基于“情景任务”的重特大地质灾害救援装备调配优化

地质灾害应急救援是一种涉及因素多、技术含量高、时间要求紧、工作任务重和社会影响大的非常规防灾减灾行动。救援装备是救援工作的重要保障,当前以滑坡、泥石流为代表的地质灾害救援装备调配存在效率低、匹配度低、利用率低等问题。以“灾害情景—救援任务—救援装备调配”的思路,分析中国地质灾害救援案例,总结出“情景任务装备”的匹配关系;在此基础上,以救援任务完成时间最短和救援装备利用率最高为目标,构建基于不同情景任务的救援装备调配模型;针对不同任务与救援资源的调配优先权冲突,用多优先级动态列表规划(MultiPRI List Dynamic Scheduling,MPLDS)算法求解,从而提高救援资源配置和利用效率,保证调配效果最佳;最后,以2019年贵州水城“7·23”特大山体滑坡救援行动为例验证模型和算法的有效性和可行性,为不同灾害类型下救援情景救援任务救援装备间的匹配及优化配置提供一种研究范式,为“任务资源”调配问题的求解提供一种有效的算法,还有助于深化多个受灾点和出救点下多任务、多目标复杂动态优化问题的研究。

一种实时异构嵌入式系统的任务调度算法

异构分布式系统已被广泛应用在实时嵌入式系统中,而调度算法是在进行嵌入式系统综合时,确保系统实现性能目标的一个关键问题,这是一个NP-完全问题.现有的算法主要是启发式算法,性能还有待提高.提出了一个异构分布式系统的动态BLevel优先(dynamic BLevel first,简称DBLF)算法,算法选择就绪任务中动态BLevel值最大的任务进行调度,用插入法为任务分配处理器,遵循以下3个插入原则:满足任务先后顺序关系;任务的最早完成时间(earliest-finish-time,简称EFT)最小;在EFT相等时,优先分配到利用率较低的处理器上.与现有算法比较可以看出,DBLF算法可以有效降低调度长度.

相关任务图的均衡动态关键路径调度算法

表调度 (list scheduling)法是解决任务调度问题的较为有效的方法 .该文对两个典型的表调度算法——MCP算法和 ETF算法进行了分析 ,发现它们均存在着一定的不足 .文中提出了一个更好的表调度算法 BDCP,它采用动态关键路径技术并均衡考虑关键路径结点和非关键路径结点 ,使得对相关任务图调度长度影响最大的就绪结点能够被优先调度 ,从而极大地缩短了任务图的调度长度 .分析和实验结果表明 ,BDCP算法要优于

基于DLS和GA的作战任务-平台资源匹配方法

作战任务和平台资源的合理匹配是战役作战准备阶段的主要内容。考虑平台资源能力在作战过程中的损耗,在问题建模的过程中引入了资源能力的损耗系数,使得所建模型更加符合实际作战。提出了基于动态列表调度(dynamic list scheduling,DLS)和遗传算法(genetic algorithm,GA)的模型求解方法,使用DLS选择处理的任务,使用GA为选定任务分配平台资源,给出了该方法具体的设计思路和流程。最后结合联合作战的战役算例,验证了所提方法的优越性和适用性。

作战任务和资源间的匹配模型及求解算法研究

针对作战任务和作战资源的匹配问题,提出了一种匹配模型及其求解算法。首先分析了作战任务和资源的属性,建立了匹配问题的约束满足模型。基于改进的多优先级动态列表规划算法提出了一种匹配模型的求解算法,并结合实例进行了分析验证。结果表明,算法中引入任务与资源选择优先权参数,可以有效消解优先权冲突,增加匹配的灵活性。

三值光学计算机中运算请求调度

三值光学计算机具有很多数据位资源使得它能并行处理多个运算请求,因此运算请求的调度就成了三值光学计算机监控系统中不可避免的问题。定义了三值光学计算机中运算请求的四种不同状态,给出了其转换关系;讨论了动态表调度技术,提出了适合三值光学计算机监控系统的运算请求调度策略,如立即调度策略、定时调度策略和基于优先级的先到先服务策略。在此基础上提出了定时调度算法,分析了其特点。在监控系统中实现了该调度算法,并进行了相关实验。实验结果表明该调度算法可行且正确。

一种基于DLS和ACO的平台资源规划方法

平台资源规划方法是作战任务规划的重要组成部分,为作战提供资源分配方案。描述了作战任务、平台以及它们之间的关系,建立了以最小化全部任务完成的截止时间和最大化平台资源的利用率为目标的数学模型。设计了用于求解此模型的动态列表规划(Dynamic List Scheduling,DLS)与蚁群算法(Ant Colony Optimization Algorithm,ACO)相结合的算法,其描述了任务选择方法、ACO的二进制编码方案及候选解构造策略,设计了不可行候选解的修正策略和信息素更新方法,构造了包含任务选择平台的时间优先系数、平台功能能力优先系数和后续任务对平台需求程度3个因素的适应度函数。针对作战想定进行了仿真计算,结果表明,基于DLS和ACO的平台资源规划具有良好的规划效果,相比于他人算法,其具有更少的全部任务完成截止时间和更高的平台资源利用率。

基于多优先级动态规划算法的装备保障任务调度

为有效解决信息化战争装备保障需求不确定性和保障环境复杂条件下的装备保障任务调度问题,构建了装备保障任务调度模型,阐述了多优先级动态规划算法的基本流程,并结合实例进行了分析,验证了该方法的有效性。结果表明,该方法为战时装备保障力量的部署运用提供了一种思路与解决途径,解决了装备保障力量单元分配过程中存在的局部搜索和优先权函数的合理性问题,避免了力量单元在执行任务过程中不必要的协同。

基于动态优先级的任务计划建模及方法

在任务-平台关系设计问题中,所选择的任务平台(组)和作战任务合理匹配。针对以往在多维动态列表调度算法(Multi-dimensional Dynamic List Scheduling,MDLS)中采用平台的静态优先级进行平台(组)的选择的不足,设计了一种平台动态优先级计算方法。上述方法在进行任务-平台匹配过程中,根据任务需求资源的变化对平台的优先级进行动态变化,最后通过联合作战的战役特定算例,验证了所提方法的优越性和适用性。

基于CNDLS的空中多编组时限约束任务分配方法

针对空中多编组任务分配具有整体任务完成时间限制和个体任务完成时窗限制的特点,以最高任务执行效率为目标,建立了包含时限约束的多编组任务分配数学模型。分析编组在作战过程中的资源损耗,构建了编组资源能力动态更新模型,使所建模型更为符合实际作战。在动态列表规划选择任务、量子遗传算法分配编组的基础上,设计了用于求解该模型的循环嵌套动态列表规划(CNDLS)的任务分配方法。针对作战想定进行仿真计算,仿真结果表明所建模型和所提方法能通过多次迭代可实现一定资源和时限约束下的最佳多编组任务分配。

完成时间限制下的任务—平台关系设计模型及算法

针对指挥控制组织结构设计中任务—平台关系的设计问题,提出了一种使命完成时间限制条件下的问题的设计模型及其求解算法。分析了使命完成时间限制条件下任务—平台关系设计(task-platform relation de-sign under mission completion time constraint,TPRDTC)问题的约束条件,建立了以使命执行质量的值最大为目标的问题数学模型。设计了用于求解该模型的循环多动态列表规划(multi-dimensional dynamic list scheduling,MDLS)算法,给出了该算法的详细步骤和流程。最后通过一个联合作战的战役案例,分析并验证了循环MDLS算法对求解TPRDTC问题的有效性和适用性。

一种基于模体的无人机集群智能任务规划方法

由于无人机集群中通信受到制约,无人机集群配系需要随着任务的改变而变化。如何在有限通信下进行无人机集群的智能任务规划成为研究的热点和难点问题。基于功能建立了无人机集群作战网络模体模型框架,提出了6类不同功能类型的基础模体模型;通过能力需求和信息需求将作战任务映射到完成这项任务需要的模体种类和数量;利用"多维动态列表调度法"进行无人机集群的任务规划策略的自动生成。使用定制的NSGA-Ⅱ算法通过改变任务执行顺序,对作战时间和连接改变量进行任务规划策略的自动优化选择。通过一个案例对本文所提出的方法进行了初步验证。

多平台协同作战任务分配模型及算法

作战任务和平台资源的合理匹配是作战体系发挥最大效能的重要条件,由于平台资源之间协同水平存在差异,若将协同水平高的平台组合到一起执行任务,能够更好地提高作战效能。首先建立任务之间协同程度以及平台之间协同水平的量化模型;然后建立以任务完成时间最小、任务内自协同度和任务间互协同度最大为目标函数的任务分配模型,提出用于求解该模型的动态列表规划和混沌离散粒子群混合任务分配算法,使用动态列表规划选择需处理的任务,利用混沌离散粒子群算法为选定任务分配平台资源;最后通过仿真实验验证了模型和方法的可行性与有效性。

空间站数据管理软件设计与实现方法

针对空间站规模大、网络拓扑复杂、传输数据多、任务快速响应、长期在轨运行的特点,提出了一种符合标准体系且适合空间站数据管理特点的软件分层架构,通过识别软件各项任务特性,采用差异化进程优先级调度策略,提高了软件运行效率和数据处理能力。介绍了空间站数据管理软件多项关键技术的研究成果,通过总线消息并行调度方法实现多路径、多类型、多终端的信息交互支持,基于订阅发布方法实现遥测数据的快速分发,采用轻量化文件系统实现对飞行程序的高效管理,采用遥测遥控包应用标准(PUS)业务实现整站级自主健康管理功能,这些关键技术均在我国空间站核心舱得到了在轨应用。

基于计算机动态任务分配表的负载均衡新算法

随着计算速度的飞速发展,并行计算系统中,任务调度是解决多任务多资源情况下的最有效办法,但是目前常见的任务调度问题是一个NP-Hard问题,在任分配的负载均衡上还存在不足之处。本文通过改进并设计一个动态的负载均衡Work-stealing算法,来加强计算机集群动态任务分配过程中的效率,使得各个任务能够有条不紊的进行,从而提高整个计算机系统的资源利用率和整体性能。

DLS和NGA结合的平台资源调度方法

研究战场环境平台资源调度问题,针对传统使用的动态列表调度算法易陷入局部最优,提出一种基于动态列表调度和小生境遗传算法相结合的求解方法。考虑任务激烈度来更准确地描述平台资源能力的动态损耗,以使命完成时间为指标,在保证平台资源利用率的前提下,采用具有全局性的小生境遗传算法,得到最优的平台资源调度方案。通过一个联合作战案例,得出所提方法作战使命完成时间更短,为战场资源调度提供依据。

装备保障任务分配建模与DLS-BCIWBA算法求解

针对以时效优先为目标的装备精确保障协同任务分配问题,设计考虑保障单元能力更新机制,提出基于动态列表规划(dynamic list scheduling,DLS)和二进制混沌入侵杂草蝙蝠算法(binary chaotic invasive weed bat algorithm,BCIWBA)的混合任务分配方法,通过DLS选择所需执行的任务,设计BCIWBA为选定任务分配保障单元。BCIWBA利用蝙蝠算法的全局寻优能力和迭代初期快速收敛性进行全局搜索,然后选取部分最优个体融合入侵杂草生长繁殖、空间扩散和竞争生存机制进行局部搜索,并通过学习因子和惯性权重的自适应协同更新以平衡探索和开发能力,结合脉冲频率、响度和发生率变化区间的混沌搜索避免早熟收敛。仿真算例表明,所提方法可对时序逻辑任务分配问题进行快速高效求解。

BDCP:一个有效的相关任务调度算法

表调度算法BDCP采用动态关键路径技术并均衡考虑关键路径结点和非关键路径结点 ,使得对相关任务图调度长度影响最大的就绪结点能够被优先调度 ,从而极大地缩短了调度长度。分析和实验结果表明 ,该算法要明显优于MCP和ETF算法。

基于CS和MPLDS的作战任务与平台资源匹配方法

针对传统作战任务-平台资源匹配算法中任务优先权系数计算方法存在片面性、平台选择容易陷入局部最优、平台资源利用率不够高等不足,建立以使命完成时间最早、平台资源利用率最高为目标的数学模型,提出布谷鸟搜索(CS)和多优先级列表动态规划(MPLDS)相结合的改进算法,利用CS算法优化作战任务调度顺序、采用MPLDS算法为选定任务分配平台组资源。通过联合作战战役案例对不同算法进行仿真,结果表明改进算法能够得到更短的战役完成时间和更高的平台资源利用率,验证了算法的可行性与优越性。

一种面向动态部分可重构片上系统的列表式软硬件划分算法

并行计算是提高系统资源利用率的重要手段,越来越多的多处理器片上系统通过集成具有不同功能特点的处理器来满足不同计算任务的需求。具备动态部分可重构特性的异构多处理器片上系统(Dynamic Partial Reconfiguration-Heteroge-neous Multiprocessor Systems-on-Chip, DPR-HMPSoC)因其并行性好、计算效率高而被广泛使用,而低复杂度和高求解性能的软硬件划分算法是充分发挥其计算性能优势的重要保证。已有的相关软硬件划分算法时间复杂度高,且对DPR-HMPSoC平台的支撑不足。针对上述问题,首先提出了一种列表启发式软硬件划分与调度算法,其通过构建基于任务优先级的调度列表,完成任务的调度、映射、FPGA动态部分可重构区域划分等一系列操作;接着给出了软件应用建模、计算平台建模及所提算法的详细设计方案。仿真实验结果表明,所提算法与混合整数线性规划(Mixed Integral Linear Programming, MILP)和蚁群优化(Ant Colony Optimization, ACO)算法相比,可有效减少求解时间,且时间优势与任务规模成正比;在调度长度方面,所提算法的平均性能提升了约10%。