基于改进蚁群算法的云计算任务调度研究

把改进的蚁群算法应用到云计算任务调度中,通过将任务在虚拟机上的一次分配作为蚂蚁的一次成功搜索,实现了虚拟机的负载均衡和调度时间的优化,提高云计算资源分配的效率。通过在Cloud Sim平台下进行仿真测试,结果显示,改进蚁群算法在负载均衡性能和总的任务调度时间方面均优于基本的蚁群算法。     

面向试验过程的发射场地面设备风险分析方法

针对现有风险分析方法无法较好地描述风险在系统运行过程中的分布情况,提出了面向试验过程的风险分析方法。该方法能够对系统进行全面的描述,并可以给出系统的风险事件分布。在风险识别阶段使用风险分布图和风险事件分析表,使分析人员更容易掌握系统风险分布的全局和细节,最大限度避免风险事件遗漏;在风险管理阶段使用风险分布图,将风险事件与试验过程或作业环节相联系,可以使管理人员和作业人员直观了解系统中风险存在的位置和形式,更有利于风险的控制。该方法使风险分析更接近于试验任务过程实际,更容易为工程技术人员所掌握。     

多源异构战场信息关联挖掘技术研究

针对复杂战场环境对信息关联的需求,对多源异构战场信息关联挖掘技术展开研究,提出了面向时空、实体、任务、语义四种关联信息挖掘方法,实现战场信息在多个维度上的关联,使其更好的满足复杂化、多样化的战场信息感知需要。     

多人多任务动态决策建模的环境

就人的组队如何解决多任务环境中具有不定性情况下分布式资源管理等问题 ,在微机上采用具有音响—图形功能的 Turbo pascal程序语言 ,建立了一个可以控制的实验环境 ,经分析得出 :在此环境中 ,可以模拟、产生 C3分布系统方面基本的决策制作问题 ,且能充分适应于复杂性的逐步引入 ,可用作建立多人多任务动态决策模型的载体 ,开发组队决策的规范—描述理论。     

兵力编成结构裁剪中指挥关系优化研究

由于决策个体控制战场作战平台资源实体,通过平台资源实体执行作战任务,作战平台资源实体在任务上的聚集导致决策个体间需要复杂的交互协作与交流,兵力编成需要为任务的执行创造良好的交互结构。基于任务执行的兵力编成包括两方面的内容:一是指控决策结点间的协作关系;二是指控决策结点间的指挥关系。本文基于决策个体在任务上的协作关系设计兵力编成的指挥关系,以最小化编成中总的协作工作负载为目标,并描述了编成指挥决策关系的生成过程,对生成过程的求解采用了优化协作树算法。     

机载多智能体任务系统研究

依据云架构背景下战斗机任务系统的作战需求,结合人工智能技术在航空领域的应用研究,提出了机载多智能体任务系统的概念。分析了任务系统的任务架构和功能架构,研究了多智能体任务系统的运行原理和基于OODA的并行任务管理机制,为战斗机智能化任务系统总体设计提供了参考思路,并可进一步推广至无人机领域。     

面向多平台多目标协同跟踪的指派问题

针对多平台多目标协同跟踪中要求多个无人地面平台尽可能均匀地协同跟踪多个目标的特点,提出了改进的离散粒子群优化算法。首先采用连续型粒子群优化算法中的速度和位置迭代公式,然后对粒子位置进行离散编码,使粒子编码对应于可行的指派方案;其次,在优化算法中引入局部搜索,提高算法寻优性能。最后将所提算法应用于多平台多目标协同跟踪中的指派问题,并与未加入局部搜索的粒子群优化算法比较,仿真结果表明,加入局部搜索后的离散粒子群优化算法具有较好的寻优性能。     

战场环境中多无人机任务分配的快速航路预估算法

战场环境中多无人机任务分配的航路预估是一个具有多路径和实时性双重要求的路径规划问题。采用概率路标图方法对多无人机多任务的航路预估问题开展研究,将航路预估分为离线学习和在线查询两个阶段。通过将战场中威胁的影响转化为各路标间航段的风险代价,提出了基于代价变换的概率路标图方法,当战场态势发生变化时,在不需重构路标图的条件下可以通过局部航段风险代价的调整快速规划出新的预估航路。根据规划条件采取不同的采样策略,可以在规划时间和航路质量之间实现协调以满足不同的战术要求。仿真结果表明该方法是一种快速有效的航路预估方法。     

美国海军水面舰艇导弹防空体系分析

分析了美国海军防空作战思想,在此前提下总结出美海军舰空导弹体系主要的作战任务,说明了美海军典型水面舰艇装备舰空导弹的情况,最后阐述了今后美舰空导弹的发展趋势。     

基于共进化的多任务分配与调度

在考虑多种约束关系基础上 ,提出一种并行与分布式系统中多约束关系的任务分配与调度的共同进化遗传算法。仿真试验结果表明所给算法比传统单种遗传算法更能有效地进行多任务分配与调度 ,具有一定的工程价值