为解决低轨遥感星座协同任务规划面临的计算复杂度高、通信开销大、动态响应能力弱等问题,提出一种基于任务聚类与禁忌搜索的改进合同网算法(improved contract net protocol based on task clustering and tabu search,CN-TCTS).该算...为解决低轨遥感星座协同任务规划面临的计算复杂度高、通信开销大、动态响应能力弱等问题,提出一种基于任务聚类与禁忌搜索的改进合同网算法(improved contract net protocol based on task clustering and tabu search,CN-TCTS).该算法采用“单星调度-全局分配”的分层求解框架.首先,通过任务聚类合并元任务,有效缩减解空间;其次,设计了动态约束禁忌搜索算法(dynamic constraint tabu search,DCTS),通过价值导向的邻域搜索策略实现单星任务序列的快速规划;最后,在全局分配阶段,引入多种策略对传统合同网协议进行改进,实现任务的高效分配与冲突消解.仿真结果表明,本文所提CN-TCTS算法在400个任务的大规模场景下,任务完成率仍保持82.0%,且平均通信轮次仅为6.6轮.此外,在卫星突发失效的动态场景下,该算法表现出更强的鲁棒性,收益损失率更低.此外,局部规划算法仿真中验证了DCTS算法在收敛速度与解质量方面的优势.展开更多
目前,多核实时系统中同步任务的节能调度研究主要针对的是同构多核处理器平台,而异构多核处理器架构能够更有效地发挥系统性能。将现有的研究直接应用于异构多核系统,在保证可调度性的情况下会导致能耗变高。对此,通过使用动态电压与频...目前,多核实时系统中同步任务的节能调度研究主要针对的是同构多核处理器平台,而异构多核处理器架构能够更有效地发挥系统性能。将现有的研究直接应用于异构多核系统,在保证可调度性的情况下会导致能耗变高。对此,通过使用动态电压与频率调节(Dynamic Voltage Frequency Scaling,DVFS)技术,研究异构多核实时系统中基于任务同步的节能调度问题,提出同步感知的最大能耗节省优先算法(Synchronization Aware-Largest Energy Saved First,SA-LESF)。该算法针对所有任务的速度配置进行迭代优化,直至所有任务均达到其最大限度节能的速度配置。此外,进一步提出基于动态松弛时间回收的同步感知最大能耗节省优先算法(Synchronization Aware-Largest Energy Saved First with Dynamic Reclamation,SA-LESF-DR)。该算法在保证实时任务可调度的同时,实施相应的回收策略,进一步降低系统能耗。实验结果表明,SA-LESF与SA-LESF-DR算法在能耗表现上具有优势,在相同任务集下,相比其他算法可节省高达30%的能耗。展开更多
边缘算力网络(Edge Computing Power Network,EdgeCPN)作为一种新的计算范式,能够根据不同的任务需求灵活调度CPN中的碎片化计算资源,以实现面向大规模终端场景的高效计算任务卸载。文中设计了基于边边协同的移动设备计算任务卸载模型,...边缘算力网络(Edge Computing Power Network,EdgeCPN)作为一种新的计算范式,能够根据不同的任务需求灵活调度CPN中的碎片化计算资源,以实现面向大规模终端场景的高效计算任务卸载。文中设计了基于边边协同的移动设备计算任务卸载模型,将EdgeCPN中的任务卸载分为边缘计算资源池的构建和端边资源分配两个阶段,进而提出了基于最优成本计算资源池的差分进化搜索方案,实现任务卸载总延迟的最小化。首先根据用户预算选择出最优成本的计算资源池子集,然后基于资源池的可用计算资源,以最小化总延迟为目标,使用差分进化算法共同优化移动设备任务卸载决策,为每个终端的计算任务找到相应的服务器。仿真结果表明该方案显著提高了EdgeCPN中计算资源调度性能的效率和稳定性。展开更多
文摘为解决低轨遥感星座协同任务规划面临的计算复杂度高、通信开销大、动态响应能力弱等问题,提出一种基于任务聚类与禁忌搜索的改进合同网算法(improved contract net protocol based on task clustering and tabu search,CN-TCTS).该算法采用“单星调度-全局分配”的分层求解框架.首先,通过任务聚类合并元任务,有效缩减解空间;其次,设计了动态约束禁忌搜索算法(dynamic constraint tabu search,DCTS),通过价值导向的邻域搜索策略实现单星任务序列的快速规划;最后,在全局分配阶段,引入多种策略对传统合同网协议进行改进,实现任务的高效分配与冲突消解.仿真结果表明,本文所提CN-TCTS算法在400个任务的大规模场景下,任务完成率仍保持82.0%,且平均通信轮次仅为6.6轮.此外,在卫星突发失效的动态场景下,该算法表现出更强的鲁棒性,收益损失率更低.此外,局部规划算法仿真中验证了DCTS算法在收敛速度与解质量方面的优势.
文摘目前,多核实时系统中同步任务的节能调度研究主要针对的是同构多核处理器平台,而异构多核处理器架构能够更有效地发挥系统性能。将现有的研究直接应用于异构多核系统,在保证可调度性的情况下会导致能耗变高。对此,通过使用动态电压与频率调节(Dynamic Voltage Frequency Scaling,DVFS)技术,研究异构多核实时系统中基于任务同步的节能调度问题,提出同步感知的最大能耗节省优先算法(Synchronization Aware-Largest Energy Saved First,SA-LESF)。该算法针对所有任务的速度配置进行迭代优化,直至所有任务均达到其最大限度节能的速度配置。此外,进一步提出基于动态松弛时间回收的同步感知最大能耗节省优先算法(Synchronization Aware-Largest Energy Saved First with Dynamic Reclamation,SA-LESF-DR)。该算法在保证实时任务可调度的同时,实施相应的回收策略,进一步降低系统能耗。实验结果表明,SA-LESF与SA-LESF-DR算法在能耗表现上具有优势,在相同任务集下,相比其他算法可节省高达30%的能耗。
文摘边缘算力网络(Edge Computing Power Network,EdgeCPN)作为一种新的计算范式,能够根据不同的任务需求灵活调度CPN中的碎片化计算资源,以实现面向大规模终端场景的高效计算任务卸载。文中设计了基于边边协同的移动设备计算任务卸载模型,将EdgeCPN中的任务卸载分为边缘计算资源池的构建和端边资源分配两个阶段,进而提出了基于最优成本计算资源池的差分进化搜索方案,实现任务卸载总延迟的最小化。首先根据用户预算选择出最优成本的计算资源池子集,然后基于资源池的可用计算资源,以最小化总延迟为目标,使用差分进化算法共同优化移动设备任务卸载决策,为每个终端的计算任务找到相应的服务器。仿真结果表明该方案显著提高了EdgeCPN中计算资源调度性能的效率和稳定性。
文摘目前,多无人机(Unmanned Aerial Vehicle,UAV)在大规模任务场景下的任务分配问题仍是一个挑战性问题。传统启发式算法可在较低计算复杂度下得到满意的解,但收敛速度慢且难以收敛到全局最优解。为此提出一种基于UAV链、任务链和双阶段修复策略的遗传算法(Genetic Algorithm Based on UAV-chain,Task-chain,and Two-Stage Repair strategy,UTTSRGA)。在编码结构中设计UAV链和任务链来量化任务执行代价,增强了编码中的信息承载能力并显著提升搜索效率。针对交叉操作后出现任务缺失与任务重复问题,设计双阶段修复策略。第一阶段设计随机填充机制,增强对解空间的全局搜索能力;第二阶段设计邻接映射表修复机制,根据任务间的邻接关系提供进化方向,有效引导种群向当前最优解快速收敛。提出动态复合变异策略,融合自适应变异率与基于任务链值的变异点选择,并设计4种功能互补的变异算子,多维度协同优化解的质量。针对大规模场景下的路径交叉问题,引入路径优化策略,从实践角度进一步优化任务分配方案。实验结果表明,UTTSRGA在不同任务规模下,尤其是大规模复杂任务场景中,在解的质量、收敛速度和鲁棒性3个方面均表现出显著优势。
