改进型最小二乘法的RBS时间同步算法

传统最小二乘法对奇异点比较敏感。当样本中存在奇异点时,不能客观反映数据的真实分布情况;而传统最小一乘法计算量太大,不能实时处理数据。针对经典RBS算法在确定节点本地时钟之间的相对时钟漂移率和偏移值时,采用传统最小二乘法会导致时钟同步收敛速度太慢的问题,提出了一种改进型的最小二乘法。该算法能够有效地识别和剔除样本容量中的奇异点。经试验证明,该方法能够改进节点之间的时钟同步效果和收敛速度。

无线传感器网络的多跳时间同步优化算法

通过对无线传感器网络RBS时间同步算法(Reference Broadcast Synchronization,RBS)的研究,针对多跳全网的时间同步问题,提出基于环形网络拓扑的RBS环形算法(References Broadcast Bing Synchronization,RBRS)。该算法在RBS的基础上,采用广播分组和最小平方线性回归的方法实现全网时间同步。从同步误差和开销两方面对该算法和现有的RBS优化算法作理论比较。算法在众多算法中具有一定的优越性,适用于轻型、低功耗的无线传感器网络负载。使用matlab软件进行仿真,实验结果表明优化后的算法和初始算法相比误差累积小、同步开销显著减少,并且能够实现全网络的时间同步。

基于模拟退火算法的单机场地面等待优化策略

随着航空运输需求的不断增加,导致各大机场时隙资源紧张,很多航班不能按时降落,只能在空中排队等待降落。文章研究了基于模拟退火算法的单机场地面等待优化策略,将空中等待策略转变为地面等待策略,让未起飞航班在原机场等待避开高峰期并对时隙进行重新分配。这不仅可以极大的减少航空公司延误损失,还可以提高安全性。最后利用真实数据在Python中仿真测试得出结果并和RBS算法进行对比,最终结果表明,使用模拟退火算法相对RBS算法可以减少航空公司延误损失的27.9%。

基于进离场容量转换的协同决策系统

针对机场在突发情况下造成交通流拥挤的问题,引入了CDM理论及算法,并对CDM GDP实施过程及其中的RBS/Compression算法进行研究。研究发现,CDM GDP单纯考虑了进场时隙的分配,未涉及离场容量以及离场时隙的分配问题。因此,基于CDM思想,协同、实时地考虑机场进、离场容量转换问题,在增加机场吞吐率的基础上协同决策进离场序列,给出了进、离场容量优化模型及算法,采用动态规划法进行求解,并结合实际机场航班时刻表数据进行了仿真。结果表明,在特殊外因条件下,进、离场容量相互转换时,协同决策系统能提供最优的解决方案,使机场的进、离场达到最大的吞吐量,并将延误减到最小。

基于多处理机的混合实时任务容错调度

提出了一种混合实时任务容错调度算法 .该算法采用RateMonotonic (RM)算法完成周期任务的静态调度 ;采用预订处理机时间方法和EarlierDeadlineFirst (EDF)算法动态调度非周期任务 ;采用主 /副版本备份技术确保系统的容错能力 .通过充分利用周期任务的剩余处理机时间调度非周期任务和主动备份与被动备份相结合的方法有效地减少了处理机数 .仿真结果证明了算法的有效性 .

一种新的基于贪婪法的CDM时隙分配最优化算法

引入了协同决策的思想,研究一种新的地面等待策略-基于协同决策的地面等待(GDP-E).首先研究了GDP-E的实施过程以及其中的算法,其次,基于Compression算法的单元受限的现状,分析研究了地面等待程序必须考虑的各空中交通参与方的影响和地位,并建立了数学模型,借助贪婪法求局部最优的思想协同优化了各方的利益,提出了新的"压缩算法",为保证航空公司拥有时隙的公平性,文中采用了补偿函数来强化或弱化对航空公司的公平性.仿真结果显示:此改进算法在很大程度上提高了机场的运作效率,减小了航空公司的总延误成本,保证了航空公司服务对象的利益,且算法具有自适应能力,易于工程实现.