基于资源约束的装备保障任务动态调度研究

高技术战争条件下的装备保障具有显著的动态性 ,该特点要求装备保障指挥控制系统对装备保障任务进行动态调度。在资源冲突的情况下 ,如何进行任务调度 ,才能减少冲突、提高任务的分配和执行效率 ,是装备保障指挥控制系统需要解决的关键问题之一。本文在对装备保障任务的动态调度问题进行描述和定义的基础上 ,提出了一种基于资源约束的装备保障任务动态调度算法。     

C2组织结构设计:平台-任务关系设计

以联合作战战役为例建立作战平台和任务模型,对C2(Command and Control)组织结构设计中平台-任务关系设计问题分析了传统多维动态列表规划算法(Multidimensional Dynamic List Scheduling,MDLS)在解决作战平台资源调度(平台-任务分配)问题的不足,提出了在平台-任务分配过程中采用任务选择平台组、平台选择任务以及两者选择冲突消除改进的MDLS算法,以解决MDLS算法的不足,并对不同方法的结果进行了比较.     

联合作战规划中资源调度算法研究

以联合作战为例建立任务和作战平台资源模型,通过多维动态列表规划算法(Multidimensional Dynamic List Scheduling,MDLS)进行任务-平台分配,对平台选择提出了两种不同的优先权计算方法,通过对案例求解比较了不同方法的结果.     

战时装备维修保障力量抢修行动模型构建与求解

针对战时装备维修保障任务重、修理时间有限以及维修保障力量类型与待修装备损伤需求不匹配,难以实现战场精确保障的问题,进行了战时装备维修保障力量多目标行动控制研究。考虑修理时间窗、装备损伤状态、维修保障力量类型与维修保障能力变化以及非遍历性等复杂约束,构建了以装备重要度总和、修竣装备总和以及超出修理时间窗时间总和为目标的维修保障力量多目标抢修行动控制模型。对带精英策略的非支配排序遗传算法进行改进,结合变邻域搜索算法加强算法的局部搜索能力,设计了改进变邻域搜索和非支配排序遗传算法的混合算法实现模型求解,并通过示例验证了模型及算法的合理性和有效性。     

基于改进QPSO算法的云计算资源调度策略研究

资源调度问题是云计算研究的一个重要方向。针对传统量子粒子群算法的不足,提出了一种改进量子粒子算法,并将其应用于云计算资源调度策略。首先,建立了云计算资源调度问题的模型,并将资源调度任务完成的时间作为适应度函数。随后采用自适应机制,通过改变粒子位置更新的惯性权值,提高了算法的全局搜索能力,加快了收敛速度。最后通过实验仿真对该算法进行了测试。实验表明,该算法能更好更快地找到云计算资源调度方案,使资源分配更加合理高效。     

基于任务的装备器材多阶段动态供应策略与模型

针对传统的任务装备器材保障模式时效性、灵活性、持续性较差的问题,提出一种基于任务的装备器材多阶段动态供应策略,以总保障成本最小、超储器材利用率最高、任务重要度最高为目标,建立了基于任务的装备器材多阶段动态供应调度模型,并采用动态粒子群算法对模型进行了求解,最后通过实例仿真验证了模型和策略的合理性、可行性。     

基于改进蛙跳算法的多无人机协同任务分配研究

针对多无人机协同任务分配问题,提出了一种基于Levy飞行的改进随机蛙跳算法用于解决多无人机的协同任务预分配问题,通过引入动态跳跃步长、Levy飞行因子和族群认知因子有效改进了算法的搜索性能,提高了搜索效率。针对多无人机协同执行任务时可能遭遇的突发任务,通过引入市场拍卖机制提高了算法的计算收敛效率。通过仿真算例分析,验证了改进的随机蛙跳算法解决多无人机协同任务分配问题的有效性。     

修复状态不确定的巡回修理任务多目标动态调度

针对战时装备巡回修理任务重、修理时间有限,而现有战时装备维修任务调度研究存在调度目标单一、约束简单的问题,开展了装备巡回修理任务多目标动态调度研究。提出了复杂约束条件下的装备巡回修理任务调度军事问题,考虑待修装备修复状态的不确定性,在修理能力和修理时间限制的基础上引入了修理时间窗、非遍历、巡回修理组修理能力变化等约束,构建了以修竣装备总数、修竣装备重要度总和、获得的二次作战总时间最大为调度目标的多目标动态调度模型。设计了基于改进非支配排序遗传算法(Non-dominated Sorting Genetic Algorithm Ⅱ,NSGA-Ⅱ)进行模型求解,并通过示例仿真与分析,验证了模型和算法的合理性及有效性。     

装备保障资源均衡遗传算法优化与仿真

合理利用装备保障资源是组织装备保障活动的必然要求,科学规划是装备保障资源合理利用的基本前提。装备保障任务工期内对保障资源需求的波动量越小越有利于装备保障活动的高效组织、实施、管理以及装备保障效能的提高。资源均衡优化是实现资源需求均衡的重要技术手段。传统求解资源均衡问题的精确解法和启发式优化方法在解决这类中大规模问题时难以奏效,带修复算子的遗传算法能够在一定程度上克服这些算法存在的缺点,其有效性通过获得几个模拟问题的最优或次最优解得以验证。     

高空长航时无人机编队协同侦察任务规划

针对高空长航时无人机侦察任务规划特点,分析了高空长航时无人机执行侦察任务过程中的飞行航线约束和通信条件约束,以最小化无人机总飞行航程和最终编队飞行时间为优化目标,建立无人机编队协同侦察任务规划问题模型。同以往的通用侦察任务模型相比,该模型突出考虑了高空长航时无人机执行侦察任务过程的特点。以基本粒子群算法为基础,通过粒子群离散化和结合遗传算法进行改进,使其适用于求解复杂组合优化问题。仿真结果验证了算法求解复杂任务规划问题的有效性。