CN109634732A - 针对isar成像基于遗传算法的资源调度方法 - Google Patents
针对isar成像基于遗传算法的资源调度方法 Download PDFInfo
- Publication number
- CN109634732A CN109634732A CN201811504053.1A CN201811504053A CN109634732A CN 109634732 A CN109634732 A CN 109634732A CN 201811504053 A CN201811504053 A CN 201811504053A CN 109634732 A CN109634732 A CN 109634732A
- Authority
- CN
- China
- Prior art keywords
- isar
- imaging task
- isar imaging
- schedule sequences
- scheduling
- 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
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F9/00—Arrangements for program control, e.g. control units
- G06F9/06—Arrangements for program control, e.g. control units using stored programs, i.e. using an internal store of processing equipment to receive or retain programs
- G06F9/46—Multiprogramming arrangements
- G06F9/48—Program initiating; Program switching, e.g. by interrupt
- G06F9/4806—Task transfer initiation or dispatching
- G06F9/4843—Task transfer initiation or dispatching by program, e.g. task dispatcher, supervisor, operating system
- G06F9/4881—Scheduling strategies for dispatcher, e.g. round robin, multi-level priority queues
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N3/00—Computing arrangements based on biological models
- G06N3/12—Computing arrangements based on biological models using genetic models
- G06N3/126—Evolutionary algorithms, e.g. genetic algorithms or genetic programming
Landscapes
- Engineering & Computer Science (AREA)
- Physics & Mathematics (AREA)
- Theoretical Computer Science (AREA)
- Software Systems (AREA)
- Health & Medical Sciences (AREA)
- Life Sciences & Earth Sciences (AREA)
- Biophysics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Bioinformatics & Cheminformatics (AREA)
- Bioinformatics & Computational Biology (AREA)
- Evolutionary Biology (AREA)
- Physiology (AREA)
- Genetics & Genomics (AREA)
- Artificial Intelligence (AREA)
- Biomedical Technology (AREA)
- Computational Linguistics (AREA)
- Data Mining & Analysis (AREA)
- Evolutionary Computation (AREA)
- General Health & Medical Sciences (AREA)
- Molecular Biology (AREA)
- Computing Systems (AREA)
- Mathematical Physics (AREA)
- Studio Devices (AREA)
Abstract
本发明公开一种针对逆合成孔径雷达ISAR成像基于遗传算法的资源调度方法,本发明的主要步骤为:1、生成调度序列;2、计算评价值;3、更新调度库;4、计算适应度值;5、对调度序列进行编码;6、对码字进行基因交叉;7、对码字进行基因变异;7、对基因序列进行解码;8、对上述步骤循环操作后得到资源调度结果。本发明使用遗传算法根据调度序列的评价值更新调度库,由调度库得到资源调度结果,从而使资源调度结果的评价值更加稳定,提高了本发明逆合成孔径雷达ISAR成像任务的调度成功率。
Description
技术领域
本发明属于图像处理技术领域,更进一步涉及成像资源调度技术领域中的一种针对逆合成孔径雷达ISAR(Inverse SARAperture Radar)成像基于遗传算法的资源调度方法。本发明在空间中存在多个逆合成孔径雷达ISAR成像目标的情况下,对选取的目标交替进行脉冲发射和接收,进而使逆合成孔径雷达ISAR的资源分配结果更加合理。
背景技术
在面对多个ISAR成像任务的情况下,由于雷达资源有限,ISAR需要为各个成像任务留出大量雷达资源,这将导致成像任务的成功执行率较低。ISAR成像资源调度方法在压缩感知理论下将慢时间上的连续观测转化为随机稀疏观测,使用稀疏重构的方法进行ISAR成像,以此降低成像任务占用的雷达资源,对成功调度任务交替发射和接收脉冲,从而增加了雷达时间资源利用率,提高了成像任务的成功执行率。
空军工程大学大学在其申请的专利文献“一种基于脉冲交错的ISAR成像雷达资源自适应调度方法”(申请号CN 201611152226.9申请公布号ACN 106777679 A)中公开了一种ISAR成像资源调度的方法。该方法的步骤如下:1、对目标特征认知,确定各个成像任务发射波形的参数;2、将各个成像任务按照优先级进行高低排序;3、按照各个成像任务的排序结果,依次寻找满足资源调度约束条件的调度结果。该方法虽然提出了一种ISAR成像资源调度方法,但是,该方法仍然存在的不足之处是:由于将成像任务按照优先级高低依次寻找满足约束条件的调度结果,所以一个成功调度的高优先级成像任务可能导致后续多个低优先级成像任务调度失败,导致任务成功执行率降低,还存在更好的调度结果。
陈怡君等人在其发表的论文“基于认知ISAR成像的相控阵雷达资源自适应调度算法”(电子与信息学报第36卷第7期2014年)中阐述了一种基于稀疏孔径认知ISAR成像的雷达资源自适应调度方法。该方法的步骤如下:1、对目标发射少量脉冲进行特征初始认知;2、确定成像任务优先级与单位调度间隔内所需方位向观测观测维度;3、采用优先级动态调整策略,以调整后的优先级为顺序,在调度间隔内分配成像任务的时间资源。该方法虽然提出了一种ISAR成像资源调度方法,但是,该方法仍然存在的不足之处是:由于只以一个确定调度序列为顺序依次进行ISAR成像资源调度,在资源调度的过程中对ISAR成像任务的脉冲发射时刻在慢时间网格上随机取值,导致了成功调度ISAR成像任务的集合的评价值不稳定。
发明内容
本发明的目的是针对现有技术的不足,提出一种针对ISAR成像基于遗传算法的资源调度方法。
实现本发明目的的思路是,随机生成若干调度序列,计算调度序列的评价值,使用遗传算法根据调度序列的评价值更新调度序列,在遗传算法中对调度库进行更新,从而使成功调度ISAR成像任务的集合的评价值更加稳定,使ISAR成像任务的调度成功率得到提高。
实现本发明目的的具体步骤包括如下:
1.一种针对ISAR成像基于遗传算法的资源调度方法,其特征在于,生成调度序列,计算每个调度序列的评价值,更新调度库,计算每个调度序列的适应度值,利用自适应变异方法,对交叉后基因序列的码字进行基因变异,该方法的步骤包括如下:
(1)生成调度序列:
(1a)将ISAR成像任务序列[1,2,······,K]进行随机排列,生成N个不同的调度序列,其中,K表示ISAR成像任务的总数,N表示在[20,100]之间选取的一个整数值;
(1b)将初始化遗传算法的遗传数设置为1;
(2)计算每个调度序列的评价值:
(2a)从N个调度序列中依次选取未选过的一个调度序列作为当前调度序列;
(2b)利用启发搜索方法,分别得到当前调度序列的成功调度ISAR成像任务的集合、当前调度序列的成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻、当前调度序列的评价值;
(2c)判断N个调度序列中是否存在未选取的调度序列,若是,则执行步骤(2a),否则,执行步骤(3);
(3)更新调度库:
(3a)判断调度库是否为空集,若是,则执行步骤(3b),否则,执行步骤(3c);
(3b)从所有调度序列中选取一个评价值最高的调度序列,在调度库中存入N个调度序列、每个调度序列的评价值、所选调度序列的成功调度ISAR成像任务的集合、所选调度序列的成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻;
(3c)利用查找更新方法,更新调度库中的调度序列、调度序列的评价值、成功调度ISAR成像任务的集合、成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻;
(4)计算每个调度序列的适应度值:
(4a)利用搜索更新方法,更新每个调度序列的评价值;
(4b)按照下式,计算更新后的每个调度序列的适应度值:
其中,ui表示更新后的第i个调度序列的适应度值,fi表示第i个调度序列更新后的评价值,fmax表示N个调度序列更新后的评价值中的最大值,fmin表示N个调度序列更新后的评价值中的最小值;
(5)对更新后的每个调度序列进行编码:
(5a)从更新后的N个调度序列中,依次选取一个未选过的调度序列,作为当前调度序列;
(5b)从当前调度序列中,依次选取一个未选过的ISAR成像任务,将所选ISAR成像任务在任务列表中的位置序号,作为基因序列中与所选ISAR成像任务对应的码字,同时从任务列表中删去所选的ISAR成像任务;
(5c)判断当前调度序列中是否选完所有的ISAR成像任务,若是,则执行步骤(5d),否则,执行步骤(5b);
(5d)判断更新后的N个调度序列中是否选完所有的调度序列,若是,则执行步骤(6),否则,执行步骤(5a);
(6)利用单点交叉方法,对N个基因序列的码字进行基因交叉;
(7)利用自适应变异方法,对每个交叉后基因序列的码字进行基因变异:
(8)对每个变异后基因序列进行解码;
(8a)在N个变异后基因序列中,依次选取一个未选过的基因序列,作为当前基因序列;
(8b)从当前基因序列中,依次选取一个未选过的码字,将所选码字作为位置序号,将任务列表中在该位置序号上的ISAR成像任务,作为解码后调度序列中与所选码字对应的ISAR成像任务,同时从任务列表中删去该ISAR成像任务;
(8c)判断是否选完当前基因序列中的所有码字,若是,则执行步骤(8d),否则,执行步骤(8b);
(8d)判断是否选完N个变异后基因序列中所有基因序列,若是,则执行步骤(9),否则,执行步骤(8a);
(9)判断遗传算法的遗传数是否小于遗传算法的终止数,若是,将遗传算法的遗传数加1后执行步骤(2),否则,得到了执行步骤(10);
(10)更新每个解码后调度序列的评价值和调度库:
利用启发搜索方法,计算每个解码后调度序列的评价值,利用查找更新方法,更新每个解码后调度序列的评价值和调度库;
(11)输出资源调度结果:
输出调度库中成功调度ISAR成像任务的集合、成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻。
本发明与现有技术相比具有以下优点:
第一,由于本发明随机生成若干调度序列,使用遗传算法求解最优调度序列,克服了现有技术以ISAR成像任务优先级进行排序为调度序列,导致了ISAR成像任务调度成功率降低问题,使得本发明提高了ISAR成像任务的调度成功率。
第二,由于本发明利用查找更新方法,更新调度库,克服了现有技术只以一个确定调度序列为顺序依次进行ISAR成像资源调度,导致了成功ISAR成像任务的集合的评价值不稳定的问题,使得本发明提高了成功ISAR成像任务的集合的评价值的稳定性。
附图说明
图1为本发明的流程图;
图2为本发明启发搜索方法的流程图;
图3为本发明仿真实验中现有技术的成功调度ISAR成像任务集合的评价值图;
图4为本发明的成功调度ISAR成像任务的集合的评价值图。
具体实施方式
下面结合附图对发明做进一步描述。
参照附图1,对本发明的具体步骤做进一步描述。
步骤1,生成调度序列。
将ISAR成像任务序列[1,2,······,K]进行随机排列,生成N个不同的调度序列,其中,K表示ISAR成像任务的总数,N表示在[20,100]之间选取的一个整数值。
将初始化遗传算法的遗传数设置为1。
步骤2,计算每个调度序列的评价值。
(2.1)从N个调度序列中依次选取未选过的一个调度序列作为当前调度序列。
(2.2)利用启发搜索方法,分别得到当前调度序列的成功调度ISAR成像任务的集合、当前调度序列的成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻、当前调度序列的评价值。
参照图2,对所述启发搜索方法做进一步的描述。
第1步,从当前调度序列中,依次选取一个未选过的ISAR成像任务。
第2步,将所选ISAR成像任务的期望执行时刻,作为所选ISAR成像任务中第一个脉冲的发射时刻。
第3步,判断max(t0,dk)≤ek≤min(dk+Wk,t0+T-Tk)是否成立,若是,则执行第4步,否则,执行第15步,其中,t0表示在调资源度时间[t0,t0+T]内,ISAR对每个ISAR成像任务进行资源调度的起始时刻,T表示ISAR对每个ISAR成像任务进行资源调度的时间长度,dk表示第k个ISAR成像任务中第一个脉冲的发射时刻,Wk表示第k个ISAR成像任务的时间窗,Tk表示第k个ISAR成像任务的积累时间,所述的ISAR成像任务的积累时间是指:ISAR成像任务对待成像的ISAR目标进行方位向观测,将方位向观测的时间长度作为ISAR成像任务的积累时间。
第4步,判断所选ISAR成像任务中第一个脉冲所占用的时间资源是否与成功调度ISAR成像任务的集合中所有ISAR成像任务占用的时间资源的交集是否为空集,若是,则执行第5步,否则,执行第7步,所述的所选ISAR成像任务中一个脉冲所占用的时间资源,是按照下式计算得到的:
[ik,ik+xk]∪[ik+xk+wk,ik+xk+wk+rk]
其中,ik表示第k个ISAR成像任务中一个脉冲的发射时刻,xk表示第k个ISAR成像任务的脉冲发射期,∪表示对集合求并集,wk表示第k个ISAR成像任务的脉冲等待期,rk表示第k个ISAR成像任务的脉冲接收期,所述的成功调度ISAR成像任务的集合是指:成功调度ISAR成像任务的集合包含当前成功调度的ISAR成像任务,所述的ISAR成像任务占用的时间资源是指:将ISAR成像任务中所有脉冲占用的时间资源的并集作为ISAR成像任务占用的时间资源。
第5步,以所选ISAR成像任务中第一个脉冲发射时刻为起始时刻,以所选ISAR成像任务的积累时间为时间长度,以所选ISAR成像任务的脉冲重复周期为时间间隔,生成所选ISAR成像任务中连续观测下的除第一个脉冲外所有脉冲的发射时刻,取所得的发射时刻中满足同一时刻不能执行多个任务这一约束条件的发射时刻,所述的发射时刻满足同一时刻不能执行多个任务这一约束条件是指:按照下式,以该发射时刻生成时间区间。
[c,c+xk]∪[c+xk+wk,c+xk+wk+rk]
其中,c为该发射时刻,判断所得的时间区间与成功调度ISAR成像任务的集合中所有ISAR成像任务占用的时间资源的交集是否为空集,若是,则该发射时刻满足同一时刻不能执行多个任务这一约束条件,否则,该发射时刻不满足同一时刻不能执行多个任务这一约束条件。
第6步,判断满足同一时刻不能执行多个任务这一约束条件的发射时刻的个数是否小于所选ISAR成像任务的方位向观测维度减1,若是,则执行第7步,否则,执行第8步。
第7步,将所选ISAR成像任务中第一个脉冲的发射时刻以一个步长时间1×10-4s延后,执行第3步。
第8步,对满足同一时刻不能执行多个任务这一约束条件的发射时刻进行随机采样,采样个数比所选ISAR成像任务的方位向观测维度少一个,将所有采样的时间作为所选ISAR成像任务中除第一个发射脉冲外其他发射脉冲的发射时刻。
第9步,按照下式,计算ISAR的能量消耗函数的第一个局部最大值。
E1=-Piτexp(-xi/τ)+Piτ
其中,E1表示ISAR的能量消耗函数的第一个局部最大值,Pi表示排序后的第一个脉冲发射的峰值功率,τ表示ISAR系统本身的回退参数,exp(·)表示以自然数e为底的指数操作,xi表示排序后的第一个脉冲的发射期,所述的逆合成孔径雷达ISAR的能量消耗函数,是按照下式计算得到的。
其中,t表示时间,E(t)表示ISAR在t时刻的能量消耗,x表示时间,P(x)表示ISAR在x时刻的功率,所述的排序后的脉冲是指:对所选ISAR成像任务中每个脉冲和成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲,按照脉冲的发射时刻从小到大进行排序,得到排序后的脉冲。
第10步,判断ISAR的能量消耗函数的第一个局部最大值是否小于等于ISAR系统本身的能量阈值,若是,则执行第11步,否则,执行第16步。
第11步,按照下式,计算ISAR的能量消耗函数的下一个局部最大值。
Es+1=exp[((ts+xu)-(ts+1+xv))/τ]Es+τPv[1-exp(-ts+1/τ)]
其中,Es+1表示ISAR的能量消耗函数的第s+1个局部最大值,ts表示排序后的第s个脉冲的发射时刻,xu表示排序后第s个脉冲的发射期,ts+1表示排序后的第s+1个脉冲的发射时刻,xv表示排序后第s+1个脉冲的发射期,Es表示ISAR的能量消耗函数的第s个局部最大值,Pv表示排序后第s+1个脉冲发射的峰值功率。
第12步,判断ISAR的能量消耗函数在下一个时间区间的最大值是否小于等于ISAR系统本身的能量阈值,若是,则执行13步,否则,执行第15步。
第13步,判断是否计算到ISAR的能量消耗函数的最后一个局部最大值,若是,则执行第14步,否则,执行第11步。
第14步,在成功调度ISAR成像任务的集合中加入所选ISAR成像任务。
第15步,判断是否选完当前调度序列中所有的ISAR成像任务,若是,则执行第1步,否则,分别得到成功调度ISAR成像任务的集合、成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻,执行第16步。
第16步,将成功调度ISAR成像任务的集合中每一个ISAR成像任务的优先级求和,将所得的和作为成功调度ISAR成像任务的集合的优先级和,将成功调度ISAR成像任务的集合中ISAR成像任务的个数除以ISAR成像任务的总数,将所得的商作为成功调度ISAR成像任务的集合的调度成功率,将成功调度ISAR成像任务的集合中的每一个ISAR成像任务的脉冲发射期与脉冲接收期之和与该ISAR成像任务的方位向观测维度相乘,对所得的积求和,将所得的和除以ISAR的调资源度时间区间的时间长度,将所得的商作为成功调度ISAR成像任务的集合的时间利用率。
第17步,按照下式,计算成功调度ISAR成像任务的集合的评价值。
fn=a1A1+a2A2+a3A3
其中,fn表示当前调度序列的评价值,a1表示成功调度ISAR成像任务的集合的优先级和的权值,A1表示成功调度ISAR成像任务的集合的优先级和,a2表示成功调度ISAR成像任务的集合的调度成功率的权值,A2表示成功调度ISAR成像任务的集合的调度成功率,a3表示成功调度ISAR成像任务的集合的时间利用率的权值,A3表示成功调度ISAR成像任务的集合的时间利用率。
第18步,将成功调度ISAR成像任务的集合的评价值作为当前调度序列的评价值。
(2.3)判断N个调度序列中是否存在未选取的调度序列,若是,则执行本步骤的第(2.1)步,否则,执行本步骤的第(2.3)步。
步骤3,更新调度库。
(3.1)判断调度库是否为空集,若是,则执行本步骤的第(3.2)步,否则,执行本步骤的第(3.3)步。
(3.2)从所有调度序列中选取一个评价值最高的调度序列,在调度库中存入N个调度序列、每个调度序列的评价值、所选调度序列的成功调度ISAR成像任务的集合、所选调度序列的成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻。
(3.3)利用查找更新方法,更新调度库中的调度序列、调度序列的评价值、成功调度ISAR成像任务的集合、成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻。
所述查找更新方法的具体步骤如下。
第1步,从N个调度序列中依次选取未选过的一个调度序列作为当前调度序列。
第2步,判断当前调度序列的的评价值是否超过调度库中最高的调度序列的评价值,若是,执行第3步,否则执行第4步。
第3步,将调度库中成功调度ISAR成像任务的集合更新为当前调度序列的成功调度ISAR成像任务的集合,将调度库中成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻更新为当前调度序列的成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻。
第4步,判断调度库中是否存在当前调度序列,若是,则执行第5步,否则,执行第7步。
第5步,判断调度库中当前调度序列的评价值是否小于当前调度序列的评价值,若是,则执行第6步,否则,执行第8步。
第6步,将调度库中当前调度序列的评价值更新为当前调度序列的评价值,执第八行。
第7步,在调度库中调度序列中加入当前调度序列,在调度库中调度序列的评价值中加入当前调度序列的评价值。
第8步,判断N个调度序列中是否存在未选取的调度序列,若是,则执行第1步,否则,执行第9步。
第9步,完成更新调度库中调度序列、调度库中调度序列的评价值、调度库中成功调度ISAR成像任务的集合、调度库中成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻。
步骤4,计算每个调度序列的适应度值。
利用下述搜索更新方法,更新每个调度序列的评价值。
第1步,从N个调度序列中依次选取一个未选过的调度序列作为当前调度序列。
第2步,判断更新后调度库中是否不存在当前调度序列,若是,执行第3步,否则,执行第5步。
第3步,判断当前调度序列的评价值是否小于调度库中当前调度序列的评价值,若是,执行第4步,否则,执行第5步。
第4步,将当前调度序列的评价值更新为调度库中当前调度序列的评价值。
第5步,判断N个调度序列中是否存在未选取的调度序列,若是,则执行第1步,否则,完成更新每个当前调度序列的评价值。
按照下式,计算更新后的每个调度序列的适应度值。
其中,ui表示更新后的第i个调度序列的适应度值,fi表示第i个调度序列更新后的评价值,fmax表示N个调度序列更新后的评价值中的最大值,fmin表示N个调度序列更新后的评价值中的最小值。
步骤5,对更新后的每个调度序列进行编码。
(5.1)从更新后的N个调度序列中,依次选取一个未选过的调度序列,作为当前调度序列。
(5.2)从当前调度序列中,依次选取一个未选过的ISAR成像任务,将所选ISAR成像任务在任务列表中的位置序号,作为基因序列中与所选ISAR成像任务对应的码字,同时从任务列表中删去所选的ISAR成像任务。
(5.3)判断当前调度序列中是否选完所有的ISAR成像任务,若是,则执行本步骤的第(5.4)步,否则,执行本步骤的第(5.2)步。
(5.4)判断更新后的N个调度序列中是否选完所有的调度序列,若是,则执行步骤6,否则,执行本步骤的第(5.1)步。
步骤6,利用单点交叉方法,对N个基因序列的码字进行基因交叉。
所述单点交叉方法的具体步骤如下。
第1步,按照下式,计算每个基因序列被选取进行基因交叉的概率:
其中,表示第j个基因序列被选取进行基因交叉的概率,uj表示与第j个基因序列对应的调度序列的适应度值,∑·表示求和操作。
第2步,从N个基因序列中以每个基因序列被选取进行基因交叉的概率选取两个基因序列,在基因序列上随机选取一个码位,交换所选两个基因序列在所选码位后的码字,得到交叉后的基因序列。
第3步,判断选取基因序列的次数是否超过N/2,若是,则完成对N个基因序列的码字的基因交叉,否则,执行第2步。
步骤7,利用自适应变异方法,对每个交叉后基因序列的码字进行基因变异。
所述自适应变异方法的具体步骤如下。
第1步,在N个交叉后基因序列中依次选取未选过的一个交叉后基因序列作为当前交叉后基因序列。
第2步,从当前交叉后基因序列中依次选取未选过的一个码字,将所选码字作为位置序号,将任务列表中在该位置序号上的ISAR成像任务,作为解码后调度序列中与所选码字对应的ISAR成像任务,同时从任务列表中删去该ISAR成像任务。
第3步,判断当前交叉后基因序列中是否存在未选取的码字,若是,则执行第2步,否则,执行第4步。
第4步,判断N个交叉后基因序列中是否存在未选取的交叉后基因序列,若是,则执行第1步,否则,执行第5步。
第5步,将N个解码后调度序列作为N个调度序列,执行步骤2,直到得到每个调度序列的评价值后执行第6步。
第6步,按照下式,计算每个交叉后基因序列的码字进行基因变异的概率。
其中,表示第i个交叉后基因序列的码字进行基因变异的概率,qi表示与第i个交叉后基因序列对应的调度序列的适应度值。
第7步,从N个交叉后基因序列中依次选取未选过的一个交叉后基因序列,所选交叉后基因序列的每个码字以所选交叉后基因序列的码字进行基因变异的概率变为[1,K-i1+1]中的一个随机整数,其中,i1表示码字在该基因序列中的位置序号。
第8步,判断N个交叉后基因序列中是否存在未选取的交叉后基因序列,若是,则执行第7步,否则,完成对每个交叉后基因序列的码字进行基因变异。
步骤8,对每个变异后基因序列进行解码。
(8.1)在N个变异后基因序列中,依次选取一个未选过的基因序列,作为当前基因序列。
(8.2)从当前基因序列中,依次选取一个未选过的码字,将所选码字作为位置序号,将任务列表中在该位置序号上的ISAR成像任务,作为解码后调度序列中与所选码字对应的ISAR成像任务,同时从任务列表中删去该ISAR成像任务。
(8.3)判断是否选完当前基因序列中的所有码字,若是,则执行本步骤的第(8.4)步,否则,执行本步骤的第(8.2)步。
(8.4)判断是否选完N个变异后基因序列中所有基因序列,若是,则执行步骤9,否则,执行本步骤的第(8.1)步。
步骤9,判断遗传算法的遗传数是否小于遗传算法的终止数,若是,将遗传算法的遗传数加1后执行步骤2,否则,得到了执行步骤10。
步骤10,更新每个解码后调度序列的评价值和调度库。
利用启发搜索方法,计算每个解码后调度序列的评价值,利用查找更新方法,更新每个解码后调度序列的评价值和调度。
步骤11,输出资源调度结果。
输出调度库中成功调度ISAR成像任务的集合、成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻。
本发明的技术效果通过以下仿真实验结果进行验证和说明:
1.仿真参数:
本发明的仿真实验是在软件平台Matlab上,利用本发明的技术,在资源调度的时间区间[0,1.3s]内,对10个ISAR成像任务进行资源调度,这10个ISAR成像任务的期望执行时刻分别为(0,0.42s,0.7s,0.3s,0.6s,0.2s,0.5s,0.8s,0.1s,0.55s),这10个ISAR成像任务的脉冲发射期分别为(10μs,10μs,10μs,10μs,10μs,4μs,5μs,10μs,10μs,10μs),这10个ISAR成像任务的脉冲等待期分别为(0.19ms,0.16ms,0.12ms,0.09ms,0.21ms,0.16ms,0.18ms,0.12ms,0.12ms,0.16ms),这10个ISAR成像任务的脉冲接收期分别为(10.08μs,10.07μs,10.07μs,10.07μs,10.08μs,4.04μs,5.06μs,10.07μs,10.09μs,10.08μs),这10个ISAR成像任务的方位向观测维度分别为(210,250,220,220,230,190,255,202,250,210),这10个ISAR成像任务的脉冲重复频率分别为(1kHz,1kHz,1kHz,1kHz,1.065kHz,1.12kHz,1.22kHz,0.88kHz,1kHz,1kHz),这10个ISAR成像任务中脉冲发射的峰值功率分别为:(7.52kW,9.33kW,8.13kW,11.34kW,5.81kW,7.82kW,8.04kW,7.17kW,10.02kW,10.02kW),这10个ISAR成像任务的优先级分别为:(0.47,0.54,0.70,1.00,0.40,0.57,0.53,0.71,0.79,0.50),这10个ISAR成像任务的积累时间分别为:(0.50s,0.55s,0.50s,0.55s,0.50s,0.66s,0.50s,0.48s,0.55s,0.50s),ISAR系统本身的回退参数为0.2,ISAR系统本身的能量阈值为20J,遗传算法的遗传数为30,生成调度序列的个数为50。
2.仿真内容及其结果分析:
仿真实验1:使用现有技术的基于脉冲交错的ISAR成像雷达资源自适应调度方法,对10个ISAR成像任务进行资源调度,进行了100次仿真,绘制每一次成功调度ISAR成像任务集合的评价值,结果如图3所示。
仿真实验2:使用本发明的方法对10个ISAR成像任务进行资源调度,进行了100次仿真,绘制每一次成功调度ISAR成像任务集合的评价值,结果如图4所示。
由图3与图4对比可得,现有技术的基于脉冲交错的ISAR成像雷达资源自适应调度方法在100次仿真中,成功调度ISAR成像任务的集合的评价值在0.8612,1.005,1.01之间震荡,出现不稳定的情况。而本发明在100次仿真中,成功调度ISAR成像任务的集合的评价值一直稳定为1.09。其原因是现有技术的基于脉冲交错的ISAR成像雷达资源自适应调度方法,只以一个确定调度序列为顺序,依次进行ISAR成像资源调度,导致了资源调度结果的评价值不稳定的问题。而本发明利用查找更新方法,利用调度库中成功调度ISAR成像任务集合作为本发明的成功调度ISAR成像任务的集合,克服了资源调度结果的评价值不稳定的问题,提高了ISAR成像资源调度结果的评价值的稳定性。
仿真实验3:将本发明仿真1中100次仿真中所得的最高的ISAR成像任务的调度成功率与仿真实验2中一次仿真中所得的最高的ISAR成像任务的调度成功率记录在表格中,结果如下表所示。
现有技术 | 本发明 | |
ISAR成像任务的调度成功率 | 0.6 | 0.7 |
由上表可见,本发明得到的ISAR成像任务的调度成功率比现有技术的基于脉冲交错的ISAR成像雷达资源自适应调度方法得到的ISAR成像任务的调度成功率高,这是因为现有技术的基于脉冲交错的ISAR成像雷达资源自适应调度方法将成像任务按照优先级高低依次进行资源调度,一个成功调度的高优先级成像任务可能导致后续多个低优先级成像任务调度失败,导致任务成功执行率降低,本发明随机生成若干调度序列,使用遗传算法求解最优调度序列,提高了ISAR成像任务的调度成功率。
Claims (7)
1.一种针对ISAR成像基于遗传算法的资源调度方法,其特征在于,生成调度序列,计算每个调度序列的评价值,更新调度库,计算每个调度序列的适应度值,利用自适应变异方法,对交叉后基因序列的码字进行基因变异,该方法的步骤包括如下:
(1)生成调度序列:
(1a)将ISAR成像任务序列[1,2,……,K]进行随机排列,生成N个不同的调度序列,其中,K表示ISAR成像任务的总数,N表示在[20,100]之间选取的一个整数值;
(1b)将初始化遗传算法的遗传数设置为1;
(2)计算每个调度序列的评价值:
(2a)从N个调度序列中依次选取未选过的一个调度序列作为当前调度序列;
(2b)利用启发搜索方法,分别得到当前调度序列的成功调度ISAR成像任务的集合、当前调度序列的成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻、当前调度序列的评价值;
(2c)判断N个调度序列中是否存在未选取的调度序列,若是,则执行步骤(2a),否则,执行步骤(3);
(3)更新调度库:
(3a)判断调度库是否为空集,若是,则执行步骤(3b),否则,执行步骤(3c);
(3b)从所有调度序列中选取一个评价值最高的调度序列,在调度库中存入N个调度序列、每个调度序列的评价值、所选调度序列的成功调度ISAR成像任务的集合、所选调度序列的成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻;
(3c)利用查找更新方法,更新调度库中的调度序列、调度序列的评价值、成功调度ISAR成像任务的集合、成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻;
(4)计算每个调度序列的适应度值:
(4a)利用搜索更新方法,更新每个调度序列的评价值;
(4b)按照下式,计算更新后的每个调度序列的适应度值:
其中,ui表示更新后的第i个调度序列的适应度值,fi表示第i个调度序列更新后的评价值,fmax表示N个调度序列更新后的评价值中的最大值,fmin表示N个调度序列更新后的评价值中的最小值;
(5)对更新后的每个调度序列进行编码:
(5a)从更新后的N个调度序列中,依次选取一个未选过的调度序列,作为当前调度序列;
(5b)从当前调度序列中,依次选取一个未选过的ISAR成像任务,将所选ISAR成像任务在任务列表中的位置序号,作为基因序列中与所选ISAR成像任务对应的码字,同时从任务列表中删去所选的ISAR成像任务;
(5c)判断当前调度序列中是否选完所有的ISAR成像任务,若是,则执行步骤(5d),否则,执行步骤(5b);
(5d)判断更新后的N个调度序列中是否选完所有的调度序列,若是,则执行步骤(6),否则,执行步骤(5a);
(6)利用单点交叉方法,对N个基因序列的码字进行基因交叉;
(7)利用自适应变异方法,对每个交叉后基因序列的码字进行基因变异:
(8)对每个变异后基因序列进行解码;
(8a)在N个变异后基因序列中,依次选取一个未选过的基因序列,作为当前基因序列;
(8b)从当前基因序列中,依次选取一个未选过的码字,将所选码字作为位置序号,将任务列表中在该位置序号上的ISAR成像任务,作为解码后调度序列中与所选码字对应的ISAR成像任务,同时从任务列表中删去该ISAR成像任务;
(8c)判断是否选完当前基因序列中的所有码字,若是,则执行步骤(8d),否则,执行步骤(8b);
(8d)判断是否选完N个变异后基因序列中所有基因序列,若是,则执行步骤(9),否则,执行步骤(8a);
(9)判断遗传算法的遗传数是否小于遗传算法的终止数,若是,将遗传算法的遗传数加1后执行步骤(2),否则,得到了执行步骤(10);
(10)更新每个解码后调度序列的评价值和调度库:
利用启发搜索方法,计算每个解码后调度序列的评价值,利用查找更新方法,更新每个解码后调度序列的评价值和调度库;
(11)输出资源调度结果:
输出调度库中成功调度ISAR成像任务的集合、成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻。
2.根据权利要求1所述的针对ISAR成像基于遗传算法的资源调度方法,其特征在于,步骤(2b)和步骤(10)中所述启发搜索方法的具体步骤如下:
第一步,从当前调度序列中,依次选取一个未选过的ISAR成像任务;
第二步,将所选ISAR成像任务的期望执行时刻,作为所选ISAR成像任务中第一个脉冲的发射时刻;
第三步,判断max(t0,dk)≤ek≤min(dk+Wk,t0+T-Tk)是否成立,若是,则执行第四步,否则,执行第十五步,其中,t0表示在调资源度时间[t0,t0+T]内,ISAR对每个ISAR成像任务进行资源调度的起始时刻,T表示ISAR对每个ISAR成像任务进行资源调度的时间长度,dk表示第k个ISAR成像任务中第一个脉冲的发射时刻,Wk表示第k个ISAR成像任务的时间窗,Tk表示第k个ISAR成像任务的积累时间,所述的ISAR成像任务的积累时间是指:ISAR成像任务对待成像的ISAR目标进行方位向观测,将方位向观测的时间长度作为ISAR成像任务的积累时间;
第四步,判断所选ISAR成像任务中第一个脉冲所占用的时间资源是否与成功调度ISAR成像任务的集合中所有ISAR成像任务占用的时间资源的交集是否为空集,若是,则执行第五步,否则,执行第七步,所述的所选ISAR成像任务中一个脉冲所占用的时间资源,是按照下式计算得到的:
[ik,ik+xk]∪[ik+xk+wk,ik+xk+wk+rk]
其中,ik表示第k个ISAR成像任务中一个脉冲的发射时刻,xk表示第k个ISAR成像任务的脉冲发射期,∪表示对集合求并集,wk表示第k个ISAR成像任务的脉冲等待期,rk表示第k个ISAR成像任务的脉冲接收期,所述的成功调度ISAR成像任务的集合是指:成功调度ISAR成像任务的集合包含当前成功调度的ISAR成像任务,所述的ISAR成像任务占用的时间资源是指:将ISAR成像任务中所有脉冲占用的时间资源的并集作为ISAR成像任务占用的时间资源;
第五步,以所选ISAR成像任务中第一个脉冲发射时刻为起始时刻,以所选ISAR成像任务的积累时间为时间长度,以所选ISAR成像任务的脉冲重复周期为时间间隔,生成所选ISAR成像任务中连续观测下的除第一个脉冲外所有脉冲的发射时刻,取所得的发射时刻中满足同一时刻不能执行多个任务这一约束条件的发射时刻,所述的发射时刻满足同一时刻不能执行多个任务这一约束条件是指:按照下式,以该发射时刻生成时间区间:
[c,c+xk]∪[c+xk+wk,c+xk+wk+rk]
其中,c为该发射时刻,判断所得的时间区间与成功调度ISAR成像任务的集合中所有ISAR成像任务占用的时间资源的交集是否为空集,若是,则该发射时刻满足同一时刻不能执行多个任务这一约束条件,否则,该发射时刻不满足同一时刻不能执行多个任务这一约束条件;
第六步,判断满足同一时刻不能执行多个任务这一约束条件的发射时刻的个数是否小于所选ISAR成像任务的方位向观测维度减1,若是,则执行第七步,否则,执行第八步;
第七步,将所选ISAR成像任务中第一个脉冲的发射时刻以一个步长时间1×10-4s延后,执行第三步;
第八步,对满足同一时刻不能执行多个任务这一约束条件的发射时刻进行随机采样,采样个数比所选ISAR成像任务的方位向观测维度少一个,将所有采样的时间作为所选ISAR成像任务中除第一个发射脉冲外其他发射脉冲的发射时刻;
第九步,按照下式,计算ISAR的能量消耗函数的第一个局部最大值:
E1=-Piτexp(-xi/τ)+Piτ
其中,E1表示ISAR的能量消耗函数的第一个局部最大值,Pi表示排序后的第一个脉冲发射的峰值功率,τ表示ISAR系统本身的回退参数,exp(·)表示以自然数e为底的指数操作,xi表示排序后的第一个脉冲的发射期,所述的逆合成孔径雷达ISAR的能量消耗函数,是按照下式计算得到的:
其中,t表示时间,E(t)表示ISAR在t时刻的能量消耗,x表示时间,P(x)表示ISAR在x时刻的功率,所述的排序后的脉冲是指:对所选ISAR成像任务中每个脉冲和成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲,按照脉冲的发射时刻从小到大进行排序,得到排序后的脉冲;
第十步,判断ISAR的能量消耗函数的第一个局部最大值是否小于等于ISAR系统本身的能量阈值,若是,则执行第十一步,否则,执行第十六步;
第十一步,按照下式,计算ISAR的能量消耗函数的下一个局部最大值:
Es+1=exp[((ts+xu)-(ts+1+xv))/τ]Es+τPv[1-exp(-ts+1/τ)]
其中,Es+1表示ISAR的能量消耗函数的第s+1个局部最大值,ts表示排序后的第s个脉冲的发射时刻,xu表示排序后第s个脉冲的发射期,ts+1表示排序后的第s+1个脉冲的发射时刻,xv表示排序后第s+1个脉冲的发射期,Es表示ISAR的能量消耗函数的第s个局部最大值,Pv表示排序后第s+1个脉冲发射的峰值功率;
第十二步,判断ISAR的能量消耗函数在下一个时间区间的最大值是否小于等于ISAR系统本身的能量阈值,若是,则执行第十三步,否则,执行第十五步;
第十三步,判断是否计算到ISAR的能量消耗函数的最后一个局部最大值,若是,则执行第十四步,否则,执行第十一步;
第十四步,在成功调度ISAR成像任务的集合中加入所选ISAR成像任务;
第十五步,判断是否选完当前调度序列中所有的ISAR成像任务,若是,则执行第一步,否则,分别得到成功调度ISAR成像任务的集合、成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻,执行第十六步;
第十六步,将成功调度ISAR成像任务的集合中每一个ISAR成像任务的优先级求和,将所得的和作为成功调度ISAR成像任务的集合的优先级和,将成功调度ISAR成像任务的集合中ISAR成像任务的个数除以ISAR成像任务的总数,将所得的商作为成功调度ISAR成像任务的集合的调度成功率,将成功调度ISAR成像任务的集合中的每一个ISAR成像任务的脉冲发射期与脉冲接收期之和与该ISAR成像任务的方位向观测维度相乘,对所得的积求和,将所得的和除以ISAR的调资源度时间区间的时间长度,将所得的商作为成功调度ISAR成像任务的集合的时间利用率;
第十七步,按照下式,计算成功调度ISAR成像任务的集合的评价值:
fn=a1A1+a2A2+a3A3
其中,fn表示当前调度序列的评价值,a1表示成功调度ISAR成像任务的集合的优先级和的权值,A1表示成功调度ISAR成像任务的集合的优先级和,a2表示成功调度ISAR成像任务的集合的调度成功率的权值,A2表示成功调度ISAR成像任务的集合的调度成功率,a3表示成功调度ISAR成像任务的集合的时间利用率的权值,A3表示成功调度ISAR成像任务的集合的时间利用率;
第十八步,将成功调度ISAR成像任务的集合的评价值作为当前调度序列的评价值。
3.根据权利要求1所述的针对ISAR成像基于遗传算法的资源调度方法,其特征在于,步骤(3c)和步骤(10)中所述查找更新方法的具体步骤如下:
第一步,从N个调度序列中依次选取未选过的一个调度序列作为当前调度序列;
第二步,判断当前调度序列的的评价值是否超过调度库中最高的调度序列的评价值,若是,执行第三步,否则执行第四步;
第三步,将调度库中成功调度ISAR成像任务的集合更新为当前调度序列的成功调度ISAR成像任务的集合,将调度库中成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻更新为当前调度序列的成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻;
第四步,判断调度库中是否存在当前调度序列,若是,则执行第五步,否则,执行第七步;
第五步,判断调度库中当前调度序列的评价值是否小于当前调度序列的评价值,若是,则执行第六步,否则,执行第八步;
第六步,将调度库中当前调度序列的评价值更新为当前调度序列的评价值,执第八行;
第七步,在调度库中调度序列中加入当前调度序列,在调度库中调度序列的评价值中加入当前调度序列的评价值;
第八步,判断N个调度序列中是否存在未选取的调度序列,若是,则执行第一步,否则,执行第九步;
第九步,完成更新调度库中调度序列、调度库中调度序列的评价值、调度库中成功调度ISAR成像任务的集合、调度库中成功调度ISAR成像任务的集合中每个ISAR成像任务中每个脉冲的发射时刻。
4.根据权利要求1所述的针对ISAR成像基于遗传算法的资源调度方法,其特征在于,步骤(4a)中所述搜索更新方法的具体步骤如下:
第一步,从N个调度序列中依次选取一个未选过的调度序列作为当前调度序列;
第二步,判断更新后调度库中是否不存在当前调度序列,若是,执行第三步,否则,执行第五步;
第三步,判断当前调度序列的评价值是否小于调度库中当前调度序列的评价值,若是,执行第四步,否则,执行第五步;
第四步,将当前调度序列的评价值更新为调度库中当前调度序列的评价值;
第五步,判断N个调度序列中是否存在未选取的调度序列,若是,则执行第一步,否则,完成更新每个当前调度序列的评价值。
5.根据权利要求1所述的针对ISAR成像基于遗传算法的资源调度方法,其特征在于,步骤(6)中所述单点交叉方法的具体步骤如下:
第一步,按照下式,计算每个基因序列被选取进行基因交叉的概率:
其中,表示第j个基因序列被选取进行基因交叉的概率,uj表示与第j个基因序列对应的调度序列的适应度值,∑·表示求和操作;
第二步,从N个基因序列中以每个基因序列被选取进行基因交叉的概率选取两个基因序列,在基因序列上随机选取一个码位,交换所选两个基因序列在所选码位后的码字,得到交叉后的基因序列;
第三步,判断选取基因序列的次数是否超过N/2,若是,则完成对N个基因序列的码字的基因交叉,否则,执行第二步。
6.根据权利要求1所述的针对ISAR成像基于遗传算法的资源调度方法,其特征在于,步骤(7)中所述自适应变异方法的具体步骤如下:
第一步,在N个交叉后基因序列中依次选取未选过的一个交叉后基因序列作为当前交叉后基因序列;
第二步,从当前交叉后基因序列中依次选取未选过的一个码字,将所选码字作为位置序号,将任务列表中在该位置序号上的ISAR成像任务,作为解码后调度序列中与所选码字对应的ISAR成像任务,同时从任务列表中删去该ISAR成像任务;
第三步,判断当前交叉后基因序列中是否存在未选取的码字,若是,则执行第二步,否则,执行第四步;
第四步,判断N个交叉后基因序列中是否存在未选取的交叉后基因序列,若是,则执行第一步,否则,执行第五步;
第五步,将N个解码后调度序列作为N个调度序列,执行步骤(2),直到得到每个调度序列的评价值后执行第六步;
第六步,按照下式,计算每个交叉后基因序列的码字进行基因变异的概率:
其中,表示第i个交叉后基因序列的码字进行基因变异的概率,qi表示与第i个交叉后基因序列对应的调度序列的适应度值;
第七步,从N个交叉后基因序列中依次选取未选过的一个交叉后基因序列,所选交叉后基因序列的每个码字以所选交叉后基因序列的码字进行基因变异的概率变为[1,K-i1+1]中的一个随机整数,其中,i1表示码字在该基因序列中的位置序号;
第八步,判断N个交叉后基因序列中是否存在未选取的交叉后基因序列,若是,则执行第七步,否则,完成对每个交叉后基因序列的码字进行基因变异。
7.根据权利要求1所述的针对ISAR成像基于遗传算法的资源调度方法,其特征在于,步骤(9)中所述遗传算法的终止数是指:在[20,100]范围内,根据遗传算法的收敛速度和遗传算法的执行时间所选取的一个值。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811504053.1A CN109634732B (zh) | 2018-12-10 | 2018-12-10 | 针对isar成像基于遗传算法的资源调度方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811504053.1A CN109634732B (zh) | 2018-12-10 | 2018-12-10 | 针对isar成像基于遗传算法的资源调度方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109634732A true CN109634732A (zh) | 2019-04-16 |
CN109634732B CN109634732B (zh) | 2022-10-04 |
Family
ID=66072324
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811504053.1A Active CN109634732B (zh) | 2018-12-10 | 2018-12-10 | 针对isar成像基于遗传算法的资源调度方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109634732B (zh) |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110209487A (zh) * | 2019-06-08 | 2019-09-06 | 西安电子科技大学 | 基于遗传算法的isar资源调度方法 |
CN114035910A (zh) * | 2020-09-09 | 2022-02-11 | 东华大学 | 一种缩短应急响应时间的双平行机调度方法 |
Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5329615A (en) * | 1990-09-14 | 1994-07-12 | Hughes Aircraft Company | Concurrent general purpose and DMA processing in a graphics rendering processor |
US20070005522A1 (en) * | 2005-06-06 | 2007-01-04 | Wren William E | Resource assignment optimization using direct encoding and genetic algorithms |
CN101356286A (zh) * | 2005-11-17 | 2009-01-28 | 英特利金遗传学有限公司 | 心血管病症的诊断和疗法 |
US20130009807A1 (en) * | 2011-07-07 | 2013-01-10 | Lamb Brian M | Apparatus & Method for Short Dwell Inverse Synthetic Aperture Radar (ISAR) Imaging of Turning Moving Vehicles |
CN105426578A (zh) * | 2015-11-03 | 2016-03-23 | 电子科技大学 | 一种基于遗传算法的mimo-sar面阵天线阵元位置优化方法 |
CN105976030A (zh) * | 2016-03-15 | 2016-09-28 | 武汉宝钢华中贸易有限公司 | 基于多智能体月台调度智能排序模型的构造 |
CN107843894A (zh) * | 2017-09-30 | 2018-03-27 | 中国人民解放军战略支援部队航天工程大学 | 一种复杂运动目标的isar成像方法 |
-
2018
- 2018-12-10 CN CN201811504053.1A patent/CN109634732B/zh active Active
Patent Citations (7)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US5329615A (en) * | 1990-09-14 | 1994-07-12 | Hughes Aircraft Company | Concurrent general purpose and DMA processing in a graphics rendering processor |
US20070005522A1 (en) * | 2005-06-06 | 2007-01-04 | Wren William E | Resource assignment optimization using direct encoding and genetic algorithms |
CN101356286A (zh) * | 2005-11-17 | 2009-01-28 | 英特利金遗传学有限公司 | 心血管病症的诊断和疗法 |
US20130009807A1 (en) * | 2011-07-07 | 2013-01-10 | Lamb Brian M | Apparatus & Method for Short Dwell Inverse Synthetic Aperture Radar (ISAR) Imaging of Turning Moving Vehicles |
CN105426578A (zh) * | 2015-11-03 | 2016-03-23 | 电子科技大学 | 一种基于遗传算法的mimo-sar面阵天线阵元位置优化方法 |
CN105976030A (zh) * | 2016-03-15 | 2016-09-28 | 武汉宝钢华中贸易有限公司 | 基于多智能体月台调度智能排序模型的构造 |
CN107843894A (zh) * | 2017-09-30 | 2018-03-27 | 中国人民解放军战略支援部队航天工程大学 | 一种复杂运动目标的isar成像方法 |
Non-Patent Citations (3)
Title |
---|
BAI XUERU ET AL: "A novel method for ISAR imaging of space debris using improved genetic algorithm", 《 2016 CIE INTERNATIONAL CONFERENCE ON RADAR (RADAR)》 * |
叶钒: "基于信号稀疏表示的ISAR目标特性增强技术", 《中国优秀硕士学位论文全文数据库》 * |
陈怡君等: "基于认知ISAR成像的相控阵雷达资源自适应调度", 《电子与信息学报》 * |
Cited By (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110209487A (zh) * | 2019-06-08 | 2019-09-06 | 西安电子科技大学 | 基于遗传算法的isar资源调度方法 |
CN110209487B (zh) * | 2019-06-08 | 2022-12-06 | 西安电子科技大学 | 基于遗传算法的isar资源调度方法 |
CN114035910A (zh) * | 2020-09-09 | 2022-02-11 | 东华大学 | 一种缩短应急响应时间的双平行机调度方法 |
CN114035910B (zh) * | 2020-09-09 | 2024-05-10 | 东华大学 | 一种缩短应急响应时间的双平行机调度方法 |
Also Published As
Publication number | Publication date |
---|---|
CN109634732B (zh) | 2022-10-04 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN106648852B (zh) | 基于双蚁群的多星任务调度方法和装置 | |
US11452077B2 (en) | Wireless network resource allocation method employing generative adversarial reinforcement learning | |
Ozcan et al. | Examination timetabling using late acceptance hyper-heuristics | |
Mei et al. | Decomposition-based memetic algorithm for multiobjective capacitated arc routing problem | |
CN106199579A (zh) | 分布式mimo雷达目标跟踪精度联合资源优化方法 | |
Liemhetcharat et al. | Modeling and learning synergy for team formation with heterogeneous agents | |
Tormos et al. | An efficient multi-pass heuristic for project scheduling with constrained resources | |
CN109634732A (zh) | 针对isar成像基于遗传算法的资源调度方法 | |
CN102760444B (zh) | 基于支撑向量机的基带时域音频信号分类方法 | |
CN106682820A (zh) | 一种基于脉冲交错的数字阵列雷达任务优化调度方法 | |
CN102959354A (zh) | 用于利用LiDAR数据来分析树冠层的方法和装置 | |
CN107589411B (zh) | 一种快速多目标信号合成方法 | |
CN103885876B (zh) | 测试方法及设备 | |
Ngatchou et al. | Distributed sensor placement with sequential particle swarm optimization | |
CN103902385B (zh) | 基于先验知识的相控阵雷达自适应任务调度方法 | |
CN114185362A (zh) | 一种基于郊狼信息熵的无人机集群任务动态分配方法 | |
Drake et al. | Modified choice function heuristic selection for the multidimensional knapsack problem | |
CN110209487A (zh) | 基于遗传算法的isar资源调度方法 | |
CN109961129A (zh) | 一种基于改进粒子群的海上静止目标搜寻方案生成方法 | |
CN112749804B (zh) | 基于遗传算法的相控阵雷达脉冲交错波束驻留调度算法 | |
CN104360339B (zh) | 激光雷达航带扫描边界识别方法及装置 | |
CN114154685A (zh) | 智能电网中电能数据调度方法 | |
Bagherinejad et al. | Solving the MRCPSP/max with the objective of minimizing tardiness/earliness cost of activities with double genetic algorithms | |
CN109190900A (zh) | 一种分布式约束优化模型求解agv调度系统任务分配的方法 | |
Grobler et al. | Investigating the impact of alternative evolutionary selection strategies on multi-method global optimization |
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 | ||
GR01 | Patent grant | ||
GR01 | Patent grant |