CN117041040B - 一种基于智能调度算法的指挥中心分布式布局系统 - Google Patents

一种基于智能调度算法的指挥中心分布式布局系统 Download PDF

Info

Publication number
CN117041040B
CN117041040B CN202311028184.8A CN202311028184A CN117041040B CN 117041040 B CN117041040 B CN 117041040B CN 202311028184 A CN202311028184 A CN 202311028184A CN 117041040 B CN117041040 B CN 117041040B
Authority
CN
China
Prior art keywords
sub
site
command center
module
demand
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.)
Active
Application number
CN202311028184.8A
Other languages
English (en)
Other versions
CN117041040A (zh
Inventor
韩喜国
王新
黄刚
常志伟
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Ningxia Longhe Technology Co ltd
Original Assignee
Ningxia Longhe Technology Co ltd
Priority date (The priority date 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 date listed.)
Filing date
Publication date
Application filed by Ningxia Longhe Technology Co ltd filed Critical Ningxia Longhe Technology Co ltd
Priority to CN202311028184.8A priority Critical patent/CN117041040B/zh
Publication of CN117041040A publication Critical patent/CN117041040A/zh
Application granted granted Critical
Publication of CN117041040B publication Critical patent/CN117041040B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/08—Configuration management of networks or network elements
    • H04L41/0803—Configuration setting
    • 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
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L41/00—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks
    • H04L41/16—Arrangements for maintenance, administration or management of data switching networks, e.g. of packet switching networks using machine learning or artificial intelligence
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L63/00—Network architectures or network communication protocols for network security
    • H04L63/04—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks
    • H04L63/0428—Network architectures or network communication protocols for network security for providing a confidential data exchange among entities communicating through data packet networks wherein the data content is protected, e.g. by encrypting or encapsulating the payload
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1001—Protocols in which an application is distributed across nodes in the network for accessing one among a plurality of replicated servers
    • H04L67/1004—Server selection for load balancing
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/01—Protocols
    • H04L67/10—Protocols in which an application is distributed across nodes in the network
    • H04L67/1097—Protocols in which an application is distributed across nodes in the network for distributed storage of data in networks, e.g. transport arrangements for network file system [NFS], storage area networks [SAN] or network attached storage [NAS]
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L67/00—Network arrangements or protocols for supporting network services or applications
    • H04L67/50—Network services
    • H04L67/60—Scheduling or organising the servicing of application requests, e.g. requests for application data transmissions using the analysis and optimisation of the required network resources
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04L—TRANSMISSION OF DIGITAL INFORMATION, e.g. TELEGRAPHIC COMMUNICATION
    • H04L69/00—Network arrangements, protocols or services independent of the application payload and not provided for in the other groups of this subclass
    • H04L69/16—Implementation or adaptation of Internet protocol [IP], of transmission control protocol [TCP] or of user datagram protocol [UDP]
    • H04L69/161—Implementation details of TCP/IP or UDP/IP stack architecture; Specification of modified or new header fields
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W16/00—Network planning, e.g. coverage or traffic planning tools; Network deployment, e.g. resource partitioning or cells structures
    • H04W16/18—Network planning tools
    • H—ELECTRICITY
    • H04—ELECTRIC COMMUNICATION TECHNIQUE
    • H04W—WIRELESS COMMUNICATION NETWORKS
    • H04W24/00—Supervisory, monitoring or testing arrangements
    • H04W24/02—Arrangements for optimising operational condition

Landscapes

  • Engineering & Computer Science (AREA)
  • Computer Networks & Wireless Communication (AREA)
  • Signal Processing (AREA)
  • Business, Economics & Management (AREA)
  • Human Resources & Organizations (AREA)
  • Computer Security & Cryptography (AREA)
  • Strategic Management (AREA)
  • Entrepreneurship & Innovation (AREA)
  • Economics (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Development Economics (AREA)
  • Databases & Information Systems (AREA)
  • Educational Administration (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Game Theory and Decision Science (AREA)
  • Computer Hardware Design (AREA)
  • Marketing (AREA)
  • Operations Research (AREA)
  • Quality & Reliability (AREA)
  • Tourism & Hospitality (AREA)
  • Physics & Mathematics (AREA)
  • General Business, Economics & Management (AREA)
  • General Physics & Mathematics (AREA)
  • Theoretical Computer Science (AREA)
  • Mobile Radio Communication Systems (AREA)
  • Management, Administration, Business Operations System, And Electronic Commerce (AREA)

Abstract

一种基于智能调度算法的指挥中心分布式布局系统，包括布局配置模块，子站点分布模块，系统监控模块，通信传输模块，资源调度算法模块，系统储存模块；本发明提出的一种基于智能调度算法的指挥中心分布式布局系统，设置总指挥中心，再利用多目标决策，进行子站点的布局，通过智能调度算法，对子站点资源调配进行规划。

Description

一种基于智能调度算法的指挥中心分布式布局系统
技术领域
本发明涉及智能布局领域，具体地说，涉及一种基于智能调度算法的指挥中心分布式布局系统。
背景技术
随着信息技术的迅猛发展和社会的进步，指挥中心在各种领域中起着至关重要的作用。无论是应急指挥、交通管理、安全监控还是企业指挥等，都需要一个高效、灵活和智能的指挥中心来实现资源协调、决策支持和信息交流等功能，但目前的指挥中心存在一些问题，限制了其在应对复杂场景和任务中的灵活性和效能，传统的指挥中心布局往往无法灵活适应不同的场景和需求，指挥中心无法覆盖大范围的需求，导致资源的利用率往往较低，无法充分满足实际需求，缺乏对资源调度的优化和动态调整，导致响应速度较慢，指挥决策不及时、不合理。因此本发明提出一种基于智能调度算法的指挥中心分布式布局系统。通过智能调度算法和分布式布局技术，对指挥中心进行分布式布局，扩大影响范围，再利用智能调度算法，优化资源的调配，提高资源的利用率和响应速度，有利于指挥中心做出更加合理的决策。
发明内容
本发明的目的在于提供一种基于智能调度算法的指挥中心分布式布局系统，以解决上述背景技术中提出的问题。
为了实现上述目的，本发明提出一种基于智能调度算法的指挥中心分布式布局系统，包括布局配置模块、子站点分布模块、系统监控模块、通信传输模块、资源调度算法模块、决策指挥模块、系统储存模块；布局配置模块设计指挥中心的布局，设置前端指挥大厅和后端决策大厅；子站点分布模块通过多目标决策，利用智能调度算法进行子站点布局安排，提出改进的遗传算法进行求解；系统监控模块利用摄像头进行周围环境和外部环境的观察；通信传输模块通过安装通信设备，采用TCP/IP协议，进行信息的通信传播；资源调度算法模块采用智能调度算法，构建智能调度模型，提出改进的多目标算法，进行寻优，进行资源调度规划；系统储存模块将数据进行硬盘阵列储存和云储存备份。
进一步的，所述布局配置模块，在指挥中心设置前端指挥大厅、后端决策大厅，在前端指挥大厅安装巨型显示屏进行多媒体展示，多媒体信号通过安装的通信部件进行实时传输，在后端决策大厅进行开会、决策，在前端指挥大厅进行决策的实施和监控。
进一步的，所述子站点分布模块，通过多目标决策，利用智能调度算法，构建子站点分布模型，提出改进的遗传算法，进行求解，根据结果进行子站点的布置，详细过程如下：
指挥中心服务任意需求点，定义需求点XI，表示为XI＝[x1,x2,…,xi,…,xm]，x1、x2、xi、xm表示为第1个，第2个、第i个、第m个需求点，定义子站点ZN，表示为ZN＝[z1,z2,…,zi,…,zn]，其中z1、z2、zi、zn分别表示为第1个，第2个、第i个、第n个子站点，每个子站点可调配的资源数为分别表示第1个，第2个、第i个、第n个子站点可调配的资源数，定义需求点xi的满意度/>公式如下：
表示需求点xi的需求量，γi表示子站点zi可调配资源数对需求点xi的调配系数，/>表示子站点zi和需求点xi之间的延迟时间，/>表示需求点xi可允许的最大延迟时间，定义子站点zi的负载度/>公式如下：
表示在子站点zi和需求点xi之间进行资源调配的单位资源调配的负载值，表示在子站点zi和需求点xi之间资源调配消耗率，基于遗传算法，对函数进行求解，进行全局搜索，基于遗传算法，利用多级参数编码对解空间的数据进行编码，定义遗传算法中染色体AK为多级参数向量，表示为AK＝[a1,a2,…,ak,…,an]，a1、a2、ak、an表示为第1个、第2个、第k个、第n个染色体；基于遗传算法，随机产生N个初始串数据结构，作为N个个体构成群体；基于遗传算法，构建适应度函数，公式如下：
μa、μb表示适应度函数权重，基于适应度函数构建选择策略，从初始群体中挑选优良个体组成新的群体，第i个个体被选中的概率pi为：
Ui表示群体中第i个个体的适应度函数值，基于遗传算法，提出对位交叉法进行种群中个体的交叉进化，公式如下：
a′k,j＝∑bk·ak,j
a′k,j表示第k个染色体上第j个位置的交叉进化值，ak,j表示第k个染色体上第j个位置的值，bk表示进化随机数，bk取0到1且∑bk＝1，对种群进行n×N次交叉进化，得到全局最优解，根据全局最优解进行子站点布局。本发明利用多目标决策，构建子站点布局决策模型，采用智能调度算法，提出改进的遗传算法求解，进行子站点布局设置，采用此方法设置的子站点，相对于传统的方法，布局更加合理，有利于子站点资源配置任务的安排。
进一步的，所述系统监控模块，通过在指挥中心及子站点和需求点和随机点处安装摄像头，利用摄像头对指挥中心、子站点、需求点、随机点进行监控，获取各区域实时的图像数据，通过通信传输至指挥中心，在指挥中心巨型显示屏进行多媒体展示，让用户实时了解区域具体情况，便于进行指挥决策。
进一步的，所述通信传输模块，通过安装的网络交换机、路由器、无线接入点，配置和管理通信设备的参数，采用TCP/IP协议，进行多媒体数据和决策数据在指挥中心各站点和人员之间的传输，且通过SSL协议，对数据的传播过程进行加密。
进一步的，所述资源调度算法模块，采用智能调度算法，构建智能调度模型，提出改进的多目标算法，进行模型寻优，详细过程如下：
定义每个需求点的需求量，表示为 表示为第1个，第2个、第i个、第m个需求点的资源需求量，每个子站点负责相应的需求点，定义参数/>表示是否指挥子站点zi向需求点xi调派资源，当进行调配时/>不进行调配时/>通过智能调度算法构建智能调度模型，利用不同站点对不同的需求点进行资源调配有着不同的负载度，建立子站点资源调配负载限制函数D，公式如下：
提出改进的多目标算法，对子站点资源调配负载限制函数进行寻优，根据寻优结果进行子站点任务分配，根据各子站点的负载度，构建初始数据向量，初始向量数量为M，向量的各个值代表子站点的负载度，提出非支配排序将初始向量分配至不同非支配层，构建解的理想点y*，公式如下：
分别表示第i个初始向量第1个位置的数、表示第i个初始向量第2个位置的数、表示第i个初始向量第j个位置的数、表示第i个初始向量第n个位置的数，基于理想点，转化目标函数，公式如下：
y′i＝yi-y*
y′i表示第i个转换目标，yi表示第i个初始向量，将解空间的零点设置在理想点，计算极值点，公式如下：
G(y′i,ωi)＝argmin(max(y′i./ωi))
ωi表示一个向量，其中只有一点为1，其余数值为10-10，./表示向量中对应点除，G(·)表示极值点计算函数，遍历所有函数，得到数值最小的向量，根据具体函数值，得到对应坐标的截距进行归一化，公式如下：
εi表示截距，y″i表示归一化值，再对每个解向量与参考点进行关联，依据归一化值选取解向量加入下一代迭代向量中，再进行上述步骤，迭代n×N后，得到各子站点负载度最优值，根据负载度，进行子站点资源调配的任务分配。本发明采用智能调度算法，构建智能调度模型，提出改进的多目标算法进行函数寻优，进行子站点调配任务的安排，相对于传统方法，子站点布局进行了优化，进一步能够保证在负载度限制下所以需求点的需求量得到保证，所有的子站点任务安排进一步的得到优化，不进行过多负载，避免需求点得不到需求的问题发生。
进一步的，所述系统储存模块，通过硬盘阵列进行指挥中心运行数据的储存，包括实时监控数据、设备状态数据、事件记录、操作记录，以便后续的查询和分析，再通过云储存技术，对数据进行云端备份，保证数据的安全性。
有益效果：
本发明提出一种基于智能调度算法的指挥中心分布式布局系统，包括布局配置模块、子站点分布模块、系统监控模块、通信传输模块、资源调度算法模块、系统储存模块；布局配置模块设计指挥中心的布局，将指挥中心分为前端指挥大厅和后端决策大厅；子站点分布模块通过多目标决策，利用智能调度算法，提出改进的遗传算法，进行子站点布局安排，相对于传统的布局方法，本发明提出的布局方法使子站点布局更加合理，扩大了指挥中心的影响范围，有利于资源调配中的任务安排；系统监控模块利用摄像头进行周围环境和外部环境的观察；通信传输模块通过安装通信设备，采用TCP/IP协议，进行信息的通信传播；资源调度算法模块采用智能调度算法，构建智能调度模型，提出改进的多目标算法进行函数寻优，进行资源调度规划，本发明提出的资源调度方法，相对于传统的资源调度方法，任务安排更加快速，任务冗余，负载过大，资源调配不及时的问题发生的次数大大降低，提高资源的利用率和响应速度；系统储存模块将数据进行硬盘阵列储存，、且利用云储存技术，对数据进行备份。本发明提出的种基于智能调度算法的指挥中心分布式布局系统，通过智能调度算法的应用，系统能够实现指挥中心的动态布局配置和资源调度，提高资源利用率。合理分配和调度指挥室、工作站和通信设备等资源，确保资源的充分利用，减少资源的闲置和浪费。系统能够根据实时需求和优化目标，快速分配和调度资源，实现指挥中心的快速响应。通过智能调度算法的优化和实时监控，能够快速适应任务需求的变化，减少响应时间，提高指挥中心的处理能力和决策效果。系统采用分布式布局架构，指挥中心配合多个子站点，通过高效的通信传输实现数据的传播和协同工作。子站点之间能够实时交流和协同操作，提高指挥中心的协同能力和决策效率，加强团队间的合作和信息共享。
附图说明
利用附图对发明创造作进一步说明，但附图中的实施例不构成对本发明创造的任何限制，对于本领域的普通技术人员，在不付出创造性劳动的前提下，还可以根据以下附图获得其它的附图。
图1是本发明结构示意图。
具体实施方式
结合以下实例对本发明作进一步描述。
参见图1，本发明的目的在于提供一种基于智能调度算法的指挥中心分布式布局系统，以解决上述背景技术中提出的问题。
为了实现上述目的，本发明提出一种基于智能调度算法的指挥中心分布式布局系统，包括布局配置模块、子站点分布模块、系统监控模块、通信传输模块、资源调度算法模块、决策指挥模块、系统储存模块；布局配置模块设计指挥中心的布局，设置前端指挥大厅和后端决策大厅；子站点分布模块通过多目标决策，利用智能调度算法进行子站点布局安排，提出改进的遗传算法进行求解；系统监控模块利用摄像头进行周围环境和外部环境的观察；通信传输模块通过安装通信设备，采用TCP/IP协议，进行信息的通信传播；资源调度算法模块采用智能调度算法，构建智能调度模型，提出改进的多目标算法，进行寻优，进行资源调度规划；系统储存模块将数据进行硬盘阵列储存和云储存备份。
具体的，所述布局配置模块，在指挥中心设置前端指挥大厅、后端决策大厅，在前端指挥大厅安装巨型显示屏进行多媒体展示，多媒体信号通过安装的通信部件进行实时传输，在后端决策大厅进行开会、决策，在前端指挥大厅进行决策的实施和监控。
具体的，所述子站点分布模块，通过多目标决策，利用智能调度算法，构建子站点分布模型，提出改进的遗传算法，进行求解，根据结果进行子站点的布置，详细过程如下：
指挥中心服务任意需求点，定义需求点XI，表示为XI＝[x1,x2,…,xi,…,xm]，x1、x2、xi、xm表示为第1个，第2个、第i个、第m个需求点，定义子站点ZN，表示为ZN＝[z1,z2,…,zi,…,zn]，其中z1、z2、zi、zn分别表示为第1个，第2个、第i个、第n个子站点，每个子站点可调配的资源数为分别表示第1个，第2个、第i个、第n个子站点可调配的资源数，定义需求点xi的满意度/>公式如下：
rxi表示需求点xi的需求量，γi表示子站点zi可调配资源数对需求点xi的调配系数，表示子站点zi和需求点xi之间的延迟时间，/>表示需求点xi可允许的最大延迟时间，定义子站点zi的负载度/>公式如下：
表示在子站点zi和需求点xi之间进行资源调配的单位资源调配的负载值，表示在子站点zi和需求点xi之间资源调配消耗率，基于遗传算法，对函数进行求解，进行全局搜索，基于遗传算法，利用多级参数编码对解空间的数据进行编码，定义遗传算法中染色体AK为多级参数向量，表示为AK＝[a1,a2,…,ak,…,an]，a1、a2、ak、an表示为第1个、第2个、第k个、第n个染色体；基于遗传算法，随机产生N个初始串数据结构，作为N个个体构成群体；基于遗传算法，构建适应度函数，公式如下：
μa、μb表示适应度函数权重，基于适应度函数构建选择策略，从初始群体中挑选优良个体组成新的群体，第i个个体被选中的概率pi为：
Ui表示群体中第i个个体的适应度函数值，基于遗传算法，提出对位交叉法进行种群中个体的交叉进化，公式如下：
a′k,j＝∑bk·ak,j
a′k,j表示第k个染色体上第j个位置的交叉进化值，ak,j表示第k个染色体上第j个位置的值，bk表示进化随机数，bk取0到1且∑bk＝1，对种群进行n×N次交叉进化，得到全局最优解，根据全局最优解进行子站点布局。在具体实施例中，选择十个地块进行实施例子站点布局：
a.对地块进行需求点规划；
b.对地块可允许建设的子站点进行可调配资源数分配；
c.基于需求点的满意度和子站点的负载度，构建适应度函数；
d.基于改进型的遗传算法，进行全局最优解寻优，根据结果进行子站点的布局；
采用本发明提出的子站点布局方法得到的布局结果，有着更合理的子站点布局，每个子站点对需求点有着更大的覆盖范围，能够实现所有需求点的满意度在较高的水平下，更有利于资源调配任务的安排。
具体的，所述系统监控模块，通过在指挥中心及子站点和需求点和随机点处安装摄像头，利用摄像头对指挥中心、子站点、需求点、随机点进行监控，获取各区域实时的图像数据，通过通信传输至指挥中心，在指挥中心巨型显示屏进行多媒体展示，让用户实时了解区域具体情况，便于进行指挥决策。
具体的，所述通信传输模块，通过安装的网络交换机、路由器、无线接入点，配置和管理通信设备的参数，采用TCP/IP协议，进行多媒体数据和决策数据在指挥中心各站点和人员之间的传输，且通过SSL协议，对数据的传播过程进行加密。
具体的，所述资源调度算法模块，采用智能调度算法，构建智能调度模型，提出改进的多目标算法，进行模型寻优，详细过程如下：
定义每个需求点的需求量，表示为 表示为第1个，第2个、第i个、第m个需求点的资源需求量，每个子站点负责相应的需求点，定义参数/>表示是否指挥子站点zi向需求点xi调派资源，当进行调配时/>不进行调配时/>通过智能调度算法构建智能调度模型，利用不同站点对不同的需求点进行资源调配有着不同的负载度，建立子站点资源调配负载限制函数D，公式如下：
提出改进的多目标算法，对子站点资源调配负载限制函数进行寻优，根据寻优结果进行子站点任务分配，根据各子站点的负载度，构建初始数据向量，初始向量数量为M，向量的各个值代表子站点的负载度，提出非支配排序将初始向量分配至不同非支配层，构建解的理想点y*，公式如下：
分别表示第i个初始向量第1个位置的数、表示第i个初始向量第2个位置的数、表示第i个初始向量第j个位置的数、表示第i个初始向量第n个位置的数，基于理想点，转化目标函数，公式如下：
y′i＝yi-y*
y′i表示第i个转换目标，yi表示第i个初始向量，将解空间的零点设置在理想点，计算极值点，公式如下：
G(y′i,ωi)＝argmin(max(y′i./ωi))
ωi表示一个向量，其中只有一点为1，其余数值为10-10，./表示向量中对应点除，G(·)表示极值点计算函数，遍历所有函数，得到数值最小的向量，根据具体函数值，得到对应坐标的截距进行归一化，公式如下：
εi表示截距，y″i表示归一化值，再对每个解向量与参考点进行关联，依据归一化值选取解向量加入下一代迭代向量中，再进行上述步骤，迭代n×N后，得到各子站点负载度最优值，根据负载度，进行子站点资源调配的任务分配。在具体实施例中，采用进行子站点布局的十个地块，利用本发明提出的资源调配任务安排方法：
a.对需求点的需求量进行估计定义；
b.构建子站点资源调配负载限制函数；
c.提出改进的多目标算法，对子站点资源调配负载限制函数进行寻优，根据寻优结果进行子站点任务分配；
采用本发明提出的资源调配任务安排方法，能够在不同需求点的不同需求量的复杂情况下，快速合理的进行资源调配任务安排，任务安排更加快速合理，任务冗余，负载过大，资源调配不及时、子站点资源调配不合理的问题大大降低。
具体的，所述系统储存模块，通过硬盘阵列进行指挥中心运行数据的储存，包括实时监控数据、设备状态数据、事件记录、操作记录，以便后续的查询和分析，再通过云储存技术，对数据进行云端备份，保证数据的安全性。
有益效果：
本发明提出一种基于智能调度算法的指挥中心分布式布局系统，包括布局配置模块、子站点分布模块、系统监控模块、通信传输模块、资源调度算法模块、系统储存模块；布局配置模块设计指挥中心的布局，将指挥中心分为前端指挥大厅和后端决策大厅；子站点分布模块通过多目标决策，利用智能调度算法，进行子站点布局安排，相对于传统的布局方法，本发明提出的布局方法使子站点布局更加合理，扩大了指挥中心的影响范围，有利于资源调配中的任务安排；系统监控模块利用摄像头进行周围环境和外部环境的观察；通信传输模块通过安装通信设备，采用TCP/IP协议，进行信息的通信传播；资源调度算法模块采用智能调度算法，构建智能调度模型，利用遗传算法求解，进行资源调度规划，本发明提出的资源调度方法，相对于传统的资源调度方法，任务安排更加快速，任务冗余，负载过大，资源调配不及时的问题发生的次数大大降低，提高资源的利用率和响应速度；系统储存模块将数据进行硬盘阵列储存，、且利用云储存技术，对数据进行备份。本发明提出的种基于智能调度算法的指挥中心分布式布局系统，通过智能调度算法的应用，系统能够实现指挥中心的动态布局配置和资源调度，提高资源利用率。合理分配和调度指挥室、工作站和通信设备等资源，确保资源的充分利用，减少资源的闲置和浪费。系统能够根据实时需求和优化目标，快速分配和调度资源，实现指挥中心的快速响应。通过智能调度算法的优化和实时监控，能够快速适应任务需求的变化，减少响应时间，提高指挥中心的处理能力和决策效果。系统采用分布式布局架构，指挥中心配合多个子站点，通过高效的通信传输实现数据的传播和协同工作。子站点之间能够实时交流和协同操作，提高指挥中心的协同能力和决策效率，加强团队间的合作和信息共享。
本发明还提供了一种计算机可读存储介质，该存储介质中存储有至少一条指令，该指令由处理器加载并执行，以实现上述方法。其中，该计算机可读存储介质可以是ROM、随机存取存储器、CD-ROM、磁带、软盘和光数据存储设备等。其内存储的指令可由终端中的处理器加载并执行上述方法。
本发明实施方式是参照根据本发明实施例的方法、终端设备(系统)、和计算机程序产品的流程图和/或方框图来描述的。应理解可由计算机程序指令实现流程图和/或方框图中的每一流程和/或方框、以及流程图和/或方框图中的流程和/或方框的结合。可提供这些计算机程序指令到通用计算机、嵌入式处理机或其他可编程数据处理终端设备的处理器以产生一个机器，使得通过计算机或其他可编程数据处理终端设备的处理器执行的指令产生用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的装置。
这些计算机程序指令也可存储在能引导计算机或其他可编程数据处理终端设备以特定方式工作的计算机可读存储器中，使得存储在该计算机可读存储器中的指令产生包括指令装置的制造品，该指令装置实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能。这些计算机程序指令也可装载到计算机或其他可编程数据处理终端设备上，使得在计算机或其他可编程终端设备上执行一系列操作步骤以产生计算机实现的处理，从而在计算机或其他可编程终端设备上执行的指令提供用于实现在流程图一个流程或多个流程和/或方框图一个方框或多个方框中指定的功能的步骤。
对所公开的实施例的上述说明，使本领域专业技术人员能够实现或使用本发明。对这些实施例的多种修改对本领域的专业技术人员来说将是显而易见的，本发明中所定义的一般原理可以在不脱离本发明的精神或范围的情况下，在其它实施例中实现。因此，本发明将不会被限制于本发明所示的这些实施例，而是要符合与本发明所公开的原理和新颖特点相一致的最宽的范围。

Claims (6)

1.一种基于智能调度算法的指挥中心分布式布局系统，包括布局配置模块、子站点分布模块、系统监控模块、通信传输模块、资源调度算法模块、决策指挥模块、系统储存模块；布局配置模块设计指挥中心的布局，设置前端指挥大厅和后端决策大厅；子站点分布模块通过多目标决策，利用智能调度算法进行子站点布局安排，提出改进的遗传算法进行求解；系统监控模块利用摄像头进行周围环境和外部环境的观察；通信传输模块通过安装通信设备，采用TCP/IP协议，进行信息的通信传播；资源调度算法模块采用智能调度算法，构建智能调度模型，提出改进的多目标算法，进行寻优，进行资源调度规划；系统储存模块将数据进行硬盘阵列储存和云储存备份；
所述子站点分布模块，通过多目标决策，利用智能调度算法，构建子站点分布模型，提出改进的遗传算法，进行求解，根据结果进行子站点的布置，详细过程如下：
指挥中心服务任意需求点，定义需求点XI，表示为XI＝[x1,x2,…,xi,…,xm]，x1、x2、xi、xm表示为第1个，第2个、第i个、第m个需求点，定义子站点ZN，表示为ZN＝[z1,z2,…,zi,…,zn]，其中z1、z2、zi、zn分别表示为第1个，第2个、第i个、第n个子站点，每个子站点可调配的资源数为 分别表示第1个，第2个、第i个、第n个子站点可调配的资源数，定义需求点xi的满意度/>公式如下：
表示需求点xi的需求量，γi表示子站点zi可调配资源数对需求点xi的调配系数，表示子站点zi和需求点xi之间的延迟时间，/>表示需求点xi可允许的最大延迟时间，定义子站点zi的负载度/>公式如下：
表示在子站点zi和需求点xi之间进行资源调配的单位资源调配的负载值，/>表示在子站点zi和需求点xi之间资源调配消耗率，基于遗传算法，对函数进行求解，进行全局搜索，基于遗传算法，利用多级参数编码对解空间的数据进行编码，定义遗传算法中染色体AK为多级参数向量，表示为AK＝[a1,a2,…,ak,…,an]，a1、a2、ak、an表示为第1个、第2个、第k个、第n个染色体；基于遗传算法，随机产生N个初始串数据结构，作为N个个体构成群体；基于遗传算法，构建适应度函数，公式如下：
μa、μb表示适应度函数权重，基于适应度函数构建选择策略，从初始群体中挑选优良个体组成新的群体，第i个个体被选中的概率pi为：
Ui表示群体中第i个个体的适应度函数值，基于遗传算法，提出对位交叉法进行种群中个体的交叉进化，公式如下：
a′k,j＝∑bk·ak,j
a′k,j表示第k个染色体上第j个位置的交叉进化值，ak,j表示第k个染色体上第j个位置的值，bk表示进化随机数，bk取0到1且∑bk＝1，对种群进行n×N次交叉进化，得到全局最优解，根据全局最优解进行子站点布局。
2.根据权利要求1所述一种基于智能调度算法的指挥中心分布式布局系统，其特征在于，所述布局配置模块，在指挥中心设置前端指挥大厅、后端决策大厅，在前端指挥大厅安装巨型显示屏进行多媒体展示，多媒体信号通过安装的通信部件进行实时传输，在后端决策大厅进行开会、决策，在前端指挥大厅进行决策的实施和监控。
3.根据权利要求1所述一种基于智能调度算法的指挥中心分布式布局系统，其特征在于，所述系统监控模块，通过在指挥中心及子站点和需求点和随机点处安装摄像头，利用摄像头对指挥中心、子站点、需求点、随机点进行监控，获取各区域实时的图像数据，通过通信传输至指挥中心，在指挥中心巨型显示屏进行多媒体展示，让用户实时了解区域具体情况，便于进行指挥决策。
4.根据权利要求1所述一种基于智能调度算法的指挥中心分布式布局系统，其特征在于，所述通信传输模块，通过安装的网络交换机、路由器、无线接入点，配置和管理通信设备的参数，采用TCP/IP协议，进行多媒体数据和决策数据在指挥中心各站点和人员之间的传输，且通过SSL协议，对数据的传播过程进行加密。
5.根据权利要求1所述一种基于智能调度算法的指挥中心分布式布局系统，其特征在于，所述资源调度算法模块，采用智能调度算法，构建智能调度模型，提出改进的多目标算法，进行模型寻优，详细过程如下：
定义每个需求点的需求量，表示为 表示为第1个，第2个、第i个、第m个需求点的资源需求量，每个子站点负责相应的需求点，定义参数/>表示是否指挥子站点zi向需求点xi调派资源，当进行调配时/>不进行调配时/>通过智能调度算法构建智能调度模型，利用不同站点对不同的需求点进行资源调配有着不同的负载度，建立子站点资源调配负载限制函数D，公式如下：
提出改进的多目标算法，对子站点资源调配负载限制函数进行寻优，根据寻优结果进行子站点任务分配，根据各子站点的负载度，构建初始数据向量，初始向量数量为M，向量的各个值代表子站点的负载度，提出非支配排序将初始向量分配至不同非支配层，构建解的理想点y*，公式如下：
分别表示第i个初始向量第1个位置的数、表示第i个初始向量第2个位置的数、表示第i个初始向量第j个位置的数、表示第i个初始向量第n个位置的数，基于理想点，转化目标函数，公式如下：
y′i＝yi-y*
y′i表示第i个转换目标，yi表示第i个初始向量，将解空间的零点设置在理想点，计算极值点，公式如下：
G(y′i,ωi)＝argmin(max(y′i./ωi))
ωi表示一个向量，其中只有一点为1，其余数值为10-10，./表示向量中对应点除，G(·)表示极值点计算函数，遍历所有函数，得到数值最小的向量，根据具体函数值，得到对应坐标的截距进行归一化，公式如下：
εi表示截距，y″i表示归一化值，再对每个解向量与参考点进行关联，依据归一化值选取解向量加入下一代迭代向量中，再进行上述步骤，迭代n×N后，得到各子站点负载度最优值，根据负载度，进行子站点资源调配的任务分配。
6.根据权利要求1所述一种基于智能调度算法的指挥中心分布式布局系统，其特征在于，所述系统储存模块，通过硬盘阵列进行指挥中心运行数据的储存，包括实时监控数据、设备状态数据、事件记录、操作记录，以便后续的查询和分析，再通过云储存技术，对数据进行云端备份，保证数据的安全性。
CN202311028184.8A 2023-08-16 2023-08-16 一种基于智能调度算法的指挥中心分布式布局系统 Active CN117041040B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN202311028184.8A CN117041040B (zh) 2023-08-16 2023-08-16 一种基于智能调度算法的指挥中心分布式布局系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN202311028184.8A CN117041040B (zh) 2023-08-16 2023-08-16 一种基于智能调度算法的指挥中心分布式布局系统

Publications (2)

Publication Number Publication Date
CN117041040A CN117041040A (zh) 2023-11-10
CN117041040B true CN117041040B (zh) 2024-05-10

Family

ID=88642723

Family Applications (1)

Application Number Title Priority Date Filing Date
CN202311028184.8A Active CN117041040B (zh) 2023-08-16 2023-08-16 一种基于智能调度算法的指挥中心分布式布局系统

Country Status (1)

Country Link
CN (1) CN117041040B (zh)

Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2551798A1 (en) * 2011-07-28 2013-01-30 Fundació CTM Centre Tecnològic Genetic algorithm-based training of an ANFIS for electric energy consumption forecasting
CN103780421A (zh) * 2012-10-25 2014-05-07 北京航天长峰科技工业集团有限公司 一种大型活动指挥中心设计方法
CN106502266A (zh) * 2016-11-30 2017-03-15 中国航空工业集团公司沈阳飞机设计研究所 一种多机协同作业指挥控制系统
CN108594651A (zh) * 2018-03-16 2018-09-28 上海交通大学 一种船舶动力定位推力分配智能优化方法
US10623233B1 (en) * 2019-09-24 2020-04-14 Intradiem Inc. Live monitoring to trigger automation
CN112200367A (zh) * 2020-10-09 2021-01-08 河北工业大学 一种支持充放电策略的电动汽车配送路径优化方法
CN113411369A (zh) * 2020-03-26 2021-09-17 山东管理学院 一种云服务资源协同优化调度方法、系统、介质及设备
CN114492953A (zh) * 2022-01-06 2022-05-13 重庆科技学院 突发公共事件拉动集结应急资源布局优化决策方法、系统
CN114862090A (zh) * 2022-03-09 2022-08-05 合肥工业大学 基于改进多目标遗传算法的车间调度方法和系统
WO2022252268A1 (zh) * 2021-06-03 2022-12-08 江南大学 一种智能立体仓库优化调度方法
CN116362420A (zh) * 2023-05-31 2023-06-30 佛山市尔托机械科技有限公司 一种应急救援指挥中心管理方法

Family Cites Families (1)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US20220413455A1 (en) * 2020-11-13 2022-12-29 Zhejiang University Adaptive-learning intelligent scheduling unified computing frame and system for industrial personalized customized production

Patent Citations (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
EP2551798A1 (en) * 2011-07-28 2013-01-30 Fundació CTM Centre Tecnològic Genetic algorithm-based training of an ANFIS for electric energy consumption forecasting
CN103780421A (zh) * 2012-10-25 2014-05-07 北京航天长峰科技工业集团有限公司 一种大型活动指挥中心设计方法
CN106502266A (zh) * 2016-11-30 2017-03-15 中国航空工业集团公司沈阳飞机设计研究所 一种多机协同作业指挥控制系统
CN108594651A (zh) * 2018-03-16 2018-09-28 上海交通大学 一种船舶动力定位推力分配智能优化方法
US10623233B1 (en) * 2019-09-24 2020-04-14 Intradiem Inc. Live monitoring to trigger automation
CN113411369A (zh) * 2020-03-26 2021-09-17 山东管理学院 一种云服务资源协同优化调度方法、系统、介质及设备
CN112200367A (zh) * 2020-10-09 2021-01-08 河北工业大学 一种支持充放电策略的电动汽车配送路径优化方法
WO2022252268A1 (zh) * 2021-06-03 2022-12-08 江南大学 一种智能立体仓库优化调度方法
CN114492953A (zh) * 2022-01-06 2022-05-13 重庆科技学院 突发公共事件拉动集结应急资源布局优化决策方法、系统
CN114862090A (zh) * 2022-03-09 2022-08-05 合肥工业大学 基于改进多目标遗传算法的车间调度方法和系统
CN116362420A (zh) * 2023-05-31 2023-06-30 佛山市尔托机械科技有限公司 一种应急救援指挥中心管理方法

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
城市应急指挥系统研究;赵晓伟;《中国硕士学位论文全文数据库》;20070615;全文 *
基于多Agent的柔性作业车间调度研究;潘颖;孙伟;马跃;马沁怡;;大连理工大学学报;20110915(第05期);48-55 *
基于遗传算法的通讯网络最佳Steiner树构造;郑健体;吉国力;吴瑞意;;厦门大学学报(自然科学版);20080515(第03期);20-24 *

Also Published As

Publication number Publication date
CN117041040A (zh) 2023-11-10

Similar Documents

Publication Publication Date Title
WO2021248607A1 (zh) 一种基于深度强化学习的出租车调度方法及系统
CN109583665B (zh) 一种无线传感器网络中的无人机充电任务调度方法
CN111045828B (zh) 基于配电网台区终端的分布式边缘计算方法和相关装置
CN107579518B (zh) 基于mhba的电力系统环境经济调度方法和装置
CN103200242B (zh) 基于物联网构建跨层面数据分析枢纽的方法
Xu et al. Data-driven resilient fleet management for cloud asset-enabled urban flood control
CN113259469B (zh) 智能制造中边缘服务器部署方法、系统及存储介质
CN111670448A (zh) 用于实时电池操作模式预测和控制的多自主体共享机器学习方法
CN114638155A (zh) 一种基于智能机场的无人机任务分配与路径规划方法
CN109819032A (zh) 一种联合考虑基站选择与计算迁移的云机器人任务分配方法
CN109343945A (zh) 一种基于合同网算法的多任务动态分配方法
CN105391090A (zh) 一种智能电网多智能体多目标一致性优化方法
CN109977066A (zh) 属地智慧应急投送一体机
Shen et al. Edgematrix: A resource-redefined scheduling framework for sla-guaranteed multi-tier edge-cloud computing systems
CN107613510A (zh) 基于QoS的智能电力通信业务差分调度机制优化方法
CN117041040B (zh) 一种基于智能调度算法的指挥中心分布式布局系统
CN115705527A (zh) 一种面向城市管理的无人机智能机场选址和任务分配方法
CN114217944A (zh) 一种神经网络的针对模型并行的动态负载均衡方法
CN110262880B (zh) 一种面向分布式数据中心能耗开销优化的作业调度方法
CN112180974A (zh) 基于小型无人机的资源分布式协作方法及系统
CN116192906A (zh) 基于云边端协同的工业园区综合能源数字化监控方法
CN102438325B (zh) 基于认知无线终端重构系统的资源调度方法
Wang et al. Predictive management of electric vehicles in a community microgrid
CN112001518A (zh) 一种基于云计算的预测和能量管理方法及系统
CN117094539B (zh) 一种保电智能工单管控方法、系统、设备及存储介质

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