CN108764576A - 一种基于资源能力的装备保障任务多目标描述方法 - Google Patents
一种基于资源能力的装备保障任务多目标描述方法 Download PDFInfo
- Publication number
- CN108764576A CN108764576A CN201810543703.7A CN201810543703A CN108764576A CN 108764576 A CN108764576 A CN 108764576A CN 201810543703 A CN201810543703 A CN 201810543703A CN 108764576 A CN108764576 A CN 108764576A
- Authority
- CN
- China
- Prior art keywords
- task
- resource
- support
- indicate
- indicates
- 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.)
- Pending
Links
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/04—Forecasting or optimisation specially adapted for administrative or management purposes, e.g. linear programming or "cutting stock problem"
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Entrepreneurship & Innovation (AREA)
- Operations Research (AREA)
- Game Theory and Decision Science (AREA)
- Development Economics (AREA)
- Marketing (AREA)
- Quality & Reliability (AREA)
- Tourism & Hospitality (AREA)
- Physics & Mathematics (AREA)
- General Business, Economics & Management (AREA)
- General Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Educational Administration (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于资源能力的装备保障任务多目标描述方法,其特征在于,包括如下步骤:步骤(1)保障资源分解及描述:步骤(2)保障任务分解及描述:步骤(3)任务‑资源匹配解空间:步骤(4)解空间约束:步骤(5)装备保障任务多目标规划的数学模型。基于资源能力对任务进行分解描述后,子任务之间既独立又相互关联,任务与资源之间的关系更加明确,避免了因为任务过大而过多分地配资源从而造成资源浪费的弊端,从而可以保证任务与资源之间的匹配更加精确高效,针对装备保障任务多目标规划时目标权重无法准确获取、非劣解过多难以决策等问题,对问题进行了系统描述并构建了相关数学模型,实现了装备保障任务的多目标规划。
Description
技术领域
本发明属于装备保障领域,具体涉及一种基于资源能力的装备保障任务多目标描述方法。
背景技术
装备保障辅助决策中的关键问题是装备保障任务的最优规划,而装备保障任务规划问题实质上是保障任务、保障资源和保障时间三者之间的匹配问题,其目的是针对保障任务对现有保障资源进行编成和部署。
由于任务环境瞬息万变,保障任务更加复杂,装备保障决策者和指挥者对保障任务规划可能有多个期望目标,装备保障任务规划问题变得更加复杂。随着问题规模的不断扩大以及复杂程度的增加,仅仅考虑保障时间单个目标显然不能满足实际需求,在规划过程中必然涉及到对多个目标优化及决策的问题,如保障费用、保障资源使用量等。对于多目标问题,一般不存在唯一的最优解,所以在求解时就需要寻找一个最终解,最终解与决策者主观愿望密切相关。求解最终解主要有三类方法:①事先决策法。要求决策者准确掌握目标之间的重要程度,将多目标问题转换成单目标问题进行求解;②生成法。先求出大量非劣解,再从中选择最优解;③交互法。先获取一个或较少的非劣解,将决策者对现有结果的判断和决策结果反馈到规划过程中,经过多次交互完成最终解的求取。
对于保障环境复杂变化、对实时性要求较高的装备保障任务规划,过多的非劣解必然会给最终的决策造成困难,影响保障效率。同时,决策者无法精确获取目标权重,且各目标的重要程度可能会随着任务环境态势的发展而发生变化。综上,事先决策法和生成法均不能很好解决装备保障任务多目标规划的问题。
虽然存在现有技术对任务进行了建模描述,但没有基于资源能力对任务进行分解,任务与资源、任务与任务之间的关系没有进行具体明确,同时也没有给出任务与资源匹配的合理描述模型。现有的描述方法显然难以满足对带有复杂约束和复杂关系的任务的描述,同时也难以为完成任务-资源的精确匹配提供支撑。
发明内容
针对现有技术以上缺陷或改进需求中的至少一种,本发明提供了一种基于资源能力的装备保障任务多目标描述方法,基于资源能力对任务进行分解描述后,子任务之间既独立又相互关联,任务与资源之间的关系更加明确,避免了因为任务过大而过多分地配资源从而造成资源浪费的弊端,从而可以保证任务与资源之间的匹配更加精确高效,针对装备保障任务多目标规划时目标权重无法准确获取、非劣解过多难以决策等问题,对问题进行了系统描述并构建了相关数学模型,实现了装备保障任务的多目标规划。
为实现上述目的,按照本发明的一个方面,提供了一种基于资源能力的装备保障任务多目标描述方法,包括如下步骤:
步骤(1)保障资源分解及描述:
将保障资源按照保障单位、保障装备类型及保障性质进行分解,得到子资源;分解后的子资源均具有单独承担某项或某几项子任务的能力,且均能同时被占用;保障资源的数学模型为:
Ri表示子资源,表示子资源间的约束,表示保障资源的属性,属性包括可完成的装备保障任务、保障单位、所在位置、单位保障时间、机动速度和空闲状态;U为子资源数量,Uo为原资源数量;式(2)表示原资源ROj对应子资源集为{Rp,Rp+1,…,Rq},是子资源集的子集,该子集属于同一保障单位;不同的原资源所属保障单位不同;
步骤(2)保障任务分解及描述:
根据保障任务的性质、保障装备的类型以及保障地点对保障任务进行分解,得到子任务;对保障任务分解的目的是保证分解后的子任务能够由某个资源独立完成,不需要其它资源参与;保障任务的数学模型为:
T表示整个装备保障任务;Ti表示各个子任务;GT={G_S,G_B}表示各个任务之间的关系,G_S表示顺序关系,G_B表示并发关系;表示对应子任务的属性, 表示保障内容,表示保障工作量,表示保障任务的部署位置,表示任务的开始时间,表示任务的结束时间;V为子任务数量,Vo为原任务数量;式(4)表示原任务TOj对应子任务集为{Tp,Tp+1,…,Tq},是子任务集的子集;
步骤(3)任务-资源匹配解空间:
装备保障任务规划是求解保障任务与保障资源匹配的离散问题,其匹配结果用一个0-1矩阵表示;U个资源与V个任务匹配的解矩阵表示如下:
其中,xij表示任务Ti和资源Rj之间的匹配结果,其取值为1表示任务Ti占用资源Rj,0则表示任务Ti未占用资源Rj;矩阵的各列表示任务被执行情况,即表示任务被执行;矩阵的各行表示资源被占用的情况:在某一时刻,表示资源空闲;表示资源被占用;表示资源占用发生冲突;解矩阵中每个任务与资源的匹配是可行的,即资源可以满足任务的执行;
步骤(4)解空间约束:
在式(5)中,对于每一个具体的解矩阵,保障资源与保障任务的匹配关系确定,即各子任务的执行时间timeTi是确定的,但子任务的开始时间和结束时间是未知的;在可行解矩阵已知的情况下,为了求解任务的开始时间和结束时间,还需要对任务与资源匹配的解空间在时序上进行调整;调整的约束条件为:
表示在资源Rp上发生占用冲突的任务集合,和分别为子任务Ti的开始时间和结束时间,其执行的起止时间表示为其中其他子任务起止时间的表示方式与Ti相同;式(6)的意义是:同一时刻不存在多个子任务占用某个资源;
装备保障任务规划最终方案表示为:
其意义为:任务Ti在时间段被资源Rx执行。
步骤(5)装备保障任务多目标规划的描述方法为:
(1)优化目标数学模型
①保障时间数学模型
为子任务Ti的结束时间;
②保障费用数学模型
Cost(Ti)为完成任务Ti所消耗的费用;
③资源使用量数学模型
④机动距离数学模型
Dis(Ri,Tj)表示资源Ri与任务Tj的往返机动距离;对于某个子资源Ri,其机动距离包括从原单位机动到保障位置的距离和从保障位置回到原单位的距离;
(2)约束条件数学模型
①时间约束
式中,time表示对子任务集中所有任务完成时间的计算,{Tp,Tp+1,…,Tq}为原任务TOi分解后的子任务集,为原任务TOi的时限约束;
②机动距离约束
其中Ri∈ROj,为原资源机动距离的限制;
③任务逻辑顺序约束
Tp→Tq→Tr… (15)
上式表示:在规划过程中任务Tp要在任务Tq之前执行,而任务Tq必须在任务Tr之前执行;
(3)优化模型
装备保障任务多目标规划的数学模型表示为:
min f(x)=min[f1(x),f2(x),f3(x),f4(x)]T (16)
总体而言,通过本发明所构思的以上技术方案与现有技术相比,具有以下有益效果:
1、基于资源能力对任务进行分解描述,子任务的大小取决于资源能力的大小,便于资源的精确分配;
2、描述方法能够体现任务之间、任务与资源之间的顺序及对应关系,任务既分解描述又有整体关联,满足实际任务规划方案制定的需要;
3、该方法可以对任务进行动态分解,即随着资源能力的变化子任务描述也随之变化,在资源能力损耗情况下也能充分利用资源,避免了因为任务过大而过多分地配资源从而造成资源浪费的弊端,从而可以保证任务与资源之间的匹配更加精确高效,针对装备保障任务多目标规划时目标权重无法准确获取、非劣解过多难以决策等问题,对问题进行了系统描述并构建了相关数学模型,实现了装备保障任务的多目标规划。
附图说明
图1是本发明的流程示意图。
具体实施方式
为了使本发明的目的、技术方案及优点更加清楚明白,以下结合附图及实施例,对本发明进行进一步详细说明。应当理解,此处所描述的具体实施例仅仅用以解释本发明,并不用于限定本发明。此外,下面所描述的本发明各个实施方式中所涉及到的技术特征只要彼此之间未构成冲突就可以相互组合。下面结合具体实施方式对本发明进一步详细说明。
作为本发明的一种较佳实施方式,如图1所示,本发明提供一种基于资源能力的装备保障任务多目标描述方法。
现代环境条件下的装备保障任务规划一般是多约束条件下的多目标优化及决策问题,即保障任务、保障资源和保障时间三者之间在多条件约束下多目标寻优的匹配问题,而保障任务、保障资源及保障任务和保障资源之间通常存在着复杂的约束关系,优化的各个目标之间往往存在矛盾,即不可能使多个目标同时达到最优,只能通过一定的优化方法使各目标实现最大程度的优化。根据实际保障需求,主要考虑以下优化目标:
(1)保障时间最短
快速准确的保障是关键,保障所用时间越短,越能够快速反应,以适应复杂多变的环境。
(2)保障费用最小
一般情况下,装备保障消耗的费用也是重点考虑的优化目标。以较少的费用完成保障任务,能够有效减少开支,使整个过程中装备保障可持续发展。
(3)保障资源使用量最少
保障单位数量有限,尤其在长时间情况下,保障单位可能会因受损或使保障能力下降。所以应尽量减少保障资源的使用,保存实力,以保证能够完成后续更加复杂的保障任务。
(4)机动距离最短
保障单位机动距离过长,影响保效率,保障人员长途跋涉,对装备损耗比较大,影响保障能力。机动距离只考虑保障单位到保障地点往返的距离,默认保障分队在保障一个任务之后回到单位休整之后才能保障另一个任务。
其中,装备保障时间与资源使用量是矛盾的目标,使用的保障资源越多保障时间会越短,但保障资源数量增加到一定程度后,对保障时间的影响可能不是很明显,而且还会造成资源浪费;以较高的开销为代价,一般会缩短保障时间;机动距离越长,消耗的费用越多,时间也越长。即以上各目标既存在正相关关系,又存在负相关关系。
对于装备保障任务规划问题,一般有如下约束条件:
(1)保障时间约束
每个原任务都有完成时限,超过了规定的时限该任务可能失去意义,或者影响任务效果。
(2)机动距离约束
有些单位机动能力不强,机动时间过长可能会对装备造成损坏,因此需要约束其机动范围。
(3)保障任务逻辑顺序约束
有些保障任务之间存在一定逻辑关系,在执行时间的先后上存在约束。
本发明提供的基于资源能力的装备保障任务多目标描述方法,首先根据任务性质和类型,将任务进行初步分解,再根据任务资源能力对任务进行进一步分解,得到子任务。其中资源能力的变化参与任务的分解过程,直接影响子任务的数量和属性。对任务分解的最终状态是:分解后的子任务能够由某个资源独立完成,不需要其它资源参与。基于资源能力的复杂任务描述方法原理如图1所示,具体包括如下步骤。
步骤(1)保障资源分解及描述:
将保障资源按照保障单位、保障装备类型及保障性质进行分解,得到子资源。分解后的子资源均具有单独承担某项或某几项子任务的能力,且均能同时被占用。保障资源的数学模型为:
Ri表示子资源,表示子资源间的约束,表示保障资源的属性,属性包括可完成的装备保障任务、保障单位、所在位置、单位保障时间、机动速度和空闲状态;U为子资源数量,Uo为原资源数量。式(2)表示原资源ROj对应子资源集为{Rp,Rp+1,…,Rq},是子资源集的子集,该子集属于同一保障单位。不同的原资源所属保障单位不同。
步骤(2)保障任务分解及描述:
根据保障任务的性质、保障装备的类型以及保障地点对保障任务进行分解,得到子任务。对保障任务分解的目的是保证分解后的子任务能够由某个资源独立完成,不需要其它资源参与。保障任务的数学模型为:
T表示整个装备保障任务;Ti表示各个子任务;GT={G_S,G_B}表示各个任务之间的关系,G_S表示顺序关系,G_B表示并发关系;表示对应子任务的属性, 表示保障内容,表示保障工作量,表示保障任务的部署位置,表示任务的开始时间,表示任务的结束时间;V为子任务数量,Vo为原任务数量。式(4)表示原任务TOj对应子任务集为{Tp,Tp+1,…,Tq},是子任务集的子集。
步骤(3)任务-资源匹配解空间:
装备保障任务规划是求解保障任务与保障资源匹配的离散问题,其匹配结果可用一个0-1矩阵表示。U个资源与V个任务匹配的解矩阵表示如下:
其中,xij表示任务Ti和资源Rj之间的匹配结果,其取值为1表示任务Ti占用资源Rj,0则表示任务Ti未占用资源Rj;矩阵的各列表示任务被执行情况,即表示任务被执行;矩阵的各行表示资源被占用的情况:在某一时刻,表示资源空闲;表示资源被占用;表示资源占用发生冲突。解矩阵中每个任务与资源的匹配是可行的,即资源可以满足任务的执行。
步骤(4)解空间约束:
在式(5)中,对于每一个具体的解矩阵,保障资源与保障任务的匹配关系确定,即各子任务的执行时间(timeTi)是确定的,但子任务的开始时间和结束时间是未知的。在可行解矩阵已知的情况下,为了求解任务的开始时间和结束时间,还需要对任务与资源匹配的解空间在时序上进行调整。调整的约束条件为:
表示在资源Rp上发生占用冲突的任务集合,和分别为子任务Ti的开始时间和结束时间,其执行的起止时间表示为(其中其他子任务起止时间的表示方式与Ti相同。式(6)的意义是:同一时刻不存在多个子任务占用某个资源;
装备保障任务规划最终方案表示为:
其意义为:任务Ti在时间段被资源Rx执行。
步骤(5)装备保障任务多目标规划的描述方法为:
(1)优化目标数学模型
①保障时间数学模型
为子任务Ti的结束时间;
②保障费用数学模型
Cost(Ti)为完成任务Ti所消耗的费用;
③资源使用量数学模型
④机动距离数学模型
Dis(Ri,Tj)表示资源Ri与任务Tj的往返机动距离;对于某个子资源Ri,其机动距离包括从原单位机动到保障位置的距离和从保障位置回到原单位的距离;
(2)约束条件数学模型
①时间约束
式中,time表示对子任务集中所有任务完成时间的计算,{Tp,Tp+1,…,Tq}为原任务TOi分解后的子任务集,为原任务TOi的时限约束;
②机动距离约束
其中Ri∈ROj,为原资源机动距离的限制;
③任务逻辑顺序约束
Tp→Tq→Tr… (15)
上式表示:在规划过程中任务Tp要在任务Tq之前执行,而任务Tq必须在任务Tr之前执行;
(3)优化模型
装备保障任务多目标规划的数学模型表示为:
min f(x)=min[f1(x),f2(x),f3(x),f4(x)]T (16)
本发明的基于资源能力的装备保障任务多目标描述方法,基于资源能力对任务进行分解描述,子任务的大小取决于资源能力的大小,便于资源的精确分配;描述方法能够体现任务之间、任务与资源之间的顺序及对应关系,任务既分解描述又有整体关联,满足实际任务规划方案制定的需要;该方法可以对任务进行动态分解,即随着资源能力的变化子任务描述也随之变化,在资源能力损耗情况下也能充分利用资源,避免了因为任务过大而过多分地配资源从而造成资源浪费的弊端,从而可以保证任务与资源之间的匹配更加精确高效,针对装备保障任务多目标规划时目标权重无法准确获取、非劣解过多难以决策等问题,对问题进行了系统描述并构建了相关数学模型,实现了装备保障任务的多目标规划。
本领域的技术人员容易理解,以上所述仅为本发明的较佳实施例而已,并不用以限制本发明,凡在本发明的精神和原则之内所作的任何修改、等同替换和改进等,均应包含在本发明的保护范围之内。
Claims (1)
1.一种基于资源能力的装备保障任务多目标描述方法,其特征在于,包括如下步骤:
步骤(1)保障资源分解及描述:
将保障资源按照保障单位、保障装备类型及保障性质进行分解,得到子资源;分解后的子资源均具有单独承担某项或某几项子任务的能力,且均能同时被占用;保障资源的数学模型为:
Ri表示子资源,表示子资源间的约束,表示保障资源的属性,属性包括可完成的装备保障任务、保障单位、所在位置、单位保障时间、机动速度和空闲状态;U为子资源数量,Uo为原资源数量;式(2)表示原资源ROj对应子资源集为{Rp,Rp+1,...,Rq},是子资源集的子集,该子集属于同一保障单位;不同的原资源所属保障单位不同;
步骤(2)保障任务分解及描述:
根据保障任务的性质、保障装备的类型以及保障地点对保障任务进行分解,得到子任务;对保障任务分解的目的是保证分解后的子任务能够由某个资源独立完成,不需要其它资源参与;保障任务的数学模型为:
T表示整个装备保障任务;Ti表示各个子任务;GT={G_S,G_B}表示各个任务之间的关系,G_S表示顺序关系,G_B表示并发关系;表示对应子任务的属性, 表示保障内容,表示保障工作量,表示保障任务的部署位置,表示任务的开始时间,表示任务的结束时间;V为子任务数量,Vo为原任务数量;式(4)表示原任务TOj对应子任务集为{Tp,Tp+1,...,Tq},是子任务集的子集;
步骤(3)任务-资源匹配解空间:
装备保障任务规划是求解保障任务与保障资源匹配的离散问题,其匹配结果用一个0-1矩阵表示;U个资源与V个任务匹配的解矩阵表示如下:
其中,xij表示任务Ti和资源Rj之间的匹配结果,其取值为1表示任务Ti占用资源Rj,0则表示任务Ti未占用资源Rj;矩阵的各列表示任务被执行情况,即表示任务被执行;矩阵的各行表示资源被占用的情况:在某一时刻,表示资源空闲;表示资源被占用;表示资源占用发生冲突;解矩阵中每个任务与资源的匹配是可行的,即资源可以满足任务的执行;
步骤(4)解空间约束:
在式(5)中,对于每一个具体的解矩阵,保障资源与保障任务的匹配关系确定,即各子任务的执行时间timeTi是确定的,但子任务的开始时间和结束时间是未知的;在可行解矩阵已知的情况下,为了求解任务的开始时间和结束时间,还需要对任务与资源匹配的解空间在时序上进行调整;调整的约束条件为:
表示在资源Rp上发生占用冲突的任务集合,和分别为子任务Ti的开始时间和结束时间,其执行的起止时间表示为其中其他子任务起止时间的表示方式与Ti相同;式(6)的意义是:同一时刻不存在多个子任务占用某个资源;
装备保障任务规划最终方案表示为:
其意义为:任务Ti在时间段被资源Rx执行。
步骤(5)装备保障任务多目标规划的描述方法为:
(1)优化目标数学模型
①保障时间数学模型
为子任务Ti的结束时间;
②保障费用数学模型
Cost(Ti)为完成任务Ti所消耗的费用;
③资源使用量数学模型
④机动距离数学模型
Dis(Ri,Tj)表示资源Ri与任务Tj的往返机动距离;对于某个子资源Ri,其机动距离包括从原单位机动到保障位置的距离和从保障位置回到原单位的距离;
(2)约束条件数学模型
①时间约束
式中,time表示对子任务集中所有任务完成时间的计算,{Tp,Tp+1,...,Tq}为原任务TOi分解后的子任务集,为原任务TOi的时限约束;
②机动距离约束
其中Ri∈ROj,为原资源机动距离的限制;
③任务逻辑顺序约束
Tp→Tq→Tr… (15)
上式表示:在规划过程中任务Tp要在任务Tq之前执行,而任务Tq必须在任务Tr之前执行;
(3)优化模型
装备保障任务多目标规划的数学模型表示为:
min f(x)=min[f1(x),f2(x),f3(x),f4(x)]T (16)
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810543703.7A CN108764576A (zh) | 2018-05-31 | 2018-05-31 | 一种基于资源能力的装备保障任务多目标描述方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201810543703.7A CN108764576A (zh) | 2018-05-31 | 2018-05-31 | 一种基于资源能力的装备保障任务多目标描述方法 |
Publications (1)
Publication Number | Publication Date |
---|---|
CN108764576A true CN108764576A (zh) | 2018-11-06 |
Family
ID=64004616
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201810543703.7A Pending CN108764576A (zh) | 2018-05-31 | 2018-05-31 | 一种基于资源能力的装备保障任务多目标描述方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN108764576A (zh) |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456737A (zh) * | 2019-04-30 | 2019-11-15 | 北京云迹科技有限公司 | 用于机器人的任务自动部署方法及装置 |
CN110570011A (zh) * | 2019-08-02 | 2019-12-13 | 中国船舶工业系统工程研究院 | 一种多约束条件下的复杂系统资源优化调度方法及系统 |
CN110852593A (zh) * | 2019-11-06 | 2020-02-28 | 重庆大学 | 任务处理方法、设备、存储介质及装置 |
-
2018
- 2018-05-31 CN CN201810543703.7A patent/CN108764576A/zh active Pending
Non-Patent Citations (2)
Title |
---|
彭鹏菲等: "基于优先排序与粒子群优化的装备保障任务规划方法", 《兵工学报》 * |
彭鹏菲等: "基于改进粒子群优化的多目标装备保障任务规划方法", 《系统工程与电子技术》 * |
Cited By (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110456737A (zh) * | 2019-04-30 | 2019-11-15 | 北京云迹科技有限公司 | 用于机器人的任务自动部署方法及装置 |
CN110570011A (zh) * | 2019-08-02 | 2019-12-13 | 中国船舶工业系统工程研究院 | 一种多约束条件下的复杂系统资源优化调度方法及系统 |
CN110852593A (zh) * | 2019-11-06 | 2020-02-28 | 重庆大学 | 任务处理方法、设备、存储介质及装置 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
Zhao et al. | A heuristic distributed task allocation method for multivehicle multitask problems and its application to search and rescue scenario | |
Chen et al. | Multi-UAV task assignment with parameter and time-sensitive uncertainties using modified two-part wolf pack search algorithm | |
CN108764576A (zh) | 一种基于资源能力的装备保障任务多目标描述方法 | |
CN109615188A (zh) | 一种预分配结合匈牙利算法的多机器人任务分配方法 | |
CN110456633B (zh) | 机载多平台分布式任务分配方法 | |
CN107330588B (zh) | 一种多基地异构无人机协同侦察的任务规划方法 | |
CN104166903B (zh) | 基于工序划分的任务规划方法及系统 | |
CN109409773A (zh) | 一种基于合同网机制的对地观测资源动态规划方法 | |
CN104375806B (zh) | 一种并行计算构件、方法及相应并行软件开发方法与系统 | |
CN109189094A (zh) | 一种多有人机与多无人机混合编队资源调度方法 | |
CN111586146B (zh) | 基于概率转移深度强化学习的无线物联网资源分配方法 | |
CN106371924B (zh) | 一种最小化MapReduce集群能耗的任务调度方法 | |
CN114169748A (zh) | 多机器人任务分配方法、系统、设备及可读存储介质 | |
CN111708641A (zh) | 一种内存管理方法、装置、设备及计算机可读存储介质 | |
CN110347504A (zh) | 众核计算资源调度方法及装置 | |
Li et al. | An agent-based intelligent algorithm for uniform machine scheduling to minimize total completion time | |
CN108832993A (zh) | 面向混合任务的在线中继卫星系统通信资源分配方法 | |
CN110222410A (zh) | 一种基于Hadoop MapReduce的电磁环境仿真方法 | |
Nie et al. | A cuckoo search algorithm for scheduling multiskilled workforce | |
Zhang et al. | Distributed task allocation with critical tasks and limited capacity | |
Xun et al. | Distributed tasks-platforms scheduling method to holonic-C2 organization | |
CN109886574A (zh) | 一种基于改进阈值法的多机器人任务分配方法 | |
Miloradovic et al. | Extended Colored Traveling Salesperson for Modeling Multi-Agent Mission Planning Problems. | |
CN114996969A (zh) | 电磁仿真并行计算方法、装置、计算机设备及存储介质 | |
CN117785490B (zh) | 一种图神经网络模型的训练架构、方法、系统及服务器 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
RJ01 | Rejection of invention patent application after publication |
Application publication date: 20181106 |
|
RJ01 | Rejection of invention patent application after publication |