基于改进RCPSP的军队建设项目中长期规划问题建模与求解

针对军队建设项目中长期规划编制中的任务安排问题,探索运用项目调度理论和方法提供一种辅助的定量分析手段.以传统资源受限项目调度问题模型为基础,考虑军费预算定期划拨的特点,增加资源可用时间区间作为约束条件,构建了带资源时间约束的多项目调度模型,提出了一种集成动态遗传算法和启发式算法的逐阶段迭代多项目调度算法.该模型和求解算法能够在有限时间和预算条件下,充分利用各年度预算并达成项目规划预期收益.仿真实验表明,本文提出的逐阶段迭代多项目调度算法能够快速求解大规模算例,避免早熟并获得满意解,在求解速度和质量方面具有一定优势.     

基于保障时间窗的油料调拨运输模型

通过引入保障时间窗,同时考虑油料保障的时间约束和运力约束,建立了基于保障开始时间最早,并尽可能满足保障需求量的调度模型。针对问题的多目标性,基于理想点法将初始模型转化为单目标优化模型。采用粒子群算法对模型进行求解,并设计了算法编码和求解步骤。通过算例验证了模型和算法的可行性及有效性。     

基于弹药挂载工作的舰载机保障作业调度

针对弹药挂载工作下舰载机保障作业问题,分析了弹药挂载作业与舰载机其他保障作业的约束关系,并基于保障资源约束,以舰载机保障作业完成时间和负载方差最小化为优化目标,建立了考虑弹药挂载工作下的保障作业调度模型。通过设计基于保障工序优先级的染色体片段编码方式,避免了大量不可行解的产生,提出了一种改进的NSGA-Ⅱ算法。以国外某型航母为例进行仿真分析,验证了模型与算法所得调度方案的可行性。     

基于多目标问题的装备维修保障资源调度研究

针对战时装备维修保障资源调度面临维修保障资源需求量不确定、调度时间不确定、调度路径可靠性不确定的问题,通过引入三角模糊数,将不确定信息量化,构建了以维修保障资源调度时间最短、维修保障资源调度路径可靠性最高和维修保障资源调度成本最小为目标的多目标调度模型,并给出了确定各目标相对重要度的方法,然后通过极大极小法将多目标模型转换为单目标模型,并结合LINGO软件对模型进行求解得出维修保障资源的最优调度方案。最后,引入算例进行了分析计算,结果证明了该模型的有效性,对于战时开展装备维修保障资源调度具有一定参考价值。     

基于任务的连续出动舰载机航空保障重调度研究

对舰载机和各种保障资源进行调度是提高舰载机航空保障效率、保证舰载机所承担作战任务顺利完成的有效手段。为了克服以往研究中没有考虑作战任务变更对舰载机航空保障调度的影响,使用重调度的理论与方法研究了基于任务的连续出动舰载机航空保障重调度问题,建立了连续出动舰载机航空保障重调度模型。采用免疫算法对模型进行求解,可以避免模型的解空间可能出现组合爆炸问题。最后通过一个实例表明该模型可以很好的应对由作战任务变更所引起的重调度问起,算法求解速度满足作战需求,从而验证了模型的准确性及算法的有效性。     

基于改进云重心方法的装备维修性定性评价

将云重心方法引入到装备维修性定性评价中。在运用云重心方法时,需要将定性评语与区间数对应,利用区间数将评语转化为云模型。针对基于3倍熵规则确定熵参数的不足,在云模型期望值左右各3倍熵的区间上对确定度的强弱进行了划分,并由此建立了区间长度为4倍熵的模型,为正确描述评价云发生器奠定了基础。改进了单项指标云重心位置与理想云重心位置的离差的计算方法,简化了综合云重心偏离度的求解模型。最后通过某装备维修性定性评价实例,验证了改进方法的科学性和合理性。     

舰载机多机一体化机务保障调度研究

针对舰载机多机一体化机务保障调度问题,以出树、入树的形式描述实际保障过程中并行工序的约束关系,以最大保障完工时间和资源负载均衡性为目标,构建了舰载机多机一体化机务保障非线性多目标混合流水车间调度模型,并设计了一种结合基于Insert的动态邻域爬山搜索策略和并行工序的同步化修正的Memetic算法求解该模型。最后通过实例仿真验证了模型和所提算法的可行性和有效性。     

嵌入式操作系统多策略调度模型

分析了目前嵌入式操作系统调度策略的现状,指出了传统调度方法的不足之处,给出了多策略调度模型,该模型根据进程的属性参数决定采用哪种调度算法。多策略调度模型采用两级调度方案,即在原传统调度方法的基础上增加一级调度。一级调度确定多个调度算法的优先顺序;二级调度确定同一种调度算法中,的进程优先顺序。该模型使进程调度更加灵活和高效,应用范围更广。     

基于工作流管理的资源调度模型

主要讨论了面向资源管理的过程调度模型.在静态模型中,可以通过各种调度策略,资源柔性和仿真算法对资源调度进行不断完善,建立了资源-任务分配模型;在动态模型中,采用事件消息形式描述异常事件,根据工作流异常管理器中的规则库和历史数据库作出自适应处理;最后,设计了一种基于工作流管理的过程调度决策系统方案.     

Linux内核的进程调度原理及改进算法研究

随着Linux在嵌入式操作系统领域的广泛应用,对Linux实时性能增强的研究也越来越多。通过对Linux进程调度依据和进程调度过程的分析,提出了一种改进的Linux进程调度算法。该算法改造了进程调度队列数据结构,去掉了进程调度选择时的遍历步骤,更改为直接得到待选最高优先级进程,同时,该算法改统一的时间片重新分配策略为分散的时间片重算策略。通过Linux进程调度算法与改进算法的时间复杂度对比分析,改进算法将Linux调度算法O(n)级的时间复杂度降低为O(1)级时间复杂度,因此能够更好地满足实时操作系统时间可测度以及低延迟等要求。     

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。     

现场总线周期信号的实时调度算法

对基金会现场总线FF(foundation fieldbus)集中式介质访问控制方式中的周期信号所采用的总线调度算法进行了分析,并提出了改进算法.该算法首先对每个子节点总线占用时间进行分割,通过增加average判断环节使得微周期分配更加均匀;然后,采用最终节点自动调度环节减少了最终节点的调度次数,节省了系统开销,并利用改进算法制定了调度表,提出了调度表验证公式,搭建了实验平台模拟总线调度;最后,通过实际案例对比分析了原算法与改进算法的使用特点.结果表明:改进算法生成的调度表具有更大的调度范围和更高的时间利用率.     

基于蚁群算法的装备保障路径规划模型

现代战争中装备保障路径规划中路径网络节点多和要优化的制约因素等问题成为装备保障仿真的难点,传统的蚁群算法寻找最优解,往往找不到满意的解。为了提高寻优效率,尽量减少装备保障中待保障装备战斗力恢复等待总时间,对基本蚁群算法进行改进。首先建立装备保障路径规划模型,然后基于基本蚁群算法,重新设计了启发信息的计算方法和信息素的更新函数,对路径节点的选择方法进行改进,最后通过一个具体的装备保障路径规划问题对传统的和改进的算法进行算例分析。计算结果表明,所采用的改进的蚁群算法可以更好地解决装备保障路径规划问题,有效减少待保障装备恢复战斗力之前等待的时间和保障分队经过的总路程。     

基于战斗力的维修调度模型优化研究

针对我军维修调度仍然采用"先来先维修(FCFS),重要装备优先维修"问题,结合战时武器装备的维修特点及作战单元战斗力的构成,综合考虑了权重、维修时间与战斗力的关系,以权重和维修时间的比值作为衡量指标,建立了基于战斗力的静态、动态调度模型,提出了相应的调度算法。利用维修调度相关数据对模型进行检验和分析,表明所提出的模型和算法既充分利用了现有的维修调度策略,又对现有的维修策略进行了改进,增强了维修调度的灵活性,缩短了维修时间,使得维修调度更加科学、合理,为决策者进行辅助决策提供了优化思路。     

基于区间数理论的空战目标威胁评估

针对空战目标威胁评估问题,提出了一种新的基于区间数理论的评估方法。在分析了现有的目标威胁评估方法中距离威胁模型存在不足的基础上,提出了改进的距离威胁模型。给出了区间数特征向量法求解威胁指标权重的计算步骤,建立了基于区间数理论的空战目标威胁评估的数学模型。最后给出了仿真算例,仿真结果表明该方法是合理和有效的。     

机务保障要求到保障方案转换

首先以装备可靠性为依据,以任务要求中任务时间、出动飞机数量、任务可靠度等参数为约束,建立了保障资源的配置模型;在确定保障资源配置基础上再以保障任务时间为优化目标,建立保障任务调度模型和调度算法,按照保障专业调度优化,为保障方案制定奠定了重要基础,对实行精确化保障有重要现实意义,对基层级的保障工作有很强的指导作用。     

基于成本分析的装备维修调度优化模型

针对装备维修保障任务量大、保障资源有限,维修调度组织粗放、保障效益低等问题。利用作业成本法分析装备维修资源投入与效益关系,建立装备维修成本模型,精准核算装备维修成本,以维修装备数量最多和平均单装维修成本最低为目标,建立了多目标装备维修优化模型。针对模型参数多、运算复杂的特点,融合粒子群算法和遗传算法,设计了改进的混合嵌套式粒子群算法,并以某维修机构为例,进行实例仿真计算,对模型和算法进行验证,效果良好,为装备维修调度决策提供了一定的理论依据。     

基于改进布谷鸟搜索算法的多传感器调度方法

针对以往战场环境中目标跟踪背景下多传感器调度算法收敛性差、求解精度低的问题,在CS算法(布谷鸟搜索算法)的基础上,提出了一种基于差分进化的布谷鸟搜索算法.在跟踪目标模型的基础上,以跟踪精度、任务完成率以及传感器资源能源消耗为指标,建立多传感器调度模型;借鉴差分进化思想,对布谷鸟搜索算法进行改进;利用改进后的布谷鸟搜索算法(DE-CS算法)求解传感器调度模型.将DE-CS算法与基础CS算法进行仿真比较,仿真结果表明,改进后的算法在收敛速度和精度方面都得到了有效改善,证明改进后的算法有较好的求解质量.     

关联规则挖掘算法的改进和实现

关联规则挖掘算法作为数据挖掘的重要算法,非常适合于发现数据表中数据项之间的关联关系、潜在规律和知识.分析了传统关联规则挖掘算法的不足,并从冗余规则和虚假规则两个方面改进了关联规则的挖掘算法.针对冗余规则提出了修改ap_genrules函数或采用"向下挖"两种方法;针对虚假规则引入"相关度"概念,弥补了仅仅依赖最小支持度和最小信任度的不足.最后对两种改进挖掘算法的运行状况进行了比较和分析.     

面向作战任务的最小风险传感器调度方法

基于风险理论提出一种面向不同目标探测任务的传感器调度方法。将主动传感器辐射被截获风险和目标探测风险结合起来,建立一般目标探测框架下的传感器最小风险调度模型。分目标跟踪、目标识别和目标威胁等级评估三种情况将传感器最小风险调度模型具体化,给出不同情况下目标探测风险值的计算方法。针对模型的求解提出一种基于混沌思想、反向学习和双向轮盘赌的改进人工蜂群算法。通过仿真实验证明了模型的可行性和算法的有效性。