面向LQG控制的IEEE 802.11ax网络资源调度方法

由于低成本、易维护和频带免授权等优点,IEEE 802.11ax网络被广泛用于工业控制应用。针对基于IEEE802.11ax的无线网络化控制系统,提出一种控制感知的资源调度方法以支持对多个控制系统的无线高速控制。首先,考虑IEEE802.11ax网络的传感数据丢包问题,给出控制系统的最优估计器和线性二次高斯(LQG)控制。然后,分析LQG指标与IEEE 802.11ax传输可靠性的依赖关系,给出期望LQG指标最小化的资源调度问题模型,进而提出一种面向LQG控制的资源调度(LCARS)方法。最后,通过大量仿真验证LCARS的有效性。LCARS可用于自动导引车集群导航、机器人远程控制等智能工厂应用。

面向卫星常规测控任务的地面站资源调度

卫星测控任务的地面站资源调度问题是在特定的时间和约束条件下,根据卫星的常规任务要求,为卫星分配相应的地面站资源,从而得到能够满足卫星任务要求的资源分配和调度方案。基于实际应用,分析卫星测控任务的调度问题,考虑资源调度过程中涉及的卫星时间约束和资源约束,建立卫星测控任务中地面站资源调度的数学模型。设计2个阶段遗传算法,第一阶段选择卫星执行任务的圈数,第二阶段选择任务弧段,逐步减小搜索的解空间。仿真研究结果表明,2个阶段遗传算法能够较好地解决多卫星多约束的测控资源调度问题。

低轨星座传感器资源调度的自主任务规划建模方法

低轨星座传感器资源的优化调度是复杂多约束下的任务规划问题,为了满足多个运动目标全程跟踪与监视的资源实时优化调度需求,提出一种星上自主快速求解的规划模型.在对自主任务规划问题进行详细建模的基础上,考虑各项约束条件与优化因素,将原问题转化成简易的0-1线性整数规划模型,并构建多目标跟踪试验场景对所提方法进行了仿真验证.仿真结果表明,基于简易规划模型的资源调度可实现多目标的全程跟踪与监视.

考虑综合性能最优的非短视快速天基雷达多目标跟踪资源调度算法

合理有效的资源调度是天基雷达效能得以充分发挥的关键。针对天基雷达多目标跟踪资源调度问题,建立了综合考虑目标威胁度、跟踪精度与低截获概率(LPI)的代价函数;考虑目标的不确定、天基平台约束以及长远期期望代价,建立了多约束下的基于部分可观测的马尔可夫决策过程(POMDP)的资源调度模型;采用拉格朗日松弛法将多约束下的多目标跟踪资源调度问题转换分解为多个无约束的子问题;针对连续状态空间、连续动作空间及连续观测空间引起的维数灾难问题,采用基于蒙特卡罗树搜索(MCTS)的在线POMDP算法—POMCPOW算法进行求解,最终提出了一种综合多指标性能的非短视快速天基雷达多目标跟踪资源调度算法。仿真表明,与已有调度算法相比,所提算法资源分配更合理,系统性能更优。

基于强化学习的大规模多模Mesh网络联合路由选择及资源调度算法

为了平衡新型电力系统中大规模多模Mesh网络的传输可靠性和效率,该文在对优化问题进行描述和分析的基础上提出一种基于强化学习的大规模多模Mesh网络联合路由选择及资源调度算法,分为两个阶段。在第1阶段中,根据网络拓扑结构信息和业务需求,利用一种多条最短路径路由算法,输出所有最短路径。在第2阶段中,提出一种基于多臂老虎机(MAB)的资源调度算法,该算法基于得到的最短路径集合构建MAB的摇臂,然后根据业务需求计算回报,最终给出最优的路由选择及资源调度方式用于业务传输。仿真结果表明,所提算法能够满足不同的业务传输需求,实现端到端路径的平均时延和平均传输成功率的高效平衡。

星地融合边云协同网络下的资源调度研究

通过边缘计算和云计算的优势互补,面向6G的星地融合网络能够实现资源的弹性分配和协同利用,满足数据处理的实时性和智能化要求。为了提升资源服务能力和用户体验质量,提出了星地融合边云协同网络架构。首先,阐述了三种不同边云协同模式下的资源调度方案,从时延、能耗和多目标优化的角度分析了不同场景下的资源调度策略。然后,对比了现有资源调度求解模型和算法的优势和局限性。最后,对基于边云协同的星地融合网络中的资源调度研究进行了总结与展望。

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。

视频通信的MCU资源调度方法综述

多点控制单元(MCU)资源调度方法正广泛应用于视频通信系统的实际应用场景,对视频通信整体性能和系统运营具有重要影响。对现有的MCU资源调度方法进行梳理,首先介绍视频通信中MCU资源调度过程,归纳MCU资源调度的目标与特点;然后,对现有MCU调度算法进行分类和讨论,比较各类调度方法的优势与不足;最后,讨论了现有MCU资源调度研究中取得的成效及存在的问题,并在此基础上对未来研究进行了展望。实现MCU设备云服务化等方式使得视频通信的MCU资源调度更高效,也有利于视频通信性能提升及长久稳定发展。

MEF:基于在线容错的云计算资源调度方法

云计算系统效率的关键是提升资源利用率与性能,系统可靠性的关键是备份组件。针对云环境下任务完成时间最小化、容错成本优化问题,提出一种基于在线容错的云计算资源调度方法。在线容错具有静态、动态的属性。静态容错根据组件可靠性和完成过程可靠性改进LeaderRank算法备份关键组件;动态容错在故障时快速替换故障组件;通过MEF算法实现任务完成时间短、容错成本低的多目标优化。实验表明,与现有容错方法对比,MEF算法不仅降低了容错费用,而且增强了故障时的系统效率。

体域网中基于多因子优先级的高效资源调度

媒体访问控制(MAC)在确保无线体域网(WBAN)的正常运行方面起着关键的作用。然而,动态环境下紧急数据低延迟和低能耗的高性能需求仍未很好地解决。该文提出一种多因子紧急调度方案(MESS)来满足这样一个严格的需求。首先,针对实际应用场景中数据异质性的特性,设计一种数据分类方法,该方法将数据分为周期数据和紧急数据,这对不同的节点来说更加符合实际情况;其次,设计一种多因子优先级划分方案,包括疾病相关因子、关键程度因子、健康严重程度因子和信息年龄因子,4个因子可以更全面地考虑节点的关键特征;此外,还设计了一种动态时隙分配和排序方法,将节点的时隙依据数据分类和多因子优先级进行动态分配和排序。理论分析和仿真实验结果表明,相较于传统方案所提方案在延迟和能效方面具有明显优势。

云资源调度的回答集程序描述性求解

针对求解难度为NP完全的基础设施即服务(IaaS)模式云资源调度问题,本文提出一种基于回答集程序(ASP)的描述性优化求解方法,并对其正确性进行分析。首先,把满足虚拟机CPU使用的情况下关闭尽可能多的主机做为减少云平台能耗的方法,将云资源调度问题形式化表述;其次,结合形式化描述以及减少云平台能耗的策略,将云资源调度问题用ASP编码为描述性(优化)问题,并分析其正确性;最后,在公开的PlanetLab数据集上进行实验,结果显示,ASP方法可在保障服务质量的同时减少集群能耗,最高可节能13%以上。这表明ASP方法在云资源调度问题上是有效的,从而提供一种易理解、易修改并能充分利用ASP最新工具成果的有效云资源调度新方法。

Kubernetes资源调度策略

在Kubernetes中可以通过nodeSelector在不同节点上部署不同的应用,但是当指定节点资源不足时,应用将会处于无法被调度的状态。针对这个问题,提出一种Kubernetes资源调度策略,设计实现一个自定义调度器,在指定节点部署应用资源不足时,将等待调度的应用调度到Kubernetes集群中的其它节点上。实验结果表明,该自定义调度器的调度策略能够在指定部署节点资源不足时将等待调度的应用调度到其它节点上,提高了集群资源利用率和集群负载均衡,降低了用户应用等待调度时间。

基于强化学习的边缘计算智能电网资源调度算法

智能电网是一种能够进行智能管理和优化的电力网络。网络虚拟化技术可以有效提高智能电网的资源利用率和可靠性,从而满足不同用户的差异化需求。在资源有限的情况下,传统的虚拟网络嵌入算法无法根据电力系统的资源使用情况和用户需求来动态调整虚拟资源的分配和映射。为解决这一问题,将边缘计算和虚拟化技术相结合,引入了一种基于强化学习的虚拟网络资源调度算法。仿真结果表明,该虚拟网络资源调度算法在提高电网的可靠性和资源利用率方面优于其他3种调度算法。

基于Petri网和改进遗传算法的多资源调度问题

针对混流装配线工序加工资源需求多样、工艺复杂、装配工期长等问题,采用Petri网和改进遗传算法对该问题进行优化求解。建立混流装配线赋时库所Petri网(timed place Petri net, TPPN)调度模型,基于模型激发序列,采用基于工序的编码方式进行染色体编码;采用精英保留策略选择优异个体,改进遗传算法的交叉、变异操作,用改进后的遗传算法求解混流装配线调度问题。通过对比案例及实例数据计算结果验证了方案的有效性。

基于长短期记忆网络的新冠防疫资源调度方法

为解决新型冠状病毒肺炎防控过程中存在的资源利用率低的问题,提出一种基于长短期记忆网络的新冠防疫资源调度方法。模型通过应用程序接口采集新型冠状病毒肺炎防疫的检测阳性患者、防疫人力资源、物资数据;采用长短期记忆网络,实现了日、周、月多时间尺度的新冠疫情新型冠状病毒肺炎情况的预测;在此基础上,计及新型冠状病毒肺炎防疫的人力、物资资源约束条件,根据新型冠状病毒肺炎蔓延趋势预测情况对新型冠状病毒肺炎防疫资源进行调度。在某城市进行了仿真验证,其新冠疫情新型冠状病毒肺炎防疫资源利用率为87.8%,说明所提方法能有效提高新型冠状病毒肺炎防疫资源利用率。

基于TDMA的空中自组网MAC层资源调度算法研究

空中移动无线自组织网络是一种拓扑结构快速变化,有自组织性的多跳无中心网络;针对传统时隙分配算法资源利用率低、吞吐量不足、通信距离近等问题,采用引入分配系数的混合时隙分配模式,通过节点业务优先级和流量预测相结合,设计了一种基于TDMA定向分布式资源动态调度算法(M-TDMA);对比分析了节点数量、传输速率、分配系数以及不同拓扑等多个维度对算法传输时延、吞吐量以及丢包率的影响;最后通过仿真实验对资源调度算法进行验证;仿真结果表明,在20个网络节点时,网络的最大传输时延小于600 ms,网络吞吐量可以达到4.5 Mbps以上,M-TDMA算法通过高效的资源调度,有效降低了网络传输时延并提高了网络吞吐量。

基于能力服务化的平台资源调度方法

通过作战能力服务化,指挥信息系统可以实现平台资源与任务间的灵活匹配。首先,为满足该环境中指挥信息系统的智能化决策需求,对能力服务化条件下的平台资源调度问题进行了严格的数学描述;然后,建立了以最大化任务处理质量和最小化平台资源规模为目标的调度模型,设计了一种带启发式策略的模型求解算法。最后,结合具体算例进行了仿真验证,试验结果表明该算法可行有效,能够为指挥信息系统的智能决策提供能力支撑。

基于AHP-理想点法的空间目标监视资源调度效能评估

在空间目标日益增多和监视资源有限的背景下,为了寻找合理的空间监视资源调度策略从而提高调度效能,提出了基于层次分析(AHP)-理想点法的空间目标监视资源调度效能评估方法。该方法在编目维持任务场景中,建立了空间目标监视资源调度效能评估指标体系,基于AHP法和理想点法评估编目最大化、重点任务优先、重点目标优先和搜索优先四种策略下的调度效能并进行排序。仿真结果表明,编目最大化策略在编目维持任务场景中实现了调度效能最大化。该方法相比传统的AHP指标综合法更加客观,对实际调度和装备应用具有指导意义。

基于遗传算法的家电智能生产线分布式资源调度算法设计

目前家电智能生产线存在多任务操作冲突、调度控制响应时间长以及制造资源利用率低等问题。为了实现家电智能生产线的合理资源调度,基于多目标优化和分布式资源调度理论,建立了家电智能生产线分布式资源调度模型,提出了基于遗传算法的家电智能生产线分布式资源调度算法。仿真实验表明,与传统生产线调度方法相比,所提出的分布式资源调度算法最大完工时间缩短了5.76%,解的适应度提高了8%,验证了算法的可行性和高效性。

基于代理双向竞拍的弹性云资源调度方案

针对跨云平台的资源调度问题,提出一种基于代理双向竞拍的弹性资源调度方案。该方案在拍卖过程中引入交易延时排队影响因子,排队轮数越多,排队影响因子值越大,竞价提交优先级越高,同时根据服务等级协议判定不合规交易的惩罚金数额,以惩罚金制度防范恶意竞拍交易的出现。每轮竞拍允许并发实现多项交易。仿真结果表明,该方案保证了竞拍成功率,并且与传统一次拍卖成交方案相比,其竞拍时间减少了0.32 s,同时能提高16%的用户收益与9%的资源提供商利益。