一种实时系统中的多任务可预测调度算法

通过研究实时系统中可能出现的任务类型，提出了一种实时系统任务模型和基于这个模型的多任务调度算法，分析了该算法下所有周期任务和非周期任务可调度的条件。该算法结合了DMS(Dcadlinc Monotonic Scheduling)和DD(Deadline Driven)算法，在保证系统中周期任务执行的前提下,也使非周期任务获得了，较好的响应时间。     

单调比率(RM)调度算法及应用

介绍了任务死线不大于其周期的任务集调度条件分析及算法实现。这种约束条件放松, 有利于周期与非周期任务混合模型调度。同时,分析了以往调度算法中单调比率调度算法约束条件, 并指明了计算时间复杂度的缺点。因而,在RM算法基础之上提出一种实时系统调度算法及实现流 程图,并对提出的现场级实时调度算法进行了对比测试。     

单机实时系统中的一种混合型实时容错调度算法

目前研究单机实时系统的调度算法文章大多只能调度单一类型的任务。本文在PKSA算法的基础上,建立了一种混合型实时容错模型,提出一种调度算法不仅可以调度有容错需求的周期任务,同时也能够调度无容错需求的周期任务和非周期非实时任务,实现了调度混合型任务的目的。     

一个改进的实时任务模型——周期多帧任务模型

实时系统在航空航天等重要部门的应用非常广泛,而且也极为关键。实时调度及其调度对象－－实时任务的研究是实时系统研究的重点之一。在研究周期任务的基础上,给出了一个改进的实时任务模型－－周期多 帧任务模型。证明了这种模型的可调度性优于周期任务模型,对此任务模型的DM算法的可调度性进行了分析,并给出了其算法实现。     

单机实时系统中的一种混合型实时容错调度算法

目前研究单机实时系统的调度算法文章大多只能调度单一类型的任务。本文在PKSA算法的基础上，建立了一种混合型实时容错模型，提出一种调度算法不仅可以调度有容错需求的周期任务，同时也能够调度无容错需求的周期任务和非周期非实时任务，实现了调度混合型任务的目的。     

周期多帧任务的固定优先级调度算法的调度分析

实时操作系统的核心问题－－实时任务的调度是实时系统研究的重点之一。主要讨论了周期多帧任务的固定优先级调度算法的调度情况,证明了对于周期多帧任务DM算法不是最优的,同时也证明了对于累积单调周期多帧任务的DM算法是最优的。     

实时系统中任务可调度性研究

讨论了有关实时调度理论,对实时系统采用了时间Ｐｅｔｒｉ Ｎｅｔ方法来建模,并运用实时调度理论对系统中的任务可调度性能进行了全面分析,给出了详细的分析步骤。     

实时系统的多任务调度

讨论了实时系统多任务的调度，对速率单调调度算法进行了改进，以便其能应用于具有非周期任务的实时系统，同时对系统的瞬时过载有一定的适应性。最后，给出了系统中任务可调度的条件。     

嵌入式系统的细粒度多处理器实时抢占式调度算法

现有的嵌入式实时系统调度算法一般以任务级为调度单位,对此提出一种细粒度的线程级多处理器实时调度算法。采用DAG图描述实时系统的任务,并采用任务分解法将其分解为线程形式;为任务级调度采用基于干扰的可调度性分析,为线程级调度采用基于工作负载的可调度性分析;将线程的偏移、截止期与优先级作为三个调度目标,设计混合线程级调度算法。仿真实验结果表明,算法对于多线程任务的实时系统具有较好的性能。     

一种同构多处理机动态实时调度算法

本文提出一种新型线性复杂度多处理机实时任务启发式调度算法,利用并行技术为动态实时系统提供较优解．使用大量存在可行调度的任务集合测试多处理机实时任务调度算法的性能,分析了几种主要参数对调度成功率的影响．实验表明新调度算法调度成功率较高,适用于不完全知晓任务参数的动态多处理机实时系统．     

基于势博弈的异构多智能体系统任务分配和重分配EI北大核心CSCD

针对异构多智能体系统,基于势博弈理论提出一种新的任务分配和重分配算法.考虑任务执行同步性和任务时效性的多重约束,导致异构多智能体系统中各个体任务执行时间受到多种限制,建立一个基于势博弈的算法结构,使系统以分布式方式工作.在此基础上,基于势博弈理论设计任务分配算法,保证在较低复杂度的同时,可以得到近似最大化期望全局效用的良好分配方案,并且随后将所提出的方法推广到任务重分配方案实现故障下的容错.最后,针对攻击任务场景对所提算法进行仿真验证,结果表明,在期望全局效用、容错能力和算法复杂度方面具有全面的性能.     

对三种典型分布式任务分配算法的分析

本文先分析了基于图论的分配算法，整数规划方法和试探法等几种典型的分布式任务分配算法的基本思想、特点，不足和算法复杂度，以及可进一步改进之处，然后给出了一种试探法的改进算法，并简单讨论了其特点和性能，最后指出了分布式任务分配的发展方向。     

Effects of automation and task load on task switching during human supervision of multiple semi-autonomous robots in a dynamic environment

The present study assessed the impact of task load and level of automation (LOA) on task switching in participants supervising a team of four or eight semi-autonomous robots in a simulated ‘capture the flag’ game. Participants were faster to perform the same task than when they chose to switch between different task actions. They also took longer to switch between different tasks when supervising the robots at a high compared to a low LOA. Task load, as manipulated by the number of robots to be supervised, did not influence switch costs. The results suggest that the design of future unmanned vehicle (UV) systems should take into account not simply how many UVs an operator can supervise, but also the impact of LOA and task operations on task switching during supervision of multiple UVs.

The findings of this study are relevant for the ergonomics practice of UV systems. This research extends the cognitive theory of task switching to inform the design of UV systems and results show that switching between UVs is an important factor to consider.     

TGM任务图模型和理论基础

实时仿真系统参考模型中最为重要的组成成员是TGM任务图模型,本文将深入研究TGM模型的定义和理论基础。     

分布式系统可靠性模型

文章首先给出分布式系统的一般描述;然后采用建立在图论、概率论及布尔代数基础上的网络分析法建立了分布式系统的可靠性模型,用以综合考虑系统拓朴结构、任务集、通讯路径集和处理单元集等对系统可靠性的影响;最后,针对二维TORUS网,给出了建模实例以及模型的有关应用。     

异构系统中基于可用性的粒子群任务调度算法

任务调度技术是并行分布式系统中的关键技术之一,对系统的性能起着重要作用,但通常情况下大型系统的任务调度问题属于NP问题。而现代启发式生物进化算法是找出很多NP问题近似解的有效方法。本文将粒子群算法应用于基于可用性的网格系统调度中,提出了一种调度算法,对算法的性能进行了理论分析和模拟实验。结果表明:和最近文献中的基于可用性的调度算法SSAC相比,所提出的新算法在保证系统资源具有同样的可用性条件下,能够产生更好的调度长度。     

嵌入式实时系统容错集成技术的研究

本文提出了一种用于嵌入式实时系统的集成检查点回卷、任务重复和DVS的容错方法。该方法支持处理器速度的在线调整，并根据系统的特点，分别插入额外的SCP或CCP点，有效使用检查点的存贮和比较功能，减少任务的执行时间，提高系统性能。通过概率原理导出了该方法任务的平均执行时间。仿真结果表明在DMR系统上，与原有的方法相比。所提出的方法明显减少了任务的平均执行时间。在此基础上，进一步提出了可适配处理器速度的算法，在减少任务执行时间的同时又节约系统能源。本文研究成果也可用于其它任务重复系统，如TMR-F、DMR-F-1和RFCS等。     

Malleable attentional resources theory: a new explanation for the effects of mental underload on performance

This paper proposes a new theory to account for the effects of underload on performance. Malleable attentional resources theory posits that attentional capacity can change size in response to changes in task demands. As such, the performance decrements associated with mental underload can be explained by a lack of appropriate attentional resources. These proposals were explored in a driving simulator experiment. Vehicle automation was manipulated at 4 levels, and mental workload was assessed with a secondary task. Eye movements were also recorded to determine whether attentional capacity varied with mental workload. The results showed a clear decrease in mental workload associated with some levels of automation. Most striking, though, were the results derived from the eye movement recordings, which demonstrated that attentional capacity varies directly with level of mental workload. These data fully supported the predictions of the new theory. Malleable attentional resources theory suggests that future vehicle designers should employ their technology in driver support systems rather than in automation to replace the driver. The implications of this theory are discussed with regard to capacity models of attention as well as to the design of future vehicle systems.     

New goals for HCI training: How to mix old and new skills in the trainee

The development of human‐computer interaction systems and the acquisition of skills associated with such systems typically occur in the context of previous experience. What is learned in one situation may facilitate or impede learning in another situation. The aim of this article is to discuss the role of experience in human‐computer interaction. The ACT? theory of skill acquisition and transfer is extended to account for the effects of old skills on the learning of new tasks. The extended model predicts a number of changes in performance that will occur when a new task involves the combination of old and new skills, including the suggestion that the learning rate of the new task will be slower than the rate at which the old skills were originally acquired. Two experiments are reported, the results of which support most of the model's predictions. The results also suggest that the minimum performance time of a task may be increased if performance of the task involves combining old and new skills. Implications of the effects of such combinations are considered with respect to the best methods of training for human‐computer interaction systems and the development of such systems.     

设备诊断维护专家系统研究与应用

运用专家系统理论,结合流程行业基于设备状态检修的需求,提出了一种管控一体化的多层智能维护专家系统体系,将系统任务划分为数据采集层、状态监控层、分析层以及交互层,并采用分区域的全局存储结构实现跨层任务的协调,加快系统的处理速度及分析的精确性。