基于随机机器故障的柔性作业车间动态调度

为了有效快速地应对生产过程中出现的随机机器故障,构建了一个故障机器可恢复的动态柔性作业车间调度模型,采用事件和周期混合驱动的方式,设计了一个组合重调度策略.在组合重调度策略中,将改进的二叉树右移重调度与完全重调度进行组合,引入序位偏差和完工时间偏差为重调度评价指标,对重调度方法进行选择,并且在精英选择遗传算法(elite selection genetic algo-rithm,ESGA)基础上,对精英选择策略进行改进,以防止陷入局部最优.试验算例仿真结果表明,动态调度算法对随机机器故障下的柔性作业车间动态调度是有效的.     

基于约简任务资源分配图的网格依赖任务静态调度

网格资源环境的动态性和异构性对依赖任务的静态调度策略产生了极大的挑战.提出了一个能够更好地适应资源异构性,并完整支持调度、重调度的统一静态调度模型,即基于约简任务资源分配图(RT-RAG)的调度模型和调度算法.基于该模型的调度问题归结为RT-RAG的优化选取问题.实验分析表明,基于该模型的调度方法更好地适应了网格环境的动态性和异构性,使得静态调度策略与动态调度策略相比依然保持着较大的性能优势,并且也优于基于DAG任务图调度模型的AHEFT静态调度算法,特别是在资源差异较大的情况下.     

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。     

基于混合算法的多目标连续泊位-岸桥集成调度研究

为了多角度考虑,合理地提高码头作业效率和客户满意度.针对集装箱码头连续泊位,考虑船舶动态到达且船舶有优先级条件下的泊位-岸桥集成调度优化问题.首先,建立了基于船舶总在港时间最少、总等待时间最少,泊位偏离惩罚最小、超出计划离港时间惩罚最小的多目标泊位-岸桥集成调度一阶段模型和最小化岸桥移动成本的岸桥具体分配二阶段模型.然后,提出了一种将细菌觅食、粒子群、克隆免疫、变领域搜索相结合的混合算法.最后,用提出的算法和Cplex软件对模型算例进行求解,针对不同目标,得出具体调度方案.实验表明:混合算法比细菌觅食算法、粒子群算法和克隆免疫算法有更好的精度并且具有较快求解速度;同时具体调度方案会随着目标函数的不同而发生相应的变化,各个目标之间存在约束关系,验证了混合算法和模型的有效性.     

网格计算环境下作业调度的策略研究

根据网格计算环境的各种特点,分析了采用层次型策略进行作业调度的必要性和可行性。根据计算资源的结构特点,提出了建立层次型权系数模型的算法思想,同时根据权系数模型提出了一种较新的作业调度的算法,并对其作业调度算法作了仿真分析。此算法将为如何根据各节点的实时变化特征,动态地进行作业任务的局部调度提供了可靠的参考数据。     

基于经济模型的网格资源调度算法

建立了基于经济模型的网格作业调度系统,给出了相应的服务质量(QoS)资源调度算法.通过定义资源的多维QoS指标,实现了对计算网格中广域分布和异构资源的统一描述,能很好地适应网格资源的动态性和自治性.采用QoS偏好度排序和欧氏距离的优化策略搜索资源,将用户提出的具有个性化或总体服务需求的作业透明、动态地分配给最适应的资源,优化了资源的统一配置.采用仿真实验比较多种算法的性能,结果说明QoS算法可满足资源的自适应性,较好地实现全局资源调度的目标.     

基于思维进化的集群作业调度方法研究

为了减少不准确的时间估计对作业调度的影响,提出了动态预约调度模式.在该模式中,预约队列中的作业与被预约资源是松耦合的,可根据作业完成情况进行重映射,以减少作业提前完成而产生的资源碎片.基于动态预约模式,将思维进化计算引入到作业调度中,以各种回填算法的调度结果作为初始群体,通过趋同和异化操作,使群体不断向最优解进化,从而产生更优的调度方案.基于真实作业集的仿真结果表明,所提算法的作业平均的等待、延迟时间比最优的基于回填的组合算法分别下降了68.5%和66.95%.     

考虑集卡到港时间延迟的堆场起重机动态调度研究

在集装箱码头的集港作业中,集卡延迟到港可能导致已制订堆场起重机作业计划变得次优甚至不可行.因此,及时为延迟到港任务更新作业计划具有必要性.考虑集卡到港时间延迟的堆场起重机动态调度问题,基于任务批次分配策略,将调度期划分为多个时段,在每个时段内生成作业计划.以完成时间最短为目标,建立起重机调度混合整数规划优化模型,并提出下界推导模型.提出迭代重优化框架,每当任务延迟到港,就会重优化相应批次的作业计划.在框架内,设计遗传算法求解各批次原有作业计划;设计贪婪插入算法重优化带延迟到港的任务,更新原有计划.实验结果表明,模型、下界推导模型具有正确性和有效性,算法具备良好的求解性能;缩短调度时段长度有利于快速生成起重机作业计划;延迟到港箱量占比越大,作业时间越长,且随着调度时段长度减小,这一影响逐渐弱化.     

网格计算环境下作业调度的策略研究

根据网格计算环境的各种特点，分析了采用层次型策略进行作业调度的必要性和可行性。根据计算资源的结构特点，提出了建立层次型权系数模型的算法思想，同时根据权系数模型提出了一种较新的作业调度的算法，并对其作业调度算法作了仿真分析。此算法将为如何根据各节点的实时变化特征，动态地进行作业任务的局部调度提供了可靠的参考数据。     

一种5G网络低时延资源调度算法

针对现有资源调度算法难以满足5G低时延业务需求的现状,提出了一种基于联合遗传和禁忌搜索算法的资源调度(GATS)算法。首先利用整数线性规划建立了虚拟链路的动态带宽分配策略,然后在传统柔性车间调度模型的基础上引入了数据流量在虚拟链路中的传输时延,建立了相应的5G网络资源调度模型。为了求解这一调度模型,设计了采用联合遗传和禁忌搜索算法的启发式调度算法,该算法通过在遗传算法寻优过程中引入禁忌搜索,平衡全局搜索和局部搜索能力,有效解决了遗传算法早熟的问题,而且能够获得更好的调度方案。仿真实验表明,与GA-BA算法相比,GATS算法将服务完成时间减少了17%,不仅满足了5G低时延业务的需求,而且提高了用户体验和移动运营商的收益。     

网格环境下的高效动态任务调度算法

网格系统具有异构性、动态性和分布性，这使得网格中的任务调度变得十分复杂，要求调度算法具有动态性和自适应性．文中将群体智能技术引入网格的任务调度中，针对一组相互独立的任务调度问题，提出了一种新的动态任务调度算法．该算法利用蜂群与环境的交互模型来实现网格中动态的任务分配；同时根据蜂群的自组织社会层次的概念，解决了算法中出现的竞争问题．实验结果表明，相比于现有的方法，该算法对于网格中的动态环境具有更好的适应性，且调度性能更优．     

一种考虑资源状态动态反馈的云计算调度算法

针对云计算动态调度问题,提出一种考虑资源状态动态反馈的云计算调度算法.该算法针对资源服务器状态动态变化影响当前工作流调度结果的问题提出滑动窗模型,该模型可以实时动态地反映资源服务器的状态.为了更好地预测资源服务器的状态,提出时间窗曲线模型和平均利用率模型,以计算资源服务器的平均利用率.基于平均利用率提出资源反馈权重策略,通过该策略来计算所有工作流任务的动态权重值,按照动态权重值进行排序并依次调度.实验结果表明本文算法可以有效缩短工作流的总加工时间.      

带队列约束的RHFS列生成调度算法

为有效提升多重入车间的生产效率,考虑实际生产中队列约束,提出了基于列生成算法的可重入混合流水车间的调度方法.首先对两阶段生产调度问题进行描述,以最小化工件总完成时间为优化目标,建立数学规划模型.针对该调度模型提出列生成算法,设计带多重决策的动态规划方法来求解工件级子问题,为更快收敛,主问题求解中采用自适应加速策略.在使用分支定界将得到的解整数化的过程中,构造列池并设计局部变异.最后,对各种不同问题规模进行了数值实验,结果表明所提出的调度算法是有效可行的.     

FMS—AGV传输系统自学习调度方法

针对ＦＭＳ－ＡＧＶ传输系统调度的不确定性因素,对ＡＧＶ在线运行状态参数实时记录并学习,运用动态规划算法和模糊数学的方法,提出了模糊动态规划（ＦＤＰ）算法．给出了适于计算的迭代算式,结合人工智能（ＡＩ）编制了ＡＧＶ传输系统调度软件包．本算法利用在线记录的ＡＧＶ运行数据进行模糊处理和学习,有效地调节用于描述ＦＤＰ算法的模糊模型参数．这种自学习ＦＤＰ算法在ＡＧＶ的路径规划中有较好的适应性．对于一个新的ＦＭＳ－ＡＧＶ系统,经几次规划自学习之后,该算法就能很好地用于系统的实时调度中．     

采用实时生产信息的单元制造任务动态调度方法

运用无线射频技术来实现对制造单元加工现场实时生产信息的动态获取,并针对制造单元生产过程中常发生的新任务加入、设备损坏和交货期更改的不确定性事件,以制造任务最短完工时间为调度目标,建立了单元制造任务的动态调度模型,通过引入爬山搜索方法构建了混合遗传算法,实现了对该模型的有效解算.混合遗传算法的进化操作由选择、交叉、变异与爬山进化算子组成,可有效地提高算法的收敛速度,在开发的采用实时生产信息的单元制造任务动态调度系统上进行了调度案例验证,结果表明,所提出的方法可以有效地解决不确定性事件的单元制造任务的动态调度问题,从而提高了调度方案与制造单元实际生产需求的一致性.     

基于LBT的网格依赖任务调度算法

文章将任务调度分为资源分配和调度执行2个阶段,定义了网格环境下的调度执行最晚开始时间、调度执行开始时间和任务依赖图中边的权值;分析了任务图冻结消减和执行消减对任务图结构的影响;提出了基于LBT的网格依赖任务调度算法;实验表明该算法有效地减弱了网格动态性对调度结果的影响。     

基于风险估计模型的网格任务动态级调度算法

网格中的各种资源的失效是不可避免的,为尽可能减少由于资源失效导致任务执行失败带来的影响,网格的任务调度算法的目标不仅要最小化任务执行的时间,还要兼顾考虑任务在资源上执行失败的风险.提出了Risk-DIS(Dynamic Level Scheduling)算法是将资源的风险估计模型与DIS算法相结合,通过仿真试验与DIS算法相比较,新算法在选择适当的参数的情况下,不仅能够最小化DAG型应用的完成时间,还能提高任务执行的成功率,有效的减少网格环境的不确定性对任务执行的影响.     

QoS约束的云工作流调度算法

将云计算和工作流两者结合起来,并根据用户关心的QoS中执行时间和执行费用问题,针对工作流调度策略在云环境下调度实例密集型工作流时效率不高的问题优化资源调度策略,给出云工作流调度模型,提出一种基于QoS约束的云工作流调度算法MSCWQ(modifiedschedulingalgorithmforcloudworkflowbasedonQoS).该算法利用DAG(directedacyclicgraph)进行建模,优化资源策略,保证在最晚结束时间内使整个工作流实例的执行费用尽可能小.实验结果表明,在调度实例密集型云工作流时,该算法能有效提升科学工作流的执行效率,并能减少资源的使用费用.     

用GA算法解不同交货期窗口下的E/T调度问题

针对准时生产制下提前 /延迟 ( E/ T)费用的生产排序与调度问题 ,对不同交货期窗口下 E/ T指标的单机调度问题进行了分析 ,给出了在给定加工顺序条件下求解最优加工时间的动态规划算法。在此基础上 ,应用 GA( genetic al-gorithms)算法实现了求解。为提高算法优化性能 ,针对问题本身特性 ,分别从关键参数的选取 ;交叉操作的动态控制 ;变异操作的优化 3方面提出了相应改进策略。最后利用计算机仿真对算法性能进行研究 ,并得到一些经验性结论。仿真结果表明 ,该算法在优化性能和时间性能上均能满足工程上的要求。     

炼钢连铸系统的动态调度模型和启发式调度算法

针对炼钢连铸系统对单元设备建立了动态调度模型,并利用基于该模型的赋时同步有色Petri网对整个系统建立动态调度模型,针对该模型,提出了一种启发式调度算法解决动态调度问题,并基于此实现炼钢连铸的仿真调度系统,结果表明,该算法能够较好地实现多级多机FIFO（先入先出）系统的动态调度问题。