论文部分内容阅读
由于雷达功能的日益多样化和复杂化,现代雷达仿真系统变得更加复杂更加庞大,需要处理的数据量大,对仿真任务的实时性要求也更高。现代雷达仿真系统的这些特点促使雷达仿真技术由单处理器仿真向分布式并行仿真发展。为提高雷达分布式仿真系统的性能,对仿真任务优化调度算法进行研究,通过缩短仿真任务完成时间,以满足雷达仿真系统实时性要求。据此,分别建立雷达分布式仿真系统中独立任务和关联任务调度问题的数学模型,优化离散粒子群算法并应用到独立任务调度问题中,并对改进算法提出一种合理的参数设计方案,然后对关联任务的列表调度算法进行了研究和优化,具体研究工作如下:1.建立分布式仿真系统中仿真任务调度问题的数学模型。通过对雷达分布式仿真系统的结构进行分析,将仿真任务分为独立任务和关联任务两类,针对这两种情况,分别建立仿真任务调度的数学模型,提出仿真任务调度算法的性能指标。2.提出一种基于信息素机制和变异策略的优化离散粒子群算法。针对离散粒子群算法易陷入局部最优导致算法受初始种群的影响较大且结果稳定性低的问题,采用变异策略提高种群多样性,并引入蚁群算法中的信息素机制,充分利用所有粒子的寻优经验信息而非单一的最优粒子来指导粒子寻优。通过数值仿真和算法对比,验证改进离散粒子群算法有效地避免了易陷于局部最优的问题,提高了算法结果的稳定性,并缩短了仿真任务的完成时间,提高了系统的负载平衡度。3.对改进算法的参数进行分析并提出一种合理的参数设计方案。通过分析离散粒子群算法中惯性权重、学习因子等参数,以及蚁群算法相关的信息素权重、启发式信息权重、信息素挥发因子等参数对算法的影响,提出一种合理的参数设计方案。将提出的参数设计方案应用到改进算法中,通过数值仿真,验证所提出的参数设计方案能够提高算法收敛速度,获得更优的解,提高了算法的稳定性。4.提出一种基于数据依赖程度的任务优先级确定方法。通过对在经典的HEFT算法和CPOP算法进行分析,提出一种基于数据依赖程度的优先级确定方法,在此基础上提出基于分层和数据依赖的LDP列表调度算法,获得更小的调度长度和更好的负载平衡度,并对CPOP算法进行优化提出MCPOP算法,获得了更小的通信开销。通过仿真实验表明,LDP算法和MCPOP算法相比HEFT算法和CPOP算法在调度长度比和加速比方面有较好的改善效果。