基于非对称balls-into-bins的高效平衡负载分配模型

在大规模数据中心和P2P覆盖网络等复杂网络负载平衡分配中,前人提出了多种多样的负载分配方法,但许多方法为了达到更好的平衡负载指标,追求越来越复杂的算法,使得时间复杂度和算法复杂度很难控制在合理的范围之内。本文在研究了经典balls-into-bins、Azar balls-into-bins和balls into non-uniformbins等模型的基础上,提出了一种新颖高效的非对称balls-into-bins平衡负载分配模型,该模型具有异构的balls、异构的bins,以及不同的bin选择概率,能以很高的概率将最大负载均衡地控制在合理的范围内,通信负载很小,且具有很好的可扩展性,通过拓展,该模型在负载平衡的诸多领域都将有广阔的应用空间。     

黄页服务的合同网在编队武器目标分配中的应用

海上舰艇编队协同作战面临的环境日益复杂,其武器目标分配呈现出了多智能体系统的涌现性、协同性和动态性.将编队武器目标分配问题转化成多智能体系统来研究,根据黄页概念建立了编队武器智能体的黄页服务,运用基于黄页服务的合同网协议实现了编队范围内的武器目标分布式分配.     

准军官初来乍到

今天的"我",或许是明天的"你"——个刚刚毕业的基层排长,一个初来乍到,啥都似懂非懂的"新兵蛋子"。昨天的"我",像极了今天的"你"——满怀着炽热的激情,渴望下部队,渴望在新环境下大展宏图。今天的"我",想告诉今天的"你"——有时候,理想很丰满,现实却很骨感。刚下部队,没有轻松的生活,也没有刺激的演习,有的,竟全是一件件非常尴尬的"尴尬事儿"……现在看来,这些尴尬,对我是一种财富,对你也许是一种启迪。     

“八一八”那些“奇葩”作者

一月一度的截稿日又要到了,小编们纷纷上网打开自己的邮箱,那几个熟悉的名字也一如既往地出现在邮件列表里。C先生的群发邮件依然大方地显示着10来位编辑的收件地址,他或许不知道其中六七位都在同一层楼上办公;作者H的邮件标题礼貌如常,文章质量也好,于是小编打电话向他求证是否专稿专投的时候,该作者信誓旦旦,最终我们还是发现其文章与其他刊物撞车,大家无语了。作者Y优秀的文     

变愿景为现实

正第一次中央新疆工作座谈会召开以来的4年间,党中央、兵团党委、十二师党委一系列惠民政策让团场经济社会、职工生产生活都发生了翻天覆地的变化。五一农场生产总值从2010年的3.18亿元跃升至2013年的5.2亿元,农牧工家庭人均纯收入也从2010年的9853.24元增加到2013年的17958元,职工们陆续从连队平房区搬入明亮、整洁、设施齐全的保障房,过上了"耕作在希望的田野上,生活在     

幽你一默

正小馒头黑皮/编绘老爸,你什么时候也能用四个轮子的车来接我?这个……明天就能实现你的梦想!这孩子!为什么非要用两辆自行车来接你呢?拼爹"宝宝,今天是你的生日,想要什么礼物呀?""嗯……想要那种自制的拼图。""自制拼图呀?那宝宝想要什么图案呢?""要在图案上拼爸爸的样子。""宝宝是要拼好送给爸爸吗?""才不是呢,老师和小朋友都说,现在流行拼爹。"     

站好最后一班岗

正58岁,工作已满40年,作为老党员,六师芳草湖农场大东沟社区二连副连长余立国再过两年就要退休了,但他依然坚守在岗位上,用实际行动践行着共产党员的宗旨。余立国曾在最偏远的老十连,担任五年连长。当时老十连是团场条件最艰苦的连队,交通不便,道路上尘土飞扬,只有六七十户人家,职工们居住的都是土坯房,很多年轻人都离开了连队。看着职工守着几千亩良田,却过着贫穷落后的日子,余立国决心五年内改变连队落后的面貌,让职工过上富裕生活。虽然在连队食     

多武器系统的火力分配模型

目前对于单一兵器火力分配问题的解决方法比较成熟,然而由于在现代防空作战中,经常是多种类型的兵器联合进行防空,故需要对多种不同类型的兵器的火力分配问题进行探讨。这里针对多种不同类型的兵器毁伤多个目标的问题,建立了数学模型,进行了深入的探讨。按照模型的特殊性,定义了映射、邻域和连通的概念;同时针对模型,将遗传模拟退火算法进行了一定的修改,并利用此算法对模型进行了最优化求解。最后,实例的计算结果表明该算法对于模型的求解具有较好的收敛性。     

基于遗传算法的分布式多传感器航迹关联算法

以分布式多传感系统中的两节点序贯航迹关联方法为基础,把多节点情况下的航迹关联问题转化为多维分配问题。而多维分配问题是典型的组合优化问题,其计算量随着维数的增加而出现指数爆炸现象,进而根据遗传算法能够解决组合优化问题的能力,提出了利用遗传算法解决此多维分配问题的一种方法。仿真实验结果表明,遗传算法能够有效地求解此多维分配问题,使航迹关联具有较高的成功率。     

基于强化学习的多对多拦截目标分配方法

针对空中对抗环境中多对多拦截的武器目标分配问题,提出了一种基于强化学习的多目标智能分配方法。在多对多拦截交战场景下,基于交战态势评估构建了目标分配的数学模型。通过引入目标威胁程度和拦截有效程度的概念,充分反映了各目标的拦截紧迫性和各拦截器的拦截能力表征,从而全面评估了攻防双方的交战态势。在目标分配模型的基础上,将目标分配问题构建为马尔可夫决策过程,并采用基于深度Q网络的强化学习算法训练求解。依靠环境交互下的自学习和奖励机制,有效实现了最优分配方案的动态生成。通过数学仿真构建多对多拦截场景,并验证了该方法的有效性,经训练后的目标分配方法能够满足多对多拦截中连续动态的任务分配要求。