成像卫星任务规划与调度算法研究(王茂才等)思维导图
模糊云资源调度的CMAPSO算法
模糊云资源调度的CMAPSO算法作者：李成严，宋月，马金涛来源：《哈尔滨理工大学学报》2022年第01期摘要：针对多目标云资源调度问题，以优化任务的总完成时间和总执行成本为目标，采用模糊数学的方法，建立了模糊云资源调度模型。
利用协方差矩阵能够解决非凸性问题的优势，采取协方差进化策略对种群进行初始化，并提出了一种混合智能优化算法CMAPSO算法（covariance matrix adaptation evolution strategy particle swarm optimization，CMAPSO ），并使用该算法对模糊云资源调度模型进行求解。
使用Cloudsim仿真平台随机生成云计算资源调度的数据，对CMAPSO算法进行测试，实验结果证明了CMAPSO算法对比PSO算法（particle wwarm optimization），在寻优能力方面提升28%，迭代次数相比提升20%，并且具有良好的负载均衡性能。
关键词：云计算;任务调度;粒子群算法; 协方差矩阵进化策略DOI：10.15938/j.jhust.2022.01.005中图分类号： TP399 文献标志码： A 文章编号： 1007-2683（2022）01-0031-09CMAPSO Algorithm for Fuzzy Cloud Resource SchedulingLI Chengyan，SONG Yue，MA Jintao（School of Computer Science and Technology， Harbin University of Science and Technology， Harbin 150080，China）Abstract：Aiming at the multiobjective cloud resource scheduling problem， with the goal of optimizing the total completion time and total execution cost of the task， a fuzzy cloud resource scheduling model is established using the method of fuzzy mathematics. Utilizing the advantage of the covariance matrix that can solve the nonconvexity problem， adopting the covariance evolution strategy to initialize the population， a hybrid intelligent optimization algorithm CMAPSO algorithm （covariance matrix adaptation evolution strategy particle swarm optimization，CMAPSO） is proposed to solve the fuzzy cloud resource scheduling model. The Cloudsim simulation platform was used to randomly generate cloud computing resource scheduling data， and the CMAPSO algorithm was tested. The experimental results showed that compared with the PSO algorithm （particle swarm optimization）， the optimization capability of CMAPSO algorithm is increased by 28%， the number of iterations of CMAPSO algorithm is increased by 20%， and it has good load balancing performance.Keywords：cloud computing; task scheduling; particle swarm algorithm; covariance matrix adaptation evolution strategy0引言云計算是一种商业计算的模型和服务模式[1]，而云计算资源调度的主要目的是将网络上的资源进行统一的管理和调式，再给予用户服务调用。
大规模语言模型开发基础与实践_随笔
《大规模语言模型开发基础与实践》阅读记录目录一、基础知识篇 (2)1.1 语言模型的基本概念 (2)1.2 大规模语言模型的发展历程 (4)1.3 语言模型的评估指标 (5)二、模型构建篇 (6)2.1 基于统计的语言模型 (7)2.2 基于深度学习的语言模型 (8)2.3 预训练语言模型的兴起与发展 (9)三、实践应用篇 (9)3.1 文本分类任务中的应用 (10)3.2 机器翻译任务中的应用 (11)3.3 情感分析任务中的应用 (12)3.4 自然语言推理任务中的应用 (13)四、优化与创新篇 (14)4.1 模型优化技巧 (15)4.2 模型创新思路 (16)4.3 模型部署与应用 (18)五、未来展望篇 (19)5.1 大规模语言模型的发展趋势 (20)5.2 语言模型与人工智能的融合 (22)5.3 语言模型的伦理与安全问题 (23)一、基础知识篇我们还介绍了一些常用的语言模型评估指标，如困惑度(Perplexity)。
这些指标可以帮助我们衡量模型的性能，并为后续的优化提供参考。
我们简要介绍了一些与大规模语言模型开发相关的技术和工具，如TensorFlow、PyTorch等深度学习框架，以及Hugging Face等开源NLP库。
这些工具为我们提供了强大的计算能力，使得大规模语言模型的开发变得更加便捷。
1.1 语言模型的基本概念在阅读《大规模语言模型开发基础与实践》这本书的第一章时，我对语言模型的基本概念有了更深入的了解。
语言模型是一种对自然语言现象的抽象表示，通过对语言数据的统计和分析，模拟人类语言的生成过程。
语言模型的主要功能包括语义理解、文本生成、机器翻译等，广泛应用于自然语言处理的各种任务中。
语言模型的发展历程经历了多个阶段，从早期的基于规则的语言模型，到后来的基于统计的语言模型，再到现在的深度学习神经网络语言模型。
这些模型在不同的历史时期都起到了重要的作用，推动了自然语言处理技术的发展。
平行科学：大模型时代AI4S的前沿技术与框架体系
平行科学：大模型时代AI4S的前沿技术与框架体系目录一、内容概要 (2)1.1 平行科学的定义与发展历程 (3)1.2 大模型时代的来临 (4)1.3 AI4S技术的核心特点 (5)二、大模型时代的技术前沿 (6)2.1 深度学习技术 (8)2.2 神经网络模型的发展与应用 (9)2.3 自然语言处理技术的前沿进展 (10)三、AI4S框架体系构建 (11)3.1 AI框架的设计原则与架构概览 (13)3.2 AI模型的构建与优化方法 (14)3.3 AI系统的集成与协同工作技术 (16)四、平行科学在AI领域的应用实践 (17)4.1 平行科学在医疗健康领域的应用案例 (18)4.2 平行科学在交通出行领域的应用案例 (19)4.3 平行科学在其他领域的应用案例 (21)五、技术挑战与未来发展趋势 (22)5.1 当前面临的技术挑战与问题剖析 (23)5.2 未来发展趋势预测与前沿探索方向 (24)5.3 推动平行科学与AI融合的策略建议 (26)六、结论与展望 (27)6.1 研究成果总结与回顾 (28)6.2 未来研究方向与展望 (29)一、内容概要随着信息技术的飞速发展，人工智能（AI）已成为当今科技领域的核心驱动力。
大模型时代的来临，使得AI技术在各领域的渗透与应用愈加深入。
在此背景下，平行科学作为推动科学技术发展的重要力量，对于AI技术的发展与融合具有至关重要的作用。
本文将重点介绍平行科学在AI4S（即人工智能系统）领域的前沿技术及其框架体系。
本文将首先概述平行科学的概念及其在当前科技领域的重要性。
将详细介绍AI4S的前沿技术，包括深度学习、机器学习、自然语言处理等领域的最新发展。
在此基础上，本文将深入探讨大模型时代AI技术的特点及其对平行科学发展的影响。
本文将构建一个全面的AI4S框架体系，涵盖技术架构、应用框架、实践路径等方面，以期为读者提供一个清晰的指导方向。
本文将总结平行科学在AI领域的未来发展趋势及其潜在挑战，为相关领域的研究与实践提供参考。
多敏捷卫星协同任务规划调度方法
多敏捷卫星协同任务规划调度方法张超;李艳斌【摘要】The agile satellite mission planning is a multi-target combination with a long window,multiple time windows and other complex optimization problem.Based on the image quality,aimed to build an attitude agile earth observation satellite mission planning Portfolio Optimization Model through analysis of attitude agile satelliteneeds,characteristics and constraints,on the basis of the original simulated annealing algorithm,a genetic simulated annealing hybrid algorithm was designed.By the similarity degree and aggregation degree,the mutation probability of the chromosome was increased when the population aggregation degree was large,so as to increase the population diversity.The global searching ability of genetic algorithm is favorable to change the drawback that simulated annealing algorithm is easy to fall into the local minimum point and find better results,which makes the algorithm achieve the balance of global searching ability and local searching ability.The algorithm is validated by the actual satellite mission data.%敏捷卫星任务规划调度是一个具有长时间窗、多时间窗的复杂约束的多目标组合优化问题.基于任务质量,通过分析敏捷卫星对地观测任务规划问题的需求、特点和约束,构建了敏捷卫星任务规划组合优化模型;并在原有模拟退火算法的基础上,设计了基于相似度和聚集度的遗传模拟退火混合算法,通过相似度和聚集度,在染色体变异过程中,当种群聚集度大的时候,增加染色体的变异概率,从而增加种群的多样性.利用遗传算法的全局搜索能力有利于改变模拟退火算法容易陷入局部最小点的缺点,寻找到更优的结果,使算法达到全局搜索能力与局部搜索能力的平衡,经实际卫星任务数据验证算法有效可行.【期刊名称】《科学技术与工程》【年(卷),期】2017(017)022【总页数】7页(P271-277)【关键词】敏捷卫星;任务调度优化;模拟退火算法;遗传算法;并行计算【作者】张超;李艳斌【作者单位】中国电子科技集团公司第五十四研究所,石家庄050081;中国电子科技集团公司第五十四研究所,石家庄050081【正文语种】中文【中图分类】TP391.75对地观测卫星利用可见光、多光谱、高光谱、合成孔经雷达等星载传感器在运行轨道上对地面目标进行观测，获取地面目标的图像信息。
基于改进DDPG的多AGV路径规划算法
基于改进DDPG的多AGV路径规划算法目录1. 内容综述 (2)1.1 研究背景 (2)1.2 研究目的 (4)1.3 文献综述 (4)1.4 问题提出与论文结构 (6)2. 多智能体系统(MAS)理论基础 (7)2.1 多智能体系统概述 (9)2.2 多智能体通信模型 (10)2.3 多智能体协同任务规划 (11)3. 深度确定性策略梯度算法(DDPG) (13)3.1 DDPG算法简介 (14)3.2 DDPG算法结构 (16)3.3 DDPG算法的训练与参数调整 (17)4. 基于改进DDPG的多AGV路径规划算法 (19)4.1 智能体交互模型设计 (20)4.2 多智能体协同路径规划的优化方法 (22)4.3 基于奖励机制的路径规划评估标准设计 (23)4.4 改进DDPG算法流程 (24)4.5 仿真实验设置与结果分析 (25)4.5.1 仿真环境搭建 (27)4.5.2 仿真数据与指标 (28)4.5.3 仿真对比实验 (29)5. 结论与展望 (31)5.1 主要贡献与创新点 (32)5.2 研究展望 (33)1. 内容综述本文档旨在深入探讨基于改进型深度确定性策略梯度（DDPG）算法的多自主导引车（AGV）路径规划技术。
现代社会对高效物流和自动化仓储的需求日益增长，而AGV在这一领域展现了巨大的潜力和应用价值。
要求增加的全局路径规划效率和实时更新的能力对传统的规划算法提出挑战。
我们研究并构建了一种新型的、结合强化学习技术的路径优化方案，该方案旨在提升调度决策的速度与质量。
改进DDPG算法通过引入先进的Q网络优化技术和动作重复机制，极大地削弱了传统DDPG算法的时序维度依赖，同时加强了对特定场景的适应能力。
在多AGV协同工作的实际情境下，该算法博客摆明了，目标是通过学习目标函数的稳定梯度，在确保安全的前提下，以最短路径完成货物运输，避免无用的转弯和冗余路径，从而提高吞吐量和资源利用率。
基于无人机可见光图像的作物分类研究
摘!要!+目的,采用无人机遥感技术对作物进行 分 类 识 别)为 及 时 获 取 农 田 信 息%制 定 农 田 管 理 策 略 及 产 量 估测提供技术支持*+方 法 ,采 用 无 人 机 遥 感 平 台)获 取 试 验 区 域 玉 米%桃 树%菜 花%大 豆 的 可 见 光 正 射 影 像(利 用
! &收 稿 日 期 '!$%ABC%#C%I ! &基 金 项 目 '! 中 央 引 导 地 方 科 技 发 展 专 项 1精 准 农 业 航 空 技 术 与 装 备 研 发 2 ! &作 者 简 介 '! 李 志 铭 !ABBIU ")男 )山 东 潍 坊 人 )硕 士 )主 要 从 事 农 业 遥 感 技 术 应 用 研 究 *>CM+8,#$$BEI"#B"!!VV;='M ! &通 信 作 者 '! 赵 ! 静 !ABDAU ")女 )江 苏 徐 州 人 )副 教 授 )博 士 )主 要 从 事 农 业 遥 感 技 术 与 智 能 检 测 研 究 *>CM+8,#^Z=2'^J!A#I;='M
Copyright©博看网. All Rights Reserved.
6/4
西 北 农 林 科 技 大 学 学 报 !自 然 科 学 版 "
第 !" 卷
='2--8=82*/'-D";#%;+T'*=,(38'*,S02=)'L=,+338-8=+/8'*+*?)2='X*8/8'*Z+32?'* 74@)2M'/232*38*X /2=0*','X:1+3-2+38Z,2;
卫星星座性能评估体系的设计与实现
卫星星座性能评估体系的设计与实现陈晓宇;王茂才;戴光明;彭雷【摘要】研究卫星星座性能评估体系的设计方法.针对星座设计过程中对星座系统配置方案进行评估和论证的重要性,根据卫星星座性能评估指标体系的设计原则,首先采用层次分析法,构建卫星星座性能评估体系层次结构模型.其次,设计一套完备的星座性能评估体系,并着重设计动态能力评估指标及其定义方法,分析星座在轨运行稳定性能.最后,通过一个具体的应用实例介绍了该设计实现的软件系统的各功能模块,分析论证了所提评估体系的完备性、合理性、科学性和实用性.为卫星系统的顶层设计和方案论证提供可靠的决策依据,以进一步提高所设计星座的性能和效益.【期刊名称】《计算机应用与软件》【年(卷),期】2015(032)011【总页数】6页(P44-48,61)【关键词】卫星星座;对地观测;层次分析法;性能评估【作者】陈晓宇;王茂才;戴光明;彭雷【作者单位】中国地质大学计算机学院湖北武汉430074;中国地质大学计算机学院湖北武汉430074;中国地质大学计算机学院湖北武汉430074;中国地质大学计算机学院湖北武汉430074【正文语种】中文【中图分类】TP302在卫星星座设计阶段，建立一个卫星星座性能评估体系，对卫星系统的配置参数、构形等总体设计方案进行科学的评估和论证，可有效地反映所设计的星座的实际应用能力和效益［1，2］。
可见，为了使所设计的星座更加具有实际应用价值，卫星星座性能的评估在星座优化设计中起着重要的作用［3］。
其中，星座覆盖性能和运行与维持性能通常是判断星座设计优劣的重要指标［4］。
张玉锟等人［5］采用静态覆盖分析的方法，通过选取数量较多的特征点反映卫星系统的覆盖性能。
柴霖等人［6］通过用STK仿真软件对卫星星座性能进行评估分析。
韦娟等人［7］采用覆盖间隙、覆盖率、响应时长等静态覆盖性能作为目标函数进行卫星星座的优化设计与评估。
基于静态评价指标的系统设计虽然能够保证卫星对给定区域的覆盖能力，但对卫星系统总体性能的分析往往着重于几何覆盖特性，而很少考虑其在实际应用过程中受到的目标最小观测仰角和传感器最大允许侧摆角等各项操作约束。
基于并行架构的敏捷卫星任务调度优化算法
基于并行架构的敏捷卫星任务调度优化算法张超;李艳斌;陈金勇【摘要】针对敏捷卫星任务规划调度问题,首先分析了敏捷卫星成像时间影响成像质量、调度和选择相结合等调度特点,构建了基于成像质量惩罚系数的敏捷卫星任务规划组合优化模型;分别采用差分演化、粒子群和模拟退火三种算法进行求解和分析评价;并且采用全局-主从式模型和独立-孤岛模型分别实现了三种算法的并行计算技术.【期刊名称】《中国电子科学研究院学报》【年(卷),期】2017(012)005【总页数】7页(P556-562)【关键词】敏捷卫星;任务调度;并行算法【作者】张超;李艳斌;陈金勇【作者单位】中国电子科技集团公司航天信息应用技术重点实验室,石家庄050081;中国电子科技集团公司第五十四研究所,石家庄050081;中国电子科技集团公司航天信息应用技术重点实验室,石家庄050081【正文语种】中文【中图分类】TP3910 引言在卫星遥感任务调度技术中,实际上要解决的是约束优化和多目标优化问题[1]。
现有研究大多采用最优化算法、基于规则的启发式算法和智能优化算法求解。
许多研究表明，最优化算法只能解决小规模的单星成像任务规划问题。
基于规则的启发式算法具有简单、直观、便于实现、运算效率高等优点，但解的质量难以保证。
禁忌搜索、模拟退火、粒子群算法、差分演化算法等智能优化算法在求解组合优化问题和多目标优化问题方面显示了较强的能力，近年来在成像卫星任务规划领域得到了广泛的应用。
Bonissone将领域知识引入进化算法，通过显性知识和隐性知识，处理卫星成像过程中的静态和动态约束，解决了一个包含25个卫星的星座的任务规划问题[2]。
韩伟设计了离散粒子群的位置变化公式利用粒子群算法求解向多对地观测卫星任务规划问题[3]。
敏捷卫星的发展使卫星对地面目标的观测时间范围更大，观测角度更加灵活多变。
敏捷卫星在分散目标快速响应、地面目标三维信息获取、兼顾高分辨率成像与大范围覆盖等需求中应用广泛。