标需要进行动态规划的要求,在实施目标攻击后或新目标出现时,以获得最大收益值为目标,采用遗传算法进行动态目标分配。与多任务类型模型相比,单任务类型模型有效地减小了可能解规模,寻优过程计算量小,所需时间短,仿真实验验证了模型的有效性。

电力系统可靠性评估的动态任务分配并行算法

针对大电力系统可靠性评估并行计算中静态任务分配方法存在的进程间通信次数多、过度计算等不足,在详细分析Monte-Carlo仿真过程中可靠性指标方差系数和抽样次数变化规律的基础上,提出基于De Moivre-Laplace中心极限定理和曲线拟合相结合的启发式动态任务分配方法,并提出基于动态任务分配的大规模电力系统可靠性评估并行算法。在并行任务分配过程中,根据已有的仿真信息对总抽样次数进行合理估计,使得单次任务分配量尽可能多,以达到减少进程间通信次数的目的。算例分析表明所述的动态任务分配方法可较好地提高并行效率。

云平台下动态任务调度人工免疫算法

针对云计算领域的任务调度问题,提出了一种基于人工免疫(AI)理论的云计算平台动态任务调度算法。该算法首先利用排队论迅速、粗略地确定云计算平台保持稳态的条件,并为后面的计算提供基础数据;然后利用人工免疫理论中的免疫克隆选择算法,搜索出为集群中各节点上的不同虚拟机分配计算资源的近似最优配置;算法中还加入了适当的负载平衡处理,它使抗体基因更加优良。模拟实验结果表明,该调度算法能有效提高收敛速度和精度,快速搜索到合理配置,提高了集群资源利用率。

基于动态任务优先级的网格任务调度算法研究

网格环境下的任务调度是一个NP完全问题.为了确保每一步都能优先调度影响调度长度最大的就绪任务,提出一种采用动态任务优先级策略的任务调度算法.在进行任务调度的过程中,通过动态计算任务图DAG的关键路径并有效地利用处理器的空闲时间段来复制任务,使任务节点之间的通信开销尽可能降低,进而缩短整个任务图的完成时间.大量的模拟实验结果表明,所提的算法在任务完成时间上明显优于HEFT算法和DDS算法.

工作流系统中的动态任务调度

在分析工作流中任务调度特点的基础上 ,提出一种基于资源约束的动态任务调度算法。该算法一方面保证了任务调度满足资源的约束 ,另一方面实现了任务难度与任务承担者能力的平衡。基于该算法的任务调度策略不仅可以适应动态环境的要求 。

一种支持动态任务分配的协同设计方法

协同设计是一种复杂的、由不同领域的专业人员参加的群体活动 .介绍了一种多 Agent设计系统中的协作方法 ,提出了支持动态任务分配的公告板机制以及设计过程中的冲突协调方法 .公告板模型结合了黑板模型与合同网模型的优点 ,有效地利用 Agent的自主性和协作性 ,采用分布与集中相结合的方式 ,克服了在分布式环境下进行动态任务分配时采用黑板模型与合同网模型的不足之处 .同时 ,所提出的冲突预检查及冲突处理的方法可以在设计的早期阶段发现和解决冲突 。

云系统中面向海量多媒体数据的动态任务调度算法

在云计算环境下,对处理海量多媒体数据的作业以及任务调度与资源分配算法进行建模,在此模型下提出一种云计算环境下面向海量多媒体数据的动态任务调度算法.算法以云系统中海量多媒体数据文件的分块多副本存储形式为基础来规划并行处理任务,以文件块和副本的映射关系为特征对云系统中数据节点执行聚类,以已执行完毕任务的历史反馈信息为基础来动态调度未执行任务.实验结果表明提出的算法对提高系统资源利用率和负载均衡有显著效果.

一种多UAV混合动态任务分配方法

该文研究了战场环境下突发新任务的多无人机(UAV)动态任务分配问题,围绕任务分配过程中的时间复杂度和通信复杂度要求,在对任务及无人机分组的基础上,建立了无人机及无人机组执行任务的状态信息描述模型。提出了一种多UAV混合动态任务分配方法,将原问题分解为分组级任务分配和组内成员级任务分配两个层次,分别采用改进的粒子群改进鱼群算法(PSO-FSA)和分布式拍卖算法进行求解。仿真实验表明,该文方法能够降低任务分配问题求解的规模,具有低时间复杂度和低通信复杂度的特点,是一种有效的动态任务分配方法。

多个水下机器人动态任务分配和路径规划的信度自组织算法

针对多个水下机器人(autonomous underwater vehicles,AUVs)动态任务分配和路径规划速度跳变问题,引入栅格信度函数概念,给出一种改进的栅格信度自组织(belief function self-organizing map,BFSOM)算法.目的是控制一组AUV有效地到达所有指定的目标位置,同时保证AUV能够自动的避开障碍物.首先,自组织神经网络(self-organizing map,SOM)算法对多AUV系统进行任务分配,使得每个目标位置都有一个AUV去访问.整个分配过程包括定义SOM神经网络的初始权值、获胜者选择、邻域函数的计算3个步骤;其次,根据栅格信度函数和环境信息更新SOM获胜神经元的权值,使得每个AUV在访问对应目标的过程中能够自动避障并且克服速度跳变,实现AUV自动有效路径规划.最后,通过仿真实验证明了本文提及算法的有效性.

遥感卫星滚动式动态任务规划技术

面对应急任务常态化趋势,通过分析卫星任务管控系统快速响应需求,提出了滚动式动态任务规划技术方法,研究了动态任务规划问题的求解过程,分析了动态任务规划滚动时间窗口选取策略、前瞻式任务与资源处理策略和星上资源连续使用原则等。该方法在遥感卫星任务管控系统中的工程化应用将能够大大提升系统应急任务快速响应时效性,降低任务动态调整复杂度,规避星上任务频繁调整风险。该方法将为面向任务快速响应的新一代任务管控系统建设奠定技术基础。

基于主体主观偏好的协同产品开发项目动态任务选择及仿真

针对协同产品开发项目的动态性、不确定性和复杂性的特点,首先对该过程中的任务类型及其特征进行了详细的说明,并提出了协同产品开发过程中的动态任务选择问题;其次,提出了基于设计主体主观偏好的动态任务选择方法,该方法考虑了设计主体的偏好:性格偏好与工作量偏好,以及任务的客观属性:重要度、紧急度和匹配度,从而在保证关键任务优先执行的同时,充分体现协同产品开发过程中设计主体的自主性、主动性和协作性;最后,对比仿真实验的结果表明,本文提出的方法能够有效地缩短产品开发周期,并能够清晰描述设计主体在过程中的动态任务选择行为过程。

分布式产品数据采集动态任务调度模型研究

网络数据采集是大数据时代进行数据挖掘和分析的基础性工作。本文尝试着以任务在不同节点上采集过程中产生的信息作为调度指标制定动态任务调度策略,分别从任务调度策略、任务修改策略和任务回收策略3个角度构建任务调度模型,最后通过实验分析其可行性。实验结果表明,动态任务调度模型能够提高数据采集的效率。