基于DAG图的CPS遗传算法任务调度

本文提出了一种基于DAG图的具有双适应度的遗传算法,不但可以找出任务完成的最短时间,还可以有效的提高资源利用率。为信息物理融合系统(Cyber-Physical-system,CPS)构建了新的任务调度模型,充分将计算-控制-通信的理念融入到研究中。采用任务向量矩阵的方式表示调度过程中任务与资源的分配关系,利用分布式计算的思想,解决了传统的通信网络中由于每个节点的独立工作而造成了资源的浪费和分配不均匀的问题。仿真实验结果表明,本算法缩短了任务执行的时间,有效的提高了节点的利用率。

含过程任务图的调度

我们在Ｆｏｒｔｒａｎ程序并行转换系统ＨＺＰＡＲＡ－Ⅱ的研究中遇到了含过程任务图的情形，对此我们提出了一种有效的调度方法。该方法可在Ｏ（ｎ＊ｅ）的时间内完成调度。

多属性决策的时间不确定事件流时序推理方法

针对信息物理融合系统时间不确定事件流调度顺序的决策依据单一问题,首先利用D-S证据理论在多证据源概率融合上的优势,充分考虑事件优先级、截止期、紧迫度、事件依赖等多个属性的影响,构建具备多属性特征的模糊结束时刻基本概率分配求解模型。然后,建立D-S证据理论与直觉模糊集的关联模型,求解模糊结束时刻隶属度与非隶属度;最后,利用直觉模糊集负向时间推理理论和相关计分函数推导模糊开始时刻概率得分,得到时序推理结果,并以此确定基于多属性判据的时间不确定事件流调度顺序。实验结果表明,当事件数量增长时,调度准确率可保持在85%以上;当模糊区间限制规模扩大时,调度准确率下降幅度不超过15%。