信息物理融合系统(CPS, Cyber-Physical System)是信息计算和物理过程紧密结合与协作的网络化系统。CPS的特征可体现为：可靠感知、实时传输、普适计算、精确控制、可信服务。CPS强调物理世界与信息世界的深度融合与交互作用,CPS在对物理环境可靠感知的基础上,通过网络的实时传输,利用信息世界的普适计算和信息处理能力,实现对物理世界的精确控制,为人们提供可信高效的服务。本文重点研究CPS系统的可靠感知与优化调度模型与方法。针对物理世界的复杂性与时变性,建立异构互联的CPS体系结构和情景感知模型,在对海量异构信息可靠感知的基础上,建立资源调度模型,通过优化算法实现资源的优化调度,实现动态资源的高效组织与分配,从而协同服务与资源的最优化配置。本文取得的研究成果如下：(1)针对复杂系统内部大量自治个体的时变性和自治性,CPS系统的高异构性、强关联性与动态性,设计了基于功能部件划分的CPS网络拓扑模型,详细分析了感知部件、信息部件、决策部件、执行部件之间的内在联系及各自实现功能。明确了CPS体系设计思想,设计了多重层次划分的CPS体系结构,包括：接入层、感知层、网络层、数据处理层、应用层。为CPS情景可靠感知与资源优化调度奠定了基础架构。(2)针对海量多源异构的传感信息,提出了一种CPS-rCAF情景感知模型,该模型有效地结合了底层信息采集与上层应用的开发：向上可以对应用服务提供统一的情景信息应用接口,向下可以接入各种类型的异构传感器,有效屏蔽各种异类原始信息的差异性,为上层系统提供统一的规范的语义解释和情景信息。为解决情景处理过程的情景冲突问题,提出了一种情景防冲突算法,并仿真验证了其资源安排的合理性与高效性。(3)提出了CPS资源能力的概念,并设计了基于能力描述的CPS资源调度模型和基于任务-资源协同调度的CPS数学规划模型。针对一类不确定性系统的预测问题,分别提出了一种基于随机重采样改进的粒子滤波算法和一种遗传优化的粒子滤波算法,并通过区域交通车流状态预测模型仿真和验证了上述优化算法在预测非线性问题上具有良好的预测效果。(4)针对大规模多阶段系统的优化调度问题,提出了一种改进的蚁群优化算法,建立了区域交通灯信号滚动优化的决策模型,并通过改进的蚁群优化算法对其求解。仿真结果表明,相对于传统的感应式控制,交通延误率降低15%。本文的创新性可概括为：(1)通过关联矩阵表达CPS部件功能划分的CPS网络拓扑模型。(2)基于资源与情景的极值原理的情景防冲突算法的设计。(3)面向非确定条件,遗传算法优化粒子滤波的重采样过程,保持了粒子的多样性和降低粒子退化现象。(4)提出一种基于遗传优化的动态空间蚁群优化算法,该算法将各阶段许可策略值反映为层状构造图中的有限节点集,其中不同层节点对应一个阶段的许可策略集合的子集,该子集可通过遗传优化算法进行动态筛选,以减小蚂蚁的搜索空间,提高了蚁群算法的效率。CPS是近年国内外学术界和科学界的研究热点,本文以CPS的环境可靠感知与资源优化调度为主要研究内容,实现物理世界的复杂系统服务优化、资源最优配置。重点研究了CPS体系结构、CPS情景感知模型与防冲突算法、CPS优化调度算法三方面的内容,取得了良好的研究成果和创新性成果。