【技术实现步骤摘要】
一种资源协同优化的智能无人集群任务分配方法与系统
[0001]本专利技术属于数据处理
,尤其涉及一种资源协同优化的智能无人集群任务分配方法与系统。
技术介绍
[0002]随着人工智能和无人系统的发展,智能无人系统越来越多的应用于实际任务场景(如应急救灾、物资投送等),极大拓展了任务执行范围、提高了任务执行效率。然而,智能体计算资源有限、网络传输不稳定、能耗存在限制等问题也逐渐暴露,利用云端资源辅助智能体完成任务,提升智能无人集群任务执行的适应性和可靠性,受到越来越多的关注。
[0003]现有的智能无人集群任务分配方法主要针对智能体信息处理能力有限,考虑边缘节点蕴含的计算和通信性能,将资源密集型任务卸载至单个或多个边缘节点,提升任务计算效率。现有方法主要采用边
‑
端协同架构,通常针对信息空间任务部署进行分配,忽略了物理空间任务与信息空间任务的共同分配的约束(如智能体能量消耗等),并且未进一步利用海量云网资源提升智能无人集群任务执行能力。
技术实现思路
[0004]针对上述技术问题 ...
【技术保护点】
【技术特征摘要】
1.一种资源协同优化的智能无人集群任务分配方法,其特征在于:所述智能无人集群任务由若干智能体和与所述智能体对应的孪生代理来执行,所述孪生代理运行在云端和边缘端,与对应的智能体实时进行数据同步,以反映所述智能体的运行状态;所述智能无人集群任务包括信息处理任务和物理执行任务,所述信息处理任务由所述智能体和/或所述孪生代理上的信息处理单元来执行,所述物理执行任务由所述智能体来执行;所述方法包括:步骤S1、获取由多个任务构成的待执行任务集合,根据所述多个任务在时间维度上的执行先后次序建立任务组成关系图;步骤S2、根据当前时刻正在执行的任务与所占用的所述智能体和所述孪生代理的资源状态,确定所述当前时刻的任务承载关系图,并计算所述智能体和所述孪生代理的可用资源;步骤S3、基于所述任务组成关系图和所述可用资源建立任务分配模型,并对所述任务分配模型进行优化;其中,对所述任务分配模型的优化包括针对所述信息处理任务的信息处理资源优化以及针对所述物理执行任务的物理执行资源优化,所述信息处理资源优化包括对所述智能体和/或所述孪生代理进行所述信息处理任务的资源分配,所述物理执行资源优化包括对所述智能体进行所述物理执行任务的资源分配。2.根据权利要求1所述的一种资源协同优化的智能无人集群任务分配方法,其特征在于,在所述步骤S1中,由所述多个任务构成的所述待执行任务集合表示为,表示第i个任务,所述待执行任务集合包括多个所述信息处理任务和所述物理执行任务,每个子任务表示以四元组<name, target, time, load, type>来表示,其中,name为任务名称,target为任务目标,time为任务执行时间,time=<t_start, t_end>,t_start为任务开始时间,t_end为任务结束时间,load为任务处理工作量,,由资源以及所述资源提供的资源量组成;type为任务类型,分为所述信息处理任务和所述物理执行任务。3.根据权利要求2所述的一种资源协同优化的智能无人集群任务分配方法,其特征在于,在所述步骤S1中,建立所述任务组成关系图时,所述多个任务在时间维度上的执行先后次序对应的图结构表示包括:当task1在task2开始之前结束,则所述图结构表示被描述为task1
‑
end < task2
‑
start;当task1结束后task2立即开始,则所述图结构表示被描述为task1
‑
end = task2
‑
start;当task1和task2执行时间有交集,则所述图结构表示被描述为task1
‑
start < task2
‑
start < task1
‑
end < task2
‑
end;当task1和task2开始时间相同,则所述图结构表示被描述为task1
‑
start = task2
‑
start;
当task2在task1执行时间内执行,则所述图结构表示被描述为task1
‑
start < task2
‑
start< task2
‑
end < task1
‑
end;当task1和task2结束时间相同,则所述图结构表示被描述为task1
‑
end = task2
‑ꢀ
end;当task1和task2开始以及结束时间均相同,则所述图结构表示被描述为task1
‑
start = ...
【专利技术属性】
技术研发人员:王雯,王敬超,张晓宇,任双印,
申请(专利权)人:中国人民解放军军事科学院系统工程研究院,
类型:发明
国别省市:
还没有人留言评论。发表了对其他浏览者有用的留言会获得科技券。