3、汽车网络物理系统中可靠实时消息调度的混合启发式方法

汽车网络物理系统中可靠实时消息调度的混合启发式方法

在汽车网络物理系统中，实时消息调度至关重要，尤其是要满足时间触发和高优先级事件触发消息的截止日期约束。为了实现这一目标，我们将探讨模拟退火（SA）、贪婪随机自适应搜索过程（GRASP）以及结合二者的混合启发式方法，同时介绍JAMS - SG框架的设计与运行时步骤。

1. 模拟退火（SA）和贪婪随机自适应搜索过程（GRASP）

• 模拟退火（SA） ：SA具有高度的通用性，能够处理高度非线性的解空间，还擅长处理任意系统和成本函数，并在统计上保证近似全局最优。然而，SA收敛到一个好的解可能需要很长时间，并且其解的最优性在很大程度上依赖于所选的超参数，如初始温度、退火时间表和接受函数。
• 贪婪随机自适应搜索过程（GRASP） ：GRASP是一种多起点元启发式算法。它反复随机采样贪婪解，并使用自适应局部搜索将其优化到局部最优，最后选择局部最优中的最佳解作为最终解。GRASP的两个关键步骤如下：
  1. 贪婪随机构造阶段 ：尝试构建一个可行解。该阶段有贪婪和概率两个重要方面。贪婪方面涉及生成受限候选列表（RCL），其中包含能改进部分解的最佳元素；概率方面则是从RCL中随机选择一个元素并入部分解。
  2. 局部搜索阶段 ：尝试在定义的邻域内探索局部最优。通过迭代使用破坏和修复机制来改进构造的解，帮助在定义的邻域内搜索局部最优。当找到改进的解时，更新最佳解。

GRASP易于构造