隨著人工智能的發(fā)展,自主智能設(shè)備將是未來應(yīng)用領(lǐng)域的重要產(chǎn)品,其中的重要能力之一是能夠自主優(yōu)化地把有限的資源分配給既定的任務(wù),以取得最大的工作效果。針對一些自主智能產(chǎn)品小型化、難以攜帶常規(guī)計(jì)算機(jī)的特點(diǎn),本文研究微控制器硬件環(huán)境下靜態(tài)資源任務(wù)分配問題的求解算法本文針對廣告投放問題與工程應(yīng)用中的兩類需求,分別建立了兩類靜態(tài)資源任務(wù)分配問題模型。通過微控制器性能與應(yīng)用領(lǐng)域的調(diào)研,采用一款主流微控制器作為算法的求解計(jì)算機(jī),設(shè)計(jì)了三類改進(jìn)求解算法,并選取兩類國際標(biāo)準(zhǔn)算例集對各類算法進(jìn)行測試,最后根據(jù)當(dāng)前文獻(xiàn)最優(yōu)解做改進(jìn)效果的對比,驗(yàn)證了改進(jìn)方法的有效性與實(shí)用性本文的研究成果包括(1)提出了基于直接枚舉算法改進(jìn)的剪枝枚舉算法,通過分部枚舉與松弛貪婪上界的方式改進(jìn)直接枚舉算法,結(jié)果表明該算法適用于小規(guī)模問題的精確求解(2)提出了基于貪婪求解算法改進(jìn)的貪婪交換算法,將貪婪解與循環(huán)交換算法結(jié)合,并對比了兩層循環(huán)交換與三層循環(huán)交換的求解效果,結(jié)果表明該算法適用于實(shí)時性要求高的較大規(guī)模問題近似最優(yōu)求解(3)提出了基于模擬退火的貪婪交換算法,在貪婪求解的交換改進(jìn)算法基礎(chǔ)上做了模擬退火改進(jìn)。加入模擬退火決策能進(jìn)一步提升貪婪交換算法的求解效果,結(jié)果表明該算法適用于實(shí)時性要求低而精確度要求高的近似最優(yōu)問題求解(4)運(yùn)用三類改進(jìn)求解算法針對廣告投放問題的具體應(yīng)用做了分配方案的求解,分析結(jié)果表明,三類改進(jìn)求解算法分別適用于具體工程應(yīng)用中不同規(guī)模的場合。本文提出的求解方法能很好地應(yīng)用于微控制器求解情況下的資源任務(wù)分配問題,測試覆蓋了國際標(biāo)準(zhǔn)測試集中所有規(guī)模的算例,可根據(jù)規(guī)模來選擇這類硬件條件下適用的求解算法。改進(jìn)算法在求解各類規(guī)模靜態(tài)資源任務(wù)分配問題的精確解和近似最優(yōu)解時具有一定優(yōu)勢,對微控制器硬件環(huán)境下的資源任務(wù)分配問題求解方法研究具備很好的參考價值。
【學(xué)位單位】：北京交通大學(xué)
【學(xué)位級別】：碩士
【學(xué)位年份】：2019
【中圖分類】：TP332.3
【部分圖文】：

圖１－１上位機(jī)求解的資源任務(wù)分配問題??Ｆｉｇ．?１－１?Ｓｔａｔｉｃ?ｒｅｓｏｕｒｃｅ－ｔａｓｋ?ａｓｓｉｇｎｍｅｎｔ?ｐｒｏｂｌｅｍ?ｗｉｔｈ?ｈｏｓｔ?ｃｏｍｐｕｔｅｒ??一類基于智能體與上位機(jī)通訊受阻的情況（如圖１－２所示），只能依靠自身硬??軟件條件來做智能之間的相互通訊及決策計(jì)算［８］，尋找最優(yōu)的資源分配方案，這種??群智能體協(xié)作任務(wù)的情況稱之為微控制器求解情況下的資源任務(wù)分配。??１??

多目標(biāo)搬運(yùn)工作［２４］。??當(dāng)前的ＭＡＳ研宄多用于工程中的搬運(yùn)［２５］、及物流［２６］等場所。自主智能體系統(tǒng)??中應(yīng)用最廣的控制模式為“領(lǐng)導(dǎo)者一跟隨者”模式［２７＿２８］。如圖１－３所示，通常以一??智能體領(lǐng)導(dǎo)為核心，指派其他跟隨智能體的工作。??ｆｏｌｌｏｗｅｒ４?／?ｆｏｌｌｏｗｅｒｌ??Ｌ?鐘?＿＿＿＿??＇?Ｌｅａｄｅｒ??ｆｏｌｌｏｗｅｉ．３?ｆｏｌｌｏｗｅｒ２??圖１－３?“領(lǐng)導(dǎo)者一跟隨者”模式??Ｆｉｇ．?１－３?“Ｌｅａｄｅｒ－Ｆｏｌｌｏｗｅｒｓ”?ｍｏｄｅ??５??

多個緊要程度不同的任務(wù)需求信號，需要根據(jù)自身資源與需求任務(wù)的匹配率來形??成一套完整的資源任務(wù)分配方案。??如圖２－２所示，智能體群以一定的規(guī)律坐落在遠(yuǎn)程通訊受阻的環(huán)境中，通過自??主智能體系統(tǒng)進(jìn)行決策協(xié)作完成任務(wù)。在廣告投放的過程中，有ｍ架無人機(jī)攜帶流??量資源，收到ｎ個客戶發(fā)出的緊要程度不同的合約需求信號，第＝?１ｎ）個合??約需求緊要程度可以轉(zhuǎn)換成權(quán)重值ｗ；．，每個智能體根據(jù)各自的機(jī)型、運(yùn)載能力、??與需求的匹配程度等因素得到各個智能體攜帶流量節(jié)點(diǎn)對各個合約的匹配效率情??況，這種效率稱之為任務(wù)完成效率在靜態(tài)資源任務(wù)分配問題中，每個項(xiàng)資源??只能分配給一個任務(wù)需求。??這類智能體任務(wù)協(xié)作群由其中某個智能體作為接收監(jiān)測數(shù)據(jù)的終端，通過自??身微控制器的運(yùn)算得出各個智能體分配結(jié)果，繼而整體進(jìn)行默契分配，基于這種??默契分配無人機(jī)群能快速決斷整體分配任務(wù)目標(biāo)，在短時間內(nèi)達(dá)成資源任務(wù)分配??問題的求解。??１４??
【參考文獻(xiàn)】

相關(guān)期刊論文 前10條

1 常天慶;陳軍偉;張雷;楊國振;;坦克分隊(duì)WTA問題的改進(jìn)人工蜂群算法[J];裝甲兵工程學(xué)院學(xué)報;2015年05期

2 關(guān)鵬;衣龍浩;陳威行;;基于STM32機(jī)器人循跡系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)[J];中國新通信;2015年12期

3 翁丹寧;;無人機(jī)物流配送的主要影響因素分析[J];企業(yè)改革與管理;2015年08期

4 王瑋;劉興林;王軍;李濤;;信息化條件下海上編隊(duì)區(qū)域防空目標(biāo)分配方法[J];系統(tǒng)工程理論與實(shí)踐;2015年04期

5 馬峰;高國偉;倪明放;;求解武器目標(biāo)分配問題的一個近似最優(yōu)方法[J];軍事通信技術(shù);2012年01期

6 張毅;姜青山;陳國生;;基于模糊-灰色非合作Nash博弈的多組動態(tài)武器-目標(biāo)分配方法[J];云南大學(xué)學(xué)報(自然科學(xué)版);2012年01期

7 肖衡;;淺析貪心算法[J];辦公自動化;2009年18期

8 李季;孫秀霞;;基于改進(jìn)A-Star算法的無人機(jī)航跡規(guī)劃算法研究[J];兵工學(xué)報;2008年07期

9 黎萍;楊宜民;;多機(jī)器人系統(tǒng)任務(wù)分配的研究進(jìn)展[J];計(jì)算機(jī)工程與應(yīng)用;2008年17期

10 張崳;劉淑華;;多機(jī)器人任務(wù)分配的研究與進(jìn)展[J];智能系統(tǒng)學(xué)報;2008年02期

相關(guān)博士學(xué)位論文 前1條

1 王志堅(jiān);導(dǎo)彈部隊(duì)協(xié)同作戰(zhàn)的組織和效能評價研究[D];哈爾濱工業(yè)大學(xué);2010年

本文編號：2871286