基于改进差分进化算法的动态防空资源分配优化

面对动态防空资源分配问题中存在的空袭目标突现和雷达、发射车等资源受干扰现象,在综合考虑雷达、发射车和导弹等武器装备性能的基础上,基于目标集、资源集建立了最小化目标总拦截价值与生存概率的混合整数决策模型。提出了一种新的改进差分进化算法进行求解,采用反向学习策略生成初始解,确保初始种群的质量,设计了一种快速修复与重构的启发式规则作用于多阶段,以提升算法的搜索能力。仿真实验验证了该算法具有求解时间和求解精度上的优越性。该研究能使武器系统在动态事件的随机影响下,保持高效的作战能力和决策效果。

基于动态规划算法的资源应急分配优化模型

针对电力突发事件的资源应急分配问题,文中提出了基于动态规划的阶段优化模型。该模型依据各需求点的初始时刻需求,以最小化资源超时到达造成的损失为优化目标,进行资源的应急优化分配。同时考虑后续时刻资源需求的动态变化,基于上一阶段的优化目标叠加下一时刻资源需求缺乏量的惩罚项,从而实现不同时刻需求点之间资源的转运调度。文中采用自适应惯性系数和飞行时间来提高算法的收敛速度,并将所提IPSO应用于两阶段动态规划模型的求解。以人力资源数据进行的仿真结果表明,文中算法迭代40次即可收敛,显著优于传统PSO。且与单阶段优化模型在后续时刻出现明显人力资源缺乏的情况不同,该模型能够满足各需求点的动态需求,进而对应急资源进行合理分配。

考虑公平性的异质应急资源动态协同分配方法

为解决灾后大量不同类型、不同功能且互相耦合的异质应急资源在动态环境下难以高效且公平地协同分配的问题,提出1种动态的异质应急资源的公平分配方法。首先,分析异质应急资源分配效率与公平性的度量方法,建立1个以分配效率和公平性最大化为目标的整数规划模型;其次,基于滚动时域优化框架,设计动态异质应急资源分配方法;随后,通过大量实验验证本文提出的动态分配方法的有效性,并对影响分配公平性的因素进行分析,给出相应的管理建议。研究结果表明:本文提出的分配方法能实现高效且公平的异质资源协同分配。研究结果可为实际的灾后应急资源分配提供高效的动态决策方法和管理建议。

空地网络资源分配与无人机基站动态部署算法

为解决空地网络中地面设备数量变化引起的用户体验质量无法满足的问题,提出了一种智能网络资源分配与多无人机基站动态部署方案。首先,考虑用户体验质量和无人机、地面设备能量约束,以最小化系统总能耗为目标进行问题建模;其次,将多无人机的动态部署问题转化成具有连续动作集的马尔可夫决策过程,并根据优化目标设计了基于能耗惩罚的奖励函数;然后,采用基于确定性策略梯度的深度强化学习算法求解此问题;最后,通过仿真和对比实验验证所提方案的有效性和优越性。实验结果表明:对于海量用户场景,所提算法比深度强化学习和演员-评论家算法有更好的收敛性和更高的累积奖励,与单无人机和传统地面基站部署方案相比,所提方案系统的能耗降低约30%~40%,用户服务质量满意度提升约50%~60%。

动态不确定场景下认知工业物联网的资源分配策略

针对动态不确定场景下认知工业物联网(CIIoT)业务的时延保障难题,提出动态不确定场景下保障业务时延需求的CIIoT资源分配策略.构建基于时延敏感业务的时延模型,推导保障业务时延需求的速率解析解.基于时延模型建立以最大化网络吞吐量为目标的CIIoT资源优化模型,该模型考虑在动态不确定环境下联立基站发射功率约束、设备之间的干扰约束和业务传输时延保障约束.由于该模型存在动态不确定性,导致模型难以求解,采用鲁棒优化理论将不确定参数约束转化为确定性约束问题,提出在动态不确定场景下CIIoT的资源分配策略.仿真结果表明,所提算法在动态不确定环境下有效地保障了业务的时延需求,提高了网络吞吐量.

光纤网络动态路由联合资源最优分配方法

随着网络流量的增加,光纤网络动态路由计算复杂度随之增加,耗费更多的联合资源。为此,提出光纤网络动态路由联合资源最优分配方法。以有向图形式映射网络节点,计算路由传输频谱利用率。根据带宽、时延、网络延时抖动指标,获取动态路由联合资源。通过传输路径上链路的频谱连续度,选择连续度最佳的频谱业务,基于频谱感知和贪婪算法对业务分割合并,实现联合资源最优分配。实验结果表明,当业务负荷为400 Erlang时,所提方法的带宽阻塞率仅为10%,频谱利用率高达90%。另外,经过一个动态资源的传输周期,该方法的数据节点占比低,说明该方法具有较好的稳定性。

面向区域覆盖的多无人机动态通信资源分配方法

针对多无人机区域覆盖任务中的机间通信资源分配问题,提出了一种基于强化学习的多智能体动态通信资源分配模型。利用多智能体生成树覆盖方法生成任务区域内各个无人机的覆盖航线,对无人机与地面基站及无人机之间的通信链路进行建模。由于飞行环境的不确定性,将长期的资源分配问题建模为随机博弈模型,将无人机间的空-空链路视作一个智能体,每个智能体采取的动作包含选择工作频段和发送端的传输功率。在此基础上,基于双深度Q网络(DDQN)设计多智能体强化学习(MARL)模型,使得每个智能体通过奖励函数的反馈学习到最优通信资源分配策略。仿真结果表明:MARL模型能够在动态航迹下自适应选择最佳通信资源分配策略,提高时延约束下的负载交付成功率,同时降低空-空链路对空地下行链路的干扰并增大信道总容量。

动态控制下城市轨道交通通信资源分配

城市轨道交通系统通信速度对保障列车运行安全十分重要,但是日益复杂的通信系统对列车通信系统的功能、稳定性和效率的要求更高。本文探索了利用LET-U非授权频段传输业务的城市轨道交通通信系统,使用HQL(λ)算法进行通信资源的动态分配,在模拟仿真环境中,系统能够保持22.3Mbit/s以上的传输速率,满意度始终高于0.8,可以较好地满足用户需求。

基于多卫星系统的负荷通信频谱资源动态分配与管理策略研究

随着多卫星系统的发展,频谱资源管理成为提高通信效率和系统可靠性的关键问题。本文研究了多卫星系统中负荷通 信频谱资源的动态分配与管理策略,旨在优化频谱资源的利用,提高通信系统的整体性能。通过分析多卫星系统的频谱资源管理 挑战,提出了基于认知无线电的频谱感知技术和动态分配与优化算法,并探讨了这些技术在多卫星通信系统中的应用,包括系统架 构设计、数据传输技术以及信道分配与干扰管理。通过仿真实验验证了所提方案的有效性和实用性,为多卫星系统负荷通信的稳 定运行提供了重要支持。

边缘计算动态资源分配在通信网络时延优化的研究

针对边缘计算动态资源分配的通信网络时延优化问题,提出一种基于深度强化学习的算法。该算法建立一个综合考虑边缘节点的异构性、地理分散性、能量因果性等约束条件,以及时延、能耗、费用等多目标优化指标的数学模型,充分反映边缘计算网络的复杂性和多样性。该算法使用多层感知器作为策略函数,通过策略梯度方法和随机梯度下降法进行动态资源分配决策,实现通信网络时延的最小化。仿真实验结果表明,该算法在不同场景和参数下均能有效降低通信网络时延,提高资源利用效率和系统性能。与固定资源分配算法、贪心资源分配算法以及基于遗传算法的资源分配算法相比,具有明显的优势,尤其是在处理边缘计算网络的动态性和不确定性方面。基于深度强化学习的动态资源分配算法为边缘计算资源管理问题提供一种新的解决方案,也为通信网络时延优化提供有力的支持。

基于流量感知的无线接入网智能切片资源分配方法研究

为保障业务服务等级协议(Service Level Agreements, SLA)需求,使不同应用间差异化的服务质量需求同时得到良好满足,无线接入网(Radio Access Network, RAN)的动态网络资源配置十分关键。本文针对网络流量波动、网络状态快速变化的场景,提出一种结合时间序列预测和深度强化学习的智能化带宽分配策略,通过合理利用长短期记忆(Long Short-Term Memory, LSTM)网络和Dueling深度Q网络(Dueling Deep Q Network, Dueling DQN)以最大限度提高无线接入网切片的频谱效率和SLA满意度。通过使用LSTM网络对切片中数据流量进行预测,可以将深度强化学习算法的计算周期与实际切片配置周期有效解耦。同时为了在保障LSTM性能的同时降低其计算复杂度,以适应RAN中有限的计算资源,本文采用控制神经元连接比例的随机连接长短期记忆(Randomly Connected LSTM, RCLSTM)网络。此外,Dueling DQN与传统DQN相比,能够提高切片策略学习过程的Q值估计精度,以提升收敛速度。仿真结果表明:与原始DQN、优势Actor-Critic(Advantage Actor Critic, A2C)和硬切片方法相比,所提RCLSTM-Dueling DQN方案可以通过提前感知网络性能变化,有效降低网络环境波动对密集流量场景下无线切片资源管理的影响,在具有三种不同流量波动模式及服务质量需求的RAN切片场景中,可以获得收敛速度、频谱效率和切片SLA满意率的明显提升。同时,10%连接比例的RCLSTM网络能在保持极低性能损失的前提下,将原始LSTM的计算时间降低约11%。

5G场景下基于风险敏感的动态资源调度方法

针对超可靠低延迟通信(uRLLC)和增强型移动宽带(eMBB)动态复用场景中的资源切片问题,eMBB服务专注于高数据速率,而uRLLC在延迟和可靠性方面具有严格要求。鉴于此,资源切片问题被表述为一个eMBB/uRLLC联合资源分配优化问题,其目的是考虑eMBB数据速率的方差以减少立即调度的uRLLC流量对eMBB可靠性的影响。提出一种基于风险敏感的公式为传入的uRLLC流量分配资源,同时最大限度地降低eMBB传输风险,确保uRLLC的传输可靠性,并将优化问题分解为3个子问题,然后将非凸的子问题转换为凸优化问题以获得资源分配的近似解。仿真结果表明,该传输方案在为传入的uRLLC流量分配资源的同时,保证了eMBB和uRLLC业务的传输可靠性。

体系结构动态变化的软件测试资源分配算法

测试资源分配是软件测试中的一个核心问题。已有相关研究大都假设软件的体系结构是静态不变的,且几乎没有考虑成本约束。针对该问题,提出一种体系结构动态变化的软件测试资源分配算法。首先构建了一种体系结构动态变化的多阶段多目标多约束测试资源分配模型;然后基于参数重估计、广义差分进化,在算法中加入了种群重新初始化,该方法能减小算法搜索空间并提升算法性能;最后在算法中加入了一种新的修复处理机制,该机制能有效剔除算法产生的无效解。与归一化加权求和多目标差分进化(WNS-MODE)算法和基于第三代广义差分进化的动态测试资源分配(DTRA-GDE3)算法相比,所提算法获得的解集的容量值分别提高了约11.81倍和0.39倍。在覆盖值指标方面,所提算法完全覆盖了WNS-MODE算法,并且相对于DTRA-GDE3算法提高了81个百分点。在超体积值指标方面,所提算法分别提高了近6倍和9倍。实验结果表明,所提算法能够更好地适应软件体系结构的动态变化,可为软件产品的动态测试提供更多和更优的测试资源分配方案,并满足用户需求的动态变化。

基于强化学习的无人机网络资源分配研究

以无人机网络的资源分配为研究对象,研究了基于强化学习的多无人机网络动态时隙分配方案,在无人机网络中,合理地分配时隙资源对改善无人机资源利用率具有重要意义;针对动态时隙分配问题,根据调度问题的限制条件,建立了多无人机网络时隙分配模型,提出了一种基于近端策略优化(PPO)强化学习算法的时隙分配方案,并进行强化学习算法的环境映射,建立马尔可夫决策过程(MDP)模型与强化学习算法接口相匹配;在gym仿真环境下进行模型训练,对提出的时隙分配方案进行验证,仿真结果验证了基于近端策略优化强化学习算法的时隙分配方案在多无人机网络环境下可以高效进行时隙分配,提高网络信道利用率,提出的方案可以根据实际需求适当缩短训练时间得到较优分配结果。

考虑患者转运的跨区域动态协同应急物流选址-分配优化研究

针对突发公共卫生事件下多个受灾地区之间跨区域应急资源配置的现实需求,研究考虑患者转运的跨区域动态协同应急物流选址−分配优化问题,构建跨区域的患者转运与应急资源协同配置两阶段优化决策模型。模型第1阶段优化确定患者动态变化与相应医院数量及其选址,第2阶段优化确定应急物资配送中心选址与应急物资分配。该优化模型同时考虑应急物流总成本(包括设施固定成本与运营成本)与转运时间2个优化目标,且考虑多周期动态变化的实际需求。针对上述优化模型特征,设计嵌入模型预测控制(MPC)方法的改进遗传算法。该算法将每个决策周期分为3个环节:1)疾病扩散预测环节,即每个周期开始时对疾病发展趋势进行预测;2)应急决策规划及实施环节,根据规划窗口的预测数据制定并实施应急选址−分配方案;3)数据更新与动态调整环节,即每个执行周期结束时,根据实际执行数据制定下一个周期决策。3个环节交互进行,相互迭代直到完成整个规划时期。最后,以贵州省跨区域的应急资源协同配置优化为例,验证所提优化模型及其求解算法的有效性。研究发现:与各区域独自应急相比,跨区域动态协同应急方案在转运时间没有明显增加的情况下,能有效降低应急成本,能够高效率地利用应急设施为感染患者提供救治。研究成果为突发公共卫生事件中多区域之间的协同应急资源配置优化提供决策支持。

基于贪心策略的改进动态搜索方法在武器目标分配中的应用

数学中最优化理论是解决分配管理问题的一种常用手段。在战略中对武器目标的分配为了得到最好的效益,通常会将其建立分配优化模型。当构建诸多模型时,往往代价成本都比较大,因此经常划分若干过程进行求解。传统算法设计上,较为突出的就是动态规划,它是一个多阶段决策问题。论文分析武器目标分配的数学背景以及最优化理论的应用策略,分析了动态规划等策略的实际求解过程在武器装备分配问题上的应用。并提出了一种基于贪心策略的改进动态搜索方法,这种方法在处理规模已定的情况下,查找精确值的效率相比动态规划方法具有明显的提升。在作战软件的算法设计上有良好的借鉴价值。

基于资源分配和动态分组的合作协同演化算法

合作型协同演化算法在处理大规模全局优化问题中的决策变量完全可分或者完全不可分的问题时,精确的分组方法并不能保证提高算法性能,甚至可能会导致性能下降。针对上述问题,提出了一种基于资源分配和动态分组的合作协同演化算法(RG-CCFR3)。该算法以CCFR3为基础,当决策变量完全可分或完全不可分时,首先设置数组与数组索引,用于确定每轮优化时的分组大小;其次,根据分组大小对决策变量进行随机分组,使得在不同轮次的优化中每组决策变量的分配更多样化;最后,修改了CCFR3中每轮优化时的处理逻辑,保证了每轮优化的次数一致。通过CEC2013和CEC2010中的基准测试函数检验算法的性能,将RG-CCFR3与CCFR3、MMO-CC、CBCC-RDG3进行对比并进行显著性检验。结果表明:对比CCFR3算法,RG-CCFR3算法在处理决策变量完全可分或者完全不可分的问题时,在多数情况下具有更好的性能;与MMO-CC、CBCC-RDG3算法相比,RG-CCFR3算法具有一定的竞争力。

5G网络中的资源分配与调度技术研究

动态频谱分配(DSA)成为无线通信中频谱资源管理的关键技术。首先概述了5G网络的基础信息,强调资源调度与分配的重要性;其次介绍了DSA在5G网络中的核心技术和算法包括资源分配算法、频谱感知技术,以及与其他无线通信技术的协同工作。同时对DSA的安全性和隐私问题进行了深入分析;最后分析了DSA技术的未来发展趋势,指出其在5G网络中的应用和挑战以及可能的解决方案。为研究者和工程师提供了一个全面、深入的了解DSA在5G网络中的应用和挑战,旨在推动该领域的研究和发展。

基于边缘计算的云资源动态配置优化方法

由于传统方法在云资源动态配置优化中效果不佳,使其云计算效用较低,能耗较高。基于传统方法存在的不足和缺陷,本文提出了一种基于边缘计算的云资源动态配置优化方法,对云资源进行弹性伸缩处理,并通过对云节点边缘计算,采用加权算法对云节点资源情况评估,确定云计算任务的执行节点,然后对云计算任务分配,以此实现基于边缘计算的云资源动态配置优化。经实验证明,在设计方法应用下云计算效用在1200 MB以上,云计算能耗在200 J以下,云资源动态配置优化效果良好,设计方法在该方面具有良好的应用前景。

云计算资源分配动态定价方法

云市场用户的资源需求往往会随着时间而波动变化,在资源分配与定价时若不充分考虑供需双方的内在激励,将难以获得理想的结果。基于市场策略,设计一个组合拍卖机制来平滑用户需求,以提高资源管理效率及服务收益;提出的机制以动态定价的方式向用户分配资源,实现了无妒与可信两种属性,无妒属性保证了机制运行的稳定性,而可信属性可以使得服务收益最大化。此外,提出的方法具有较低的计算复杂度,易于实现。实验结果表明,在短缺与饱和市场下,所提方法均可获得近似最优的收益及相对较高的社会福利。