基于主从链和边缘计算的MES生产调度模型

智能工厂存在大量的物联网设备,设备之间通过工业物联网实现信息和指令的实时交互。物联网设备产生的海量数据需要上传,导致中心服务器压力过大、数据处理耗时过长,且设备之间的通信存在安全隐患。提出一种基于主从链和边缘计算的制造执行系统生产调度模型。首先,设计主从链架构模型,将制造执行系统模块化并集成到边缘节点,减少数据传输和降低泄露风险;其次,设计一种基于属性基的智能合约访问控制策略,实现设备和节点之间的安全通信;最后,设计生产调度算法完成跨节点、跨车间调度任务,实现去中心化的生产调度方式。实验结果表明,所提模型与传统工业制造系统相比,保证了数据安全性,提高了响应速度。     

基于增强蚁群优化算法与排序的 MIMO 检测算法

基于最大似然比的多输入多输出(multiple input multiple output,MIMO)检测算法的计算复杂度随着天线阵的规模呈指数级增加,提出一种计算复杂度较优的MIMO检测算法.采用基于对数似然比的排序QR分解技术将信道矩阵分解为正交矩阵与上三角矩阵,相应地修改信号的发射顺序,降低错误判断引起的错误传播效应;为传统人工蚁群优化算法的信息素更新策略引入负信息素概念,有效地控制系统的拥塞;根据优化路径的距离积累了信息素.该方法设计了基于负信息素的信息素更新策略,增加MIMO系统的拥塞控制能力,考虑信道的衰落本性,基于路径的距离积累信息素.为了测试该算法的性能,进行了多组对比实验,结果表明,误码率性能优于其他智能优化算法,且对于64×64等大规模天线阵,该算法的计算复杂度随天线规模增长较小.     

炼钢连铸混合智能调度方法及其应用

在炼钢连铸生产工艺约束条件下,针对多设备、多工序、以及生产类型复杂的生产环境,目前还难以在合理时间内获得最优调度解,提出了基于规则的专家调度方法、基于规划的两阶段调度方法和基于多级模糊综合评价方法的混合智能调度方法,并在合理时间内得到一个有效的可行解。应用混合智能调度方法建立了智能调度架构,设计并开发了软件系统。该系统应用于国内某大型钢厂的生产调度,在缩短计划编制时间、减少钢水等待时间、提高设备利用率方面获得显著经济效益。     

智能公交动态调度优化模型

利用先进的技术和设备实现公交的优化调度,充分满足人们的出行需要,是智能公交系统发展的目标.然而近年来中国智能公交发展在一定程度上出现过于追求先进性、忽略实用性、运营效果不理想、动态调度尚待充分开发等问题.结合中国智能公交系统现状,通过对智能公交调度系统和调度特点深入分析,在GPS定位、通信、计算机等技术的支持下,将动态交通状态信息与车辆定位信息有效融合,将智能化算法引入到公交运营调度中,建立了基于实时动态数据,兼顾乘客满意度和企业效益的动态调度优化模型.并且阐述了模型数据的自动采集方法、模型Matlab程式化的解法.结果表明,该模型可以显著提高公交车辆满载率、缩短乘客等车时间和减少车辆总班次,优化调度效果明显.     

面向代理的车间动态调度方法

针对车间动态调度缺乏有效方法的现状.建立了车间动态调度的数学模型.将车间组元定义为多个独立的代理(Agent),并将蚁群在觅食过程中通过释放信息素的方式进行交流与合作的行为,应用到Agent之间的协商与通信中,建立了Agent之间的协作模型,形成了基于多代理协商的动态调度方法.仿真试验对比表明.基于多代理协商的车间动态调度方法优于基于遗传算法的动态调度方法.     

基于多目标优化的炼钢-连铸生产智能调度模型与算法

针对现有数学规划模型和算法对设备冲突欠缺直接、有效的处理方法问题,应用多目标优化的基本思想,建立了新的炼钢-连铸生产智能调度模型,将炼钢-连铸生产调度问题转化为具有两个目标的多目标优化问题,其中,第1个目标为最小化全厂完工时间与所有炉次等待时间,第2个目标由不能消解的设备冲突时间转换得到,这样利用多目标优化方法的先天优势来克服传统方法的不足,并设计了基于多目标进化算法NSGA-Ⅱ的求解算法;此外,针对设备冲突困境,还提出了一种基于等待时间松弛的冲突消解方法,通过迭代松弛调整炉次的等待时间长度完全消解设备冲突。在国内某大型转炉炼钢厂的应用实践表明了所提模型和算法的有效性。     

南水北调中线干线智慧输水调度的思考

根据智慧水利和数字孪生工程建设的相关要求,基于现代人工智能技术和水利专业知识,结合中线干线工程输水调度任务和职责,尝试提出中线干线智慧输水调度的定义和基本功能要求。在分析智能和智慧之间逻辑关系的基础上,分别从感知智能、认知智能、决策智能系统地讨论了中线干线智慧输水调度的关键技术、存在的不足和提升建议。调度感知智能方面,提出接触式与非接触式相结合、机器视觉与传统传感相结合、自动采集和人工巡查相结合的数据采集体系,构建基于多源数据融合的数据清洗方法;调度认知智能方面,提出机理研究结合数据挖掘的建模思路,分别从预报、预警、预演、预案的角度,全面总结分析输水调度关键技术和建模要求,构建前馈调控策略模型、水力模拟仿真模型、调度预报预警模型、参数自适应模型等;调度决策智能方面,提出以模拟推演为前馈、以实时监测为反馈的调控思路,建立基于滚动决策修正、实时响应的自动化输水调控策略,构建多目标优化调度模型。     

蚁群算法在工艺规划与车间调度集成优化中的应用

为了解决工艺规划与车间调度集成(IPPS)问题,提出了一种改进的蚁群优化(ACO)算法.通过节点集、有向弧集、无向弧集,构建了一种基于图的IPPS优化模型.以零件加工时间作为启发式信息,设计蚂蚁在各节点间转移概率.通过蚂蚁访问图中不同的节点,构建对应的调度方案.根据不同阶段调度方案的最大完工时间调整各弧段信息素的挥发速度,提高了蚂蚁的搜索效率.为避免陷入局部收敛,通过重启算法和重置各弧段信息素初值,动态更新各弧段信息素量,以获得全局最优解.将该算法应用于具体的仿真实例,结果表明该算法能有效地解决工艺规划与调度集成问题,为企业生产提供借鉴.     

基于遗传算法-多智能体的FMS 工件调度研究

针对柔性制造系统（ FMS）一般调度方法的不足,提出基于全局黑板的多智能体调度系统,该系统建立多智能体交互过程,通过多智能体的合作快速建立调度模型,并通过优化模块对调度模型进行求解,从而获得非劣调度方案。在设计优化模块时,采用遗传算法,针对柔性制造系统调度问题的特点,改进并扩展了基于工序的编码方法,引入工序-机器的关系矩阵,从而实现解和染色体的一一对应关系,并设计算法的适值函数、选择方法、交叉和变异方法。仿真结果表明,该调度系统在求解时收敛速度快、精度较高。最后通过10个经典的柔性job-shop调度算例,与单纯使用遗传算法和禁忌搜索算法进行比较,目标值平均改善2.21％和1.04％。     

基于改进蚁群算法的集装箱装卸顺序优化研究

为缩短船舶在港时间,提高码头的作业效率,应用改进蚁群算法对集装箱装卸顺序的组合优化问题进行求解。首先结合柔性作业车间调度理论与集装箱装卸过程中船舶和岸桥的实际情形,建立集装箱装卸顺序调度模型;然后针对基本蚁群算法易出现早熟现象和收敛速度慢等问题,通过动态的改变信息素的挥发度与信息素强度,同时按照改进的信息素更新策略更新各路径的信息素,从而跳出局部最优;最后运用C#.NET语言对基于改进蚁群算法的集装箱装卸顺序问题进行仿真与步骤分析,验证了改进蚁群算法的有效性。实践证明,改进后的蚁群算法基本上克服了传统算法自身的不足,能够对集装箱装卸顺序优化,缩短作业时间。     

铁水运输系统智能仿真模型

研究了铁水运输系统的建模与仿真问题,建立了三层控制结构的智能运输仿真模型,基于OOCPN建立底层工位的状态演化模型,通过仿真进程控制层驱动调度决策层·利用消息传递机制沟通状态变迁与仿真策略之间的关系,利用分层调度和调度精化思想设计的调度决策专家系统和避碰决策专家系统有效模拟了现实系统中铁水运输调度员和机车司机的智能决策行为·仿真结果表明智能仿真模型为运输调度系统的建模与仿真提供了一种实用的解决方案·     

面向高效精准柔性混装作业的智能元胞调度方法研究

柔性混装生产多目标调度系统的动态性、开放性和大规模性导致常规算法失效,因此迫切需要研究新的调度算法。在推理其他算法局限性基础上提出使用Agent形成智能元胞自动机ICA使之具有自学习功能,并基于装配投产序列调度和工位任务分派目标,首次建立智能元胞调度ICAS三维网络模型及构造“弹簧邻居”特殊邻域和“弹跳”和“层跃”特别行为,实现混装作业微观自适应调度。仿真实践证明,该智能元胞调度ICAS方法可靠,计算复杂性降低,为复杂调度问题提供了新手段。     

一种基于强化学习的CDN流量调度系统设计方法

针对传统的CDN流量调度系统大多采用启发式方法或规划方法,存在维护成本高,实时性不足等缺点,提出一种基于深度强化学习的CDN流量调度系统设计框架.该框架基于马尔科夫链设计了故障告警网络来触发调度,建立了基于stacking模型的质量评估奖励函数,并在此基础上对流量调度进行定义和建模,构建了基于DQN的深度强化学习模型....     

基于势场蚁群算法的机器人全局路径规划

研究了智能移动机器人的全局路径规划算法改进问题.结合蚁群算法的全局性与人工势场的确定性优势,提出一种势场蚁群算法.即在基本蚁群算法迭代初期,通过人工势场法影响蚂蚁的信息素量,从而提升寻找最优路径的效率.基于栅格模型,设计了算法的执行步骤.此外,分析了不同的信息素启发因子和信息素挥发系数对算法路径长度、迭代次数和收敛速度的影响.最后仿真验证了该算法优于基本蚁群算法,也得出了信息素启发因子参数选择的合理范围.     

一种异步蚁群算法求解柔性作业车间调度问题

调度问题广泛存在于资源共享型系统中,大多数的调度问题都属于混合整数规划问题.大规模混合整数规划问题是计算科学领域中的NP-hard经典问题之一,一般认为无法用精确计算求解.生产调度是调度的一个重要分支,是实现智能制造关键环节之一.针对多品种变批量柔性作业车间调度问题,以最小制造期为优化目标,设计了一种基于Petri网的异步并行蚁群算法,其中:提出了一种基于Petri网的步可达图构造方法,用于蚁群算法解空间的构造;探讨了传统蚁群算法搜索机制,并给出了一种基于异步仿真时钟的蚁群并行搜索方法;仿真结果表明,多线程控制方法可以有效地避免算法的早熟收敛问题.将所提出的算法应用于某安防件智能制造系统的柔性作业车间调度中,降低了系统的总制造时间,获得较好工程效果的同时验证了算法的有效性.     

基于视频车辆监控系统中智能调度策略的研究

基于视频的车辆监控系统中对各类视频监控设备进行整合、优化部署、统一调度、智能联动。本文主要对监控设备的智能调度策略和算法的研究,分析了快速锁定跟踪目标并进行分析预测,自动调度监控设备,保证受控目标始终处于监控范围内,达到对目标车辆的实时监控。     

基于吸引场的蚁群算法在TSP中的应用

针对传统蚁群算法容易陷入局部最优解等缺陷,提出了一种基于吸引场的改进的蚁群算法.首先,详细分析了基于信息素的吸引场原理,在此基础上建立了基于信息素的吸引场模型.其次,设计了吸引场因子,给出了信息素更新策略,使相距较近的蚂蚁之间能更好地进行协作.最后,针对标准的30个城市的旅行商问题,使用所提出的算法与基本蚁群算法、其他改进的蚁群算法进行优化分析,并进行了结果对比.结果表明:所提出的蚁群算法可以获得TSP问题的最优解423.74,Oliver30问题计算结果最优值为423.74,平均值为423.96,具有较好的搜索全局最优解的能力.     

基于multi-agent的半导体生产线动态调度方法

提出了一种基于multi-agent的半导体生产线动态调度方法。首先建立了MAS仿真模型,包括管理、投料、工件和设备4种agent;然后设计了工件agent与设备agent的动态调度协商机制,以工件最小加权延迟为决策指标,分别考虑设计了单片/卡加工设备与批加工设备agent的报价算法。此外,还考虑了二次协商机制用于解决设备突然故障对生产线的影响。基于实际半导体生产线模型对所提出方法进行了仿真验证,并与一些常用的调度规则进行了比较,仿真结果表明,在平均加权延迟和准时交货率等指标上,该文提出的方法均有较大的提高。     

基于蚁群算法的无联系并行机调度问题的仿真研究

针对无联系并行机调度求解问题,引入了蚁群算法的思想.基于转移概率构建的信息素迭代模型,研究了无联系并行机调度问题的求解过程.基于Python的仿真实验结果表明:通过蚁群算法可以得到其近似解;更进一步探求了任务次序对解的影响;通过实验探索了此算法的时间性能.     

含运输时间的柔性作业车间调度问题研究

在工厂实际生产中,零件加工的运输时间占整个加工时间的比例是很大的,这个时间在生产调度时不可忽略。为了更合理的研究柔性作业车间调度问题,将运输时间考虑进调度模型之中,并在经典遗传算法的基础上进行改进,设计了一种新的启发式规则算法,嵌入在遗传算法中,用于该问题的求解。通过计算结果的比较,证明此调度模型更符合实际生产情况。改进后的算法能够得出解的效率更高。