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。     

大数据背景下的海上信息系统云平台研究

首先建立大数据背景下的海上信息系统云平台架构,然后根据云平台的特点,阐述基于大数据的云平台的实时动态任务调度,并对节点的性能特征和任务调度的时间进行仿真实验。实验结果表明,通过实时动态任务调度算法,能够实时的评估系统节点的真实工作状态。     

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。     

基于调度模型的舰船嵌入式系统关键数据反馈加密方法

针对现阶段舰船嵌入式系统,采用单一传统数据加密方法,存在安全性降低的问题。提出基于调度模型的舰船嵌入式系统关键数据反馈加密方法,通过利用3GR加密字串分割算法,对舰船关键数据加密源字串进行分割化运算。创建AEHA综合加密认证单元,对分割后的字串做精简数优化,加速认证。对比实验证明,提出的基于调度模型的舰船嵌入式系统关键数据反馈加密方法,能够快速对舰船嵌入式系统关键反馈数据进行实时瞬态加密,加密数据抗攻击性与反破解能力都优于传统加密方法     

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。     

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。     

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%。     

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。     

人工智能技术舰船航行自动控制研究

传统舰船航行自动控制功能主要通过算法对定义舰船轨迹数据与舰船航行数据综合分析计算,根据计算结果对PID自动控制器下达控制指令来完成自动控制操作。此种控制模式受到算法定义逻辑限制存在一定的控制误差,无法真正做到舰船航行的精准控制。为解决上述问题,提出人工智能技术的舰船航行自动控制研究。首先对舰船航行轨迹进行模型计算,接着对舰船PID控制数据进行模型计算。最后,通过人工智能技术对航向轨迹与PID控制数据进行关联计算,得到精准的舰船航行控制数据。通过对比实验对提出的控制方法与传统控制方法进行对比,数据证明提出方法的控制精准度高于传统自动控制系统。     

远程云平台在舰船实时监控系统中的应用

舰船航行数据大量增加,采用传统系统受到服务器存储空间限制影响,导致监控效果较差,无法保证舰船行驶安全。因此提出远程云平台在舰船实时监控系统中应用研究。依据系统总体架构,可将其分为船载终端、远程云平台、监控中心3个部分,使用BDG-MF-07北斗船载终端,启动一键式紧急报警功能,支持可扩展AIS船舶防碰撞报警,设计远程云平台,为系统提供远程安全通信功能,通过对监控数据采集与处理,完成监控中心设计。研究远程云平台在软件功能中的应用,采用TPUT算法对监测到的数据进行汇聚处理,最后确定查询故障位置。由实验结果可知,该系统监控效果最高可达到95%,具有良好监控性能。     

神经网络舰船通信数据实时校正算法

传统算法由于应用技术的缺陷,存在通信数据校正时间长、校正精度差的问题,因此提出基于神经网络的舰船通信数据实时校正算法。对采集的舰船通信数据进行归一化与切片预处理,以此为基础,训练神经网络模型,并更新模型参数,将测试通信数据集合输入至训练好的神经网络模型中,输出结果即为通信误差数据检测结果,采用线性稳态数据协调原理,计算通信数据校正值,将校正值与通信数据进行加和运算,从而实现了舰船通信数据的实时校正。实验数据表明,与传统算法相比较,本文算法通信数据校正时间大幅度缩短,校正精度大幅度提高,充分证实本文算法的数据校正效果更好。     

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。     

水下无线通信资源数据库任务自主调度算法

传统水下无线通信资源数据调度算法在日常应用过程中,受到算法自身信号链路计算缺失影响,经常出现通信数据断流,数据库调度延时高的问题。针对此问题,提出水下无线通信资源数据库任务自主调度算法。通过引入无线POS策略算法对传统无线传输信号进行信号增强净化处理,同时配合引入EPD-C优先级调度算法,对传统调度算法调度链路计算逻辑进行修正,根据任务优先级别计算结果,实现任务的自主调度。最后,通过仿真实验对提出算法进行对比实验验证,证明提出的水下无线通信资源数据库任务自主调度算法能够有效解决传统算法因自身不足导致调度延迟高的问题。     

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。     

舰船维修数据云总线协议深度挖掘算法

现有的舰船维修数据深度挖掘算法,存在着数据挖掘深度浅的缺陷。为了解决上述问题,提出舰船维修数据云总线协议深度挖掘算法研究。依据算法需求编写云总线协议,采集并获取舰船维修数据,以此为基础,利用等深度分段方法离散化处理维修数据,依据离散化处理完成的维修数据,通过粗糙集约简算法得到最优舰船维修数据集,实现了舰船维修数据云总线协议的深度挖掘。通过仿真对比实验结果表明,与现有的舰船维修数据深度挖掘算法相比较,提出的舰船维修数据云总线协议深度挖掘算法极大的加深了数据挖掘的深度,充分说明提出的舰船维修数据云总线协议深度挖掘算法具备更好的数据挖掘效果。     

云平台中的并行船舶综合电网调度系统研究

海上电网供电系统对船舶持续稳定的电压供给是保证其海上航行的关键。随着海上船舶数量及体积的增加,海上船舰电网调度系统所需处理的信息随之增大,并且已经越来越不能满足对舰船供电负荷计算实时性的要求。基于现代信息处理的云平台能够利用分布式计算架构,将各船舶的供电负荷计算分配到各节点进行并行计算,能够有效解决原调度系统计算中心的性能瓶颈。本文在此基础上,提出一种云平台中的并行船舶电网调度算法,并给出了算法的实现方法。     

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。     

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。     

低照度的舰船图像增强研究

传统舰船图像低照度增强算法多为单一增强算法,因此在对图像动态范围处理上存在一定误差,导致动态范围外的图像色域噪点处理效果不佳,图像整体增强效果无法达到舰船图像应用要求。为了获得低照度下舰船图像的最佳增强效果,提出低照度的舰船图像增强研究。首先,对低照度图像建立Retinex模型,获得低照度图像增强的理论基础数据;接着将Retinex模型参量引入低照度舰船图像,建立图像光照基础模型,根据光照基础模型获得的各图层光照分布状态,对其亮度进行调整,滤除图层噪点;然后,通过神经网络算法,对增强图像图层进行重建计算,完成低照度舰船图像增强计算。最后,通过对比实验数据,证明提出方法能够提升低照度舰船图像增强处理效果。     

云计算在大规模海洋地形数据处理中的应用

首先阐述进行大规模海洋地形数据处理时,为提高运行效率,需要将获取的数据进行分层分块,对分好的面片进行希尔伯特编码;然后利用实验验证云计算构建云影像金字塔模型的有效性,并且在云计算下进行任务调度,实现海量数据的分布并行计算;最后通过实验验证本文算法收敛性和自适应能力强,提高系统对任务的调度和处理能力。