基于改进烟花算法的多目标多机器人任务分配

多机器人任务规划是多机器人系统研究的主要问题之一,多目标多机器人任务规划是指同时对多机器人系统的多个指标进行优化。近年来,启发式算法越来越多地被用来解决多目标问题。本文提出了一种基于改进烟花算法的多目标多机器人任务分配方法,并详细讨论了多目标解的排序方法和选择策略。为了验证该方法的性能,对7个实例进行了实验,并对该方法和其他四种多目标算法,Non-dominated Sorting Genetic Algorithm II (NSGA-II), Strength Pareto Evolutionary Algorithm 2 (SPEA2),Pareto Envelope-based Selection Algorithm (PESA ) 和一种改进的Strength Pareto Genetic Algorithm 2 (SPGA2)在S-metric指标上进行了比较。实验结果表明,在解集质量、解集覆盖度方面,基于改进烟花算法的多目标多机器人任务分配方法具有明显的优势。      

基于多目标MSQPSO算法的UAVS协同任务分配

针对无人机系统协同作战过程中存在多任务类型时序约束以及单目标优化决策欠佳问题,提出了一种利用多策略融合量子粒子群算法进行多目标优化的解决方法.在建立任务分配模型过程中,考虑不同类型任务的时序约束和多无人机协同约束,并抽象出无人机执行不同类型任务的能力,使模型更加符合实际作战情况.利用佳点集构造理论、变尺度混沌因子、量子变异操作与动态惯性权重对量子粒子群算法（Quantum Particle Swarm Optimization,QPSO）进行改进.最后通过采取多目标优化决策来选取相应的分配方案,仿真结果验证了所提算法的有效性与优越性.     

基于合作模型的协同免疫多目标优化算法

本文针对多目标优化问题Pareto最优解集合(PS)的分布特点,构造了一种基于新的子任务划分方法的合作型协同进化模型,并将该模型引入人工免疫系统中,提出了一种基于合作模型的协同免疫多目标优化算法(A Cooperative Immune Coevolutionary Algorithm for Multiobjective Optimization,CICAMO).CICAMO算法运用Tchebycheff分解方法进行子种群划分,然后对各个子种群建立线性概率统计模型分段逼近整个PS,在抗体繁殖上结合了克隆选择和模型采样两种方式.实验结果表明,CICAMO算法在求解质量和收敛速度上均表现良好,尤其对于决策变量非线性相关的多目标优化问题,性能尤为突出.     

一种多策略协同的多目标萤火虫算法

现实中的多目标优化问题不断增多且日益复杂,需要不断发展新型启发式算法应对挑战.提出一种多策略协同的多目标萤火虫算法MOFA-MCS.该算法采用均匀化与随机化相结合的方法产生初始种群;利用档案集中的精英解个体指导萤火虫移动;并在移动的过程施加Lévy flights随机扰动;最后,利用ε-三点最短路径策略维护档案解群的多样性.MOFA-MCS算法与其他6种经典的多目标进化算法一同在12个基准的多目标测试问题上进行实验,结果表明所提算法在收敛性、多样性方面总体上具有显著的性能优势.     

基于MODPSO-SA算法的多AUV任务分配

提出一种基于Pareto解集的多目标模拟退火粒子群算法(MODPSO-SA),用于解决自主水下机器人(AUV)协同任务分配问题.为避免粒子群算法陷入局部最优,加入改进的模拟退火技术,形成一种新的多目标局部搜索策略.仿真结果表明,MODPSO-SA算法能够得出多组合理Pareto解集,可以有效解决多AUV任务分配问题.     

多机协同多目标攻击目标全面分配算法

讨论了多机协同多目标攻击目标全面分配算法，阐述了全面目标分配的基本概念、功能和算法程序逻辑图。     

一种改进的多目标蚁群优化算法

提出了一种改进的多目标优化问题的蚁群算法.算法选择进化算法的定义的时候,种群中一定数量的个体信息来源作为中心的扩散,多个中心点之间有一定的距离;群体中的其他个体按照离源个体最近的距离的原则归属于其中一个信息素扩散源;按照信息素扩散算法,每一信息素扩散源中的个体获得源于中心点的信息素;保留每一代群体中的中心点到下一代种群中,确保了收敛性和维护种群的多样性.最后利用多目标背包问题来测试算法的性能,并与MOA和NSGA-II算法进行了分析比较.结果表明,该搜索效率高,向真实Pareto前沿逼近效果好,得到传播的多种解决方案,是一个多目标优化问题的解决和有效的方法.     

多无人机侦察任务分配方法研究综述

运用多无人机执行侦察任务具有突出优势,研究多无人机侦察任务分配方法具有重要意义.从多无人机侦察任务分配问题建模与求解两个方面展开综述.首先对经典模型进行介绍并分类,讨论其特点及适用问题;其次对集中式、分布式、混合式求解方法进行归纳,对代表算法进行介绍,分析其优缺点与应用前景;最后结合实际需要指出目前多无人机侦察任务分配...     

基于贝叶斯优化算法的UCAV编队对地攻击协同任务分配

针对UCAV编队对地攻击协同控制决策优化问题,首先构建了UCAV编队对地攻击任务分配的自主价值优势矩阵.在此基础上依据多人冲突理论分别对双方以及本机编队进行权重分配;建立了UCAV编队对地攻击协同任务分配的整体价值优势矩阵,由此根据决策变量与约束条件构建了任务分配问题的数学模型.然后应用贝叶斯优化算法对该模型进行了优化分析.仿真实例表明,所建协同任务分配模型能够反映编队协同控制决策的重要性,而且应用贝叶斯优化算法能够很快收敛到全局最优解,能有效地解决UCAV编队对地攻击的协同任务分配问题.     

多编组任务分配动态优化模型及IVFSA算法求解

针对作战智能体多编组协同作战中任务分配的动态优化问题, 考虑到空中突击作战中部分任务的时间窗口属性和编组资源能力损耗的特点, 建立了以任务执行效率为目标、满足上述约束问题的数学模型。设计了一种改进快速模拟退火对动态优化模型予以求解, 给出解方案表达、邻域解生成、冲突消解等步骤, 采用高温随机贪婪搜索、回火技术、禁忌设计和精英保留策略, 避免算法陷入局部最优, 提高算法的计算效率。仿真表明, 所提方法可对多编组任务分配动态优化模型进行快速有效求解。     

雷达干扰任务分配的蚁群算法实现

合理分配干扰目标是雷达干扰任务区分中的难点问题.提出了一种基于蚁群算法的新型的目标分配算法模型,并进行了算法实验.实验结果表明,基于蚁群算法思想的目标分配算法是有效的,特别是问题规模较大时更显示出其较快的收敛速度和较高的精度.     

基于粒子群优化的多数据链任务分配模型及方法

数据链作为"战斗力的倍增器"受到各国军方的重视,多种数据链被开发出来以应对不同的场景,然而不同的数据链有不同的特性,难以实现多数据链间的互联互通。针对此问题,提出了一种通过多数据链平台分发任务的模式,给出了多数据链任务分配的数学模型,应用基于粒子群的算法对该问题进行了求解。模拟计算结果表明,该任务分配算法可以在不违反任何约束的情况下有效地实现多数据链间的互联互通。     

基于粒子群的网格任务调度算法研究

为了更好地解决异构动态环境下的资源管理问题,提出了一种网格环境下的任务调度模型。该模型考虑了当前网格虚拟组织下的计算资源、存储资源和带宽资源,模型的最优化目标是实现三者利用率最高和代价最低,即构造min-max函数。与遗传算法相比,利用粒子群优化算法对min-max函数求解提高了资源的利用率和任务的执行效率,同时在随着迭代次数增加的情况下,搜索速度、寻优率和避免早熟方面也有明显的提高。     

无线传感器网络协同任务分配研究

无线传感器网络的任务协同主要是任务的描述、分解、分配、调度和执行。任务分配是任务协同的主要内容．任务分配的方案直接决定着网络能耗,从而影响网络的生命周期。着重分析了无线传感器网络协同技术以及启发式算法解决任务分配的问题,并给出了无线传感器网络任务分配需要进一步研究的内容和方向。     

遗传算法在目标优化分配中的应用

鉴于防空作战指挥系统目标分配问题的一般数学模型及分配原则,给出了应用遗传算法实现目标分配优化问题的具体实现描述,仿真结果表明该方法运算速度较快,结果精度较高,对地面防空火力分配决策研究具有一定的参考价值。     

遥感卫星数据接收中的最优任务分配

在多地面站-多卫星的遥感数据接收条件下,通过定义卫星数据接收的任务集合将任务分配表达为任务集合和地面站集合之间的最优分配,并在构造代价函数的基础上实现最优分配算法在遥感数据接收任务管理中的应用。     

WDM网络中的一种波长分配算法

本文研究了动态业务下，采用固定选路和备用选路的波分复用光传送网中的波长分配问题，提出了一种波长分配算法-相对最小影响算法。与己朋的利用全网信息分配波长的算法相比，该算法能更精确地描述波长分配对全网状态的影响，使网络资源的充分利用成为可能。计算机仿真表明，该波长分配算法性能较好。     

KDD2010比赛中基于Mahout协同过滤算法的应用研究

由于在线教育的迅猛发展,个性化教育应运而生,怎样在网络教育当中存储的海量用户数据提取反映用户学习能力水平与有助于提高用户学习水平的有价值信息特别关键,为此商业推荐领域广泛应用协同过滤推荐算法,以便将个性化推荐提供给用户使用者.本文通过在KDD2010比赛当中过滤技术作用发挥,有效结合教育数据挖掘,借助Apache Mahout的Taste组件各种方法,仿真建模教育数据,根据实施的实验反馈取得良好预测效果.     

Multi-stage online task assignment driven by offline data under spatio-temporal crowdsourcing

In the era of the Internet of Things (IoT), the crowdsourcing process is driven by data collected by devices that interact with each other and with the physical world. As a part of the IoT ecosystem, task assignment has become an important goal of the research community. Existing task assignment algorithms can be categorized as offline (performs better with datasets but struggles to achieve good real-life results) or online (works well with real-life input but is difficult to optimize regarding in-depth assignments). This paper proposes a Cross-regional Online Task (CROT) assignment problem based on the online assignment model. Given the CROT problem, an Online Task Assignment across Regions based on Prediction (OTARP) algorithm is proposed. OTARP is a two-stage graphics-driven bilateral assignment strategy that uses edge cloud and graph embedding to complete task assignments. The first stage uses historical data to make offline predictions, with a graph-driven method for offline bipartite graph matching. The second stage uses a bipartite graph to complete the online task assignment process. This paper proposes accelerating the task assignment process through multiple assignment rounds and optimizing the process by combining offline guidance and online assignment strategies. To encourage crowd workers to complete crowd tasks across regions, an incentive strategy is designed to encourage crowd workers’ movement. To avoid the idle problem in the process of crowd worker movement, a drop-by-rider problem is used to help crowd workers accept more crowd tasks, optimize the number of assignments, and increase utility. Finally, through comparison experiments on real datasets, the performance of the proposed algorithm on crowd worker utility value and the matching number is evaluated.     

一种基于模因演算法的频率分配新策略

分析了模因演算法的原理以及与遗传算法之间的关系。基于遗传算法在求解频率分配 问题时的有效性,指出了使用模因演算法解决同类问题的可行性。针对一个实际的频率分配 问题提出并设计了一种新颖的基于正整数序列编码方式的模因演求解算法。实验结果表明, 新算法能够在有效时间内找到满足电磁兼容特性的频率分配方案。