云环境下舰船周期性任务容错调度算法

任务容错调度算法是保证舰船周期性任务完成的基础,针对舰船周期性任务容错调度算法存在效率低等问题,设计了一种云环境下舰船周期性任务容错调度算法。首先对舰船周期性任务容错调度算法的研究现状和云环境的工作模式进行分析,然后建立舰船周期性任务容错调度的数学模型,并采用组合的群智能优化算法对舰船周期性任务容错调度数学模型进行求解,找到舰船周期性任务容错调度方案。仿真测试结果表明,本文算法不但加快了舰船周期性任务容错调度方案的搜索速度,而且得到的舰船周期性任务容错调度方案要优于对比算法。     

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。     

基于蚁群算法的舰船避险航路规划

采用蚁群算法研究舰船避险航路规划问题,利用栅格法将航行海区进行细分,建立舰船避险航路模型,进而求算优化解。仿真结果表明,蚁群算法求解舰船优化航路具有较强的稳定性和鲁棒性。     

改进蚁群算法的舰船避碰辅助决策系统可靠性研究

传统舰船避碰辅助决策系统所采用的蚁群算法在对船舶路径碰撞信息素计算过程中,存在收敛速度慢、碰撞信息素浓度低的问题,导致输出结果的可靠性较低,因此提出改进蚁群算法的舰船避碰辅助决策系统可靠性设计方法。通过对船舶避碰路径模型的构建与分析,结合传统蚁群算法在避碰决策计算上的缺失数据,对蚁群算法进行改进,并将改进的蚁群算法引入到避碰辅助决策系统进行仿真计算,通过对决策数据的分析得到舰船避碰辅助决策可靠性数据。通过设计仿真实验对得到的可靠性数据进行验证,证明了本文方法所得数据的可靠性。     

蚁群算法在舰船建模与控制中的应用

传统蚁群算法只能单纯针对舰船路径进行规划,且在规划计算过程中仅能针对一个目标进行分析计算,导致计算中的有效信息素过少,计算所建立的规划控制模型准确度降低。因此,本文提出蚁群算法在舰船建模与控制中的应用。首先,采用蚁群算法对舰船航行场景进行建模,并对模型中的有效信息素进行优化量的导入更新。最后,对完成更新信息素的模型进行多目标参量计算,实现提升蚁群算法规划控制模型的精准度。为了证明设计的有效性,通过对比仿真实验来完成验证操作并得出可行性结论。     

蚁群算法在舰船调度系统中的应用

传统的舰船调度系统多数基于遗传算法,存在大量无用的迭代计算,影响系统运行效率。为此,提出蚁群算法在舰船调度系统中的应用。构建基于Agent的双层调度体系,充分发挥分布式计算、多任务并行处理的特点。在此基础上,利用蚁群算法确定舰船初始位置,初始化舰船信息素,根据全局搜索和局部搜索2种情况,通过迭代计算得到舰船调度最优解,将最优解反馈至系统的调度层,实现舰船调度。测试结果表明,在相同的测试条件下,设计的应用蚁群算法的舰船调度系统的迭代计算次数明显少于传统的调度系统。     

数据驱动的舰船航线生成算法

为了保障舰船能够安全地在海洋中进行航行,必须设计出安全科学合理的航线。针对传统的航线生成算法存在着各种不同的缺陷,设计出了数据驱动的舰船航线自动生成算法。首先利用蚁群算法进行搜索,产生舰船航行航线的初始种群,然后利用遗传算法对各种航线进行优化,获取最优舰船航线。最后进行仿真测试,实验结果表明,本文算法能够获得比对比算法更优的舰船航线,同时,所耗费的时间亦少于对比算法,具有比对比算法更高的实时性,是一种有效的舰船航线自动生成算法。     

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。     

基于蚁群算法的港内集装箱运输调度模式研究

以集装箱码头船舶装卸作业调度问题为研究对象,综合考虑港口多种装卸资源和流程,在船舶泊位占有时间确定的条件下,以装卸运输作业总成本最低为目标,提出单船装卸作业调度模型;用蚁群算法对所建立的模型进行求解和仿真,并结合实际问题给出具体调度结果。此模型和方法考虑了生产效率和作业成本之间的平衡,保证以较低的成本完成规定作业。     

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。