基于马尔可夫决策过程的MES系统动态调度方法

针对以事件为驱动的网络化制造环境下生产系统的特征,扩展马尔可夫决策过程,根据生产制造的特点进行动态生产调度方法的研究.以面向用户标准为基础,用制造系统响应时间来评价调度算法在不同规则下具有的性能特点;根据分析结果分别确定各种调度规则在预期时间内能够达到生产优化调度或满意调度的可能程度.将调度规则与实际生产相结合,设计网络化制造环境下动态调度指令单管理系统,实现制造管理的信息化.本系统可以按照用户需求实时反映生产制造信息;根据企业情况确定调度规则,生成调度决策方案,最大程度保证企业利益.     

一种动态约束优化调度的软件模型

基于静态约束调度及其组件结构,建立了一种动态约束优化调度的软件模型结构,可以适应于调度环境的动态变化。从软件模型上分析,动态约束优化调度的组件包括动态解析器、动态分配器和推理引擎。动态解析器规范了变元和约束条件,动态分配器解决了约束条件的重新分配和冲突,推理引擎实现了快速搜索。实验表明该模型可以满足实际动态逻辑约束问题的求解,并且把传统优化调度的封闭形式扩展为开放状态。     

集装箱港口集疏运调度系统作业模式的仿真分析

为解决复杂的集装箱港口集疏运系统多阶段动态调度的问题,借鉴柔性制造系统(FMS)生产调度问题的研究方法,提出了由集装箱集疏运问题向FMS生产调度问题转化的方法和模型;分析了各个阶段动态调度的决策点和决策规则,提出了基于规则的方法实现集装箱集疏运系统的实时动态调度,为集装箱码头调度问题的研究提供了新思路和新方法.利用WITNESS仿真工具分别模拟了面向作业线的静态调度和面向作业面的动态调度两种集装箱集疏运调度模式,结果表明,动态调度模式的效率提高了约9.66%.     

基于Q-学习的动态单机调度

针对当前基于Q-学习的Agent生产调度优化研究甚少的现状,利用Q-学习对动态单机调度问题在3种不同系统目标下的调度规则动态选择问题进行了研究.在建立Q-学习与动态单机调度问题映射机制的基础上,通过MATLAB实验仿真,对算法性能进行了评价.仿真结果表明,对于不同的系统调度目标,Q-学习能提高Agent的适应能力,达到单一调度规则无法达到的性能,适合基于Agent的动态生产调度环境.     

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.     

基于过程结构分解的全过程调度逻辑

全过程调度逻辑是调度系统及各种调度优化方法得以工程实现,从而使企业整体运行效益得以提高的关键技术。针对流程工业的生产特点和市场特征,提出了基于调度耦合程度的过程结构分解技术,从而给出了过程流调度（ＰＦＳ）的逻辑及其各级调度单元的基本定义和调度规则,阐述了ＰＦＳ的基本原理,调度策略及关键支撑技术。提出ＰＦＳ是适合于过程工业的一种基于过程结构分解的全过程调度逻辑。     

协同生产计划调度系统及其关键技术

分析了网络化制造环境下生产计划调度的需求和特点,提出了一种面向动态联盟的协同生产计划调度系统的体系结构,并深入研究了实现协同生产计划调度的关键技术.首先对协同信息交互的立体结构和基于XML(eX-tensible Markup Language)的信息交互机制进行了分析,引入基于协商的协调机制和冲突消解策略,最后探讨了计划调度的快速优化算法,以实现对生产计划调度系统的协调优化.在此基础上,建立了原型系统,对上述关键技术进行了应用验证.应用表明,该系统具有良好的扩展性和适应性,能够实现动态联盟生产过程中的自治和协同.     

两道工序无故障的RGV动态调度模型算法研究

智能加工系统的出现,使得物料加工更加快捷有效,极大地减少了人工生产过程的成本.本文通过对RGV动态调度问题的研究,建立了优化模型和仿真模型.同时利用计算机仿真技术,给出了RGV在两道工序加工且无故障发生时的调度方案,并且做了简单的评价.     

基于马尔科夫决策过程的应急资源调度方案的动态优化

利用马尔科夫决策方法,对突发公共事件下的应急资源调度方案的动态优化过程进行研究,以期找到特定场景下最优应急资源调度方案,保证应急救援行动的时效性.通过实例分析表明,基于马尔科夫决策过程的应急资源调度方案动态优化方法可实现应急资源调度方案的动态优化,未来通过采用本方法,可以为突发公共事件下的应急资源动态调度提供依据.     

“一罐制”铁水调度优化模型的研究

铁水转运是钢铁生产的一个关键衔接环节,对控制钢铁生产节奏、保证产品质量起着极其重要的作用。钢铁生产新工艺的"一罐制"铁水运输,缩短了钢铁界面流程,使生产的刚性和连贯性增强,对铁水转运系统的要求更高,因此钢铁企业日益重视对铁水转运调度的研究。在对行车起重机+铁水车"一罐制"铁水转运和调度的研究基础上,分析了新工艺流程中铁水转运系统的特点,对钢铁生产的调度计划进行优化,建立了基于"一罐制"铁水转运多目标径路优化模型,并给出了模型算法。算法实现了新工艺下铁水物流运输的智能优化调度,使铁水运输趋于准点,降低生产能耗。     

基于广义离散事件动态系统的多路口智能交通流量控制

在传统意义上的离散事件动态系统中事件定义的基础上,提出了广义离散事件动态系统的思想.通过对事件属性划分的动态调节,使事件的辨识条理化.对公路交通中的多路口流量建模,并进行了分析.基于广义离散事件动态系统的调度思想,利用人工代谢算法对交通流量进行了控制分析.分析结果表明:广义离散事件动态系统能对系统的状态进行进一步的细化.人工代谢算法与该系统相配合,通过代谢算子的调节能较快地实现整个系统负荷均衡,能对流量的变化进行自适应调节.     

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。     

动态柔性制造系统仿真平台

针对通常柔性制造系统（FMS）仿真方法在体现制造系统动态变化特性方面的不足，开发了一种FMS的可视化、分布工仿真平台。该平台模拟真实FMS的运行，较好地体现了离散事件动态系统的特性，可以作为调度、控制算法的测试平台。作为示例，在该平台上成功地实现了一种基于遗传算法的FMS动态调度算法，解决了FMS实时运行中各种突发事件下的再调度问题。     

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。     

一种基于模糊逻辑优先级的雷达任务自适应调度算法

为适应目标环境变化情况,提出了一种基于模糊逻辑优先级的雷达任务自适应调度算法.该方法基于目标运动状态和属性通过模糊逻辑推理动态确定任务的优先级,并结合时间窗的特点采用一步回溯方法调整发生冲突的任务,保证更多高优先级的任务在其期望的时间内被调度.仿真结果表明,该调度算法在保证调度率的前提下降低了任务的调度代价.     

基于HLA分布演练系统的事件管理与调度

基于工作流语言,结合高层体系结构(HLA)规范中的有关概念,提出了一个基于HLA仿真演练系统的事件管理和调度方法.首先将参加仿真演练的成员事件按照成员类别进行分类管理并表明事件之间的触发关系;然后通过将工作流和HLA中的概念结合,形成基于可扩展性标记语言(XML)格式的仿真演练脚本;最后在仿真演练脚本的基础上设计了一个事件引擎,负责具体成员以及成员之间的事件调度.以一个仿真演练系统为例,说明了具体的设计和实现过程.     

网络动态调度系统的服务质量性能分析

提出了考虑具有不同输入速率和输出速率的任务队列的网络动态调度系统状态空间模型,描述了网络动态调度系统的清空型调度策略,并在此基础上给出了系统服务质量性能指标包括队列长度、总任务数量、系统吞吐量、响应时间等的分析算法. 数值计算表明,适当的调度策略可以使网络动态调度系统的响应时间处于受控的范围内,系统吞吐量处于稳定的状态.     

事件驱动的多任务智能调度方法

目前多任务调度问题非常普遍,然而在开放动态环境中多任务调度经常会遇到大量不确定性,导致任务调度崩溃。为此,以事件驱动程序结构为框架,用Petri网作为任务调度处理器,建立了多任务动态调度体系结构,给出了基于事件驱动的多任务智能调度方法。该方法能根据所发生事件自动检测调度处理器的状态,对调度处理器做出正确和最优调度决策,从而实现了对有效任务或任务组合进行调度。     

Ant colony optimization approach for test scheduling of system on chip

It is necessary to perform the test of system on chip, the test scheduling determines the test start and finishing time of every core in the system on chip such that the overall test time is minimized. A new test scheduling approach based on chaotic ant colony algorithm is presented in this paper. The optimization model of test scheduling was studied, the model uses the information such as the scale of test sets of both cores and user defined logic. An approach based on chaotic ant colony algorithm was proposed to solve the optimization model of test scheduling. The test of signal integrity faults such as crosstalk were also investigated when performing the test scheduling. Experimental results on many circuits show that the proposed approach can be used to solve test scheduling problems.     

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.