基于多级决策的多智能体自动导航车调度系统

提出基于多级决策和协作学习的方法来建立自动导航车 ( AGV)调度系统中每个 AGV所需要的动态分布式调度策略 .系统中的每一个 AGV都由一个具有两级决策能力的智能体控制 :在选择级 ,智能体采用 Markov对策框架下的强化学习方法 ,以根据其他 AGV当前的子任务建立自己的最有反应子任务 ;在行动级 ,智能体通过强化学习建立优化的动作策略来完成由选择级确定的子任务 .AGV调度仿真结果证明 ,该方法能提高系统的产量 ,并在零件到达比变化时保持输出产量的稳定     

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。     

基于算法集成的调度系统多智能体实现框架

在混合算法研究的基础上,提出了调度系统中算法集成的概念,建立了算法类库。以多智能体系统为实施平台,给出了一种新的具体实现框架。系统中智能体可分为构造型、改进型和决策型三类,且无主控智能体,各智能体间不直接通讯,而是通过共享内存进行合作。描述了单智能体的基本结构。考虑到领域专家知识在调度系统中的重要性,将调度员作为一个特殊的智能体引入调度系统,改善了决策过程。最后分析了系统的特点。     

车间多载自动导引车绿色物流调度

随着现代制造业的飞速发展,企业在生产效率和生产能耗方面有越来越高的要求,智能生产车间的自动化程度逐渐提高。主要研究作业车间自动导引车(automated guided vehicle,AGV)的智能绿色物流调度问题。首先,建立以降低AGV能耗和最优AGV路径为目标的AGV物流调度优化模型;然后,提出一种以任务排序为约束的改进遗传粒子群算法;最后,以某针织车间的实际物流调度为例对文中方法进行验证。计算结果表明,文中提出的AGV物流调度模型能够较好地模拟AGV绿色调度耗能问题,提出的改进遗传粒子群算法具有较快的收敛速度和较好的寻优能力。     

具有计算机视觉的FMS神经网络智能调度方法研究

采用“事件驱动”的神经网络智能调度方法 ,当系统发生某一事件时 ,及时更新系统可利用资源和需调度的任务集 ,综合计算机视觉的反馈信息作出合理的调度决策 .仿真结果表明 ,该方法对简化调度策略、提高设备利用率、及时完成加工任务具有较好效果     

深度强化学习求解柔性装配作业车间调度问题

针对产品动态到达的柔性装配作业车间调度问题,以最小化总拖期为目标,构建了基于事件点的数学规划模型,该模型包含加工机器分配、加工工序排序、装配站分配和装配工序排序四个决策序列,并提出了一种基于多智能体的深度强化学习算法进行求解．首先,所提出的算法包含四个智能体分别对应四个决策序列,智能体之间采用价值分解网络(VDN)协作策略;然后,构建基于拖期的复合回报函数,提取生产系统指标作为全局特征,完善各智能体的调度动作;最后,设计了精英经验库,充分挖掘高回报样本的价值．案例结果表明所提出的方法在不同场景下都优于现有经典调度规则和元启发式算法挖掘的调度规则．     

无缓存流水线生产系统中AGV调度问题的研究

针对无缓存流水线生产系统中的AGV(automated guided vehicle)调度问题提出了复合评分的启发式调度算法,降低了系统中AGV执行任务的间隔等候时间.首先,通过建立数学模型,对目前主流的AGV规模估计方法做出了改进.其次,提出了一种新的基于复合评分禁忌搜索的AGV前瞻调度算法.不同于目前主流的以空驶距离为优化目标的调度算法,该算法能够以最小化工件延误时间、最小化AGV空驶距离等多目标来统筹调度AGV.最后,为验证所提算法的有效性,从多个角度与已有算法进行了实验对比.仿真实验结果表明,相较于其他算法,提出的前瞻调度算法能够更有效地解决无缓存流水线生产系统这一新场景的AGV调度问题.实车实验也证明了该算法在实际生产中的有效性.     

多AGV群控调度的蚁群算法研究

本文对多AGV群控调度中的单车导航定位及其行走路径进行了研究,并分析了蚁群算法在调度中的可行性。为缩短自动导引车调度系统的研发周期、降低研发成本,寻求能适应不同环境的通用调度策略以及增强对实际调度任务和故障的鲁棒性。在多自动导引车群控调度中使用蚁群算法,建立了调度系统的数学模型,并通过MATLAB仿真验证了此方法的可行性,得到了最优的导航路径及调度方案。     

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。     

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。     

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％。     

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·     

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。最后，通过仿真实验验证了该调度框架的有效性。     

基于启发式群聚算法的机器人全局任务调度策略

提出了一种基于启发式群聚算法的机器人全局任务调度策略，在任务划分阶段采用一种启发式群聚算法对随机划分的各子任务按能否使总的运行时间缩短进行各子任务间的聚合，以使各子任务粒度和相互之间的通讯量达到一种优化状态，并在此基础上对群聚之后的各子群任务采用集中式动态调度策略，在程序运行过程中实现各处理器的负载平衡，提高各处理器的利用率，缩短总的运行时间．在一个由5个DSP（digital signal processor）处理器组成的同构型松耦合MIMD（multi instruction multidata）并行处理平台上，对平面四自由度连杆机器人在关节锁定下的运动控制任务采用上述先随机划分，再聚合，最后集中式调度的方法进行了并行实时仿真实验，取得了满意的并行性能指标．     

可重构制造系统的车间作业调度策略

提出了一种实用的分层调度策略，通过对制造系统组织的重构，以最小作业生产延迟和最大系统设备利用率为目标产生可行的次优调度方案．该策略分3个阶段：首先，采用增广拉格朗日松弛法获得复杂可重构制造系统的车间作业预调度方案，该方法能将复杂作业调度问题分解成多个任务层的子问题，通过求解子问题获得任务的作业时间和对应工序加工的生产设备类型；然后，对制造系统进行组织重构以形成多个虚拟制造单元，旨在使制造单元内的生产设备间物流传送(由自动导航小车承担)费用最小；最后，通过离散动态规划形成虚拟制造单元的生产作业调度次优可行方案．通过数值仿真分析，该策略能针对快速变化的产品需求，有效地重构生产制造系统，产生次优的调度方案．     

多模块的FMS智能调度系统研究

提出同时采有多种智能方法进行ＦＭＳ的调度,建立了一个由人工智能启发式算法、专家系统和神经网络组成的多模块ＦＭＳ智能调度模型;用能观测性和能控性的判别方法对调度系统进行控制,给出了调度系统的组成和部分模块运行的示例．     

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。     

面向柔性作业车间动态调度的双系统强化学习方法

航天结构件生产过程中批产任务与研发任务并存,个性化小批量研发生产任务导致紧急插单现象频发.为了保障任务如期完成,解决柔性作业车间面临的动态调度问题,以最小化设备平均负载和最小化总完工时间为优化目标,提出了感知-认知双系统驱动的双环深度Q网络方法.感知系统基于知识图谱实现对车间知识的表示并生成多维信息矩阵;认知系统将调度过程分别抽象为资源配置智能体和工序排序智能体两个阶段,分别对应两个优化目标,设计了车间状态矩阵对问题和约束进行描述,调度决策中分步骤引入动作指令;最后分别设计奖励函数实现资源配置决策和工序排序决策的评价.经某动力所航天壳体加工的实例验证和算法对比分析,验证了所提方法的优越性.     

车间级IMCS的约束优化决策系统

在车间级智能制造控制系统（ＩＭＣＳ）的总体框架结构下，建立了车间ＩＭＳ约束环境的优化决策系统。该系统用智能专家系统和仿真技术相结合的方法，解决车间级智能制造控制系统的决策分析问题，并为其提供决策依据和性能评估。     

基于Multi-Agent技术的露天矿山生产调度系统框架的构建

针对于露天矿山生产调度系统的复杂非线性、工艺点多面广等特性,引进具有分布式管理特性的多智能体技术,建立基于多智能体技术的露天矿山生产调度系统.在系统中将生产调度分为任务Agent、生产调度Agent、爆破Agent、运输Agent、破碎Agent以及资源Agent六个单智能体.运用具有较强非线性拟合能力的自适应神经模糊推理系统(ANFIS)进行局部与整体的建模,并利用粒子群优化算法对模型进行优化,得出最优化生产调度方案.对矿山实际生产调度方案的制定具有一定的参考价值.