基于RDC-PSOA的复杂自动化控制最优任务规划方法研究

• 作者: 吕康 金志伟
• 来源期刊: 计算机测量与控制
• 关键词: 自动化控制模型 任务规划 数据推荐
• 年，卷（期）: 2015,（6）
• 所属期刊栏目: 自动化测试技术
• 页码范围: 1905-1906,1911
• 页数: 3页
• 分类号: TH128
• 语种: 中文
• DOI: 10.16526/j.cnki.11-4762/tp.2015.06.019

摘要

在复杂的自动化控制模型中进行最优任务规划数据推荐时,容易出现只将任务分配给最先执行的处理器的情况,导致个别处理器上任务分配过多,造成整体时间跨度增加,提出一种基于推荐数据特点粒子群优化(recommended data characteristics-particle swarm optimization algorithm:RDC-PSOA)的复杂自动化控制最优任务规划方法,以一群随机粒子为初始解,依据复杂自动化控制模型中任务规划数据推荐问题的特点,在粒子群算法的基础上,重新塑造粒子描述形式,对粒子的位置与速度进行编码,将粒子群算法映射到离散空间,通过迭代获取全部可能的自动化控制任务规划方案,实现数据的有效推荐;仿真实验结果表明,所提方法不仅具有很强的收敛能力,而且数据推荐完成时间短,性能优越.

作者信息

序号	姓名	单位	发文数	被引次数	H指数	G指数
1	吕康		13	19	3.0	4.0
2	金志伟		8	16	3.0	3.0