基于m-best算法与rollout策略的平台-任务关系优化设计方法

在平台-任务关系优化设计中,考虑单个任务资源分配过程中平台资源冗余度对后续任务分配的影响,分析优化设计过程的约束条件,构建了以最大任务执行精度与最小资源冗余度为综合目标函数的平台-任务关系设计的问题模型,并使用基于m-best算法与rollout策略的方法对问题模型进行求解。m-best算法生成单个任务的m个平台分配方案,rollout策略用于均衡不同优先级任务之间的任务执行精度。最后,分别通过特殊算例和一般算例验证所提优化设计方法的优越性,算例的结果表明,使用该优化设计方法能够使高优先权任务的资源冗余度降低,从而使得整体任务执行精度提高。

基于rollout策略下的决策实体配置问题求解方法

针对传统层次聚类法采用贪婪策略的聚类过程可能无法达到聚类效果最优的情况,提出了一种基于rollout策略下的层次聚类法对所得聚类方案进行优化改进。分析了聚类过程中决策实体、平台与任务之间的关系以及约束条件,以作战任务的执行时间作为工作负载测度,建立以决策实体工作负载的均方根(root mean square,RMS)为目标函数的问题数学模型,以任务与平台的分配关系作为输入信息,在基于最小RMS值的平台合并准则下采用rollout策略对层次聚类法的每层聚类进行优化,得到平台与决策实体的优化配置关系。最后通过联合作战仿真算例和一般算例进行仿真分析,验证了该方法的可行性和优越性。

基于全局最优的信息启发式Rollout测试序列生成算法

为实现电子设备或电气系统快速故障诊断,在故障诊断过程中需生成测试序列,一般通过分析测试点对故障的检测与隔离的次序能够得出产品测试序列生成排故引导树;然而针对不同故障模式的故障率不同,不同测试点的测试权重、测试费用、测试时间不同,从不同测试点出发形成的排故引导树也不同;提出了一种基于A0*信息启发式Rollout策略的测试序列生成算法,其作为一种近优的结算方法既考虑可靠性,也考虑测试费用最小,既减轻庞大的计算量,又获得了比次优启发式算法更好的诊断结果。