分布式传感器调度模型与自适应概率 粒子群优化算法

senlenced3

摘 要： 不同体制的多个传感器通常部署于不同位置，据此采用分布式计算思想研究其调度问题．设计了传感 器指控模块和传感器模块，探讨两者间的信息交互过程，给出基于最小调度时间间隔的传感器探测任务分解方法，建 立传感器探测目标的匹配度计算模型．针对调度方案生成子模块设计了一种自适应概率粒子群算法，算法中粒子的分 量根据方案适应值大小以不同的概率取相应值，体现粒子在迭代过程中的思考．实例分析表明，该算法能在迭代前期 较快地收敛到一个较优值，这一特点使得在迭代次数有限的情况下，算法仍可获得较好的调度方案，满足调度方案实 时高效的要求．

6 s- D$ K5 p, E/ Q, N8 {关键词： 分布式计算；调度；自适应；粒子群；传感器

0 ?/ t/ S# x  Y* h% p7 D


. k$ l1 J3 T$ C  a2 ~
5 @( c( @% H+ z! L! Z) S传感器调度是传感器任务规划的核心，调度结果的 优劣直接影响探测效果．合理的调度方案能够提高传感 器的利用率，及时提供高精度的目标信息．当前相关研究 主要是基于数学规划思想，致力于解决多约束条件下的 传感器调度问题．阎志伟［１］、姜维［２］分别采用并行禁忌遗 传算法和基于决策树启发的克隆选择算法研究天基传 感器的调度问题；郭浩波［３］采用遗传模拟退火算法研究 传感器调度问题；程洪玮［４］采用基于信息决策树的最优 搜索方法研究卫星的调度问题．以上文献偏重对算法的 设计，调度模型只是给出了模型的框架，研究起点较高， 建模考虑因素针对性不强，且未对传感器探测任务的调 度时刻进行分析，使得研究成果应用受限．汤绍勋［５，６］总 结相关调度模型，给出预警卫星调度较为详细的相关指 标计算方法，但未来是多种体制传感器的联合探测，只 考虑一种体制传感器的调度使得模型的适用性不强．本 文建立多种体制传感器的分布式协同调度模型，给出一 种以动态概率取粒子分量的自适应概率粒子群。
8 O+ V; ^; N- G, W3 T' `4 n
9 _. A0 |, m9 _- _3 ^3 {" u
- t. U1 S2 s" l附件下载:

游客，如果您要查看本帖隐藏内容请回复

3 P9 I5 H8 v1 R4 N% M) O0 i

cscscwww

分布式计算