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。     

一种分布式人机界面组件容错调度模型的研究

为了解决分布式系统中人机界面组件的容错、动态配置以及各个人机交互结点界面切换的统一控制问题,基于组件技术和容错调度理论,提出一种人机界面组件两级容错调度模型,并给出了相应的调度算法.模型由一个统一调度处理组件和多个人机交互结点组成.其中,每个人机交互结点包含一个局部调度处理组件、一个界面组织处理组件以及多个人机界面组件.局部调度处理组件处理没有容错需求的局部界面调度请求.统一调度处理组件处理有容错需求的局部界面调度请求和全局界面调度请求.界面组织处理组件根据调度请求的处理结果完成界面的组织显示.最后,通过实验验证了两级容错调度模型及其算法的可行性.     

云环境中的船舶多目标任务自适应管理技术研究

首先设计云环境中的虚拟机放置自适应管理框架,并对框架中4个模型如何实现自适应管理进行描述。根据云环境特点,将船舶多目标任务自适应管理问题转换成云计算中虚拟机放置优化问题,利用多目标蚁群优化实现物理机资源浪费和流量消耗最少的优化问题。     

群智能优化算法的船舶信息管理任务批量流水调度研究

针对传统的船舶信息管理任务调度模型的调度平均等待时间长的问题,研究群智能优化算法的船舶信息管理任务批量流水调度模型。根据群智能优化算法理论,将调度过程中的船舶看作粒子,根据实际调度需求设定调度模型的参数。为缩短船舶调度平均等待时间,规划船舶调度的目标函数以及约束条件。计算粒子适应度,将粒子与任务分配一一映射,根据船舶可信度计算得到局部粒子最优解,更新粒子位置直至出现最优调度解,完成船舶信息管理任务批量流水调度模型的构建。通过与传统调度模型的对比仿真实验,验证构建的基于群智能优化算法的船舶调度模型能够缩短传统调度模型2/3的平均调度等待时间,提高了调度效率。     

海量舰船网络信息的智能调度算法

舰船网络信息调度是确保通信网络中数据信息传输安全的有效途径之一,对海量的舰船网络信息进行调度是一项较为重要的工作。在具体的调度过程中,要保证背景流量的有效生成,由此可提高调度结果的准确性。由于传统背景流量构造方法不适用于高速网络环境,所以提出一种基于数据流的结构化流量模型,完成背景流量的生成,在此基础上,采用同步点对舰船网络信息调度算法的效率进行优化,该方法以通信网络中的报文顺序作为判定依据,报文的速率不会影响判定结果,能够确保调度的高效性。     

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。     

基于蚁群算法的船舶调度优化研究

新时期背景下,国际贸易活动日益频繁,船舶的大型化发展趋势愈加明显,也为集装箱海运运输网络转型发展提供了必要平台,逐渐发展成健全网络体系。在这种情况下,对船舶的优化调度作用逐渐突显出来,通过对船舶运力的合理规划能够使船舶企业营运的成本支出明显减少,现实意义显著。而在优化船舶调度方面,将蚁群算法引入其中,构建以蚁群算法为基础的船舶调度优化模型,能够为船舶调度工作的顺利开展提供有价值的参考依据,进一步推动现代船舶行业的进步与发展。     

海上电子工程中的蚁群算法资源调度设计

针对海上电子工程中的资源调度方法存在调度时间长、效率低等问题,以提高海上电子工程资源调度效果为目标,设计了基于蚁群算法的海上电子工程资源调度方法。首先对国内外的海上电子工程资源调度方法进行分析,找到导致调度时间长、效率低的因素,然后采用蚁群算法对海上电子工程资源调度方法进行设计,最后采用本文方法对具体海上电子工程资源调度问题进行分析,结果表明,本文方法减少了海上电子工程资源调度的时间,加快了海上电子工程完成时间,而且比其他海上电子工程资源调度方法工作更加稳定和高效,解决了当前海上电子工程资源调度方法存在的调度时间长、效率低难题,具有一定的实际应用价值。     

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。     

基于云理论的船舶航迹容错控制研究

近年来,海上交通的密度不断增加,再加上气候条件不断恶化,飓风等极端天气时常发生,对船舶的航向保持与航迹容错控制等技术提出了更高的要求。随着计算机技术与人工智能的迅速发展,基于大数据的云理论逐渐成型,并在数据分析与控制等领域获得了广泛应用。本文建立了船舶以及船舵的运动学模型,并基于云理论对船舶的航迹容错控制技术进行了深入研究。     

雾天环境下的舰船图像增强算法研究

为了提高雾天环境下的舰船图像质量,提出一种形态滤波算法和小波变换的雾天环境下舰船图像增强算法。首先采集雾天环境下的舰船图像,并对图像进行形态滤波操作,去掉舰船图像中的噪声,将舰船图像的重要信息保留下来,然后采用小波变换对2幅舰船图像分别进行分解,并对它们进行融合和增强,消除雾天环境对舰船图像的干扰,得到更加清晰的舰船图像,最后与其他算法进行舰船图像增强仿真实验,仿真实验表明本文算法的舰船图像信噪比要高于对比算法,可以对雾天环境中的不利因素进行有效的抑制,得到的舰船图像的视觉效果十分理想,解决了当前雾天环境下舰船图像增强中的难题。     

云计算环境下船舶网络数据资源调度系统设计

在云计算环境下,目前船舶数据资源调度系统存在数据资源调度配准度较低的问题。针对这一问题设计云计算环境下船舶网络数据资源调度系统。首先设计系统的整体调度结构,其次设计船舶网络数据资源特征管理模块,通过资源管理器将数据分流分类,增添船舶网络数据资源干扰滤波处理模块设计,实现数据资源干扰滤波处理,保证数据资源调配准确,最后设计船舶网络数据资源调度模块,完成数据资源调度以此实现系统设计。通过仿真实验,对船舶网络数据资源调度系统与传统数据资源调度系统配准度进行对比,证明设计系统具有优越性。     

基于云计算的舰船大规模任务调度优化

当前舰船任务调度优化方法针对小规模任务,对于大规模舰船任务,它们存在搜索最优舰船任务调度方案时间长,舰船任务无法在有效时间内完成,为了加快舰船任务完成速度,结合舰船任务的大规模特点,设计了基于云计算的舰船大规模任务调度优化方法。首先对舰船大规模任务调度优化问题进行分析,将它们划分成为多个小规模舰船任务调度优化问题,然后基于云计算平台的map/reuduce模式对多个小规模舰船任务调度优化问题进行并行处理,并对多个小规模舰船任务采用混合智能优化算法进行求解,最后得到舰船大规模任务调度优化结果,并进行了舰船大规模任务调度优化问题的仿真测试。本文方法大幅度减少了舰船大规模任务调度优化时间,提高了舰船大规模任务完成效率,是一种有效、速度快的舰船大规模任务调度优化方法。     

利用遗传算法进行船舶网络云资源调度

船舶网络在信息管理方面发挥着重要作用,但船舶网络的性能无法满足数据的增长速度,为此引入云计算技术来提升船舶网络的海量数据处理能力。如何利用资源调度策略提升船舶网络性能是云计算研究的重点。本文提出基于遗传算法的船舶网络云资源调度模型,遗传算法存在搜索后期效率低、易早熟等问题,为了解决算法存在的问题,根据元胞自动机原理,对遗传算法进行改进,提高资源调度的效率,提升船舶网络的性能。     

云环境下船舶系统制造商的筛选研究

阐述在云环境下船舶系统制造商的筛选过程,构建筛选指标体系。在获取筛选权重的过程中利用主观权重和客观权重相结合的组合权重值。运用基于未知测度理论建立船舶系统制造商筛选模型,最后通过与实际应用相结合,提出利用此模型的实施建议。     

基于虚拟云计算的船舶导航系统故障检测研究

采用虚拟云计算网络处理船舶的导航数据,能够有效节省船舶的运行成本,极大提高船舶的数据处理能力,有利于运行故障的及时发现。因此本文重点研究虚拟云计算平台在船舶导航系统故障检测中的应用,从船舶的实际情况出发,设计易于实现的船舶导航系统云计算架构,对该系统中的各个子模块的功能进行研究。同时根据导航系统的特点,设计故障检测系统,采用先进的主元分析法,能够自动分辨船舶的运行状态,并根据有关的控制参数判断出故障的类型,在多重故障同时出现时,采用滤波分辨技术,极大提高了故障的识别率。     

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。     

基于萤火虫算法的船舶交通数据并行调度方法

针对传统的舰船交通数据并行调度方法效率低的情况,提出基于萤火虫算法的船舶交通数据并行调度方法。以舰船调度时间为出发点,确定调度目标,并引入不确定因子,对舰船调度中的不确定因素进行处理,在此基础上,生成船舶交通数据并行调度规则,使所有船舶按照该规则进行调度,并考虑到存在大船和小船的情况,设置时间权参数,保证大船与小船同时到岗时,大船优先被调度,以此实现舰船交通数据并行调度。实验对比结果表明,此次设计的基于萤火虫算法的船舶交通数据并行调度方法比传统的调度方法效率高,具有一定的实际应用意义。