正在加载图片...
·658. 智能系统学报 第12卷 表24种算法在小规模卫星集群上的运行时间对比 图2展现了在大规模卫星集群上HTFA-S、 Table 2 Running time of four algorithms in SSC HTFA-RC、HTFA-C算法的性能差异。HTFA-RC HTFA-C算法构建团队的效果普遍优于HTFA-S算 任务数量 TFCA HTFA-S HTFA-RC HTFA-C 法。从图3中可以看出,随着任务增多,HTFA-S、 10 7.591 0.026 0.054 0.054 HTFA-RC、HTFA-C算法构建团队时间都在逐渐增 12 42.479 0.107 0.057 0.088 加,而HT℉A-C构建团队时间的增长速度明显高于 153.379 0.179 0.096 0.209 HTFA-S和HTFA-RC,这是因为HTFA-C任务的有 序性在相同的剪枝策略下相比于其他两种算法, 16 1086.749 0.179 0.158 0.158 HT℉A-C在每一层会更多地保留效果好的分枝,因 18 8019.749 0.258 0.399 1.339 此整个团队构建过程中,搜索的分枝更多。 20 90078.369 0.418 1.241 2.096 实验3随机生成一组由10个任务构成的任 从图1可以看出,在小规模卫星集群中,HT℉A- 务集合,在不同规模的卫星集群上构建团队,比较 S、HTFA-RC、HTFA-C算法构建的团队效果接近 TFCA、HTFA-S、HTFA-C、HTFA-RC算法性能,实验 TFCA算法。HTFA-S算法由于任务输入的无序性, 结果如表3、图4所示。 在大部分情况下构建团队的效果比HTFA-RC 表34种算法的运行时间对比 HTFA-C算法差。表2展示了4种算法的时间特 Table 3 Running time of four algorithms 性,T℉CA算法的运行时间随着任务的增多,呈现指 卫星数量/个 TFCA HTFA-S HTFA-RC HTFA-C 数增长趋势,HTFA-S、HTFA-RC、HTFA-C算法的运 行时间增长缓慢。 5 0.158 0.007 0.007 0.014 实验2为了进一步验证我们提出的算法在大 规模卫星集群上的性能,在50颗卫星组成的卫星集 > 1.356 0.029 0.010 0.018 群上重新测试实验1中的6组任务数据。但由于 3.925 0.032 0.025 0.071 T℉CA算法运行时间太长(在50颗卫星组成的集群 上,对12个任务构建团队时,运行超过12h仍然不 11 14.640 0.039 0.033 0.014 能给出有效结果)我们仅对比HTFA-S、HTFA-RC和 13 20.877 0.042 0.016 0.009 HTFA-C的实验结果,如图2、3所示。 0.014 200 41.286 0.045 0.007 HTFA-S 150 OHTFA-RC ■HTFA-C 250 225 OTFCA 图HITFA-S 100 2 138 ▣HTFA-RC ■HTFA-C 50 12 10 12 14 16 18 20 29 任务数量/个 N 图23种启发式算法在LSC上的性能对比 9 11 13 Fig.2 Performances of three algorithms in LSC 卫星数量/个 30 图44种算法在不同规模卫星集群上的性能对比 3 .HTFA-S Fig.4 Performances of four algorithms in different 20 -HTFA-RC scales of SC HTFA-C 图4是在中小规模的多个卫星集群上对同一组 任务数据构建团队对比4种算法的性能。随着卫星 5 规模的逐步增大,团队的代价越来越小。多数情况 下,HTFA-C、HTFA-RC算法的性能优于HTFA-S算 10 12 141618 20 任务数量/个 法。从表3中可以看出,T℉CA算法的运行时间随 图33种启发式算法在LSC上的运行时间对比 着集群规模增大爆发式增长。而HTFA-S、HTFA Fig.3 Time comparison of three algorithms in LSC RC、HTFA-C算法的运行时间增长不明显。表 2 4 种算法在小规模卫星集群上的运行时间对比 Table 2 Running time of four algorithms in SSC s 任务数量 TFCA HTFA⁃S HTFA⁃RC HTFA⁃C 10 7.591 0.026 0.054 0.054 12 42.479 0.107 0.057 0.088 14 153.379 0.179 0.096 0.209 16 1 086.749 0.179 0.158 0.158 18 8 019.749 0.258 0.399 1.339 20 90 078.369 0.418 1.241 2.096 从图 1 可以看出,在小规模卫星集群中,HTFA⁃ S、HTFA⁃RC、 HTFA⁃C 算法构建的团队效果接近 TFCA 算法。 HTFA⁃S 算法由于任务输入的无序性, 在大部 分 情 况 下 构 建 团 队 的 效 果 比 HTFA⁃RC、 HTFA⁃C 算法差。 表 2 展示了 4 种算法的时间特 性,TFCA 算法的运行时间随着任务的增多,呈现指 数增长趋势,HTFA⁃S、HTFA⁃RC、HTFA⁃C 算法的运 行时间增长缓慢。 实验 2 为了进一步验证我们提出的算法在大 规模卫星集群上的性能,在 50 颗卫星组成的卫星集 群上重新测试实验 1 中的 6 组任务数据。 但由于 TFCA 算法运行时间太长(在 50 颗卫星组成的集群 上,对 12 个任务构建团队时,运行超过 12 h 仍然不 能给出有效结果)我们仅对比 HTFA⁃S、HTFA⁃RC 和 HTFA⁃C 的实验结果,如图 2、3 所示。 图 2 3 种启发式算法在 LSC 上的性能对比 Fig.2 Performances of three algorithms in LSC 图 3 3 种启发式算法在 LSC 上的运行时间对比 Fig.3 Time comparison of three algorithms in LSC 图 2 展现了在大规模卫星集群上 HTFA⁃S、 HTFA⁃RC、HTFA⁃C 算法的性能 差 异。 HTFA⁃RC、 HTFA⁃C 算法构建团队的效果普遍优于 HTFA⁃S 算 法。 从图 3 中可以看出,随着任务增多,HTFA⁃S、 HTFA⁃RC、HTFA⁃C 算法构建团队时间都在逐渐增 加,而 HTFA⁃C 构建团队时间的增长速度明显高于 HTFA⁃S 和 HTFA⁃RC,这是因为 HTFA⁃C 任务的有 序性在相同的剪枝策略下相比于其他两种算法, HTFA⁃C 在每一层会更多地保留效果好的分枝,因 此整个团队构建过程中,搜索的分枝更多。 实验 3 随机生成一组由 10 个任务构成的任 务集合,在不同规模的卫星集群上构建团队,比较 TFCA、HTFA⁃S、HTFA⁃C、HTFA⁃RC 算法性能,实验 结果如表 3、图 4 所示。 表 3 4 种算法的运行时间对比 Table 3 Running time of four algorithms s 卫星数量/ 个 TFCA HTFA⁃S HTFA⁃RC HTFA⁃C 5 0.158 0.007 0.007 0.014 7 1.356 0.029 0.010 0.018 9 3.925 0.032 0.025 0.071 11 14.640 0.039 0.033 0.014 13 20.877 0.042 0.016 0.009 15 41.286 0.045 0.014 0.007 图 4 4 种算法在不同规模卫星集群上的性能对比 Fig. 4 Performances of four algorithms in different scales of SC 图 4 是在中小规模的多个卫星集群上对同一组 任务数据构建团队对比 4 种算法的性能。 随着卫星 规模的逐步增大,团队的代价越来越小。 多数情况 下,HTFA⁃C、HTFA⁃RC 算法的性能优于 HTFA⁃S 算 法。 从表 3 中可以看出,TFCA 算法的运行时间随 着集群规模增大爆发式增长。 而 HTFA⁃S、HTFA⁃ RC、HTFA⁃C 算法的运行时间增长不明显。 ·658· 智 能 系 统 学 报 第 12 卷
<<向上翻页向下翻页>>
©2008-现在 cucdc.com 高等教育资讯网 版权所有