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。     

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。     

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。     

电子商务环境下舰船供应链物流配送优化调度模型

舰船供应链物流配送技术是电子商务管理系统的基础。为了降低舰船供应链物流配送成本,提高舰船供应链物流配送效率,设计了一种电子商务环境下的舰船供应链物流配送优化调度模型。首先分析当前舰船供应链物流配送优化情况,找出舰船供应链物流配送优化存在不足的原因,然后建立电子商务环境下的舰船供应链物流配送优化调度数学模型以及约束条件,并引入蚁群算法对该数学模型进行求解,找到最优电子商务环境下的舰船供应链物流配送优化调度方案,最后进行了电子商务环境下的舰船供应链物流配送实例分析,结果表明,本文提出的电子商务环境下的舰船供应链物流配送优化调度方案优于对比模型,减少了供应链物流配送成本,加快了舰船供应链物流配送的速度,实际应用价值更佳。     

云平台的舰船实时动态任务调度研究

传统舰船任务调度算法存在任务指令数据实时性差,任务调度处理与任务下达之间存在时间差,造成任务调度结果与任务更新的不对称。为了解决此问题,提出云平台的舰船实时动态任务调度研究。通过神经网络算法,融合云平台计算技术,对任务调度进行瞬态高速计算,缩短调度任务处理时间;引入实时任务调度算法,对瞬态任务计算进行实时动态任务流数据辅助计算,以此保证调度任务处理与任务下达数据的对称性,最大限度减小任务调度时间差。与传统调度方法对比数据表明,提出的云平台的舰船实施动态任务调度算法,能够有效缩短时间差至0.086 s。     

基于云推理的舰船安全状态评估模型

为了提高舰船通信和航行的安全性能,提出基于云推理的舰船安全状态评估模型,采用均衡博弈方法构建舰船安全状态评估的约束参量模型,结合自适应转发控制协议进行舰船安全状态评估的目标函数构建,采用云推理算法进行安全状态评估目标函数的优化求解,设计服务接口模式进行舰船航行状态的调度和安全评估,采用Lyapunove指数预测算法实现舰船安全状态有效预测和评估。仿真结果表明,采用该方法进行舰船安全状态评估的准确度较高,对舰船航行和调度的有效性较好,确保了舰船运行状态安全。     

基于人工智能技术的舰船轨迹规划算法

轨迹规划是保证舰船安全航行的关键技术,针对当前舰船轨迹规划算法存在规划精度低、速度慢等不足,为了获得更优的舰船轨迹规划方案,设计了基于人工智能技术的舰船轨迹规划算法。首先分析了当前舰船轨迹规划的研究现状,并构建了舰船轨迹规划的数学模型,然后采用人工智能技术对舰船轨迹规划的数学模型进行求解,搜索到最优的舰船轨迹规划方案,最后采用具体仿真模拟实验验证舰船轨迹规划算法的性能。结果表明,人工智能技术的舰船轨迹规划精度高,舰船轨迹规划速度快,获得了比其他算法更优的舰船轨迹规划方案,可以应用于实际舰船安全航行管理中。     

基于大数据与人工智能的舰船避碰路径优化调度算法

舰船航行路径中存在许多障碍物,当前舰船避碰路径优化调度算法存在障碍物识别正确率低、规划路径长,不仅无法获得最优的舰船航行路径,而且不能保证舰船航行的安全,为了获得最优的舰船航行路径,设计了基于大数据与人工智能的舰船避碰路径优化调度算法。首先分析当前舰船避碰路径优化调度算法的工作原理,找到弊端,然后引入大数据分析方法建立舰船避碰路径优化的数学模型,实现障碍物识别,并采用人工智能技术——遗传算法找到最优的舰船避碰路径,最后进行舰船避碰路径优化调度算法性能的仿真测试,结果表明,本文方法可以更快找到最优的舰船避碰路径,舰船避碰路径更短,不仅减少了舰船航行的时间和成本,而且可以准确识别各种舰船障碍物,具有显著的优越性。     

云环境下演化博弈模型的任务调度算法研究

本文研究云环境下演化博弈模型的任务调度算法,从用户任务方博弈、云资源方博弈、用户反馈博弈等方面进行调度算法的详细阐述。并在实验仿真过程中,将本文算法与FCFS调度算法以及带有负载的基于贪心策略的调度算法进行对比。实验结果表明,本文算法针对性、执行效率高、成长性强。     

船联网环境下舰船传感通信大数据融合调度算法

针对传统舰船传感通信大数据融合调度算法存在时延较高的问题,提出一种船联网环境下舰船传感通信大数据融合调度算法。在船联网环境下,通过ETL对舰船传感通信大数据实施预处理,步骤包括抽取大数据、转换大数据以及加载大数据,基于大数据预处理结果,制订数据融合调度策略,获取节点的具体发送序列,实施各时隙内融合周期调度状态的分配,获取最终的接收调度序列与睡眠调度序列,实现舰船传感通信大数据融合调度。实验结果证明该算法的时延最低,说明该算法更适用于舰船传感通信大数据融合调度。     

舰载通信设备负载均衡研究

结合海军舰船通信系统语音通信的特点,从舰船通信综合控制管理系统研制的角度出发.抽象出一种数学模型.通过计算机仿真,对多种负载均衡算法的总体性能进行了分析,提出了一种适合海军舰船通信系统语音通信特点的,以最少使用时间为标准的最小负载调度算法.     

基于能效的舰船通信资源分配与切换调度方法研究

提出一种将舰船通信资源分配与切换调度问题进行综合解决的方法,针对微基站与宏基站组建的网络环境,设计基于能效的舰船通信资源分配与切换调度的数学模型,将通信能效最大化作为目的,把数学模型转换成舰船通信资源分配与切换调度2个子问题。切换调度问题中,利用分析和推论获得微基站的睡眠模式决定条件,构建了微基站睡眠的用户调度流程,并与舰船通信资源分配流程结合,获得联合舰船通信资源分配与切换调度方法,实现数学模型求解,并提高运行最优能效和降低了时延。实验表明,相比当前方法,所提方法可节省约3–5倍的运行时间,能效可提高将近40%,不仅提高了舰船通信资源分配与切换调度的能效,还有效解决了运行时延高的问题。     

舰船交直流混合电力系统能量优化调度方法

海洋开发和船舶电网电力系统的不断发展,使电力系统调度系统所需要处理的工作数据越来越复杂,整体调度速率已经难以满足船舶电网系统需求。对此设计舰船交直流混合电力系统能量优化调度方法,首先基于MAPReduce计算模型,搭建云平台计算结构,对舰船交直流电力系统数据进行分布式计算和节点通信;基于搭建的云平带计算结构,设计舰船混合电力系统能量优化调度算法,采用十进制资源对应编码,实现电力系统能量优化调度。仿真实验证明,相比较传统电力调度方法,优化后的调度算法交流电调度速率提高27.5%,直流电调度速率提高17.5%,可以明显提高电力系统能量调度速率。     

面向远洋测量舰船的任务内部调度算法

远洋测量舰船具有覆盖范围广、机动灵活性强等优势,在通信和测控领域被广泛使用。然而,远洋测量舰船的硬件资源是受限的。当前远洋测量舰船电子系统采用传统任务间的最晚截止时间处理的调度方式粒度粗、灵活性差,导致执行任务的性能下降、延误率升高。因此,如何在硬件限制条件下设计一个高效的任务调度算法,满足远洋通信和测控需求,就成了一个重要而有挑战性的问题。为了解决这一问题,本文提出一种资源感知的任务内部调度设计方法来提高远洋测量舰船的任务执行效率。与传统的粗粒度的任务间调度算法不同,在任务内部调度方法中,任务可以在执行进行中被打断。基于远洋测量舰船实际通信和测控数据的仿真分析及硬件实验的结果表明,与EDF方式相比,本文的算法可以有效降低任务延误率30%,提升利用效率20%。     

物联网下舰船供应链运输集装箱的智能调度研究

针对当前的集装箱调度过程中延迟性高、调度效果不佳等问题进行研究,提出了基于物联网环境的舰船供应链运输集装箱的智能调度研究。结合自适应算法对集装箱智能调度参数进行计算,并根据计算结果对集装箱智能调度步骤进行改善和优化,从而实现对舰船供应链运输集装箱的精准调度。最后通过实验证实,舰船供应链运输集装箱的智能调度方法相对于传统方法有更高的时效性和更佳的调度效果。     

云平台和神经网络的舰船目标检测

为了解决当前舰船目标检测过程中存在的检测误差、检测实时性差的缺点,设计了一种云平台和神经网络的舰船目标检测方法。首先采用混合高斯模型对舰船目标所在区域进行获取,然后采用粒子滤波算法对舰船目标进行跟踪和检测,并采用神经网络对舰船目标粒子滤波算法的权值进行优化和更新操作,解决粒子滤波算法的缺陷,最后基于云平台对舰船目标检测方法进行了设计,并进行了舰船目标检测仿真模拟实验。结果表明,本文方法可以对各种环境中的舰船目标进行准确的检测,提高了舰船目标检测的鲁棒性,而且舰船目标检测实时性也得到了明显的改善,克服了当前舰船目标检测方法存在的缺陷,是一种有效的舰船目标检测方法。     

考虑任务排序策略的舰船建造车间虚拟制造单元动态调度

为提高舰船制造系统作业调度的柔性和效率,从车间层的作业计划角度出发,研究周期驱动条件下的虚拟制造单元多阶段动态调度问题并构建了动态调度数学模型。模型中考虑了加工任务动态需求、设备加工能力、负荷平衡、同类设备有多台的情况且提出共享资源协调排序策略,以实现最大完工时间和总物料运输距离之和最小化的目标。运用改进蚁群算法与启发式规则的混合算法进行求解。通过某船厂的实际生产数据验证了虚拟单元动态调度方法的可行性和有效性。     

云环境舰船目标检测与跟踪

目标检测与跟踪是舰船应用中的一个重要研究方向,针对当前舰船目标检测与跟踪存在的一些难题,为提高舰船目标检测与跟踪效果,设计了一种云环境下的舰船目标检测与跟踪方法。首先收集舰船目标检测与跟踪的数据,并对舰船目标的背景进行建模,然后采用卡尔曼滤波算法实现舰船目标检测与跟踪,并利用云环境作为舰船目标检测与跟踪的平台,最后在Matlab 2016平台上进行仿真实验,测试舰船目标检测与跟踪的效果,本文方法的舰船目标跟踪精度高,具有良好的舰船目标跟踪实时性。     

舰船上层建筑振动特性的数学模型设计

针对当前数学模型无法描述舰船上层建筑振动特性的变化规律,为了提高舰船上层建筑振动特性预测精度,设计一种蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测数学模型。首先对当前各种舰船上层建筑振动特性预测数学模型的优缺点进行阐述,然后采用神经网络对舰船上层建筑振动特性变化规律进行拟合,并采用蚁群优化算法确定神经网络相关参数,最后进行舰船上层建筑振动特性预测数学模型的性能测试。结果表明,蚁群优化算法和神经网络相结合的舰船上层建筑振动特性预测精度高,不仅预测误差远低于当前其他舰船上层建筑振动特性预测数学模型,而且预测效率也得到了改善,为解决舰船上层建筑振动特性预测问题提供了一种新的研究方法。     

基于AHP-云模型的舰船蒸汽动力装置性能改造评估方法研究

文章在分析研究舰船蒸汽动力装置改造过程中对舰船性能影响因素的基础上,提出层次分析法(AHP)和隶属云理论构建舰船蒸汽动力装置智能化改造方案综合评估数学模型,并建立评估指标体系,运用AHP确定各指标权重,实现系统评估指标定性与定量的转换,利用云模型拟合出综合性能指标。结果表明,该方法使用简便,可为舰船蒸汽动力装置改造设计最佳方案的选择提供指导。