多约束条件下自动配棉的混合遗传算法

现有自动配棉方法求解的问题规模不大或者不易找到最优解,为此建立了一个多约束条件下自动配棉问题的数学模型.基于基本遗传算法,采用罚函数法处理多个约束条件,通过对种群进化程度进行监控并适时地增大选择压力,形成求解自动配棉问题的基于自适应罚函数法的混合遗传算法（MGA1）.进一步提出了求解自动配棉问题的基于模拟退火算法和隔代相传策略的混合遗传算法（MGA2）.以企业实际棉批库存与质量数据为例进行实验验证,结果表明,对于中小规模的配棉问题,MGA2具备较好的寻找最优解和较优解的能力,并且其解表现出多样性的特点;而对于大规模的配棉问题,MGA1保持良好的收敛性,能够找到比MGA2更好的最优解和较优解.     

多约束条件下最短路径QoS路由算法

多约束的服务质量路由(QoSR)是用来寻找一条同时满足多个约束条件的可行路径，这是NPC问题．结合线性与非线性度量函数将多个QoS度量转化为单一能量值，给出了多约束条件下层次最短路径的近似算法．     

多约束条件下最短路径QoS路由算法

多约束的服务质量路由(QoSR)是用来寻找一条同时满足多个约束条件的可行路径,这是NPC问题.结合线性与非线性度量函数将多个QoS度量转化为单一能量值,给出了多约束条件下层次最短路径的近似算法.     

基于博弈论的多机器人任务分配算法

为了寻找一种合理有效的多机器人任务分配算法,基于多机器人协作救火任务环境,以博弈论纳什均衡为基础,研究多机器人的任务分配问题。根据任务模型特点和纳什均衡的主要特征提出了一种基于博弈论的任务分配算法。博弈的效用函数同时考虑了距离、火势和燃烧时间等因素,机器人根据此效用函数选择行为策略,促使机器人尽快扑灭惩罚值较大的火灾而获得较大的奖励值。利用任务总收益函数值的大小评价算法的优劣性。收益函数与火势、燃烧时间和机器人扑灭火灾数有关,这切合实际救火模型。实验结果证明了该任务分配算法的有效性。     

多机器人任务分配与路径规划算法

针对多机器人任务分配和路径规划存在的移动方向角偏差问题,本文引入矢量方向来修改机器人的运动方向角,提出了一种改进的基于矢量方向的自组织算法,使一组机器人在自动避开环境中障碍物的情况下能够有效地到达所有指定的目标位置。采用基于矢量方向的自组织算法对多机器人系统进行任务分配,使机器人能够访问各个目标位置,整个过程包括获胜神经元的选择、优胜邻域函数的确定以及权值的修改。根据引入的矢量方向法更新SOM获胜神经元的权值,使每个机器人在访问相应目标的过程中能自动的避开障碍物,以避免在路径规划过程中横穿障碍物,进而实现机器人的自动、有效路径规划。仿真实验结果表明:与传统的SOM算法相比,本文所提出的算法在机器人数量与任务目标点数量相同或机器人数量小于任务目标点数量的情况下,能够自主地避开环境中的障碍物并进行合理地任务分配,具有较高的有效性和实用性。     

基于蚁群算法的多Agent任务分配方法

针对多Agent任务分配问题,结合蚁群算法的思想,设计了基于图的任务分配数学模型,提出了基于蚁群算法的多Agent任务分配方法,并通过实验与3个经典方法进行比较和分析,探讨了蚂蚁数对求解结果的影响。实验结果表明,所提出的算法是有效的。     

共享资源约束下多核实时任务分配算法

为了提高多核实时系统任务分配效率,研究分组固定优先级调度策略下的任务分配算法.通过分析核间任务阻塞对任务最坏情况响应时间产生的影响,提出由于任务间共享资源冲突而引发了任务分配故障问题;指出负载非均衡算法,如First-fit算法、Best-fit算法容易引发任务分配故障.为了避免该问题,提出基于分组与负载均衡的任务分配算法.该算法将存在访问共享资源冲突的任务分配到同一核上,以避免核间任务阻塞;当这些任务无法分配到同一核上时,将这些任务依次分配到当前负载最轻的核上以避免任务分配故障.可调度性分析实验表明,采用该算法可以避免任务分配故障,减少分配任务所需的处理器核数(比Worst-fit算法少10%～40%).     

一种多约束条件的组播路由算法

提出了在组播应用中满足多个约束条件的一种组播路由算法。该算法以最短路径算法为基础,通过调整当前形成的路由树中节点的排列顺序,依次为目的节点选择到路由树的最短路径并加入到该路由树中,得到满足跳数约束条件的低代价组播树,再对所构成的低代价组播树进行同级中继合并,得到最后的组播树。该组播树因为中继最少,所以时隙资源消耗最小。     

一种改进多目标灰狼优化算法的多无人机任务分配

针对多无人机对空中移动目标协同执行多任务问题,本文提出了一种基于并行机制的多目标灰狼优化算法.结合无人机空中态势模型,以最小化执行代价和最小化时间代价为双目标函数,建立了多无人机协同多任务分配模型;将多个无人机视为并行的灰狼子群,对每个子群分别采用分层编码和多目标优化算法保留其最优个体;通过档案室共享策略获得整个群体的...     

基于合同网的多agent任务分配分布式优化算法

针对合同网下的多agent系统,基于集合覆盖理论提出了一种解决子任务分配的严格启发式搜索算法;并分析了该算法的收敛性及渐进时间复杂度;证明了其搜索结果的上确界．该算法具有分布性,搜索空间缩减快,适合于中小型的多agent系统的子任务分配．     

一种多目标约束条件的云计算资源调度算法

针对基于云平台下资源调度互不相同的约束条件问题,文中提出了一种新的云计算资源调度算法。根据用户提出的各种约束要求,构造多目标约束条件,利用一个隶属度函数将多目标问题转化成单目标优化问题,重新设计了进化算子,对其遗传算法应用进行改进,对单目标问题进行求解,得到了策略的最优解,在CloudSim平台进行仿真实验,实验结果表明,该算法降低了任务调度的截止时间底线违背率,缩短了平均任务执行时间以及节约了平均执行成本。     

具有约束条件下的多品种物料存贮问题

将物料存贮中的经济批量问题的４个类型综合为１个模式，在此基础上将它推广到具有约束条件下的多品种物料存贮问题，然后运用非线性规划理论讨论了具有１个和２个约束问题的求解过程和方法。     

多约束条件下的对接机构缓冲参数设计

针对对接机构的缓冲参数设计问题分析了对接机构缓冲过程的限制因素,以“锥－杆”式对接机构为例,建立了对接过程缓冲模型,并依据该模型进行缓冲参数性能分析,提出了缓冲参数设计方法。     

多约束条件下全捷联制导空地导弹弹道方案研究

针对全捷联空地导弹视场小、过载能力有限,对攻击目标具有一定角度约束的问题,提出了一种分段制导方案.该方案将攻击弹道分为滑翔段、落角约束段、截获调整段、末制导段和盲区段.滑翔段增加射程,落角约束段提前实现终端落角可控,截获调整段调整弹体姿态,使目标进入导引头视场区域内,为导引头截获目标创造条件,末制导段采用比例导引、姿态...     

一种基于改进粒子群算法的机载多传感器任务分配方法

分析了机载多传感器任务分配问题的特点,建立了机载多传感器任务分配模型。为解决传统粒子群算法存在的局部收敛、收敛较慢等问题,在现有的粒子群算法基础上,调整算法结构与参数,引入方向系数和远离因子来控制粒子远离最劣解的速度和方向,使其在向最优解移动的同时远离最劣解;基于改进后的粒子群算法提出了一种以最大探测概率为目标函数的机载多传感器任务分配方法,并进行了算法仿真。仿真结果表明,算法可以进行有效的任务分配,并能够提升分配效果。     

基于适应度的多机器人任务分配策略

为提高多机器人任务分配方法的通用性和实用性，提出了一种分布式多机器人协作任务分配策略.根据多机器人任务特点，提出了多机器人任务分配必须满足的4个基本目标，并由目标制定相应的4条任务选择策略.按形式化思想为子任务建立了一个通用模型，模型包含了与任务选择相关的子任务基本属性和运行状态.结合子任务模型和任务选择策略，建立了一个子任务适应度模型，包含静态适应度、进度适应度、资源适应度和外部适应度4个分量，机器人根据适应度大小来选择子任务.仿真实验表明，应用该任务分配策略的协作异构多机器人系统对一类搬运任务具有很好的通用性，当任务发生变化和机器人发生故障时，机器人能够正确、及时地调整子任务，系统具有很好的实时性、灵活性和鲁棒性.系统能够实现机器人到子任务的最优映射，与其他任务分配方法相比明显缩短了任务执行时间.     

关于Fuzzy约束条件下多目标线性规划问题方法的改进

经典的最优化方法中,常将目标函数和约束条件视为确定的,然而在实际问题中,不论目标函数和约束条件都具有不确定性.对Fuzzy约束条件下多目标线性规划方法做了进一步改进,讨论了g0和r0(见正文)的选取方法,避免了由于g0和r0选取不当而导致问题无解的情形,而实际上这时原问题是可能有解的.