分布式系統(tǒng)中雷達(dá)仿真任務(wù)優(yōu)化調(diào)度算法研究.pdf

1、由于雷達(dá)功能的日益多樣化和復(fù)雜化，現(xiàn)代雷達(dá)仿真系統(tǒng)變得更加復(fù)雜更加龐大，需要處理的數(shù)據(jù)量大，對仿真任務(wù)的實(shí)時性要求也更高。現(xiàn)代雷達(dá)仿真系統(tǒng)的這些特點(diǎn)促使雷達(dá)仿真技術(shù)由單處理器仿真向分布式并行仿真發(fā)展。
　　為提高雷達(dá)分布式仿真系統(tǒng)的性能，對仿真任務(wù)優(yōu)化調(diào)度算法進(jìn)行研究，通過縮短仿真任務(wù)完成時間，以滿足雷達(dá)仿真系統(tǒng)實(shí)時性要求。據(jù)此，分別建立雷達(dá)分布式仿真系統(tǒng)中獨(dú)立任務(wù)和關(guān)聯(lián)任務(wù)調(diào)度問題的數(shù)學(xué)模型，優(yōu)化離散粒子群算法并應(yīng)用到獨(dú)立任務(wù)調(diào)

2、度問題中，并對改進(jìn)算法提出一種合理的參數(shù)設(shè)計(jì)方案，然后對關(guān)聯(lián)任務(wù)的列表調(diào)度算法進(jìn)行了研究和優(yōu)化，具體研究工作如下：
　　1.建立分布式仿真系統(tǒng)中仿真任務(wù)調(diào)度問題的數(shù)學(xué)模型。通過對雷達(dá)分布式仿真系統(tǒng)的結(jié)構(gòu)進(jìn)行分析，將仿真任務(wù)分為獨(dú)立任務(wù)和關(guān)聯(lián)任務(wù)兩類，針對這兩種情況，分別建立仿真任務(wù)調(diào)度的數(shù)學(xué)模型，提出仿真任務(wù)調(diào)度算法的性能指標(biāo)。
　　2.提出一種基于信息素機(jī)制和變異策略的優(yōu)化離散粒子群算法。針對離散粒子群算法易陷入局部最優(yōu)導(dǎo)

3、致算法受初始種群的影響較大且結(jié)果穩(wěn)定性低的問題，采用變異策略提高種群多樣性，并引入蟻群算法中的信息素機(jī)制，充分利用所有粒子的尋優(yōu)經(jīng)驗(yàn)信息而非單一的最優(yōu)粒子來指導(dǎo)粒子尋優(yōu)。通過數(shù)值仿真和算法對比，驗(yàn)證改進(jìn)離散粒子群算法有效地避免了易陷于局部最優(yōu)的問題，提高了算法結(jié)果的穩(wěn)定性，并縮短了仿真任務(wù)的完成時間，提高了系統(tǒng)的負(fù)載平衡度。
　　3.對改進(jìn)算法的參數(shù)進(jìn)行分析并提出一種合理的參數(shù)設(shè)計(jì)方案。通過分析離散粒子群算法中慣性權(quán)重、學(xué)習(xí)因子等

4、參數(shù)，以及蟻群算法相關(guān)的信息素權(quán)重、啟發(fā)式信息權(quán)重、信息素?fù)]發(fā)因子等參數(shù)對算法的影響，提出一種合理的參數(shù)設(shè)計(jì)方案。將提出的參數(shù)設(shè)計(jì)方案應(yīng)用到改進(jìn)算法中，通過數(shù)值仿真，驗(yàn)證所提出的參數(shù)設(shè)計(jì)方案能夠提高算法收斂速度，獲得更優(yōu)的解，提高了算法的穩(wěn)定性。
　　4.提出一種基于數(shù)據(jù)依賴程度的任務(wù)優(yōu)先級確定方法。通過對在經(jīng)典的HEFT算法和CPOP算法進(jìn)行分析，提出一種基于數(shù)據(jù)依賴程度的優(yōu)先級確定方法，在此基礎(chǔ)上提出基于分層和數(shù)據(jù)依賴的LDP