分布式系統(tǒng)中雷達仿真任務優(yōu)化調度算法研究.pdf

1、由于雷達功能的日益多樣化和復雜化，現代雷達仿真系統(tǒng)變得更加復雜更加龐大，需要處理的數據量大，對仿真任務的實時性要求也更高?，F代雷達仿真系統(tǒng)的這些特點促使雷達仿真技術由單處理器仿真向分布式并行仿真發(fā)展。
　　為提高雷達分布式仿真系統(tǒng)的性能，對仿真任務優(yōu)化調度算法進行研究，通過縮短仿真任務完成時間，以滿足雷達仿真系統(tǒng)實時性要求。據此，分別建立雷達分布式仿真系統(tǒng)中獨立任務和關聯(lián)任務調度問題的數學模型，優(yōu)化離散粒子群算法并應用到獨立任務調

2、度問題中，并對改進算法提出一種合理的參數設計方案，然后對關聯(lián)任務的列表調度算法進行了研究和優(yōu)化，具體研究工作如下：
　　1.建立分布式仿真系統(tǒng)中仿真任務調度問題的數學模型。通過對雷達分布式仿真系統(tǒng)的結構進行分析，將仿真任務分為獨立任務和關聯(lián)任務兩類，針對這兩種情況，分別建立仿真任務調度的數學模型，提出仿真任務調度算法的性能指標。
　　2.提出一種基于信息素機制和變異策略的優(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

3、致算法受初始種群的影響較大且結果穩(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制，充分利用所有粒子的尋優(yōu)經驗信息而非單一的最優(yōu)粒子來指導粒子尋優(yōu)。通過數值仿真和算法對比，驗證改進離散粒子群算法有效地避免了易陷于局部最優(yōu)的問題，提高了算法結果的穩(wěn)定性，并縮短了仿真任務的完成時間，提高了系統(tǒng)的負載平衡度。
　　3.對改進算法的參數進行分析并提出一種合理的參數設計方案。通過分析離散粒子群算法中慣性權重、學習因子等

4、參數，以及蟻群算法相關的信息素權重、啟發(fā)式信息權重、信息素揮發(fā)因子等參數對算法的影響，提出一種合理的參數設計方案。將提出的參數設計方案應用到改進算法中，通過數值仿真，驗證所提出的參數設計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.提出一種基于數據依賴程度的任務優(yōu)先級確定方法。通過對在經典的HEFT算法和CPOP算法進行分析，提出一種基于數據依賴程度的優(yōu)先級確定方法，在此基礎上提出基于分層和數據依賴的LDP