基于CTCH网的批过程动态最优调度

采用动态规划的基本原理 ,给出了基于CTCH网模型的批处理过程的动态最优调度模型 ,并给出了相应的调度算法 ,最后以炼钢 -连铸生产系统的过程调度为例 ,对该算法进行了仿真     

多Agent蚁群算法求解炼钢-连铸动态调度问题

为了求解炼钢-连铸动态调度问题,提出了多Agent系统与蚁群算法相融合的方法。建立了该问题的约束满足模型和多Agent协商机制;并将炉次与蚂蚁相对应,把调度过程看作路径寻优来处理,在满足约束的前提下搜索炉次全程占用时间最短的路线。针对国内某钢厂建立了仿真实验模型。结果表明,该方法能够缩短炉次在炼钢-连铸过程占用的时间,并能够在发生突发事件时做出快速合理的调整。     

一种基于混合Petri网的批过程动态调度算法

针对批处理过程动态调度问题的特点，以赋色时间限制混合Petri网为工具，建立了批过程动态调度的混合Petri网模型，将批过程的调度问题映射技术为求Petri网中变迁的最优激发序列问题。在此模型基础上，根据动态规划基本原理，以资源的终极利用即最短生产周期作为调度目标，提出了一种基于赋色时间限制混合网模型求取变迁的最优激发序列的方法，并针对实际情况中出现的复杂的中间产品存贮策略，讨论了在各存贮策略约束下该模型中时间限制区间的确定方法，最后以炼钢－连铸生产系统的过程调度为例，对该算法进行仿真。多次仿真结果表明，当任务和设备的初始时刻或者过程的动态过程发生改变时，调度结果各不相同，从而验证了该算法的有效性。     

基于单元特定事件的多缓冲炼钢连铸生产调度建模

针对炼钢-连铸生产实际,提出多缓冲炼钢-连铸生产调度问题。考虑缓冲、分配、排序、时间、连铸等实际约束,建立基于单元特定事件的连续时间混合整型线性规划模型,实际案例验证了该模型的有效性。     

求解具有时空约束的天车调度问题Memetic算法

天车调度是一个NP难的多机多任务调度问题.针对炼钢-精炼-连铸生产过程中的天车调度问题,考虑时间和空间约束,建立了以钢水等待时间最少为目标的天车调度模型.提出了改进的Memetic算法,设计了采用任务分配规则和冲突处理规则的个体解码方式、PPX交叉算子和局域搜索算子;用该算法对模型进行求解,并与遗传算法进行比较.对某钢厂炼钢-精炼-连铸生产过程的天车调度问题的测试表明:与遗传算法相比,用该算法求解的等待时间最多减少16.67%,并具有很高的稳定性.     

基于JIT的炼钢-连铸生产调度模型研究

在连铸工艺、设备资源等约束条件下,为提高炼钢-连铸生产效率,避免人工调度,炼钢-连铸作业的精准调度已成为钢铁行业迫切的需求.通过对某炼钢厂现场调研,整合流程信息和时间数据,基于JIT提炼出炼钢-连铸生产调度的核心问题--炉机节奏匹配;进一步构建起基于柔性 Jobshop的炼钢-连铸调度系统模型和数学模型以及基于最小松弛时间的调度规则;最后用Lekin仿真调度实例,并将仿真结果与实际生产调度数据进行了分析和比对.实验数据表明了模型的正确性.     

求解具有时空约束的天车调度问题Memetic算法

天车调度是一个NP难的多机多任务调度问题.针对炼钢-精炼-连铸生产过程中的天车调度问题,考虑时间和空间约束,建立了以钢水等待时间最少为目标的天车调度模型.提出了改进的Memetic算法,设计了采用任务分配规则和冲突处理规则的个体解码方式、PPX交叉算子和局域搜索算子;用该算法对模型进行求解,并与遗传算法进行比较.对某钢厂炼钢-精炼-连铸生产过程的天车调度问题的测试表明:与遗传算法相比,用该算法求解的等待时间最多减少1667%,并具有很高的稳定性.     

基于UML炼钢-连铸车间生产调度系统建模

为了适应炼钢-连铸生产调度系统对实时性和动态性的要求，用Unified Modeling Language(UML)对该问题建立了需求模型、静态模型和动态模型，探讨了使用UML建模的特点及关键技术，结果表明，UML能够将系统的结构与数据良好的结合起来，精确体现系统的需求。     

炼钢连铸过程的Petri网实时调度模型

炼钢连铸过程是一个复杂而又典型的混合动态系统，但现有的混合动态系统理论难以对此进行直接分析和综合。文章提出一种区段赋时弧有色Ｐｅｔｒｉ网，其库所输出弧上标注的是以颜色为变量的时间区间函数，并从抽象混合动态系统的角度给出了这种Ｐｅｔｒｉ网的变迁规则。利用模块化思想，以区段赋时弧有色Ｐｅｔｒｉ网为工具，说明了如何建立一个电炉炼钢连铸过程的实时调度模型。基于这一模型，既可以仿真整个生产过程，又可以分析和综合实时调度策略。     

炼钢-连铸区段生产调度与计算机仿真

炼钢-连铸区段的生产调度包括炉次计划、浇次计划的生成和时间、设备的分配,以及针对各种扰动的动态调整. 根据钢种和规格的限制,提出了最优炉次计划模型,并采用禁忌搜索算法进行求解;根据炉次计划和连铸机连浇限制,生成浇次计划;根据炉机匹配和等待时间最小原则,生成静态调度甘特图,并对仿真过程中出现的出钢延迟提出了动态调度的策略和算法. 仿真结果表明,基于模型的动态调度策略能够有效地解决出钢延迟问题.     

遗传算法在柔性动态调度中的应用

采用一种实用的柔性制造系统（FMS）在线动态调度方案 ,以对车间生产环境的变化作出及时反应,建立了零件的可变工艺路径、包含AGV的FMS调度问题的模型,采用遗传算法（GA）以任意始点的任务集为背景同时调度机器和自动引导小车（AGV）。研究由若干台加工中心（WS）和AGV组成的FMS的调度问题,论述了综合事件机制及时间机制优点的动态调度机制,通过被修订的工序集与所有剩余工序形成交集,来识别需要被修订的工序集。这种重调度方式减少了人为的干预,允许按环境改变而对方案作出修订,因此可以在实时条件下工作。     

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．     

基于反馈控制的车用空调装配车间动态调度方法

为了有效解决不确定性环境下车用空调装配车间动态调度问题,通过分析固有不确定性、离散不确定性、外部环境不确定性等影响因素,制订了基于双反馈控制的信息反馈机制,在此基础上提出了一种车用空调装配车间动态调度方法,并综合考虑可重入约束、设备能力约束、时间离散化约束等,建立了以提前或延期惩罚、完工时间、加工成本和质量损失为优化目标的车用空调装配车间多目标调度模型。针对模型特点设计了分段染色体编码方式、交叉算子和变异算子,防止遗传操作过程中非法解的产生,提高了求解效率。最后以实际应用案例验证了方法的有效性与实用性。     

硬实时任务在多处理机上的动态调度研究

在硬实时任务集能够在多处理机上进行静态调度的基础上,从理论上研究了相同硬实时任务集在多处理机上能够进行动态调度的条件,并给出了动态调度规则,为硬实时任务的动态调度问题提供了一种新的解决途径。     

移动供应链实时调度模型及协同进化遗传算法

运用精确控制库存检查和车辆调度,实现了动态的供应链配送系统。整合供应链库存控制策略与车辆调度规划,建立移动供应链实时调度模型。该模型针对随机需求下的零售商最优订货,实现在途库存动态配送。在决策模型的基础上,设计协同进化遗传算法,解决模型组合优化过程中的约束满足问题。计算机仿真结果表明,实时调度模型可以有效降低整体供应链运行费用。     

基于Petri网的动态负载平衡双层调度模型研究

根据集中式和分布式动态负载平衡调度方式的优点,提出一种动态负载平衡双层调度模型（DLBDSM）,并在Petri网上进行建模。该模型将分布式系统分成若干相对独立的任务调度组,调度组由1个调度服务器和3个工作站组成,组内采用集中式调度,组间采用分布式调度,顶层子系统和底层子系统分别．由每个任务调度组的调度服务器和工作站组成。与现有的动态负载平衡调度模型对比,DLBDSM模型具有易实现、易管理和实时性等优点,并能有效地减少任务迁移所带来的系统开销。     

基于事件逻辑的炼油企业动态调度系统

针对炼油生产动态调度问题,开发了基于事件逻辑的调度优化系统.在分析大量实际生产事件和调度专家处理经验的基础上定义动态事件,生成事件逻辑.将事件逻辑与广义析取规划相结合,建立了基于事件逻辑的动态调度模型.基于事件逻辑的动态调度建模方法增加了动态调度模型生成的快速性和灵活性,在保证调度优化性的同时获得较好的调度实时性.最后,以某炼油厂"原油供应不足"事件为例进行仿真实验.结果表明,基于事件逻辑的动态调度系统是可行、有效的.     

基于过滤定向搜索的柔性制造系统动态调度优化

针对柔性制造环境中内外扰动的动态随机发生和快速、高效的重调度需求,构建了动态调度决策系统结构模型,提出了一种基于过滤定向搜索的启发式算法作为模型的核心算法.为了更好地搜索调度解空间和更好地集成作业的交货期、优先权重和资源负载平衡,算法改进了节点分枝策略和局部、全局评价函数.以作业交货延迟时间加权平方和最小为性能指标,通过实例仿真,对算法性能进行了分析评价和比较,结果表明了该算法对实现柔性制造系统动态调度的有效性和实用性.     

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.