车载多接入边缘网络中联合资源分配和动态任务卸载方案

针对车联网中车辆移动速度过快产生的任务卸载失败问题,设计了一个有效的任务卸载风险评估模型,并提出了联合资源分配的动态任务卸载方案。将时间、能耗和风险共同建模为系统效用,通过联合优化卸载决策、资源分配来最大化系统效用。优化问题被公式化为混合整数非线性规划,在给定卸载决策的情况下,利用凸优化技术解决计算资源分配问题,功率分配通过分式规划技术来优化。仿真分析了车辆移动性对系统效用的影响,证明了所提方案的合理性。     

面向卫星的在轨服务任务规划方法

针对空间在轨服务日趋成熟以及在轨服务现实需求增长的背景,以在轨服务航天器为研究对象,研究面向卫星的在轨服务任务规划问题,探讨如何合理安排与调配在轨服务资源。将问题分解为在轨服务资源分配和在轨服务路径规划两层,并建立双层优化数学模型。设计在轨服务任务规划算法求解问题,包括基于多种群并行进化的混沌遗传算法和基于全局坐标转换的NSGA-Ⅱ+GSDE算法,并通过仿真结果对比分析,验证算法的可行性和有效性。     

在轨服务航天器任务指派问题

一个在轨服务可有多种服务选择,必须进行合理的任务指派。首先求解服务航天器满足燃耗约束下的可达区域,筛选出满足可达范围要求的目标航天器。然后,以任务执行时间、燃料消耗和航天器服务优先级为优化目标,研究多目标的任务指派问题。通过设计决策变量,考虑时间、燃耗等约束,建立了基于0-1整数规划的任务模型,采用NSGA-Ⅱ算法,求得问题的Pareto最优集,得到多组可供任务设计者选择自己偏好的折中方案。文章给出了两个多目标优化的仿真算例,算例一给出了任务指派的一般研究结论,算例二对比了另外一种算法：分层-加权法。仿真结果表明利用文章给出的方法可以较好地解决多目标下在轨服务任务指派问题。     

QoS约束的代表性Skyline Web服务选择

目前,指挥控制系统呈现网络化、服务化发展趋势。将服务质量(Quality of Service,QoS)约束条件作为Web服务选择的依据时,为了缩小Skyline Web服务集,提高服务选择的效率,提出一种面向Skyline Web服务的新型服务选择方法。基于代表性Skyline服务选择原理,结合效用函数与服务顺序结构组合技术,设计Web服务的优化选择算法,实现Skyline服务集的最大选择概率。基于开放的QWS数据集,针对服务选择效用值、服务选择执行时间指标进行实验,实验结果表明:相比于传统Skyline方法服务选择算法,新算法的服务选择执行时间至少减少了25%,服务选择平均效用值约提升10%。     

面向无人机识别网络中链路中断概率的优化算法

针对无人机识别网络,提出基于时间和带宽资源分配的链路中断概率优化算法（time and bandwidth allocation-based outage probability optimal algorithm,TBAP）。在TBAP算法中,先推导了中断概率的闭合表达式。再建立基于时间和带宽资源分配的中断概率最小化的目标问题,然后运用快速收敛算法求解目标问题,进而获取最优的时间和带宽分配策略。仿真结果表明,相比于传统的二分分配法,TBAP算法具有更低的中断概率。     

基于准深度算法的多值测试诊断策略优化方法

针对复杂系统中多值测试的诊断策略优化问题,根据准深度算法可改善信息熵算法的特点,用准深度算法对基于信息熵的多值测试诊断策略进行优化,提出一种新的多值测试诊断策略优化方法。案例仿真结果表明,基于准深度算法设计的诊断树优于信息熵算法,可用于复杂多值测试的最优诊断策略设计。     

基于遗传模拟退火算法的OFDMA系统资源分配

针对多用户OFDMA系统,提出了一种基于遗传模拟退火算法的多用户OFDMA系统资源分配策略。在资源分配时,首先假设总功率在载波间均等分配,随后根据比例速率要求确定每个用户需要的子带数,最后引入遗传模拟退火算法求解联合优化中的子带分配,在保证用户间公平性的前提下最大化系统吞吐量。仿真结果表明,该策略系统容量较大,并且近似满足了不同用户间传输速率比例性要求。     

一种改进的基于MDLS与GA的作战资源分配算法

联合作战任务计划的核心是任务和行动,其目的就是如何有效地将作战资源分配到各个任务中去,考虑到分配过程中的各种约束,对这一问题的求解即是解决一个组合优化问题.提出了一种改进的基于 MDLS 与 GA 的任务计划算法,结合了两种算法的优点,回避了各自的不足;通过案例的实验,以更小的计算代价获得了较优的结果,证明了算法的效率和研究该问题的意义.     

多目标多决策者环境下防空反导装备体系资源分配与优化

作战体系具有层次高、规模大,各作战分系统间协调配合密切的特征。在作战任务中,这种多层次、多系统、多决策者、多目标的结构使得对各作战子系统的武器装备分配变得更为复杂。为解决此类复杂结构的优化问题,在层次化多目标分析方法基础之上,将层次系统的风险管理引入到模型中来,形成多目标多决策者资源分配模型多目标多决策者资源分配模型,用以解决在不确定风险环境下进行多目标资源分配的问题。利用MOMDRA模型建模空袭风险下防空反导体系的武器装备分配问题,在求解该模型的过程中采用系统分解的思路,利用权重法,站在不同决策者的角度得到该体系的Pareto最优资源分配方案,并通过一个实例来说明此方法的可行性。     

基于ATS的导弹稳定回路半实物仿真系统设计

根据当前导弹自动驾驶仪测试现状,提出了一种基于导弹驾驶仪自动测试系统的控制稳定回路半实物仿真系统方案,利用虚拟仪器技术和PXI总线技术,组建高精度、多用途、具有自诊断功能的测试和仿真系统,它既能够实现对自动驾驶仪的综合测试,又能验证导弹控制律的优劣.系统基于模块化设计,具有良好的通用性和很强的可扩展性,能够完成不同型号导弹的测试和仿真任务.     

基于多目标的雷达组网传感器资源管理算法

在雷达组网系统的多目标跟踪过程中,当目标数量过多时,由于传感器资源不足,无法使用传统传感器的管理方法进行资源分配,且运算时间过长,不满足工程实际需求。针对以上问题,提出了一种新的多传感器多目标跟踪任务快速分配算法,该算法将跟踪目标个数和跟踪目标精度作为优化目标,首先按照设定的分配准则对传感器进行一次分配,最大化跟踪目标个数;然后利用一种基于传感器排序的启发式传感器分配方法进行二次分配,通过控制跟踪目标的协方差水平,使目标的跟踪精度尽量接近期望值。仿真结果表明,该算法能够在较短的时间内对多传感器进行有效快速地分配,既跟踪了更多的目标,又达到了期望目标的跟踪精度,并且在一定程度上控制资源消耗,减少系统的总耗能。     

一种通用型舰载防空硬武器火力优化算法?

针对当前武器优化分配算法缺少通用性，难以兼顾效率和时间的问题，提出了一种通用型舰载防空硬武器火力优化算法。该算法首先提取各舰载武器能够攻击的目标集合，然后对各武器的目标集合逐一进行时间分配，并计算对目标的毁伤概率，最终完成所有武器的分配。计算表明，该算法具有很好的通用性和实时性，可适用于较大规模舰载防空硬武器的火力优化分配问题。     

A worst‐case formulation for constrained ranking and selection with input uncertainty

In this research, we consider robust simulation optimization with stochastic constraints. In particular, we focus on the ranking and selection problem in which the computing time is sufficient to evaluate all the designs (solutions) under consideration. Given a fixed simulation budget, we aim at maximizing the probability of correct selection (PCS) for the best feasible design, where the objective and constraint measures are assessed by their worst‐case performances. To simplify the complexity of PCS, we develop an approximated probability measure and derive the asymptotic optimality condition (optimality condition as the simulation budget goes to infinity) of the resulting problem. A sequential selection procedure is then designed within the optimal computing budget allocation framework. The high efficiency of the proposed procedure is tested via a number of numerical examples. In addition, we provide some useful insights into the efficiency of a budget allocation procedure.     

采用无线携能技术的中继辅助CR-NOMA系统能效分析

针对现有关于认知无线电非正交多址接入网络的研究中终端电池容量有限和能源利用率低的缺点,采用了中继辅助用户进行传输,并且引入无线信息和能量同时传输的方式。在用户服务质量和最小能量捕获的约束条件下推导了次用户传输能效表达式,通过分式规划方法把非凸的目标函数转化为优化中继发射功率、中继功率分配和接收端功率分配三个凸的单目标问题,并分别用函数单调性、黄金分割算法、拉格朗日对偶算法和多目标联合优化算法进行优化,求得了全局最优解,使次用户系统传输能效最大化。对所采用的算法复杂度进行分析,仿真结果表明:与传统的正交多址接入方案相比较,在提高系统频谱利用率的同时,次用户传输能效有47%的提高。     

基于速度可控粒子群算法的航天测控系统任务可靠性分配

航天测控系统是一个典型的多阶段任务系统,讨论了可靠性分配时的约束条件和分配目标,构建了其任务可靠性分配模型,针对任务可靠性分配这类复杂的约束组合优化问题,提出了一种速度可控的粒子群优化算法.为克服粒子群算法的早熟问题,该算法引入了速度更新的方向控制规则和尺度控制规则用于增加群体的多样性,并根据两种控制规则,提出了种群粒子的速度更新策略.通过算例仿真,表明算法在用于航天测控系统任务可靠性分配问题时具有分配结果优、收敛速度快等优点.     

应用离散粒子群-郭涛算法分配多无人机协同任务

针对以往考虑时间窗约束的多无人机协同任务分配问题模型不能反映在有效时间窗内,任务执行时间对任务收益的影响及求解算法效率较低的问题。建立了将任务收益和任务执行时间直接联系起来的任务分配模型和可行解到粒子整数编码方式的映射,设计了混合离散粒子群-郭涛算法的组合优化问题求解策略。借助粒子群算法利用粒子自身信息和种群有用信息指导种群进化的本质特点,优化郭涛算法的适应性序列倒置操作;设计了可变的学习选择概率来选择个体的学习粒子,改进了序列倒置算子。仿真实验验证了该方法处理复杂任务分配问题的有效性。     

A general strategic capacity planning model under demand uncertainty

Capacity planning decisions affect a significant portion of future revenue. In equipment intensive industries, these decisions usually need to be made in the presence of both highly volatile demand and long capacity installation lead times. For a multiple product case, we present a continuous‐time capacity planning model that addresses problems of realistic size and complexity found in current practice. Each product requires specific operations that can be performed by one or more tool groups. We consider a number of capacity allocation policies. We allow tool retirements in addition to purchases because the stochastic demand forecast for each product can be decreasing. We present a cluster‐based heuristic algorithm that can incorporate both variance reduction techniques from the simulation literature and the principles of a generalized maximum flow algorithm from the network optimization literature. © 2005 Wiley Periodicals, Inc. Naval Research Logistics, 2006     

面向任务的网络化作战体系优化模型

建模研究网络化作战体系对于分析未来信息战争的作战效能具有重要意义。面向任务是网络化作战体系的关键特征,提出了一种基于多目标遗传算法实时分配网络化作战任务的策略,从单一任务到并发任务模型,提出了一种多任务管理的实现方法,经仿真验证,网络化作战体系模型有效。     

基于跟踪精度控制的多传感器管理方法

针对地面机动目标跟踪过程中的多传感器管理问题展开了研究，设计了一种基于跟踪精度控制的多传感器多目标分配方法。首先，在考虑目标与目标之间、目标与传感器之间和传感器与传感器之间等的多种约束条件下运用基于协方差控制的思想建立了多传感器多目标分配问题的优化模型；接着将等价伪量测的异步融合算法与IMM算法结合，计算各目标在不同融合周期的跟踪精度估计值；最后，以目标的跟踪精度需求为出发点，结合蚁群算法的思想，设计了一种求解所建立的多传感器多目标分配问题的优化模型的算法。仿真结果表明：该管理方法能在确保跟踪精度需求的前提下，根据对各目标跟踪任务的重要程度，合理地调度传感器资源。