针对静态和动态救援场景下的多无人机协同任务调度问题,提出基于密度的噪声应用空间聚类-一致性包算法(density-based spatial clustering of applications with noise-consensus-based bundle algorithm,DBSCAN-CBBA)。首先,针对任务...针对静态和动态救援场景下的多无人机协同任务调度问题,提出基于密度的噪声应用空间聚类-一致性包算法(density-based spatial clustering of applications with noise-consensus-based bundle algorithm,DBSCAN-CBBA)。首先,针对任务执行阶段存在的场景不确定以及无人机携带物资载荷限制等问题,建立了一种更为符合救援实际的多任务分配模型。然后,优化了一致性包算法的任务包构建结构以提高算法效率和搜索最优解的能力。第1阶段通过基于密度聚类算法生成候选任务集合,并通过随机方式构建非候选任务集合;第2阶段通过无人机之间的通信,消解它们因独立构建任务包而产生的冲突。最后,将该算法分别应用于静态和实时动态任务分配场景。仿真实验结果表明,该算法可较为高效地找到合理的任务分配方案。展开更多
随着新一代信息通信技术,如5G、云计算和人工智能的不断演进,世界正迅速迈入数字经济的快车道。针对数据中心中可再生能源和工作负载预测的不确定性,提出了一种基于多智能体近端策略网络的数据中心双层优化调度方法。首先,建立了数据中...随着新一代信息通信技术,如5G、云计算和人工智能的不断演进,世界正迅速迈入数字经济的快车道。针对数据中心中可再生能源和工作负载预测的不确定性,提出了一种基于多智能体近端策略网络的数据中心双层优化调度方法。首先,建立了数据中心双层时空优化调度框架,对数据中心工作负载、IT设备、空调设备进行详细建模;在此基础上,提出数据中心的双层优化调度模型,上层以互联网数据中心(Internet data center,IDC)运营管理商总运营成本最小为目标进行时间维度调度,下层以各IDC运行成本最低为目标进行空间维度调度;然后,介绍多智能体近端策略网络算法原理,设计数据中心双层优化调度模型的状态空间、动作空间和奖励函数。最后,针对算例进行离线训练和在线调度决策,仿真结果表明,所提模型和方法能够有效降低系统成本和能耗,实现工作负载的最佳分配,具有较好的经济性和鲁棒性。展开更多
This paper proposed a modified artificial physics(AP)method to solve the autonomous navigation problem for mobile robots in complex environments.The basic AP method tends to cause oscillations in the presence of obsta...This paper proposed a modified artificial physics(AP)method to solve the autonomous navigation problem for mobile robots in complex environments.The basic AP method tends to cause oscillations in the presence of obstacles and in narrow passages,which can result in time consumption.To alleviate oscillation,we modified the AP method using the Levenbery-Marquardt(LM)algorithm.In the modified AP method,we altered the original directions of AP forces to the Newton direction,and adjust the parameter by the LM algorithm.A series of comparative experimental results show that the modified AP method can achieve smoother trajectories with less time consumption.This demonstrates the feasibility and effectiveness of our proposed approach.展开更多
文摘针对静态和动态救援场景下的多无人机协同任务调度问题,提出基于密度的噪声应用空间聚类-一致性包算法(density-based spatial clustering of applications with noise-consensus-based bundle algorithm,DBSCAN-CBBA)。首先,针对任务执行阶段存在的场景不确定以及无人机携带物资载荷限制等问题,建立了一种更为符合救援实际的多任务分配模型。然后,优化了一致性包算法的任务包构建结构以提高算法效率和搜索最优解的能力。第1阶段通过基于密度聚类算法生成候选任务集合,并通过随机方式构建非候选任务集合;第2阶段通过无人机之间的通信,消解它们因独立构建任务包而产生的冲突。最后,将该算法分别应用于静态和实时动态任务分配场景。仿真实验结果表明,该算法可较为高效地找到合理的任务分配方案。
文摘随着新一代信息通信技术,如5G、云计算和人工智能的不断演进,世界正迅速迈入数字经济的快车道。针对数据中心中可再生能源和工作负载预测的不确定性,提出了一种基于多智能体近端策略网络的数据中心双层优化调度方法。首先,建立了数据中心双层时空优化调度框架,对数据中心工作负载、IT设备、空调设备进行详细建模;在此基础上,提出数据中心的双层优化调度模型,上层以互联网数据中心(Internet data center,IDC)运营管理商总运营成本最小为目标进行时间维度调度,下层以各IDC运行成本最低为目标进行空间维度调度;然后,介绍多智能体近端策略网络算法原理,设计数据中心双层优化调度模型的状态空间、动作空间和奖励函数。最后,针对算例进行离线训练和在线调度决策,仿真结果表明,所提模型和方法能够有效降低系统成本和能耗,实现工作负载的最佳分配,具有较好的经济性和鲁棒性。
基金supported by the National Natural Science Foundation of China(Grant Nos.61273054 and 61333004)the National Key Basic Research Program of China(Grant No.2014CB046401)+2 种基金the Program for New Century Excellent Talents in University of China(Grant No.NCET-10-0021)the Top-Notch Young Talents Program of China,Graduate Innovation Foundation for Beihang University(Grant No.YCSJ-01-201206)Aeronautical Foundation of China(Grant No.20135851042)
文摘This paper proposed a modified artificial physics(AP)method to solve the autonomous navigation problem for mobile robots in complex environments.The basic AP method tends to cause oscillations in the presence of obstacles and in narrow passages,which can result in time consumption.To alleviate oscillation,we modified the AP method using the Levenbery-Marquardt(LM)algorithm.In the modified AP method,we altered the original directions of AP forces to the Newton direction,and adjust the parameter by the LM algorithm.A series of comparative experimental results show that the modified AP method can achieve smoother trajectories with less time consumption.This demonstrates the feasibility and effectiveness of our proposed approach.
