一种基于多测试资源的并行测试任务调度算法

为在复杂测试工作中充分利用测试资源、缩短测试时间。通过分析现有并行测试任务调度算法的不足,对TaskScheduler-T算法和并行测试完成时间极限定理进行了深入研究,基于测试资源约束,改进了并行测试任务调度数学模型,设计出一种基于测试资源数量约束的并行任务调度改进算法,并以实例对算法进行比较、检验。结果表明,该算法能较大幅度地缩短测试时间、提高测试资源利用率。     

综合优先级下反导预警相控阵雷达任务调度算法

针对相控阵雷达跟踪多弹道导弹目标时的资源分配问题,提出一种综合优先级下的价值优化调度算法。基于弹道导弹目标特性,构建目标威胁度模型;设计二维优先级表,结合目标威胁度和截止期进行综合优先级规划;基于任务优先级建立任务动态价值函数,并从调度及时性原则出发,构建任务调度的价值优化模型;对遗传算法进行改进,设置自适应选择、交叉、变异算子,并利用该算法求解调度模型;通过仿真实验将所提算法与传统工作方式优先级加截止期调度算法进行性能对比,对任务价值函数参数对调度性能的影响进行分析。结果表明：相比传统调度算法,所提调度算法的调度时间偏移率减小了46%,实现价值率提升了12%.     

最优化空空导弹测试任务调度策略研究

为解决飞机装备多型空空导弹测试工作量大、测试效率不高的问题,提出了一种基于ATML的最优化测试任务调度策略.给出了测试任务调度的ICOM描述,在建立测试任务调度的分层框架的基础上运用ATML对测试任务进行了统一描述;建立了测试任务优化调度模型,并根据模型特点提出禁忌搜索进化算法.通过实验证明该调度策略具有可行性和高效性.     

基于改进时间指针的启发式脉冲交错任务调度方法

针对相控阵雷达任务调度中时间资源利用不充分的问题,提出了基于改进时间指针的启发式脉冲交错任务调度方法。该方法从整个调度时间轴出发,为时间指针所指向的时刻选择最适合在此刻执行的任务,从而避免了空余时间的浪费,保证了相控阵雷达在有限的时间资源和能量资源内可以完成更多的任务;在时间指针的基础上,引入启发式脉冲交错技术,充分利用雷达任务的等待期来交错完成其他任务的发射期或接收期。仿真实验结果表明,相比于传统时间指针和脉冲交错算法,本文算法提高了任务调度成功率和时间利用率,有效提升了相控阵雷达的整体调度性能。     

基于模糊神经网络的相控阵雷达任务调度设计

针对相控阵雷达任务调度中任务优先级较难建立数学模型,从而影响任务调度效率的问题,提出一种基于自适应模糊神经网络的相控阵雷达任务调度算法。该算法：模糊控制部分能够利用模糊隶属度对多个目标参数值进行量化处理;神经网络部分可以智能地实现目标参数和任务优先级之间非线性映射。仿真结果表明,该方法有效,在目标数目饱和情况下,保证高优先级任务被调度的同时,使更多的任务得到调度执行,其性能优于传统任务调度方法。     

复杂约束条件下伴随修理任务多目标动态调度

针对战时伴随修理任务重、修理时间有限、约束复杂的问题,提出了伴随修理装备维修任务调度的多目标动态调度方法。考虑复杂约束的伴随修理装备维修任务调度军事需求,构建了多目标动态调度模型。该模型在修理能力及修理时间限制的基础上,引入修理时间窗、非遍历约束,考虑修理能力变化以及修复状态的不确定性,以修竣装备总数、修竣装备重要度总和、获得的二次作 战总时间最大为调度目标,进行维修任务的调度决策。设计了基于改进非支配排序遗传算法（NSGA-II）的改进多目标遗传算法进行模型求解,并通过示例仿真与分析验证了该模型和算法的合理性及有效性。     

基于不确定性任务的多星调度启发式算法

根据多星测控中用户提出的不确定性任务的特点,建立多星调度基于不确定性任务的数学模型。提出任务支持时间最大化作为启发式准则,以及弧段分割法调整测控资源冲突。在此基础上,结合资源均衡原则和卫星优先级策略,提出了基于不确定性任务的多星调度启发式算法。最后,算法运用在10星6站的调度问题中,仿真结果表明算法是可行的。     

基于改进型RM算法的弹上综合信息系统任务调度

为提高导弹信息传输速度和处理综合信息的能力,设计一种基于改进型RM算法的弹上综合信息系统任务调度系统。从周期性任务、非周期性任务和瞬时过载3个方面对传统RM调度算法进行了改进,并利用测试验证系统进行了调度测试。测试结果表明：改进后的RM算法可在一定程度上满足弹上综合信息系统调度需要。     

基于改进遗传算法的相控阵雷达任务调度方法

针对传统遗传算法在相控阵雷达任务调度中收敛速度慢和早熟的问题,提出一种基于改进遗传算法的任务自适应调度方法。该方法提出了编码相似度和动态标准交叉点的概念,并对两者进行比较以确定是否进行交叉操作。它避免了交叉过程中的盲目性,保留了群体中的优秀基因,有效地提高了算法的收敛性能和收敛速度;通过动态控制标准交叉点的移动,维持了群体的多样性,避免了早熟现象。仿真试验结果表明,与传统的遗传算法相比较,该算法提升了任务调度成功率,降低了截止期错失率,有效提高了相控阵雷达的整体调度性能,具有一定的优势。     

基于混合自适应遗传算法的相控阵雷达任务调度

针对相控阵雷达任务调度NP难题,提出一种混合自适应遗传算法进行求解。在构建相控阵雷达任务调度优化模型的基础上,通过混沌理论优化初始种群,采取精英保留和混合排名的选择策略以及设计自适应的交叉、变异算子来提升算法的搜索性能;在自适应遗传算法的框架下,提出启发式脉冲交错算法,以利用雷达任务中的等待期来交错执行其他任务的发射期或接收期。仿真结果表明：相比于基于遗传算法的调度方法,改进算法的搜索效率更高、结果更优;相比于传统启发式算法,改进算法的调度成功率、时间利用率和实现价值率均得到了提升,并有效降低了时间偏移率。     

基于混沌蚁群算法的集群无人机协同任务分配

针对无人机集群协同任务分配问题,以无人机集群完成所有任务的总航程和未完成任务数最小为优化目标,构建多目标的多任务分配数学模型,并提出基于混沌蚁群算法的优化方法对模型进行求解。借鉴混合算法能提高单一算法性能的思想,在集群任务分配问题中将混沌算法的遍历性、随机性和蚁群算法的信息素正反馈机制结合起来,并通过仿真实验验证所提方法的有效性和适用性。结果表明：基于混沌蚁群算法的集群无人机协同任务分配方法能够增强全局寻优能力,提高算法效率,为多无人机分配最优的任务序列。     

无线传感器网络任务调度双层规划方法

针对无线传感器网络的任务如何在最短时间内完成且充分利用网络资源的问题,提出了基于可分负载理论的任务最优调度双层规划模型。同时考虑了群间和群内任务分配的合理性,得到了管理中心节点、群首节点分配任务给相应节点的最优解,使得整个任务从下发到收集执行结果这段时间最短。最后通过仿真验证了理论分析的正确性。     

考虑优先级的维修任务动态调度方法

为解决目前维修任务动态调度方法研究中存在方法复杂、考虑调度规则少、实用性不强等问题,对维修任务动态调度方法进行优化研究.综合考虑维修时间、维修前等待时间、受敌威胁程度和装备重要程度等调度规则,运用逼近理想解排序法(technique for order preference by similarity to an ideal solution,TOPSIS)确定各维修任务的优先级.通过实时更新关键时间点的维修任务静态调度方案实现对维修任务的动态调度,构建考虑优先级的维修任务动态调度模型,并通过示例分析进行验证.验证结果表明:新模型能用相对简单的方法解决复杂问题,为装备保障指挥员确定维修任务调度方案提供参考.     

蚁群算法求解工件尺寸不同的单机批处理问题

针对工件尺寸不同的单机批处理调度问题,提出以制造跨度为优化目标的蚁群算法。通过人工蚁对图进行遍历,形成工件序列;同时采用启发式规则对所得结果进行分批处理,得到问题的解;最后对不同复杂度的算例进行仿真。结果表明,蚁群算法在解决工件尺寸不同的单机批处理问题时,具备优异的性能。但对于不同工件尺寸的多机批处理问题,还有待进一步研究。     

基于改进蚁群算法的多约束供应保障网络路径优化

针对网络优化领域中的多约束网络路径优化问题,以战时供应保障路径优化问题为研究对象,建立一种保障代价最小的路径优化模型。分析保障路径优化中存在多约束限制问题的特点,在基本蚁群算法的基础上引入蚂蚁相遇策略,融合了多约束条件对保障路径优化的影响,通过正、逆反馈同时作用,对信息素更新策略进行改进,并对搜索最优保障路径实例的仿真。仿真结果显示:改进蚁群算法平均执行时间较基本蚁群算法提高了40.1%,说明改进的蚁群算法能在更短的时间内找到最优解,而且在避免陷入局部最优解方面具有更好的效果。     

海军装备保障物资战时运输路径优化方法

为优化装备保障物资运输路径,提出一种结合弗洛伊德算法与蚁群算法相结合的新方法.通过模拟目前我国海军装备物资储备仓库与海军部队的位置,结合在战时出现的状况,从装备调度指挥员的角度出发,根据运输道路的路况采用等效距离代替实际距离的方法,采用弗洛伊德算法与蚁群算法对等效距离进行优化.实例检验结果表明:该方法能大大简化运算,最大程度上减少蚁群算法容易陷入局部最优的危害,解决了运输道路遭到敌人破坏情况下路径的优化问题.     

考虑不确定性的进攻作战抢修任务动态调度

针对一体化进攻作战中战损装备众多、抢修时间与抢修力量有限的矛盾,将战场抢修、伴随保障、任务动态调度结合起来,进行了进攻作战抢修任务动态调度研究。提出考虑不确定性的进攻作战抢修任务动态调度的现实军事问题,构建其数学模型,分析核心影响因素。针对问题特点,设计了基于变体遗传算法的模型求解方法,并运用Matlab软件进行了15辆待修装备、3个抢修单元的动态调度示例求解。示例结果表明：通过实施抢修任务动态调度,进攻作战部队能够获得约77 h的二次作战总时间,并大大减少决策时间、降低决策工作量和人为决策风险。     

基于遗传算法的作战任务分配和资源调度问题研究

在作战行动中出现多任务与多种保障资源合理调度困难的问题十分常见。笔者以任务完成的总时间最短为目标函数构建数学模型,使用遗传算法进行迭代优化得到保障资源调度的全局最优解。对遗传算法进行自适应改进、移民交叉算子操作和迭代条件优化,解决了过早收敛无法求出全局最优解的问题,并使算法运行效率提高了76.4%。仿真实验结果表明：该方法切实可行,可以快速准确地完成多种保障资源调度并形成任务分配方案,满足现阶段作战部队资源保障的现实要求。研究成果在高效完成保障资源调度的同时不产生冗余负担,具有较好的应用价值和发展前景。