自动导引车系统的有色时延PN-有向图建模

基于有色时延Petri网理论、有向图理论、PN的合成和简化技术,结合烟草行业的卷接包车间为典型实例对自动导引车系统(AGVS)进行分析,构造了AGVS的有色时延Petri网-有向图模型,包括适合于仿真软件开发的AGVS有色时延Petri网模型,适合于路径优化研究的AGVS有向图模型和从有向图模型得到有色时延Petri网模型的转换算法。利用该模型成功的开发了AGVS仿真软件系统AGVSim。     

一种3自由度自动导引车的运动学建模与仿真

具有两个可操舵驱动轮的自动导引车是一种3自由度运动平台，由于它能在平面上自由行驶，实现位置和方位的独立控制，具有很高的灵活性和机动性。本文建立了小车的逆运动学模型，对其运动特性进行了解析，并在此基础上对小车的路径跟踪运动进行了仿真研究。     

基于改进A*算法的自动导引车无碰撞路径规划

针对自动导引车(automated guided vehicle,AGV)的无碰撞路径规划问题,提出一种引入时间因子的改进A^*算法以减少转弯次数,结合时间窗及优先级策略实现多AGV的动态无碰撞路径规划.首先利用改进后的A^*算法静态规划各AGV转弯次数最少路径;其次,分析路径节点到达时间及冗余时间,根据电量与路径性能动态地为多AGV分配优先级,结合时间窗模型解决了多AGV碰撞冲突问题并且提升了系统效率.案例分析结果表明,该算法在保证路径最优性的同时解决了传统A^*算法带来的转弯次数多问题,能有效实现无重复、无冲突的系统调度,并证明了其在动态环境下具有良好的适应性和鲁棒性.     

用于动态柔性作业车间调度的实时调度方法

针对制造加工中的动态事件对调度方案的干扰,构建了带有机器故障和随机工件到达的多目标动态柔性作业车间调度问题模型,提出多目标近端策略优化(multi-objective proximal policy optimization, MPPO)的实时调度方法。MPPO算法训练了RA(routing agent)和SA(sequencing agent)两个智能体以实现实时调度并实时处理动态事件;采用权重向量与奖励向量线性组合作为奖励信号,并保存每个权重向量的智能体参数以优化多个目标;结合目标函数为两个智能体定义了所需的状态信息、调度规则、奖励信号。在不同规模的动态调度问题下与9种调度规则组合进行对比,验证了MPPO算法训练的智能体学习到了合适的调度策略,能够保证实时调度的表现且能优化所有目标。     

炼钢连铸混合智能优化调度方法及应用

针对多阶段、多设备以及精炼工序重数不同的炼钢连铸生产调度问题,建立了综合考虑工序设备指派和作业时间安排的非线性规划模型,提出了基于专家系统的设备指派、基于人机交互的邻域搜索与基于模型转换的时间优化相结合的三阶段炼钢连铸混合智能优化调度方法.该调度方法应用于国内某大型钢厂的生产调度,在减少钢水冗余等待时间、提高设备负荷率方面获得显著成效.     

基于动态生产能力约束的MC模式下供应链调度优化

大规模定制(MC)模式下的供应链调度优化过程是典型的随机需求与资源约束的动态问题。为合理解决这一问题，在前期研究成果基础上，着重从供应链系统中各协作成员的动态空余生产能力角度出发，指出动态空余生产能力约束关系是该调度优化过程的主要约束关系。进而分析了由该约束关系引发的相关矛盾。通过引入反映和解决矛盾的利益偏好因子，建立了更加完善的动态调度优化数学模型，并通过实例验证了模型的有效性与可行性。     

在轨空间智能制造:分布式调度建模与优化

在轨空间制造系统是在行星大气层外的需要地面工厂、在轨空间工厂、天地运载工具协同的以进行空间设施建造为目标的一类分布式制造系统.分布式调度建模和高效优化求解技术是实现在轨空间智能制造的关键技术之一.本文针对一类具有组件地面分布式制造及运输、地空分批次运输、组件在轨装配等典型特点的在轨空间智能制造系统,将其分解为分布式同质流水线调度,考虑运输时间的同速并行机调度,考虑工件释放时间、机器可用时间、机器处理能力的单机批调度以及考虑组件释放时间、优先约束的单机调度等问题,并基于模型协调思想建立以最小化组件生产到产品装配总时长为目标的分布式多阶段调度模型.进而,将用于求解连续优化问题的易理优化算法扩展到离散调度问题,提出求解该分布式调度问题的基于易理优化的模因算法.基于中规模、大规模算例的仿真结果和算法分析比较表明:相较于粒子群算法、教学算法、水波算法等智能优化算法,所提算法是一种求解分布式多阶段调度问题的可行、有效算法.值得一提的是,这是第一篇关于在轨空间智能制造系统调度优化的研究.     

数据驱动的自动化码头AGV分布鲁棒优化分配方法

自动引导车(automated guided vehicle, AGV)是决定自动化集装箱码头作业效率的关键一环. AGV经常因拥堵、冲突、天气等因素造成其行驶时间不确定,从而导致岸桥和场桥等待,降低码头作业效率.本文利用历史行驶数据,引入基于Wasserstein距离的分布鲁棒方法,构建数据驱动模型控制岸桥和场桥的等待风险,决策作业成本最小的AGV任务分配方案.为了求解模型,首先使用条件风险价值近似分布鲁棒机会约束,并通过对偶等方法得到其数学闭式解,转化为可解形式.其次,针对自动化集装箱码头中不同规模问题,分别设计精确的分支切割算法和启发式算法以及相应的加速策略.实验结果表明,分布鲁棒优化方法能够有效刻画行驶时间的不确定性.与样本平均近似法相比,本文提出的模型及求解方法可以将岸桥和场桥等待风险降低60%,有效提高分配方案的鲁棒性.     

一种基于S-粗集的实时调度建模方法

基于S-粗集理论(Singular roush sets)提出了一种车间作业实时调度建模方法.在动态加工环境下,考虑有工件加工完成、工件到期时间改变和急加工工件到来等实时事件发生,研究了实时调度窗口工件的再选择与再调度问题,建立了基于S-粗集的车间作业实时粗调度模型,把S-粗集理论成功地应用于实时调度领城.仿真算例表明,利用该方法不仅能适应动态的工件加工环境,减小调度问题的求解规模,而且能够减少动态再调度次数.     

天基预警调度方法研究

作为一种复杂多传感器跟踪任务, 天基预警过程可视作一种多维离散时间序列监控与预测问题. 预警任务具有高实时性、动态性、高低轨配合、多星协作等特点, 因而调度模型需能够优化利用预警资源完成有效预警. 本文从实际问题出发, 主要阐述两项工作: 第一, 提出基于信息增益的多目标优化预警调度模型, 第二, 阐述免疫克隆选择算法, 并给出一种分布式并行调度求解方法, 以改善调度算法的收敛速度和鲁棒性, 解决实际需要. 最后, 通过基于HLA的仿真系统, 以美国SBIRS为背景, 验证了本文调度模型和算法的有效性.     

基于改进D3QN的煤炭码头卸车排产智能优化方法

采用智能化决策排产能够提高大型港口的运营效率,是人工智能技术在智慧港口场景落地的重要研究方向之一。针对煤炭码头卸车智能排产任务,将其抽象为马尔可夫序列决策问题。建立了该问题的深度强化学习模型,并针对该模型中动作空间维度高且可行动作稀疏的特点,提出一种改进的D3QN算法,实现了卸车排产调度决策的智能优化。仿真结果表明,对于同一组随机任务序列,优化后的排产策略相比随机策略实现了明显的效率提升。同时,将训练好的排产策略应用于随机生成的新任务序列,可实现5%～7%的排产效率提升,表明该优化方法具有较好的泛化能力。此外,随着决策模型复杂度的提升,传统启发式优化算法面临建模困难、求解效率低等突出问题。所提算法为该类问题的研究提供了一种新思路,有望实现深度强化学习智能决策在港口排产任务中的更广泛应用。     

多星联合对地观测调度问题的列生成算法

多星联合对地观测调度问题作为一类大规模组合优化问题, 其求解算法往往采用启发式或超启发式. 运用列生成思想对该问题设计了完全搜索算法. 在建立了问题的整数规划模型之后, 将原问题分解为集合配置主问题和含时间窗口的最短路径子问题, 其中集合配置主问题采用主单纯型法通过CPLEX求解, 含时窗的最短路径子问题采用动态规划求解, 该动态规划算法围绕观测冲突时段这一关键资源进行最优子路径的扩展. 只有在子问题的最优解对主问题的优化目标仍有改进时, 主问题的约束矩阵列才被扩展. 该算法针对部分算例得到了最优解, 其余算例也在指定的时间内得到了相比一种基于优先级的启发式算法更优的解.     

带有缓冲区的资源受限调度问题的滚动时域求解算法

研究带有缓冲区的资源受限调度问题,设计了两种使用滚动时域策略的启发式算法TWBA和FWBA,通过依次处理一定量任务,尽可能使得调度所产生的费用最小.为了评估算法性能,进行了大量模拟研究,在不同条件下找出相应的最优的处理周期或者是最优决策时刻,仿真结果表明了新算法在应用中有较好的性能,并且得到比在线算法更优的调度结果.     

基于改进智能水滴算法的动态车辆配送路径优化

针对当前车辆配送过程中存在的配送路径不合理、配送效率低和需求不确定性等问题,提出一种基于改进智能水滴算法的动态车辆配送路径优化方法。构建软时间窗惩罚函数,考虑顾客对配送时间的要求,建立顾客满意度函数。综合车辆配送过程的车速、货损成本、惩罚成本、顾客满意度等特征,建立车辆路径优化模型。采用智能水滴算法对车辆路径优化模型进行求解,使用灰狼优化算法改善智能水滴算法的搜索能力,获取最优路径。实验结果表明该方法能够提供实时优化的路径,减少调配成本。     

网格环境下复杂过程系统优化计算服务及任务调度策略

针对目前优化计算服务缺乏对一般用户的优化计算支持和灵活的资源共享方式,提出利用网格环境、支持网络计算资源以并行的、协同的方式提供面向服务的优化功能的计算服务系统,并设计了对系统性能具有重要影响的动态任务调度算法,从而使系统能够适应复杂过程系统优化计算以及网格环境的典型特征.相应地,系统采用多任务队列的任务管理方式和计算节点组的资源管理方式,为该调度策略提供实现基础.测试结果体现了基于该调度算法的优化计算服务系统的良好性能,并为设计在该系统下高效运行的并行算法提供了参考依据.