CN114239954B - 一种基于瓶颈规避的测控任务高效调度方法 - Google Patents

Abstract

本公开实施例是关于一种基于瓶颈规避的测控任务高效调度方法。该方法包括：基于待调度任务的各任务解空间，统计各资源分别被各任务占用的概率分布；根据统计各资源分别被各任务占用的概率分布，选定瓶颈资源的位置；根据瓶颈资源的位置，确定瓶颈任务；根据瓶颈任务，综合瓶颈任务自身的解的喜好程度，确定瓶颈任务的可行解；根据瓶颈任务的可行解，删除与可行解冲突的冲突解。本公开实施例利用随机概率模型，从全局出发描述“哪些任务易发生资源匹配失败，任务匹配哪个资源对后续待调度任务影响小”，将随机概率模型描述的全局信息，应用于例行任务调度先后顺序确定和解空间中可行解优选，从整体上提高资源调度效率。

Description

一种基于瓶颈规避的测控任务高效调度方法

技术领域

本公开涉及航天测控网调度技术领域，尤其涉及一种基于瓶颈规避的测控任务高效调度方法。

背景技术

随着各类面向通、导、遥的巨型星座逐渐由概念走向现实，低轨卫星遥测信号例行接收、卫星轨道例行测量和平台控制例行发令等任务数量急剧增加，地面测控资源紧张态势愈发明显，如何提高测控资源调度效率，满足尽可能多的测控任务，已成为航天测控工程领域的研究热点之一。

相关技术中，在实际低轨卫星例行测控任务调度中，目前主要采用规则匹配为主的启发式算法用于求解大规模调度问题，尽管计算复杂度低，但由于利用的全局信息较少，资源紧张时往往无法为所有任务分配到可用资源。学术领域讨论较多的遗传算法、禁忌算法等一般意义上的全局搜索算法，理论性能优良，但受制于计算复杂度，实际性能又很难保证。

因此，有必要提供一种新的技术方案改善上述方案中存在的一个或者多个问题。

需要说明的是，在上述背景技术部分公开的信息仅用于加强对本公开的背景的理解，因此可以包括不构成对本领域普通技术人员已知的现有技术的信息。

发明内容

本公开的目的在于提供一种基于瓶颈规避的测控任务高效调度方法，进而至少在一定程度上克服由于相关技术的限制和缺陷而导致的一个或者多个问题。

根据本公开实施例提供的一种基于瓶颈规避的测控任务高效调度方法，该方法包括：

基于待调度任务的各任务解空间，统计各资源分别被所述各任务占用的概率分布；

根据所述统计各资源分别被所述各任务占用的概率分布，选定瓶颈资源的位置；

根据所述瓶颈资源的位置，确定瓶颈任务；

根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解；

根据所述瓶颈任务的可行解，删除与所述可行解冲突的冲突解，更新所述各资源分别被剩余所述待调度任务中的所述各任务占用的概率分布。

本公开的实施例中，所述基于待调度任务的各任务解空间，统计各资源分别被所述各任务占用的概率分布的步骤包括：

基于待调度任务的各任务解空间，生成各时刻可能占用各资源的任务集合，统计所述各资源分别被所述任务集合中的所述各任务占用的概率，并计算所述各资源分别被所述任务集合中的所述各任务占用的概率和。

本公开的实施例中，所述根据所述统计各资源分别被所述各任务占用的概率分布，选定瓶颈资源的位置的步骤包括：

根据所述各资源被所述任务集合中的所述各任务占用的概率最大值，确定概率最大值对应的资源位置作为所述瓶颈资源的位置。

本公开的实施例中，所述根据所述瓶颈资源的位置，确定瓶颈任务的步骤包括：

根据所述各资源被所述各任务占用的概率最大值，确定概率最大值对应的任务为瓶颈任务。

本公开的实施例中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

对所述瓶颈任务的解空间的各个解进行逐个遍历；

根据所述瓶颈资源占用冲突约束，统计与所述各个解冲突的剩余待调度任务解集合。

本公开的实施例中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

根据任务关联约束，统计与所述各个解冲突的关联任务解集合。

本公开的实施例中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

根据剩余所述待调度任务解集合与所述关联任务解集合，统计所述待调度任务冲突解集合。

本公开的实施例中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

载入与所述瓶颈任务的解空间的所述各个解对应的任务喜好程度；

根据所述待调度任务冲突解集合和所述各个解对应的任务喜好程度计算该解的接受度。

本公开的实施例中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

将计算得到的所述各个解的接受度分别与当前已遍历得出的解的接受度最大值比较；

若所述各个解的接受度大于当前已遍历得出的解的接受度，则将所述各个解接受度的解作为瓶颈任务的可行解。

本公开的实施例中，所述更新所述各资源分别被剩余所述待调度任务中的所述各任务占用的概率分布的步骤包括：

更新所述各资源被剩余所述待调度任务中的所述各任务占用的概率，以及各资源被剩余所述待调度任务中的所述各任务占用的概率和。

本公开的实施例提供的技术方案可以包括以下有益效果：

本公开的一种实施例中，通过上述基于瓶颈规避的测控任务高效调度方法，采用现有规则匹配算法类似的启发式序贯调度结构，在保证大规模调度问题快速求解前提下，利用随机概率模型，从全局出发描述“哪些任务易发生资源匹配失败，任务匹配哪个资源对后续待调度任务影响小”，将随机概率模型描述的全局信息，应用于例行任务调度先后顺序确定和解空间中可行解优选，从整体上提高资源调度效率。与现有的优先级排序、可见资源紧张程度排序等启发式调度方法不同，该方法兼顾基于全局信息的任务调度顺序优选和任务可行解优选，避免先调度任务由于过分“贪婪”，抢夺从全局意义上更适合后续待调度任务的资源，影响任务调度总体成功率。与一般意义上启发式调度方法相比，本方法在兼顾运算时间效率的同时，可以获得更高的任务调度成功率，实际工程意义明显。

应当理解的是，以上的一般描述和后文的细节描述仅是示例性和解释性的，并不能限制本公开。

附图说明

此处的附图被并入说明书中并构成本说明书的一部分，示出了符合本公开的实施例，并与说明书一起用于解释本公开的原理。显而易见地，下面描述中的附图仅仅是本公开的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动的前提下，还可以根据这些附图获得其他的附图。

图1示意性示出本公开示例性实施例中基于瓶颈规避的测控任务高效调度方法的流程图；

图2示意性示出本公开示例性实施例中确定瓶颈任务可行解的流程图；

图3示意性示出本公开示例性实施例中实施1各任务占用资源概率累计和示意图；

图4示意性示出本公开示例性实施例中实施例1各任务占用瓶颈资源概率分布示意图；

图5示意性示出本公开示例性实施例中实施例1瓶颈任务解空间各解与其他任务冲突度示意图；

图6示意性示出本公开示例性实施例中实施例2各任务占用资源概率累计和示意图；

图7示意性示出本公开示例性实施例中实施例2各任务占用瓶颈资源概率分布示意图；

图8示意性示出本公开示例性实施例中实施例2瓶颈任务解空间各解与其他任务冲突度示意图。

具体实施方式

现在将参考附图更全面地描述示例实施方式。然而，示例实施方式能够以多种形式实施，且不应被理解为限于在此阐述的范例；相反，提供这些实施方式使得本公开将更加全面和完整，并将示例实施方式的构思全面地传达给本领域的技术人员。所描述的特征、结构或特性可以以任何合适的方式结合在一个或更多实施方式中。

此外，附图仅为本公开的示意性图解，并非一定是按比例绘制。图中相同的附图标记表示相同或类似的部分，因而将省略对它们的重复描述。附图中所示的一些方框图是功能实体，不一定必须与物理或逻辑上独立的实体相对应。

本示例实施方式中提供了一种基于瓶颈规避的测控任务高效调度方法，参考图1中所示，该方法可以包括：

步骤S100：基于待调度任务的各任务解空间，统计各资源分别被所述各任务占用的概率分布；

步骤S200：根据所述统计各资源分别被所述各任务占用的概率分布，选定瓶颈资源的位置；

步骤S300：根据所述瓶颈资源的位置，确定瓶颈任务；

步骤S400：根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解；

步骤S500：根据所述瓶颈任务的可行解，删除与所述可行解冲突的冲突解，更新所述各资源分别被剩余所述待调度任务中的所述各任务占用的概率分布。

通过上述基于瓶颈规避的测控任务高效调度方法，采用现有规则匹配算法类似的启发式序贯调度结构，在保证大规模调度问题快速求解前提下，利用随机概率模型，从全局出发描述“哪些任务易发生资源匹配失败，任务匹配哪个资源对后续待调度任务影响小”，将随机概率模型描述的全局信息，应用于例行任务调度先后顺序确定和解空间中可行解优选，从整体上提高资源调度效率。与现有的优先级排序、可见资源紧张程度排序等启发式调度方法不同，该方法兼顾基于全局信息的任务调度顺序优选和任务可行解优选，避免先调度任务由于过分“贪婪”，抢夺从全局意义上更适合后续待调度任务的资源，影响任务调度总体成功率。与一般意义上启发式调度方法相比，本方法在兼顾运算时间效率的同时，可以获得更高的任务调度成功率，实际工程意义明显。

下面，将参考图1至图2对本示例实施方式中的上述方法的各个步骤进行更详细的说明。

在步骤S100中，基于待调度任务的各任务解空间，统计各资源分别被所述各任务占用的概率分布。

可选的，在一些实施例中，所述基于待调度任务的各任务解空间，统计各资源分别被所述各任务占用的概率分布的步骤包括：

基于待调度任务的各任务解空间，生成各时刻可能占用各资源的任务集合，统计所述各资源分别被所述任务集合中的所述各任务占用的概率，并计算所述各资源分别被所述任务集合中的所述各任务占用的概率和。

具体的，在一个实施例中，已知待调度任务集合S＝{s_n}、n号任务s_n对应的解空间可选资源集合D＝{d_k}和调度时间区间[T_s,T_e]，首先以T_d为间隔将调度时间区间离散为系列时刻{T_m|T_m＝T_s+mT_d,T_s≤T_m≤T_e}，本实施例中T_d取值为1分钟；然后根据各任务解空间具体取值，生成各时刻T_m可能占用各设备d_k的任务集合/>中任一元素s_n，其解空间都存在一个或多个解需要在T_m时刻使用设备d_k，定义/>代表任务s_n解空间中在 T_m时刻使用设备d_k的解个数，设备d_k在T_m时刻被任务s_n使用的概率/>定义如公式(1)所示，I_n代表任务s_n解空间大小；最后，如公式(2)所示将所有任务在T_m时刻使用设备d_k的概率相加得到概率和/>代表了随机选择模型下，设备d_k在T_m时刻被任务占用的概率和。其中，设备代表资源。

在步骤S200中，根据所述统计各资源分别被所述各任务占用的概率分布，选定瓶颈资源的位置。

可选的，在一些实施例中，所述根据所述统计各资源分别被所述各任务占用的概率分布，选定瓶颈资源的位置的步骤包括：

根据所述各资源被所述任务集合中的所述各任务占用的概率最大值，确定概率最大值对应的资源位置作为所述瓶颈资源的位置。

具体的，在一个实施例中，搜索所有设备在所有时刻被任务占用的概率和最大值，最大值对应的位置代表了随机选择情况下，最容易发生资源使用冲突的位置，若该值为零，则退出调度算法迭代，若该值大于零，则定义该位置为瓶颈资源位置。

在步骤S300中，根据所述瓶颈资源的位置，确定瓶颈任务。

可选的，在一些实施例中，根据所述各资源被所述各任务占用的概率最大值，确定概率最大值对应的任务为瓶颈任务。

具体的，在一个实施例中，假设搜索得到的瓶颈资源位置在设备d_kb的 T_mb时刻，搜索该瓶颈资源位置对应的占用任务集中各元素s_n对应的/>最大值，定义该最大值对应的任务为瓶颈任务。

在步骤S400中，根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解。

具体的，假设搜索得出的瓶颈任务号为n_b，逐个遍历该瓶颈任务的解空间F_n，根据瓶颈资源占用冲突约束和任务关联约束确定与瓶颈任务该解冲突的其它待调度任务解，根据瓶颈任务对该解的喜好程度，以及选择该解将导致的其它待调度任务解空间减小情况，计算该解的接受度，然后与目前遍历得出的解接受度最大值比较，最终通过不断迭代，找出接受度最高的解作为瓶颈任务可行解。

下面将参考图2对步骤S400中的各部分进行描述。

可选的，在一些实施例中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

步骤S401：对所述瓶颈任务的解空间的各个解进行逐个遍历；

根据所述瓶颈资源占用冲突约束，统计与所述各个解冲突的剩余待调度任务解集合。

具体的，载入瓶颈任务的解空间F_n中第i号解对应的瓶颈资源占用集合 {o_j|o_j＝{k,m_s,m_e}}，o_j由占用资源号k，以1分钟为间隔离散后的瓶颈资源占用起始时刻m_s和瓶颈资源占用结束时刻m_e组成；根据瓶颈任务的解空间F_n中第i号解对应的瓶颈资源占用集合{o_j}，基于瓶颈资源占用冲突约束统计与该第i号解冲突的其它待调度任务解集合。

可选的，在一些实施例中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

步骤S402：根据任务关联约束，统计与所述各个解冲突的关联任务解集合。

具体的，根据瓶颈任务的解空间F_n中第i号解对应的瓶颈资源占用集合 {o_j}，基于任务间关联约束统计与该第i号解冲突的关联任务解集合。

可选的，在一些实施例中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

步骤S403：根据剩余所述待调度任务解集合与所述关联任务解集合，统计所述待调度任务冲突解集合。

具体的，根据第i号解冲突的其它待调度任务解集合和该第i号解冲突的关联任务解集合，得到的待调度任务冲突解集合，统计待调度任务中的各任务解空间中与瓶颈任第i号解存在冲突的解数量k代表待调度任务号。

可选的，在一些实施例中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

步骤S404：载入与所述瓶颈任务的解空间的所述各个解对应的任务喜好程度；

根据所述待调度任务冲突解集合和所述各个解对应的任务喜好程度计算该解的接受度。

具体的，载入瓶颈任务号n_b对第i号解的喜好程度f_i，定义的瓶颈任务解空间中各合法解对应的接受度表达式如公式(3)所示，不同解空间大小I_k对同样解空间缩小量的承受度不同，当I_k较小时，瓶颈任务选择第i号解对待调度任务k的冲击/>将急剧增大。接受度/>可根据优化目标不同，采用任务优先级进行加权或者修改冲击代价函数/>形式。

可选的，在一些实施例中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

步骤S405：将计算得到的所述各个解的接受度分别与当前已遍历得出的解的接受度最大值比较；

若所述各个解的接受度大于当前已遍历得出的解的接受度，则将所述各个解接受度的解作为瓶颈任务的可行解。

具体的，逐个计算瓶颈任务n_b解空间中合法解接受度比较得出接受度最大的解，该解就是当前瓶颈任务n_b的可行解/>

在步骤S500中，根据所述瓶颈任务的可行解，删除与所述可行解冲突的冲突解，更新所述各资源分别被剩余所述待调度任务中的所述各任务占用的概率分布。

具体的，根据当前瓶颈任务n_b选择的可行解导致的待调度任务冲突解集合，将冲突解集合中相应元素合法性标识设定为“非法”，后续瓶颈资源、瓶颈任务和瓶颈任务可行解计算时不再使用。迭代计算直至瓶颈资源搜索失败退出循环。

可选的，在一些实施例中，所述更新所述各资源分别被剩余所述待调度任务中的所述各任务占用的概率分布的步骤包括：

更新所述各资源被剩余所述待调度任务中的所述各任务占用的概率，以及各资源被剩余所述待调度任务中的所述各任务占用的概率和。

通过上述基于瓶颈规避的测控任务高效调度方法，采用现有规则匹配算法类似的启发式序贯调度结构，在保证大规模调度问题快速求解前提下，利用随机概率模型，从全局出发描述“哪些任务易发生资源匹配失败，任务匹配哪个资源对后续待调度任务影响小”，将随机概率模型描述的全局信息，应用于例行任务调度先后顺序确定和解空间中可行解优选，从整体上提高资源调度效率。与现有的优先级排序、可见资源紧张程度排序等启发式调度方法不同，该方法兼顾基于全局信息的任务调度顺序优选和任务可行解优选，避免先调度任务由于过分“贪婪”，抢夺从全局意义上更适合后续待调度任务的资源，影响任务调度总体成功率。与一般意义上启发式调度方法相比，本方法在兼顾运算时间效率的同时，可以获得更高的任务调度成功率，实际工程意义明显。

下面从实施例1、实施例2对基于瓶颈规避的测控任务高效调度方法进行进一步阐述。

实施例1如图1和图2所示，实施例1包括：载入调度场景，场景包含2个无关联子任务，表1列出了子任务解空间示意，任一测控任务解均由占用设备名称、占用时间段、解接受度共3个要素组成，各子任务解空间，可通过一般意义上的预处理方法基于任务需求、设备功能、可见预报等基本信息生成。

表1典型无关联约束子任务解空间

S100，基于待调度任务的各任务解空间，统计各资源分别被所述各任务占用的概率分布；

表2为典型无关联约束子任务解时间离散结果和各解随机选择概率。以1分钟为间隔对可行解占用设备时间段进行离散化，时间段离散化时，对开始时间采用“只舍不进”方式以分钟为单位进行取整，对结束时间采用“只进不舍”方向进行取整；然后按公式(1)和(2)，得出如图3所示的各设备在不同时刻被占用概率累积，图中横轴对应的零点对应2020-01-01 08:00。

表2典型无关联约束子任务解时间离散结果和各解随机选择概率

S200，根据所述统计各资源分别被所述各任务占用的概率分布，选定瓶颈资源的位置；

实施例1中，根据图3给出的资源被任务占用概率和，搜索概率和最大值对应的位置，得出瓶颈时刻出现在设备7的10:03～10:06之间(对应图中 123～126分)。

S300，根据所述瓶颈资源的位置，确定瓶颈任务；

图4给出了瓶颈资源被任务1和任务2占用的概率分布，对比得出结论，在10:03～10:06之间，任务1占用瓶颈资源更多，该任务为瓶颈任务。

S400，根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解；

图5给出了任务1选择不同解导致的任务2解空间减少量，结合表1给出的任务1对自身解空间中各解喜好程度，按公式(3)给出的解接受度计算方式，得出解1为任务1最佳可行解。

S105，根据所述瓶颈任务的可行解，删除与所述可行解冲突的冲突解，更新所述各资源分别被剩余所述待调度任务中的所述各任务占用的概率分布。

具体的，根据当前瓶颈任务n_b选择的可行解导致的待调度任务冲突解集合，将冲突解集合中相应元素合法性标识设定为“非法”，后续瓶颈资源、瓶颈任务和瓶颈任务可行解计算时不再使用。由于任务1的解1和任务2 解空间中所有解都不存在冲突，迭代计算为任务2分配资源。

实施例2

实施例2与实施例1的步骤基本相同，主要不同点位调度场景对应的部分子任务间存在关联关系。

场景对应200颗低轨卫星和19套地面设备，测控需求主要分为单星测控和星座测控2类，调度周期为7天，对应的子任务数共计2959个，

载入调度场景，场景包含3个子任务，其中，子任务1和子任务2存在关联。其中，表3为典型关联约束子任务解空间

表3典型关联约束子任务解空间

/>

S100～S300实施步骤与上述实施例1完全相同，图6和图7分别给出了相应的概率累积和，以及各任务占用瓶颈资源情况，瓶颈资源和瓶颈任务判定结果与实施例1相同。

S400，根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解；

与实施例1相比，子任务1的解1不再是最佳解，在关联约束下，选择该解将导致子任务2解空间中所有解均变成非法解，图8给出了任务1选择不同解导致的任务2和任务3解空间减少量。由于解2、解3、解4和解5 接受度均相同，实施例2随机选择其中一个解作为最佳解，实际系统实现时可以配合其它优化准则进行进一步筛选。

S500实施步骤与上述实施例1完全相同。

在本说明书的描述中，参考术语“一个实施例”、“一些实施例”、“示例”、“具体示例”、或“一些示例”等的描述意指结合该实施例或示例描述的具体特征、结构、材料或者特点包含于本公开的至少一个实施例或示例中。在本说明书中，对上述术语的示意性表述不必须针对的是相同的实施例或示例。而且，描述的具体特征、结构、材料或者特点可以在任何的一个或多个实施例或示例中以合适的方式结合。此外，本领域的技术人员可以将本说明书中描述的不同实施例或示例进行接合和组合。本领域技术人员在考虑说明书及实践这里公开的发明后，将容易想到本公开的其它实施方案。本申请旨在涵盖本公开的任何变型、用途或者适应性变化，这些变型、用途或者适应性变化遵循本公开的一般性原理并包括本公开未公开的本技术领域中的公知常识或惯用技术手段。说明书和实施例仅被视为示例性的，本公开的真正范围和精神由所附的权利要求指出。

Claims (5)

1.一种基于瓶颈规避的测控任务高效调度方法，其特征在于，该方法包括：

基于待调度任务的各任务解空间，统计各资源分别被所述各任务占用的概率分布；

根据所述统计各资源分别被所述各任务占用的概率分布，选定瓶颈资源的位置；

根据所述瓶颈资源的位置，确定瓶颈任务；

根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解；其中，所述根据所述瓶颈任务，综合所述瓶颈任务自身的解的喜好程度，确定所述瓶颈任务的可行解的步骤还包括：

对所述瓶颈任务的解空间的各个解进行逐个遍历；

根据所述瓶颈资源占用冲突约束，统计与所述各个解冲突的剩余待调度任务解集合；

根据任务关联约束，统计与所述各个解冲突的关联任务解集合；

根据剩余所述待调度任务解集合与所述关联任务解集合，统计待调度任务冲突解集合；

载入与所述瓶颈任务的解空间的所述各个解对应的任务喜好程度；

根据所述待调度任务冲突解集合和所述各个解对应的任务喜好程度计算该解的接受度；

将计算得到的所述各个解的接受度分别与当前已遍历得出的解的接受度最大值比较；

若所述各个解的接受度大于当前已遍历得出的解的接受度，则将所述各个解接受度的解作为瓶颈任务的可行解；

根据所述瓶颈任务的可行解，删除与所述可行解冲突的冲突解，更新所述各资源分别被剩余所述待调度任务中的所述各任务占用的概率分布。

2.根据权利要求1所述方法，其特征在于，所述基于待调度任务的各任务解空间，统计各资源分别被所述各任务占用的概率分布的步骤包括：

基于待调度任务的各任务解空间，生成各时刻可能占用各资源的任务集合，统计所述各资源分别被所述任务集合中的所述各任务占用的概率，并计算所述各资源分别被所述任务集合中的所述各任务占用的概率和。

3.根据权利要求2所述方法，其特征在于，所述根据所述统计各资源分别被所述各任务占用的概率分布，选定瓶颈资源的位置的步骤包括：

根据所述各资源被所述任务集合中的所述各任务占用的概率最大值，确定概率最大值对应的资源位置作为所述瓶颈资源的位置。

4.根据权利要求3所述方法，其特征在于，所述根据所述瓶颈资源的位置，确定瓶颈任务的步骤包括：

根据所述各资源被所述各任务占用的概率最大值，确定概率最大值对应的任务为瓶颈任务。

5.根据权利要求1所述方法，其特征在于，所述更新所述各资源分别被剩余所述待调度任务中的所述各任务占用的概率分布的步骤包括：

更新所述各资源被剩余所述待调度任务中的所述各任务占用的概率，以及各资源被剩余所述待调度任务中的所述各任务占用的概率和。