船舶设计任务动态调度预测

在船舶设计过程中经常会出现随机新设计任务,为船舶设计任务调度方案的制订带来一定的困难。基于反向传播(Back Propagation, BP)算法,引入动量-自适应学习率反向传播(Momentum and Self-Adaptive Learning Rate Back Propagation, MSBP)算法预测随机新设计任务是否可加入制订的船舶设计任务调度方案,以解决扰动情况下的船舶设计任务动态调度(Dynamic Scheduling of Ship Design Tasks, DSSDT)问题。为减小求解空间和训练难度,选择对调度结果具有重大影响的属性作为MSBP算法的特征值。基于抽取的特征值构建MSBP算法模型,并采用大量数据完成对模型的训练。对比试验结果表明,MSBP算法的准确性优于未改进的BP算法,某项随机新设计任务的可调度性与其优先级最为密切。

云制造环境下面向多任务协同的机床装备资源动态调度方法

针对云服务环境下支持多任务协同运行的机床装备资源易受紧急插单、系统故障、质量异常等不确定高频扰动影响,致使云制造服务难以高效、稳定运行的问题,提出一种面向多任务协同的机床装备资源动态调度方法。通过应用非线性工艺规划理论,建立了一个包括最小时间、成本、能耗、负载均衡度及最优服务质量和可靠性为约束目标的调度模型,并采用改进遗传变邻域算法对其求解。同时,基于生产随机扰动致使调度方案动态偏离的问题,提出一种基于事件驱动和周期性重调度的动态调度策略,以支持云制造服务的协同优化运行;最后通过仿真案例验证该模型及算法的可行性和适用性。

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。

基于云计算的航空飞行试验数据中心任务调度优化架构设计

为解决航空飞行试验数据中心任务调度行为明显滞后的问题,实现对航空飞行试验数据的实时调度,设计基于云计算的航空飞行试验数据中心任务调度优化架构;设置WiRo中心网络,联合试验数据预测器与飞行任务分配器,完善中心任务调度优化架构体系的基础应用结构设计;根据PSO优化度量值的取值范围,求解惯性权重指标与粒子编码条件,并按照云计算法则,推导函数表达式条件,实现基于云计算的航空飞行试验数据调度模型的构建;在动态数据权限的约束下,计算中心调度任务的资源占用率与长尾延迟参数,实现对任务调度架构的优化配置,联合WiRo中心网络及EMU调度结构,完成基于云计算的航空飞行试验数据中心任务调度优化架构的设计;实验结果表明,云计算技术作用下,长尾延迟最大值为1.11%,单位时间内的数据吞吐量达到了9.85 B/s,由数据吞吐量有限造成的中心任务调度行为滞后的问题得到较好解决,符合实时调度航空飞行试验数据的实际应用需求。

配变重过载下的配网运营动态监控平台实时任务容错调度算法

研究配变重过载下的配网运营动态监控平台实时任务容错调度算法,以解决配网运营动态监控平台执行配变重过载监控任务时可调度性差的问题。依据分层调度思想,将实时任务容错调度划分为上层调度算法和下层调度算法,通过上层调度算法利用Logistic模型预测是否存在配变重过载情况,存在配变重过载情况时,进入下层调度算法。下层调度算法利用平台的优先级属性列表,建立平台管理机执行配变重过载动态监控任务时的有效传递函数,利用码元调制方法获取平台任务调度输出,保障配网运营动态监控平台稳定执行配变重过载动态监控任务。实例分析结果表明,配网运营动态监控同时执行30个配变重过载动态监控任务时,其容错调度成功率高于93%,验证该算法具有良好的实时任务容错调度有效性。

基于分层强化学习的中继卫星网络任务动态调度方法

近年来,随着各类紧急任务数量的不断增长,如何在控制对常规任务影响的同时保障系统的收益已成为中继卫星网络任务动态调度的巨大挑战。针对这一问题,以最大化紧急任务总收益和最小化常规任务破坏程度为目标,提出了一种基于分层强化学习的中继卫星网络任务动态调度方法。具体而言,为了兼顾系统的长期与短期性能,设计了由上、下级DQN实现的双层调度框架,上级DQN从长期性能出发决定临时优化目标,下级DQN根据优化目标决定当前任务的调度策略。仿真结果表明,与传统的深度学习方法以及部分处理动态调度问题的启发式方法相比,所提方法能够在降低常规任务破坏程度的同时提升紧急任务总收益。

面向多机器人环境中动态异构任务的细粒度动作分配与调度方法

在多机器人环境中,具有不同能力的机器人相互协作以完成任务需求。现实情况下,这些任务动态发布,且具有不同的目标和紧急程度,因此需要为每个任务分解出的细粒度动作分配和调度合适的机器人来负责执行这些动作。现有的方法大多适用于静态和同构的任务分配场景,而针对动态异构任务的分配则大多采用独占式的分配策略,导致机器人频繁进入等待状态(即机器人处于被分配了任务到真正开始执行任务之间的闲置阶段)。由于任务存在不同的紧急程度和发布时间,这种分配方式将降低对更紧急任务的响应效率,同时导致更多的等待时间和更长的任务完成时间。针对该问题,提出了一种面向多机器人环境中动态异构任务的细粒度动作分配与调度方法。其中,分配与调度的对象是任务所分解出的细粒度的动作,且一个动作能够由机器人的一种能力承担。面对任务分解出的一组细粒度动作集合,本方法借鉴拍卖算法过程,根据机器人能力、状态及任务信息计算出机器人承担特定动作的最优分配方案。另外,在每一次新任务发布或某一机器人执行完动作时执行分配和调度过程,可以将处于普通任务等待状态的机器人调度至紧急任务,以保证紧急任务优先完成,且缩短机器人的总体等待时间。基于本方法,扩展实现了机器人执行框架(ROSPlan)的执行模块。围绕一组多机器人动态异构任务的模拟实验表明,所提方法相较于采用贪心策略的方法可得到更优的分配方案。

森林火灾救援直升机吊桶灭火任务调度优化研究

鉴于森林火灾突发性强、处置困难等特点及火灾救援中直升机任务调度效率有待提高的现状,为降低森林火灾造成的损失,研究直升机吊桶灭火任务调度优化的方法。结合火场面积、火情状况、救援力量等因素,建立火场空域栅格模型。针对森林火灾场景中火场动态变化的情况,提出一种基于深度强化学习(DQN)的动态任务调度优化方法,该方法通过对起火栅格的燃烧时间约束、灭火所需水量等属性进行实时量化,不断更新全局环境,形成动态决策依据,生成任务调度方案,提升直升机吊桶灭火的效率。仿真结果表明,与传统算法中表现较好的贪婪算法相比,本文方法能在火场动态变化的场景下,降低了13.9%的火灾损失率,有效减少了森林火灾造成的资源损失。

一种多核处理器中混合关键级任务半分区调度算法

目前用于混合关键级系统的任务调度算法存在资源分配不合理、中低关键级任务的运行受限等情况,造成系统整体服务质量被降低.本文提出了有效改进系统服务质量的半分区调度算法,该调度算法将用于多核处理器的空闲资源回收计算,能够在触发了高关键级模式的情况下,为被抛弃的低关键级任务分配空闲时间片.此外,该算法还可以利用系统中的空闲时间片推迟系统关键等级的提升,并提出系统关键等级平稳回落策略,两者可以确保系统关键等级不会过于频繁变化.最后,通过算法仿真和实验证明了本文所提方法在混合关键级任务调度问题上的有效性和优越性.

多核处理器中混合关键级任务可调度及半分区划分算法

当前,多数多处理机中混合关键级任务可调度性分析以及半分区调度算法均针对单核利用率展开研究。但由于多核系统任务调度复杂性较高,现有研究结果存在各处理器负载不均衡以及任务可调度性不理想等问题。针对该问题,文中将动态需求边界函数(Dynamic Demand Boundary Function,DDBF)的应用范围扩展至多核处理器系统。根据半分区划分调度算法对DDBF改进,并加入了结转作业和前接作业分析提出了SDDBF(Super Dynamic Demand Boundary Function),可更精确地计算与利用资源。文中基于SDDBF提出了SDA(Stepper Dispatch Algorithm)可调度性分析法与半分区划分算法MCWF(Mixed-Criticality Worist First)。仿真结果表明,相较于AMC(Adaptive Mixed Criticality)、AMC-max以及XU算法,SDA可调度性分析判定提升了5%~10%,相较于WF_MY(Worst First_My)、WF_NEW(Worst First_New)算法,MCWF可使系统在任意关键等级下的CPU(Central Processing Unit)负载具有更良好的均衡性能。

基于动态任务调度的STDS算法设计研究

任务调度是计算机多核处理器系统获得高性能的关键,而现有的多核任务调度算法研究,大多侧重于静态调度下的算法优化和负载均衡,对动态调度及动态负载均衡研究较少。针对动态调度,并结合异构多核的特点,提出一种基于核负载均衡的动态任务调度算法STDS。算法通过合理设定调度粒度,降低调度频率,从而减少调度消耗时间;根据异构多核处理器各核处理性能的差异,设置内核负载上下限值,控制内核负载保持在同一水平,以达到负载均衡效果。算法依据等待时间长短、任务间通信大小和内核负载轻重因素对任务进行实时调度,并可通过实时因子、负载因子等参数设置3种因素的影响比重,以满足系统的不同需求。仿真实验显示,在内核数目较多的系统中,STDS算法更加高效,在保证任务处理速度的同时有较好负载均衡。

面向三维场景动态设计的可视化工具设计与实现

可视化工具能改善三维设计领域中工作复杂繁琐的问题,但现有工具较少同时兼顾动态设计与低编程门槛要求。面向设计师群体,设计实现可视化工具,关注三维场景中的动态设计内容。使用基于任务价值、影响力以及紧迫度的动态任务调度算法,改善关键视觉效果的响应延迟问题。实验及运行结果表明,调度算法能优化关键任务执行,可视化工具有助于简易快捷地进行三维场景设计。

基于边缘云的动态和抢占式任务卸载调度算法研究

边缘云计算系统被广泛用于支持各种计算服务。针对边缘云计算环境中的任务卸载调度问题,考虑边缘云系统下的动态性和抢占式任务卸载调度,提出一个基于贪婪模拟退火启发式算法的在线卸载框架(SAOF),根据任务所需的传输延迟以及计算时间,进行周期性的卸载和调度计算,考虑独立任务的随机到达性和资源的异构性,动态地将新到达的任务分配到合适的目的地(边缘服务器或云服务器),并根据每个任务的延迟敏感性,抢占式地为其分配计算资源,使所有任务的总加权响应时间最小化。最后,在多组参数组合下生成测试实例并进行性能评估实验,将SAOF算法与3种优秀的卸载调度优化算法(Selfish算法、Nearest算法和OnDisc算法)进行对比,实验结果表明,SAOF算法能更有效降低所有任务的总加权响应时间。

基于动态能量感知的移动云计算任务调度模型

传统云计算任务调度忽略了对总完成时间和总能耗目标的加权,导致任务调度的负载均衡性较差。为此,设计基于动态能量感知的移动云计算任务调度模型。将任务调度总完成时间和总能耗作为加权优化目标,引入基于能量感知的多适应度动态遗传算法,求解数学模型。通过遗传算子与再选择策略的相互协作获得新优势种群,并对其更新,寻找最佳移动云计算任务调度结果。实验结果显示,该模型的移动云计算任务调度总完成时间和总能耗较低,具有较好调度效果;负载均衡性良好,可适用于大规模移动云计算任务调度。

并行工程中设计任务的动态调度

并行工程中,为了在资源约束条件下尽量缩短产品设计时间,需要对产品设计活动进行有效的规划。同时,由于设计活动中有许多不定的因素,为了优化并行工程设计任务调度和充分利用资源,以项目完成时间最短为目标,在考虑了任务先后次序、任务完成所需基本时间和资源约束的基础上,提出了一种根据优先级安排任务及进行资源分配的动态调度算法,任务可以动态地添加,并用算例对所提出的算法给予了说明。

敏捷成像卫星任务动态调度仿真系统设计与实现

针对卫星资源和观测任务不确定条件下敏捷成像卫星任务调度与管理需求,设计实现任务动态调度仿真系统。分析敏捷成像卫星任务动态调度仿真系统设计需求,设计仿真系统的总体结构、功能模块以及运行流程,利用C#与Matlab混合编程实现仿真系统,并通过典型实例验证。验证结果表明:该系统是可行、有效的,能满足数据管理、任务调度、方案评价和显示输出等需求,并降低动态调整方案的扰动测度。

卫星地面站系统任务调度的动态规划方法

卫星及其应用系统任务调度问题是空间资源管理的重要内容之一, 文章针对单天线地面站系统任务调度问题, 在可视时间窗口的约束条件下, 考虑任务权重和地面站天线转换时间, 以最大化完成任务权重之和为目标, 建立了调度模型; 提出了基于动态规划的模型求解算法; 并给出了示例, 验证模型和算法。

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。

基于动态自适应蚁群算法的云计算任务调度

针对蚁群算法求解云计算任务调度问题存在收敛速度慢和容易陷入局部最优解的缺陷,提出一种动态自适应蚁群算法的云计算任务调度策略。算法在选择资源节点中引入混沌扰乱,依据节点信息素浓度自适应调整信息素挥发因子,由解的优劣性动态更新信息素。当任务数量超过150时,动态自适应蚁群算法与蚁群算法结果相比较,时间效率最大提高319%,资源负载率为0.51。仿真结果表明,所提算法提高了解的收敛速度和全局搜索能力。

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 。