CN101807159A - 一种自适应任务调度方法 - Google Patents
一种自适应任务调度方法 Download PDFInfo
- Publication number
- CN101807159A CN101807159A CN 201010126850 CN201010126850A CN101807159A CN 101807159 A CN101807159 A CN 101807159A CN 201010126850 CN201010126850 CN 201010126850 CN 201010126850 A CN201010126850 A CN 201010126850A CN 101807159 A CN101807159 A CN 101807159A
- Authority
- CN
- China
- Prior art keywords
- task
- grade
- priority
- state
- value
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
Images
Abstract
本发明公开了一种自适应任务调度方法,通过计算系统当前的环境适应度,决策系统各任务执行等级,依据各任务属性及其执行等级,确定该任务优先级,操作系统依据任务优先级,调度系统任务的执行;周期性地执行上述步骤,直至系统停止所有任务的执行。本发明使得计算平台能够在感知外部环境与内在资源动态变化状态的基础上,动态决策、调整系统各任务的执行,从而提高系统对所处环境的适应性,增强计算平台的自主任务调度与管理能力,从而为构建机器人、无人航行器等复杂智能系统提供有效支撑。
Description
技术领域
本发明涉及计算机操作系统任务调度方法,尤其是涉及一种用于复杂智能系统的环境自适应任务调度方法。
背景技术
对于机器人、无人航行器等复杂智能系统而言,由于其独立地运行于动态、开放式环境中,因此必须具备能够依据预期行为目标以及内外部环境状态的变化动态调整自身行为的能力,以提高整个系统对环境的适应性。随着该类系统日益的复杂化、智能化,其开始对计算平台提出了动态环境自适应等自主计算能力要求。因此,需要研究一种能够增强平台自主计算能力的新的自适应任务调度方法,使得计算平台能够依据感知外部环境变化、内部资源状态,动态决策、调整操作系统中各任务优先级,进而改变应用系统外部行为,使之与所处环境相适应。
目前,在自适应任务调度方面的相关研究主要针对计算平台本身,并以计算资源状态和计算系统服务质量作为关键评价指标。文献“模糊反馈控制实时调度算法,金宏、王宏安、傅勇,软件学报,200415卷第6期”中研究提出了基于模糊反馈控制的以减少任务截止期丢失率及提高重要任务调度成功率为目标的任务调度算法,解决不可预测计算环境下的动态可抢占任务调度问题;文献“机载公共设备管理系统中的自适应调度算法,刘亭、王占林、裘丽华,计算机工程,200834卷第9期”中基于动态调度、静态调度方法,将全局反馈和局部反馈相结合,实现了不确定情况的机载系统混合任务的动态调度。上述方法的不足在于仅考虑CPU利用率、任务调度成功率、吞吐量及带宽等计算资源因素,而未考虑外部环境因素变化与系统内部任务执行的逻辑联系。因此,不能从计算平台角度对复杂智能系统应用提供有效支撑。
发明内容
为了克服现有技术不能从计算平台角度对复杂智能系统应用提供有效支撑的不足,本发明提供一种自适应任务调度方法,可以在感知外部运行环境与内在资源动态变化的基础上,动态决策、调整操作系统中各任务优先级,从而通过对内在任务的调整来提高整个应用系统对所处环境的适应性。同时,本发明可以增强计算平台的自主任务调度与管理能力,从而为构建复杂智能系统提供有效支撑。
本发明解决其技术问题所采用的技术方案包括以下步骤:
A、计算系统当前环境适应度。
所述环境适应度ρa用于表示计算平台任务执行所获得的系统行为效果与所处环境的相对适应程度,是当前计算平台中各任务执行等级ql与环境因素ei的量化比,ρa∈[0,1]。ρa的值越大说明系统任务的执行越适应当前环境要求,否则越不适应。所述任务执行等级ql用于表示系统任务所获得的执行质量,是环境因素对系统任务执行影响力的体现,形式上采用正整数表示,值越大,则任务获得的执行质量越高,其取值范围与具体应用相关。
在实际应用环境中,由于每个环境因素具备多个状态,且每一个状态又对应系统任务组一个特定执行等级序列。因此,假设计算平台存在k个任务,任务执行等级ql范围为{ql(min),(ql(min)+1),...,(ql(max)-1),ql(max)},且ql(min)=0。同时,假设共有r个环境因素需要考虑,其论域统一的为[e(min),e(max)],并且每个环境因素有ω=e(max)种状态,各环境因素的影响力因子为αi,且(α1+α2+...+αr)=1。那么,环境因素ei的ω个状态对应的系统任务执行等级参数可记为ω*k矩阵Qei,第l行的行向量记为qei[l]。其中,元素qei[l][m]表示任务m在ei的第l个状态时,所应获取的执行等级。环境因素ei的值是由感知器件获得的相应环境因素状态值乘以量化因子获得。设环境因素的实际论域为[e′(min),e′(max)],统一后的论域为[e(min),e(max)],那么量化因子γ值可由确定。由此,环境状态可由状态向量[ω(e1),ω(e2),...,ω(er)]表示,为系统任务组在环境因素ei下应获得的执行等级向量,为系统任务组当前在环境因素ei下的执行等级向量。那么,环境适应度ρa可由式1计算。
如果当前环境适应度ρa低于阈值,则转步骤B,对系统中各任务执行等级进行调整;否则转步骤D。所述阈值表示系统所能容忍的最低环境适应度值,取值大小与实际应用相关,其取值范围一般为[0.7,1.0]。
B、决策系统各任务执行等级。
计算平台自身并不能直接对环境变化进行感知和处理,因此,需要构建决策模型综合考虑当前各环境因素状态对系统行为的影响,并将其规约为任务组执行等级,进而计算平台以此为依据调整系统各任务的执行,使得系统行为与当前环境相适应。由于环境状态没有明确的边界,为此,本发明采用模糊逻辑原理构建决策模型决策系统各任务执行等级,具体操作为:
B1、对输入的环境因素状态参量进行模糊化处理,具体操作为:
首先,确定影响系统行为的各个环境因素,并将其作为输入的状态参量,例如,对于机器人动态避障这一应用场景而言,可将障碍物距离和障碍物威胁程度这2个因素作为输入状态参量;
然后,对选定的各状态参量按照其状态值大小划分多个状态等级,例如,可依据障碍物威胁程度的状态值大小划分为三个状态等级:“大”、“中”、“小”;
最后,设置各状态参量的隶属度函数,隶属度函数用于表示状态参量的状态值(该状态值即通过环境因素感知器件周期性获得)与其状态等级的隶属程度。这个函数的构建方法有很多种,包括高斯函数、钟型函数等。将输入的状态值带入到各个状态等级的隶属度函数中,其计算结果即为输入状态量在各状态等级下的隶属度,隶属度值用区间[0,1]之间的数值表示。
B2、确定输出的任务执行等级取值范围;
任务执行等级取值范围与具体应用中系统任务调度精度相关,当对调度精度要求不高时,一般其取值范围为0~10之间;当要求很高时,其上限可为100~200。其中,0表示该任务不执行,数值越大表示该任务应获得的执行质量越高。
B3、建立输入的多个环境因素状态参量与各任务执行等级之间的模糊推理决策规则;
所述模糊推理决策规则是根据本领域实际应用经验总结归纳得出的,以机器人动态避障来说,如果障碍物离得很近,那么机器人就应当及时修正路径,以避免碰上障碍物,因此,系统的路径规划任务的执行等级就应该提高,那么这条规则可以这么描述,如果障碍物距离很近,那么路径规划任务执行等级高。一般来说,规则是采用如IF x1 or(and)x2 or(and)。。。or(and) xn,THEN ql1,ql2,。。。,qlk形式表示。x1-xn为输入的多个环境因素状态参量,ql1-qlk为系统中各个任务的执行等级。每条模糊推理决策规则是通过一定的与或非逻辑关系将输入的多个环境因素状态参量的不同状态等级作为前提,以输出的相应的任务执行等级作为结论。决策规则可依据实际应用效果进行修正。
B4、依据输入的当前各环境因素状态量,利用离散论域的Mamdani模型决策各任务执行等级,具体操作为:
首先,确定输入的各个环境因素状态参量的隶属度值;
然后,对步骤B3建立的每条决策规则采用Mamdani模型计算其模糊蕴含关系,求得该决策规则下任务的执行等级及其与该规则的匹配程度;
最后,采用式2求得任务最终的执行等级。
其中,n表示规则数,qli为规则i决策的执行等级,Ui为规则i的匹配程度。
任务组执行等级决策过程可以在线进行,也可采用离线的方式生成决策控制表,然后通过在线查决策表得出任务的执行等级。但在线方式无法满足系统实时性要求。
C、依据各任务属性及其执行等级,确定该任务优先级。
对于计算平台而言,操作系统最终是依据优先级对系统任务进行调度,同时考虑到复杂智能系统这类应用对系统的实时性能要求较高,因此本发明以任务执行等级ql、截止期dl作为输入,优先级pri作为输出(任务的截止期、优先级是任务的属性,其中截止期在任务创建时就会有,而优先级是操作系统对任务队列进行排序的依据,本发明中建立了映射模型求的任务优先级),并采用基于模糊逻辑的连续型Mamdani模型构建映射关系。具体操作为:
C1、确定任务执行等级、截止期和优先级的状态等级及其隶属度函数;
执行等级用“低(B)”、“中(N)”、“高(G)”3个状态等级描述;截止期可用“近(B)”、“中(N)”、“远(G)”3个状态等级描述,隶属度函数都用式3所示高斯函数构建,σ、c均为正整数,其中σ确定曲线中心,c确定曲线宽度。
任务优先级用“极低(ES)”、“低(S)”、“中(M)”、“高(H)”、“极高(EH)”5个状态等级描述,其隶属度函数用式4所示钟形函数构建,a、b、c均为正整数,其中a确定曲线中心,b确定曲线宽度,c控制曲线的斜度。
C2、建立任务执行等级、截止期与任务优先级之间推理规则,如表1所示:
表1 优先级决策规则
C3、依据各任务的执行等级及其截止期,利用连续型论域的Mamdani模型决策各个任务的优先级;
C4、任务优先级唯一化,具体操作为:
首先,按照优先级值从小到大的顺序将任务队列进行排列。假设当前任务队列为[t1,…,ti,…,tj,…,tk],且值越小,任务优先级越高,其中,t1表示任务1,ti表示任务i,tj表示任务j,tk表示任务k。
然后,遍历该任务队列。当存在多个任务优先级相同时,假设任务ti至任务tj优先级均相同,则按照截止期从近到远的顺序排列任务ti至任务tj;如果任务截止期也相同,则按照进入任务队列的先后顺序排列任务;
最后,从任务ti+1开始,优先级值依次加上1至j-i,直至整个队列遍历完。如果某一任务的优先级值的和大于优先级最大值,则直接将优先级最大值赋给该任务。
D、操作系统依据任务优先级,调度系统任务的执行。周期性地执行步骤A、B、C、D,直至系统停止所有任务的执行。
本发明的有益效果是:通过构建环境因素与任务执行等级的决策模型及任务执行等级、属性与任务优先级的映射关系,使得计算平台能够在感知外部环境与内在资源动态变化状态的基础上,动态决策、调整系统各任务的执行,从而提高系统对所处环境的适应性。同时,本发明可以增强计算平台的自主任务调度与管理能力,从而为构建机器人、无人航行器等复杂智能系统提供有效支撑。
下面结合附图和实施例对本发明进一步说明。
附图说明
图1描述了本发明的自适应任务调度执行流程。
具体实施方式
图1描述了本发明的自适应任务调度执行流程。结合图1,本发明工作的基本过程如下:首先计算系统在当前环境下的适应度值,并判断该适应度是否低于阈值;当适应度低于阈值,则任务执行等级决策器依据相应的决策规则及环境因素的状态值决策出系统中各个任务的执行等级;然后结合任务执行等级和截止期,确定任务的优先级;最后操作系统依据优先级调整系统任务组的执行,使得系统与当前环境相适应。
本发明目前已成功实施于自主机器人计算平台中,结合图1及机器人动态避障这一应用场景,本发明实施的具体步骤如下:
步骤A、计算系统当前环境适应度。
在本实施例中,系统任务组由5个任务组成,分别是:路径规划任务τp、障碍规避控制任务τa、电子欺骗任务τc、使命任务τm以及运动控制与管理等基本任务集合τb。每个任务所对应的执行等级ql分别为qlp、qla、qlc、qlm、qlb,取值范围均为[0,5]。环境因素影响因子α1=α2=0.5,执行等级向量、均可用向量[qlp,qla,qlc,qlm,qlb]。因此,环境适应度ρa可由式1计算得出。
步骤B、决策系统各任务执行等级。
在本实施例中,重点考虑两个环境因素,分别是障碍物距离d和障碍物威胁程度t。其状态值由特定的感知器件获得。
步骤B1、对输入的环境因素状态参量进行模糊化处理;
为提高决策精度,每个环境因素设置7个状态等级,如表2示。其统一的离散论域为[-6,-5,...,5,6]。表3为规约后环境因素离散域隶属度函数分布。
表2 环境因素状态等级
障碍距离Sad | 不存在 | 存在且很远 | 存在且较远 | 存在且适中 | 存在且较近 | 存在且很近 | 存在且非常近 |
威胁程度Sal | 非常安全 | 很安全 | 安全 | 适中 | 危险 | 很危险 | 非常危险 |
表3 环境因素离散域隶属度分布
步骤B2、确定输出的任务执行等级取值范围;
任务执行等级取值范围为[0,6],其中0表示该任务不执行,6表示该任务应获得最高的执行质量。表4为执行等级ql离散域隶属度分布。
表4 执行等级ql离散域隶属度分布
步骤B3、建立输入的多个环境因素状态参量与各任务执行等级之间的模糊推理决策规则;
所述模糊推理决策规则是根据本领域实际应用经验总结归纳得出。决策规则采用“如果…那么…”的条件语句表示。每个任务都有相应的规则表。表5即为使命任务τm执行等级决策规则。
表5 使命任务τm执行等级的决策规则
步骤B4、依据输入的当前各环境因素状态量,利用离散论域的Mamdani模型决策各任务执行等级。
在本实施例中,为保证系统的实时性,采用离线推理,在线查表的方式决策各任务执行等级。表6即为使命任务τm执行等级决策表。
表6 使命任务τm执行等级决策表
步骤C、依据各任务属性及其执行等级,确定该任务优先级。
步骤C1、确定任务执行等级、截止期和优先级的状态等级及其隶属度函数;
执行等级用“低(B)”、“中(N)”、“高(G)”3个状态等级描述;截止期可用“近(B)”、“中(N)”、“远(G)”3个状态等级描述,隶属度函数都用式3所示高斯函数构建,σ=1、3个状态等级所对应的c的值分别为0、3、6。
任务优先级用“极低(ES)”、“低(S)”、“中(M)”、“高(H)”、“极高(EH)”5个状态等级描述,其隶属度函数用式4所示钟形函数构建,a=10、b=15、5个状态等级所对应的c的分别是0、25、50、75、100。
步骤C2、建立任务执行等级、截止期与任务优先级之间推理规则;
推理规则采用“如果…那么…”的条件语句表示,执行等级、截止期为前提,任务优先级为结论,表1即为决策规则。
表1 优先级决策规则
步骤C3、依据各任务的执行等级及其截止期,利用连续型论域的Mamdani模型决策各个任务的优先级;
步骤C4、任务优先级唯一化;
步骤D、操作系统依据任务优先级,调度系统任务的执行。周期性地执行步骤A、B、C、D,直至系统停止所有任务的执行。
通过本发明可在计算平台层为系统提供对环境自适应能力的支持,使得任务在调度过程中充分考虑内部计算平台状态及外部环境状态对任务执行的影响,从而使整个系统可以依据环境的变化动态改变自身的行为,提高其对环境的适应性。同时,本发明可以增强计算平台的自主任务调度与管理能力,因此适用于各种复杂异构的计算系统,尤其为机器人、无人航行器等智能系统计算平台的构建提供有效支撑。
依据本发明,本领域的技术人员可以很容易地设计出与自身应用环境相关的自适应任务调度实施例。
Claims (1)
1.一种自适应任务调度方法,其特征在于包括下述步骤:
其中,为系统任务组在环境因素ei下应获得的执行等级向量,为系统任务组当前在环境因素ei下的执行等级向量;如果当前环境适应度ρa低于阀值,则转步骤B,否则转步骤D;所述阈值表示系统所能容忍的最低环境适应度值,其取值范围为[0.7,1.0];
B、决策系统各任务执行等级,具体包括以下步骤:
B1、确定影响系统行为的各个环境因素,并将其作为输入的状态参量;然后,对选定的各状态参量按照其状态值大小划分多个状态等级;最后,设置各状态参量的隶属度函数;
B2、确定输出的任务执行等级取值范围;
B3、建立输入的多个环境因素状态参量与各任务执行等级之间的模糊推理决策规则;
B4、依据输入的当前各环境因素状态量,利用离散论域的Mamdani模型决策各任务执行等级:首先,确定输入的各个环境因素的状态参量的隶属度值;然后,对步骤B3建立的每条决策规则计算其模糊蕴含关系,求得该决策规则下任务的执行等级及其与该规则的匹配程度;最后,求得任务最终的执行等级其中,n表示规则数,qli为规则i决策的执行等级,Ui为规则i的匹配程度;
C、依据各任务属性及其执行等级,确定该任务优先级,具体包括以下步骤:
C1、确定任务执行等级、截止期和优先级的状态等级及其隶属度函数;
执行等级和截止期的隶属度函数都用高斯函数构建,σ、c均为正整数,其中σ确定曲线中心,c确定曲线宽度;任务优先级的隶属度函数用钟形函数构建,a、b、c均为正整数,其中a确定曲线中心,b确定曲线宽度,c控制曲线的斜度;
C2、建立任务执行等级、截止期与任务优先级之间推理规则,如下表所示:
C3、依据各任务的执行等级及其截止期,利用连续型论域的Mamdani模型决策各个任务的优先级;
C4、任务优先级唯一化:首先,按照优先级值从小到大的顺序将任务队列进行排列[t1,…,ti,…,tj,…,tk],其中,t1表示任务1,ti表示任务i,tj表示任务j,tk表示任务k;然后遍历该任务队列,当存在多个任务优先级相同时,假设任务ti至任务tj优先级均相同,则按照截止期从近到远的顺序排列任务ti至任务tj;如果任务截止期也相同,则按照进入任务队列的先后顺序排列任务;最后,从任务ti+1开始,优先级值依次加上1至j-i,直至整个队列遍历完;如果某一任务的优先级值的优先级值的和大于优先级最大值,则直接将优先级最大值赋给该任务;
D、操作系统依据任务优先级,调度系统任务的执行;周期性地执行步骤A、B、C、D,直至系统停止所有任务的执行。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010126850 CN101807159B (zh) | 2010-03-18 | 2010-03-18 | 一种自适应任务调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN 201010126850 CN101807159B (zh) | 2010-03-18 | 2010-03-18 | 一种自适应任务调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN101807159A true CN101807159A (zh) | 2010-08-18 |
CN101807159B CN101807159B (zh) | 2013-01-02 |
Family
ID=42608965
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN 201010126850 Expired - Fee Related CN101807159B (zh) | 2010-03-18 | 2010-03-18 | 一种自适应任务调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN101807159B (zh) |
Cited By (22)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937341A (zh) * | 2010-09-09 | 2011-01-05 | 西北工业大学 | 一种自主多模态管理方法 |
CN102323972A (zh) * | 2011-05-31 | 2012-01-18 | 电子科技大学 | 一种相控阵雷达资源管理方法 |
CN102831009A (zh) * | 2012-08-24 | 2012-12-19 | 电子科技大学 | 相控阵雷达任务调度方法 |
CN103324536A (zh) * | 2012-03-23 | 2013-09-25 | 宇龙计算机通信科技(深圳)有限公司 | 终端和应用程序保护方法 |
WO2014101558A1 (zh) * | 2012-12-27 | 2014-07-03 | 深圳先进技术研究院 | 一种控制多机器人服务量的处理方法及系统 |
CN104102622A (zh) * | 2013-04-10 | 2014-10-15 | 罗伯特·博世有限公司 | 用于执行基于数据的函数模型的计算的方法和装置 |
CN105150209A (zh) * | 2015-08-14 | 2015-12-16 | 昆山巨林科教实业有限公司 | 搬运桁架机械手精确控制系统及方法 |
US9776510B2 (en) | 2015-05-26 | 2017-10-03 | Honeywell International Inc. | Primary objective task display methods and systems |
CN108009012A (zh) * | 2017-12-14 | 2018-05-08 | 中南大学 | 一种基于任务模型的多智能体动态任务分配方法 |
CN108228240A (zh) * | 2016-12-14 | 2018-06-29 | 北京国双科技有限公司 | 多任务队列中任务的处理方法和装置 |
CN108415761A (zh) * | 2018-01-31 | 2018-08-17 | 西北工业大学 | 一种基于网络流量优化的Storm任务调度方法 |
CN108563494A (zh) * | 2018-04-04 | 2018-09-21 | 吉林省星途科技有限公司 | 一种自适应动态调整的线程调度系统及方法 |
CN109814989A (zh) * | 2018-12-12 | 2019-05-28 | 中国航空工业集团公司西安航空计算技术研究所 | 一种分级优先的统一染色图形处理器warp调度装置 |
CN110125931A (zh) * | 2019-04-30 | 2019-08-16 | 厦门大学 | 一种导览机器人任务调度方法、装置、机器人和存储介质 |
CN110434855A (zh) * | 2019-08-20 | 2019-11-12 | 广东博智林机器人有限公司 | 机器人施工的方法、装置和工控机 |
CN110597263A (zh) * | 2019-09-25 | 2019-12-20 | 福州大学 | 一种无人餐厅自动送餐路径规划方法 |
CN110879707A (zh) * | 2018-09-06 | 2020-03-13 | 迈普通信技术股份有限公司 | 编译任务执行方法及装置 |
CN110955502A (zh) * | 2018-09-27 | 2020-04-03 | 北京国双科技有限公司 | 一种任务调度方法及装置 |
CN111123921A (zh) * | 2019-12-13 | 2020-05-08 | 大连民族大学 | 面向无人船系统导航任务确定自主等级的方法 |
CN111143045A (zh) * | 2019-12-11 | 2020-05-12 | 青岛海尔科技有限公司 | 智能家居操作系统的任务调度方法及装置、存储介质 |
CN113031484A (zh) * | 2021-03-12 | 2021-06-25 | 国网智能科技股份有限公司 | 一种电力巡检嵌入式边缘智能系统及方法 |
CN113094158A (zh) * | 2021-03-15 | 2021-07-09 | 国政通科技有限公司 | 服务的驱动调用方法、调用装置、电子设备及存储介质 |
Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050028160A1 (en) * | 2003-08-01 | 2005-02-03 | Honeywell International Inc. | Adaptive scheduler for anytime tasks |
CN101452404A (zh) * | 2008-12-09 | 2009-06-10 | 中兴通讯股份有限公司 | 一种嵌入式操作系统的任务调度装置及方法 |
CN101620550A (zh) * | 2009-05-27 | 2010-01-06 | 西华师范大学 | 一种基于任务模糊多特征的嵌入式实时调度方法 |
-
2010
- 2010-03-18 CN CN 201010126850 patent/CN101807159B/zh not_active Expired - Fee Related
Patent Citations (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20050028160A1 (en) * | 2003-08-01 | 2005-02-03 | Honeywell International Inc. | Adaptive scheduler for anytime tasks |
CN101452404A (zh) * | 2008-12-09 | 2009-06-10 | 中兴通讯股份有限公司 | 一种嵌入式操作系统的任务调度装置及方法 |
CN101620550A (zh) * | 2009-05-27 | 2010-01-06 | 西华师范大学 | 一种基于任务模糊多特征的嵌入式实时调度方法 |
Cited By (37)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101937341B (zh) * | 2010-09-09 | 2014-07-30 | 西北工业大学 | 一种自主多模态管理方法 |
CN101937341A (zh) * | 2010-09-09 | 2011-01-05 | 西北工业大学 | 一种自主多模态管理方法 |
CN102323972A (zh) * | 2011-05-31 | 2012-01-18 | 电子科技大学 | 一种相控阵雷达资源管理方法 |
CN102323972B (zh) * | 2011-05-31 | 2013-09-25 | 电子科技大学 | 一种相控阵雷达资源管理方法 |
CN103324536A (zh) * | 2012-03-23 | 2013-09-25 | 宇龙计算机通信科技(深圳)有限公司 | 终端和应用程序保护方法 |
CN102831009B (zh) * | 2012-08-24 | 2014-12-03 | 电子科技大学 | 相控阵雷达任务调度方法 |
CN102831009A (zh) * | 2012-08-24 | 2012-12-19 | 电子科技大学 | 相控阵雷达任务调度方法 |
WO2014101558A1 (zh) * | 2012-12-27 | 2014-07-03 | 深圳先进技术研究院 | 一种控制多机器人服务量的处理方法及系统 |
CN104102622A (zh) * | 2013-04-10 | 2014-10-15 | 罗伯特·博世有限公司 | 用于执行基于数据的函数模型的计算的方法和装置 |
US9776510B2 (en) | 2015-05-26 | 2017-10-03 | Honeywell International Inc. | Primary objective task display methods and systems |
CN105150209A (zh) * | 2015-08-14 | 2015-12-16 | 昆山巨林科教实业有限公司 | 搬运桁架机械手精确控制系统及方法 |
CN108228240A (zh) * | 2016-12-14 | 2018-06-29 | 北京国双科技有限公司 | 多任务队列中任务的处理方法和装置 |
CN108228240B (zh) * | 2016-12-14 | 2021-02-26 | 北京国双科技有限公司 | 多任务队列中任务的处理方法和装置 |
CN108009012A (zh) * | 2017-12-14 | 2018-05-08 | 中南大学 | 一种基于任务模型的多智能体动态任务分配方法 |
CN108009012B (zh) * | 2017-12-14 | 2021-12-14 | 中南大学 | 一种基于任务模型的多智能体动态任务分配方法 |
CN108415761A (zh) * | 2018-01-31 | 2018-08-17 | 西北工业大学 | 一种基于网络流量优化的Storm任务调度方法 |
CN108415761B (zh) * | 2018-01-31 | 2021-11-05 | 西北工业大学 | 一种基于网络流量优化的Storm任务调度方法 |
CN108563494A (zh) * | 2018-04-04 | 2018-09-21 | 吉林省星途科技有限公司 | 一种自适应动态调整的线程调度系统及方法 |
CN110879707A (zh) * | 2018-09-06 | 2020-03-13 | 迈普通信技术股份有限公司 | 编译任务执行方法及装置 |
CN110955502A (zh) * | 2018-09-27 | 2020-04-03 | 北京国双科技有限公司 | 一种任务调度方法及装置 |
CN110955502B (zh) * | 2018-09-27 | 2022-07-05 | 北京国双科技有限公司 | 一种任务调度方法及装置 |
CN109814989B (zh) * | 2018-12-12 | 2023-02-10 | 中国航空工业集团公司西安航空计算技术研究所 | 一种分级优先的统一染色图形处理器warp调度装置 |
CN109814989A (zh) * | 2018-12-12 | 2019-05-28 | 中国航空工业集团公司西安航空计算技术研究所 | 一种分级优先的统一染色图形处理器warp调度装置 |
CN110125931A (zh) * | 2019-04-30 | 2019-08-16 | 厦门大学 | 一种导览机器人任务调度方法、装置、机器人和存储介质 |
CN110125931B (zh) * | 2019-04-30 | 2021-05-07 | 厦门大学 | 一种导览机器人任务调度方法、装置、机器人和存储介质 |
CN110434855A (zh) * | 2019-08-20 | 2019-11-12 | 广东博智林机器人有限公司 | 机器人施工的方法、装置和工控机 |
CN110434855B (zh) * | 2019-08-20 | 2021-03-30 | 广东博智林机器人有限公司 | 机器人施工的方法、装置和工控机 |
CN112621752A (zh) * | 2019-08-20 | 2021-04-09 | 广东博智林机器人有限公司 | 机器人施工的方法、装置和工控机 |
CN110597263A (zh) * | 2019-09-25 | 2019-12-20 | 福州大学 | 一种无人餐厅自动送餐路径规划方法 |
CN110597263B (zh) * | 2019-09-25 | 2021-11-26 | 福州大学 | 一种无人餐厅自动送餐路径规划方法 |
CN111143045A (zh) * | 2019-12-11 | 2020-05-12 | 青岛海尔科技有限公司 | 智能家居操作系统的任务调度方法及装置、存储介质 |
CN111143045B (zh) * | 2019-12-11 | 2024-03-22 | 青岛海尔科技有限公司 | 智能家居操作系统的任务调度方法及装置、存储介质 |
CN111123921A (zh) * | 2019-12-13 | 2020-05-08 | 大连民族大学 | 面向无人船系统导航任务确定自主等级的方法 |
CN111123921B (zh) * | 2019-12-13 | 2023-09-05 | 大连民族大学 | 面向无人船系统导航任务确定自主等级的方法 |
CN113031484A (zh) * | 2021-03-12 | 2021-06-25 | 国网智能科技股份有限公司 | 一种电力巡检嵌入式边缘智能系统及方法 |
CN113031484B (zh) * | 2021-03-12 | 2023-12-05 | 国网智能科技股份有限公司 | 一种电力巡检嵌入式边缘智能系统及方法 |
CN113094158A (zh) * | 2021-03-15 | 2021-07-09 | 国政通科技有限公司 | 服务的驱动调用方法、调用装置、电子设备及存储介质 |
Also Published As
Publication number | Publication date |
---|---|
CN101807159B (zh) | 2013-01-02 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN101807159B (zh) | 一种自适应任务调度方法 | |
CN107871164B (zh) | 一种雾计算环境个性化深度学习方法 | |
Khaled et al. | Fuzzy adaptive imperialist competitive algorithm for global optimization | |
CN104408518B (zh) | 基于粒子群优化算法的神经网络学习优化方法 | |
Mylvaganam et al. | A differential game approach to formation control for a team of agents with one leader | |
Lewis et al. | Guest editorial-special issue on adaptive dynamic programming and reinforcement learning in feedback control | |
CN115473286A (zh) | 基于约束投影强化学习的分布式经济调度优化方法 | |
CN105373692A (zh) | 基于区间二元语义的驾驶舱人机功能分配方法 | |
Su et al. | Robot path planning based on random coding particle swarm optimization | |
Karim et al. | Multi-objective supervisory flow control based on fuzzy interval arithmetic: Application for scheduling of manufacturing systems | |
CN103902766B (zh) | 基于脑力负荷模型和模糊逻辑的动态功能分配方法 | |
CN104218617B (zh) | 一种柔性负荷参与有功超前调度的一致性控制方法 | |
CN109890002A (zh) | 一种基于知识推理的预测环境危险度的方法及装置 | |
Wang et al. | A graph based formation control of nonholonomic wheeled robots using a novel edge-weight function | |
Sahraei et al. | A robust H∞ control design for swarm formation control of multi-agent systems: A decentralized adaptive fuzzy approach | |
Alamaniotis et al. | Leaky bucket approach implementing anticipatory control for nodal power flow management in smart energy systems | |
Beggas et al. | Fuzzy logic based utility function for context-aware adaptation planning | |
Skobelev et al. | Measuring Adaptability of" Swarm Intelligence" for Resource Scheduling and Optimization in Real Time. | |
Pandit | Multi-objective linear programming problems involving fuzzy parameters | |
Skupin et al. | Cooperative Operating Control for Induction or Elimination of Self-sustained Oscillations in CSTB | |
Zhang et al. | Enhancing Convergence Speed of Multi-Agent Formation Control via Laplacian Functions | |
Ponce-Cruz et al. | Fuzzy logic | |
Zhang et al. | Adaptive Intelligent Output Feedback Consensus Control for Nonlinear Multiagent Systems with Switched Topologies and Dead-Zone | |
Kayir et al. | Strategy-planned Q-learning Approach for Multi-robot Task Allocation | |
Tamani et al. | Hierarchical control for continuous flow simulation of manufacturing systems |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
C06 | Publication | ||
PB01 | Publication | ||
C10 | Entry into substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
C14 | Grant of patent or utility model | ||
GR01 | Patent grant | ||
CF01 | Termination of patent right due to non-payment of annual fee |
Granted publication date: 20130102 Termination date: 20150318 |
|
EXPY | Termination of patent right or utility model |