作业车间调度的非合作博弈模型与混合自适应遗传算法

采用博弈理论,建立了一种基于非合作博弈的作业车间任务调度模型.在该任务调度模型中,将源于不同客户的制造任务映射为非合作博弈模型中的局中人,并将与制造任务包含的工序集所对应的可选加工设备映射为可行方案集,使各制造任务的加工完成时间和成本组合形成的多目标综合指标映射为收益函数,从而将对任务调度模型的求解转换为寻求非合作博弈模型的Nash均衡点.通过设计的爬山搜索混合自适应遗传算法、自适应交叉和变异算子,实现了对该任务调度非合作博弈模型的Nash均衡点的有效求解,同时算例仿真结果也验证了所提出的调度方法的正确性.     

一种基于时间片的抢占控制模型

针对实时系统中任务调度问题,提出了一种基于时间片的抢占控制模型.该模型以抢占次数上限为特征参数,在满足任务集可调度的前提下,由该特征参数计算出任务时间片并按片内不可抢占的限制条件优化任务抢占次数.采用遗传算法对该抢占控制模型进行了离线实现,同时使用惩罚函数来保证整个任务集的可调度性.通过仿真实验,验证了该模型的有效性.     

基于多Agent的分布式多目标任务调度机制研究

针对分布式计算中任务调度的复杂性、动态性和实时性等特点,构建了一个基于多Agent的分布式多目标任务调度模型．此模型中,设计了一种分布武调度机制,使每个节点都具有独立的调度决策能力,增强了系统的可扩展性．同时为了解决分布式调度所产生的节点间任务通信问题,引入任务与节点相关性等概念,有效地降低了节点间的通信代价．模型对多个评价指标进行了综合衡量,如任务调度开销、任务最早执行时间、负载均衡及节点问的通信量等,并根据任务和系统运行的状态特征,实现多目标任务调度,提高了系统的整体性能．     

采用遗传-谐振算法求解网格依赖任务安全调度问题

针对异构网格环境下任务调度面临的安全性问题,考虑网格节点的系统安全控制策略与历史行为表现,构建了网格节点安全评估模型,并在此基础上提出了一种安全可信的网格依赖任务调度优化模型。为求解该模型,结合遗传算法全局寻优能力较强的特性,同时克服其局部寻优不足的缺点,引入谐振算法,从而设计了一种新的遗传-谐振算法(GASHO)。首先,针对DAG任务图基于启发式思想设计遗传进化算子和量子谐振算子等操作以产生任务调度优先队列,解决离散解非法的问题;然后,采用安全约束下的最早完成时间算子操作实现任务集到网格节点的映射,提高算法收敛效率;最后,对算法的时间复杂度和收敛性进行分析证明。仿真实验结果表明,在同等条件下与同类算法相比,GASHO算法在收敛性、调度长度、安全效益值等方面具有明显的优势。     

基于多智能体技术的虚拟企业任务调度

采用多智能体技术构建了虚拟企业任务调度运行模型,该模型包括管理智能体、任务智能体、资源智能体等.针对模型中的调度优化问题,以资源智能体所承担的生产任务为对象,综合考虑资源智能体自身已确定的生产任务、完成虚拟企业生产任务所需作业时间及转运时间等因素,建立了以制造时间最小化为目标的优化调度模型,并给出了粒子群优化求解算法.最后以工业机械手制造实例说明了任务调度模型及求解算法的有效性.     

优化的模糊决策算法在多自动引导车调度问题中的应用

为解决多AGV在复杂系统中的任务调度问题,以提高生产效率缩短任务周期为目标建立地面轨迹模型和AGV搬运耗时模型。采用优化的模糊决策算法通过最小化每台AGV的搬运耗时来最小化搬运作业的总耗时。在算法设计过程中,采用分布式控制思想,将AGV离目标点的距离,AGV的当前载重和AGV的当前电量作为因素集,将AGV执行此次搬运任务的合适度作为评价集,建立AGV模糊评价模型;通过该模型得出各台AGV对任务适合度的评价向量进而寻找一种映射将评价向量转化为值,调度问题被转化为最优化问题,其中采用切割补偿优化综合模型的因素权重选择,采用分模式链式比较,减少AGV的计算量。通过多次仿真实验,可以验证本文算法在缩短任务的执行周期上具有一定的可行性与有效性,并且在解决复杂系统AGV状态多变的调度问题下展现了一定的鲁棒性和拓展性。     

基于优化的模糊决策算法在多AGV调度问题中的应用

为解决多AGV在复杂系统中的任务调度问题,以提高生产效率缩短任务周期为目标建立地面轨迹模型和AGV搬运耗时模型。采用优化的模糊决策算法通过最小化每台AGV的搬运耗时来最小化搬运作业的总耗时。在算法设计过程中,采用分布式控制思想,将AGV离目标点的距离,AGV的当前载重和AGV的当前电量作为因素集,将AGV执行此次搬运任务的合适度作为评价集,建立AGV模糊评价模型;通过该模型得出各台AGV对任务适合度的评价向量进而寻找一种映射将评价向量转化为值,调度问题被转化为最优化问题,其中采用切割补偿优化综合模型的因素权重选择,采用分模式链式比较减少AGV的计算量。通过多次仿真实验,可以验证本文算法在缩短任务的执行周期上具有一定的可行性与有效性,并且在解决复杂系统AGV状态多变的调度问题下展现了一定的鲁棒性和拓展性。     

基于多智能体的虚拟企业任务调度研究

采用多智能体技术构建了虚拟企业任务调度运行模型,该模型包括管理智能体、任务智能体、资源智能体等。针对模型中的调度优化问题,以资源智能体所承担的生产任务为对象,综合考虑资源智能体自身已确定的生产任务、完成虚拟企业生产任务所需作业时间及转运时间等因素,建立了以生产延续时间最小化为目标的优化调度模型,并给出了粒子群优化求解算法。工业机械手实例说明了任务调度模型及实现方法的有效性。     

分布式系统中基于非合作博弈的调度算法

针对分布式系统中任务调度问题,根据分布式环境下的任务调度特性,建立了一个非合作博弈的多角色任务调度框架,在此基础上提出了一种基于纳什均衡联合调度策略的分布式强化学习算法.相比于静态调度算法,该算法需要更少的系统知识.能使调度器主动学习任务到达和执行的相关先验知识,以适应相邻调度器的分配策略,目标是使得调度器的策略趋向纳什均衡.模拟实验结果表明:所提出的算法在任务的预期时间和公平性上相对于OLB(机会主义负载均衡)、MET(最小执行时间)、MCT(最小完成时间)等同类调度算法具有更好的调度性能.     

基于任务分割的云计算动态多DAG调度方法

针对云计算中动态多DAG任务调度问题存在的公平性与调度效率的矛盾,提出了一种任务分割的云计算动态多DAG调度方法.首先,在通信竞争思想的基础上建立了多DAG调度模型,并在模型内融入了任务开始及结束的时间约束指标;然后对每一次的DAG进行主、副任务分割,并将随后的DAG分割结果不断地合并到之前分割的子任务中.最后,基于两类动态多DAG任务调度系统进行仿真分析.结果显示,该方法具有较高的公平性和调度效率.     

基于博弈论的多机器人任务分配算法

为了寻找一种合理有效的多机器人任务分配算法,基于多机器人协作救火任务环境,以博弈论纳什均衡为基础,研究多机器人的任务分配问题。根据任务模型特点和纳什均衡的主要特征提出了一种基于博弈论的任务分配算法。博弈的效用函数同时考虑了距离、火势和燃烧时间等因素,机器人根据此效用函数选择行为策略,促使机器人尽快扑灭惩罚值较大的火灾而获得较大的奖励值。利用任务总收益函数值的大小评价算法的优劣性。收益函数与火势、燃烧时间和机器人扑灭火灾数有关,这切合实际救火模型。实验结果证明了该任务分配算法的有效性。     

面向云制造的有限资源多任务调度博弈

为解决云制造环境下云服务组合优化调度问题,在深入分析目前优化调度问题存在的难点及研究不足的基础上,提出一种云制造环境下有限资源的多任务调度模型。考虑服务需求者间存在的利益冲突及重要的服务评价指标,以每个服务需求者作为博弈参与者,将每个任务的执行制造路径当作博弈策略,把时间、合格率、成本和服务质量组成的综合服务水平看作博弈支付函数,最终把有限资源的多任务调度问题转变为多个静态非合作博弈问题。在此基础上,将求解纯策略纳什均衡解的过程编制为算法,该算法所得的均衡解为每个任务的最终执行制造路径。实验仿真表明该模型及算法具有可行性及有效性。     

一类供应链订货的Stackelberg主从对策

给出了一个一般Stackelberg对策问题模型及其解计算的遗传算法求解步骤·在一类单分销商、多顾客单产品供应链中 ,针对订货的Stackelberg对策中分销商的最小补充期协调问题 ,建立顾客成本合理性约束下的分销商成本优化模型 ,并以辽化石油分销系统为对象进行了Stackelberg对策的仿真实验·结果表明 ,通过供应链中最小补充期协调 ,整个供应链及其成员都可从中受益 ,供应链订货的Stackelberg对策的分散协调机制有效地实现了供应链协调·     

基于非合作博弈论的CoMP系统功率分配算法

针对下行单用户多点协作传输系统(SU-CoMP)的资源分配问题,提出一种基于非合作博弈论的动态功率分配算法.首先协调不同用户在同频子信道上的发射功率,然后建立新定价机制下的功率分配博弈模型.在此基础上分析CoMP用户在其协作簇内功率分配时相互协作,推导该模型的求解算法,最后论证该算法纳什均衡解的存在性和唯一性.仿真结果表明,所提算法能提升边缘用户频谱利用率,减小功耗.     

基于粒子群优化的协作网络资源分配的博弈策略

应用基于竞价机制的斯坦克尔伯格博弈提出协作中继网络中的一种资源分配策略,用以解决单一中继节点对多用户节点协作带宽的分配问题。首先中继根据用户的协作带宽需求对资源定价,然后用户根据价格调整其纳什均衡策略,即获取协作效用最大化的最优带宽购买量。证明了纳什均衡的存在性,提出基于粒子群优化的均衡求解算法,分析了均衡的有效性,仿真给出了粒子群优化的全局最优带宽分配结果。仿真结果表明,所提出的博弈可以激励中继节点参与协作,并协调多用户节点间的资源分配。     

基于合作博弈的多部件设备非完美维修策略优化

非完美维修是设备维修资源受限条件下广泛采用的维修方式，然而设备非完美维修中各部件维修等级的确定随着部件数量或非完美维修等级的增加而变得困难。本文针对多部件设备非完美维修策略优化问题，以设备可靠性为基础，选择各部件的非完美维修等级为优化变量，以维修时间及任务可靠性为约束条件，以设备总维修费用最低为目标建立了设备维修策略优化问题数学模型；进而选择各部件的负责人为参与者，构建相应的合作博弈场景，提出基于合作博弈的设备非完美维修策略优化方法，通过设置每轮博弈中各参与者的策略空间构造、收益及博弈规则，能够使每轮博弈中设备维修方案的更新是朝着优化目标的方向进行；从而通过动态博弈过程获得多部件设备最优的非完美维修策略。通过仿真算例分析及与遗传算法等对比，验证了所提方法的优化结果整体上明显优于遗传算法和粒子群算法的优化结果、且能够显著提高非完美维修策略优化过程的计算效率。本研究为当前有限资源下的设备维修策略优化提供了新思路。     

基于双优先级队列的异构分布式控制系统容错调度算法

在对分布式控制系统进行分析的基础上,给出了任务模型和处理器模型.为了调度多种实时性的任务,提出了双优先级队列调度算法,用于调度每个处理器上的任务.该算法设置2个优先级队列,其中高优先级队列用于调度实时任务,低优先级队列用于调度非实时任务,高优先级队列中的任务可抢占低优先级队列中的任务.在此基础上,采用版本复制技术使系统具有容错能力,并分析了任务的容错可调度条件.基于此,采用首次适应的启发式任务分配策略,将任务分配到各个处理器上,在确保任务容错可调度的条件下使处理器负载均衡.仿真结果表明所提出的算法是有效的.     

时变路网下多配送中心多车型联合配送研究

随着电子商务发展,越来越多的城市、企业采用多配送中心模式,优化补货车辆、配送站点车辆出行时刻及出行路线的优化变得越来越重要。目前考虑城市时变速度特征的多车型联合配送中,对配送车辆出行时刻和配送路径联合优化角度的研究成果较少。基于此,本文主要构建基于时变速度多配送中心多车型联合配送模型,并设计基于禁忌搜索求解算法,论文收集了北京市城市配送大数据,以北京市公铁联运城市配送为应用背景,对算法进行了验证,通过计算发现本算法可以有效优化多配送中心多车型联合配送运输成本和时间成本,算法能够应用于北京这种特大城市的公铁联运城市配送方案中。     

客户驱动的硫化车间非合作博弈生产调度研究

以客户利益为核心,建立客户驱动的非合作博弈的硫化车间多目标调度模型,将制造任务、硫化机映射到博弈模型中,将客户订单的完工时间和硫化成本组合形成收益函数,将模型的求解转化为对Nash均衡点的求解,设计遗传算法对非合作博弈模型的Nash均衡点进行有效求解,通过求解结果验证模型的正确性。     

商业银行客户知识共享的博弈分析

客户知识共享有利于客户知识得到充分和全面的利用,提高知识的生产率。客户知识共享在一般情况下都需要参与各方付出一定的成本。运用完全信息博弈和不完全信息博弈模型,分析客户知识共享实现的可能性。