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。     

多波束干扰系统多目标干扰决策研究

针对多波束地对空雷达干扰系统同时干扰多目标的资源分配问题,为充分利用干扰资源,综合考虑个体干扰有效与整体干扰效益最大.基于目标威胁等级,围绕发现概率下降程度、定位误差增大程度、干扰有效率3个评估指标,建立多目标优化分配模型,对阵面资源进行动态分配,并利用非支配排序遗传算法进行仿真验证.仿真结果表明,该分配模型可充分发挥多波束干扰系统的优势,实现不同作战阶段干扰效益最大化.     

基于M4系统的多传感器资源分配管理

对于多平台、多任务状态、多目标和多传感器系统(M4系统),以目标为研究对象的多传感器管理模型与方法已不能满足其要求,而以目标任务状态为研究对象却能够对其进行有效处理.首先定义目标任务状态,并建立以任务管理、资源任务配对和方案评估为主要组成部分的结构模型;按类生成系统的子任务,并进行优先权排序;然后依据资源与子任务配对关系,分析子任务吸收资源后的性能函数与代价函数,建立基于综合效能的线性规划资源分配算法;最后以空中编队为例,进行了仿真分析.     

动态规划在消防增援调度中的应用

由于各消防中队一般规模较小，对于较大规模的火灾需要多个消防队共同救护，此时若能够实现增援调度的最优化可以提高这些同时出现的火灾被全部扑灭的概率。利用多阶段动态规划对增援调度进行了研究，并分析了具体案例。通过分析得出此方法有助于改善消防资源分配状况，以实现最大程度地减小经济损失。     

多机协同目标与火力资源分配

在协同空战中,快速正确的空战决策是己方战机少受敌方伤害并取得战争胜利的前提。目标与火力资源分配是决策过程的重要部分。多机空战与单机空战相比有明显的不同,不同之处是面临多个敌方目标,根据我方资源最优分配作战对象和火力,基于遗传算法实现了两种算法的有人无人目标与火力资源分配。仿真结果表明,带有毁伤概率门限的算法既节省火力资源又快速有效。     

引入价格因素的网络资源分配模型与算法实现

引入价格因素,针对网络资源分配提出PE-EMRA网络资源分配模型,并给出算法实现。PE-EMRA模型综合考虑带宽、缓冲等多种网络资源,调节并限制各业务类流量,使系统总效率最大化。该方法可有效提高资源利用率,提供服务质量保证,并具有配置灵活、实现代价小等特点。     

被动传感器融合检测系统的优化分布密度

被动传感器由于采用无源探测,而且制造成本低,体积小,在战场环境中将采用并配置大量的被动传感器来检测目标.不论是主动还是被动式传感器,在实际应用中均存在资源优化配置问题.针对被动传感器的具体应用模型,采取了若干合理近似,得到了在"OR"融合检测条件下,基于最大检测概率的被动传感器优化配置密度计算公式.     

改进蚁群算法求解多目标雷达干扰资源优化分配

蚁群算法是一种群智能优化算法,其理论来源于自然界中蚂蚁群的寻径行为。针对地对空多目标雷达干扰系统在实战中目标较多情况下的干扰资源分配问题,提出了一种基于蚁群算法的分配优化模型,为解决传统蚁群算法寻优速度慢,容易陷入局部最优解等缺点,在蚂蚁路径选择策略、信息素挥发、信息素更新和精英保留等方面提出相应改进策略,给出改进后算法的具体实现步骤,最后举出实际算例,通过仿真实验,证明了算法的优越性。     

云计算安全协议设计

分析了目前云计算服务中存在的应用风险和安全隐患,并将其抽象为两方面的问题,即安全边界问题和用户服务资源映射问题。为了解决这两个方面的问题,根据云计算系统的实际需求,给出云计算服务的一种普适性的定义;在此定义基础上,提出了云计算服务的安全框架,并设计了云计算服务各层协议集合。在这个框架和协议集合下,分析了保证云计算服务正常执行所需的四方面要素,以及将诸要素较好地整合在一起的方法。     

舰载相控阵雷达对空搜索仰角上的资源分配

针对舰载相控阵雷达对空搜索的特点和规律,分析了影响仰角上资源分配的因素,根据不同空域,不同目标的威胁度划分了搜索屏,并确定其优先级别。详细研究了舰载相控阵雷达对空搜索性能的优化模型,给出了相控阵雷达搜索帧周期和驻波时间的优化选取的最佳准则和方法。利用模型进行了相关的仿真计算,得到的结果验证了该方法的有效性。