基于粒子群优化算法的海上电子工程资源调度设计

传统的海上电子工程资源调度方法在数据安全性极高的情况下,资源调度受到限制,其实用性需要进一步提高。为此,提出粒子群优化算法的海上电子工程资源调度设计。根据用户请求将资源转化为资源池,结合实际资源的各项属性设计资源模型,在资源模型上,将资源看作独立的粒子,初始化粒子群,优化加速因子和学习因子,执行粒子群优化算法,输出结果,即为资源调度结果。实验结果表明:设计的粒子群优化算法的海上电子工程资源调度方法任务并发数高、最大资源利用率高,该方法的实用性得到加强。     

海上应急物资配送路径规划模型的构建

为了提高海上应急物资配送和调度能力,提出基于蚁群智能优化的海上应急物资配送路径全局规划算法。根据海上应急物资配送物资规划路径进行运动学模型构造,构建海上应急物资配送路径规划的控制约束参量,以海上应急物资配送的中转节点作为聚类中心,采用蚁群优化算法进行海上应急物资配送路径的自适应寻优,以蚁群个体信息素作为导引参量,构建海上通信网络下的海上应急物资配送路径规划模型,采用蚁群算法进行海上应急物资配送路径规划过程中的寻优迭代,根据自适应寻优控制结果,实现海上应急物资配送路径规划优化。仿真结果表明,采用该方法进行海上应急物资配送路径规划的自适应性较好,规划调度能力,提高了应急物资的配送效率。     

基于蚁群算法的舰船网络云资源调度

在应用现有方法时,由于任务执行与任务调度性能存在问题,因此在舰船网络云资源调度方法的设计中应用蚁群算法,提出一种基于蚁群算法的舰船网络云资源调度方法。在基于蚁群算法对舰船网络云资源调度方法进行设计的过程中,首先需要对舰船网络云资源实施初始化处理。每只蚂蚁都携带着基本任务信息,在此基础上对各资源可能被选的概率进行计算。根据蚁群算法对舰船网络云资源调度模型进行构建,模型由云资源代理模块、云资源目录模块、用户模块、用户代理模块构成。通过进行任务执行时间与调度任务总效用的对比实验,证明该方法的任务执行时间更短、调度任务总效用更高,实现了任务执行与任务调度性能的提升。     

大数据分析下双向通航港口船只调度方法

针对传统方法因缺少自适应蚁群调度优化算法,导致调度资源分析不足的问题。在大数据分析的技术支持下,为更好地提升双向通航港口船只调度的合理性与科学性,提出大数据分析下双向通航港口船只调度方法研究。通过大数据分析技术,对双向通航港口船舶调度数据进行分析计算。接着对港口调度能力进行模型建立,根据获得的数据引入自适应蚁群调度优化算法,完成数据科学调度计算。通过实验对比方式,对提出设计方法的合理性进行证明,对双向通航港口船只调度有科学意义。     

基于蚁群算法的港口船舶调度优化问题研究

港口船舶调度优化问题是当前一个公开的难题,传统方法无法获得理想的港口船舶调度优化方案,为了加快港口船舶调度速度,降低港口船舶调度成本,建立了基于蚁群算法的港口船舶调度优化模型。首先分析当前港口船舶调度优化研究现状,指出各种方法出现不足的原因,然后构建港口船舶调度优化问题的多约束优化目标函数,并引入蚁群算法对多约束优化目标函数进行寻优,求得港口船舶调度优化问题的最优解,最后进行港口船舶调度优化仿真模拟实验。相对于其他港口船舶调度优化模型,蚁群算法改善了港口船舶调度优化问题求解的效率,港口船舶调度优化问题的解质量更高,可以满足港口船舶调度管理的实际应用要求。     

基于云平台的海上船舶运输调度系统研究

首先阐述基于云平台的海上船舶运输调度的总体设计以及调度的流程;针对调度流程中的难点,设计了基于神经网络的船舶运输调度算法,最后从调度完成时间和调度效率两方面进行实验仿真对比,从实验结果可知本文算法的优越性。     

面向云计算的海上负载均衡算法研究

基于云计算的分布式计算及存储平台在现代海上舰船信息系统中的应用越来越广,在处理船舶各类传感器数据方面起到了重要作用。但由于云平台中的各计算资源之间存在异构架构,在算法统一调度上,存在资源分配不均衡的现象,使的云平台的资源利用率不高。本文研究海上云计算平台架构,分析现有的资源调度及均衡模型,并引入蚁群算法来求解均衡调度算法中的最优点,有效解决了原海上云计算资源的负载均衡负载均衡度不高的问题。     

云环境下舰船周期性任务容错调度算法研究

舰船周期性任务的容错调度对保证船舶安全航行,避免发生碰撞事故具有重要作用,因此针对舰船周期性任务容错调度问题进行研究,在求解环节对传统容错调度算法进行改进优化,以期提高可靠性和实时性。任务容错调度算法设计需要经历2个阶段:第一阶段,构建舰船周期性任务容错调度模型;第二阶段,将遗传算法与蚁群算法相结合,完成模型2次求解,先使用遗传算法,得到初步容错调度可行方案,后使用蚁群算法,完成模型精确求解,有效实现舰船周期性任务的容错调度。结果表明:与单一遗传算法与蚁群算法相比,本算法可靠性降低幅度低(1.89%),说明可靠性更好;100个任务的完成所需时间最少,仅花费11.5 s,证明其实时性更佳。     

自适应蚁群算法求解车间作业调度问题

车间作业调度问题(JSP)是组合优化问题中的NP-Hard问题,应用传统的蚁群算法在求解时存在易于陷入局部最优解、收敛速度慢等缺点.通过在蚁群算法的信息素局部更新策略和全局更新策略两处引入自适应方法对蚁群算法进行了改进,并应用此算法对经典的FT06问题和FT10问题进行了大量的求解试验.试验结果表明该自适应蚁群算法在求解车间作业调度问题时,搜索速度和收敛速度比传统的蚁群算法都有较好的提高.     

云计算环境下舰船内部信息资源全局均衡调度算法

舰船内部信息资源调度十分关键,针对当前舰船内部信息资源全局均衡调度算法存在结果不可信,调度效率低等难题,为了提高舰船内部信息资源全局均衡调度性能,提出云计算环境下舰船内部信息资源全局均衡调度算法。首先分析舰船内部信息资源全局均衡调度原理,建立舰船内部信息资源全局均衡调度数学模型,然后采用组合群智能算法对数学模型进行求解,搜索舰船内部信息资源全局均衡调度方案,并通过云计算环境将舰船内部信息资源全局均衡调度问题进行并行、分布式求解,最后进行了舰船内部信息资源全局均衡调度仿真实验,结果表明,本文算法的舰船内部信息资源调度速度快,可以实现资源负载均衡,同时舰船内部信息资源全局均衡调度结果要优于其他方法。