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。     

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。     

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%。     

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。     

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。     

面向船舶数据中心的FPGAs组建可重构系统高效能调度算法

FPGA可重构技术具有强大的灵活性及现场可编程能力,在同一硬件资源基础上分时复用不同的任务模块,而不需要中断运行中的任务,该技术能够有效提高资源利用率。本文提出基于FPGA的可重构划分算法,并根据任务间数据依赖关系,提出基于最短关键路径模型的重构时序调度算法,有效提高任务调度性能。     

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。     

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。     

结合集合点容量限制的舰船疏散网络最优路径选取方法

针对传统舰船疏散网络最优路径选取方法舰船疏散性能较差的问题,设计一种结合集合点容量限制的舰船疏散网络最优路径选取方法。基于无向二值网络,利用节点代表疏散通道交叉点、疏散集合点、疏散口、水密门、舱室等舰船疏散通道因素,构建舰船疏散网络结构模型,结合集合点容量限制构建流动约束对应函数、水密性对应函数,从而对舰船疏散网络结构模型的目标函数进行构建。根据构建的目标函数,利用蚁群算法实现舰船疏散网络最优路径选取。为了证明该方法的舰船疏散性能较强,将传统方法与该方法进行对比实验。实验结果证明,结合集合点容量限制的舰船疏散网络最优路径选取方法的舰船疏散性能优于传统方法,更适合进行舰船疏散网络最优路径选取。     

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。     

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。     

数据挖掘技术舰船电力资源调度系统

在舰船通信网络环境下,现有电力资源调度系统中各个功能模块间的联动易出现错误,导致最终系统执行任务的数量较少,针对该问题,设计一种数据挖掘技术的舰船电力资源调度系统。硬件部分,选定树莓派3代作为电力资源的主控制器,在直流12 V电压的数值下,设计数据采集电路的结构。软件部分,利用数据挖掘技术挖掘电力资源数据,设定一个数据跳点后,构建一个跳点规则,在调度时形成一个模块联动,实现系统对电力资源数据的调动。结果表明:设计得到的调度系统可执行的任务数量最多。     

船机电系统自主控制平台及资源分配策略

针对船机电系统大多依旧基于"人在回路"通讯及独立决策模式,难以进一步精简人员配置和提升运行效能的问题,提出一种船机电系统自主控制平台。该平台采用多代理(Multi-Agent)分级控制结构联合船机电系统,基于资源分配策略模型自主进行系统资源分配与任务调度,使舰船平台具备无人监督时的自重构与自决策执行能力,实现船机电系统作业模式从传统的基于人员运行向自主运行转变。试验表明,该平台能够自主结合任务需求和环境条件进行决策评估与资源优化,可有效提高舰船平台的整体生命力和任务执行效能。     

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。     

基于云计算技术的舰船信息系统数据多批处理调度方法

传统的舰船信息系统数据的多批处理调度方法存在负载均衡性能差的问题,为此,设计基于云计算技术下舰船信息系统数据的多批处理调度方法。引用云计算的MapReduce迭代方式计算数据多批处理优先级,制定数据多批处理分级接收策略,将收益接近的任务分为同一处理批次,保证服务方在接收任务时收益最大化,通过动态调度算法,计算出数据多批处理任务最优解,实现舰船信息系统数据的多批处理调度。测试结果表明:与传统的调度方法相比,设计的云计算技术下舰船信息系统数据的多批处理调度方法负载均衡性能更好,适合应用在实际项目中。     

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。     

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。     

基于人机交互-蚁群算法的船舶交通多航道调度优化

传统基于纯蚁群算法的船舶交通多航道调度优化无法根据实际情况调整船舶优先级,船舶占港时间较长,经济效益差,因此设计一种基于人机交互-蚁群算法的船舶交通多航道调度优化方法。建立多航道调度优化模型,明确各船舶调度策略,确定调度时间、等待时间最小的目标函数,建立避免调度过程中产生混乱和协调船舶交叉的约束条件;在调度优化中引入人机交互-蚁群算法,采用人工设置临时改变船舶工作的优先级,以此来提高港口工作效率,并设置算法的搜索顺序,完成船舶交通多航道调度优化的研究。在算例仿真中,为验证传统方法与设计方法的调度结果,设置港口参数并分析两方法的调度方案,结果表明设计的方法得到的方案能有效缩短船舶平均在港口的停留时间和恢复正常生产所需要的时间。