事件驱动 并行任务调度方法研究

在对混合系统的仿真中,存在着大量的并行性问题,并行性不仅表现在连续系统仿真模块,离散事件系统仿真模块,推理决策系统模块内部,而且也表现在各模块间,这里以讷部的并行计算为例,研究它们在事件驱动方式下的并行任务调度过程,并得出相应的并行任务调度关键线路算法。     

用模糊调度系统求解动态Job Shop问题

研究工件加权拖期总和最小化的动态 Job Shop调度问题 .提出了一个模糊调度系统 ,用以动态地选取启发式调度规则以求解该问题 .特别地 ,该系统具有从模糊规则和以前经验中学习的能力 .各种不同条件下的仿真实验表明该模糊调度系统是有效的.     

用遗传算法解决生产线调度Job—Shop问题

在分析国内外各种解决生产线作业调度疸方法的基础上,引出生产线调度Job-Shop问题的数学模型。针对该模型,用遗传算法对其进行优化调度。首先针对优化目标进行染色体编码,定义群体规模,然后设计适应度函数,最后通过选择、交叉、变异等操作,得到目标的全局较优解。本文针对某一工程实例,给出了此调度算法的仿真结果。     

跳频系统中电荷泵锁相环的事件驱动仿真

为了快速仿真单片集成跳频系统中的电荷泵锁相环 ,在比较几种常见仿真方法的基础上 ,重点介绍了电荷泵锁相环的事件驱动模型 ,并针对这种模型的具体实现提出了一些改进。改进后的模型主要应用于跳频系统中频率合成锁相环的稳定性和建立时间的快速仿真。讨论了电荷泵锁相环事件驱动模型中的近似问题和这种模型同其它模型之间的联系     

基于遗传算法求解Job Shop调度优化的新方法

针对Job Shop调度问题,提出了一种遗传算法编码新方法和矩阵解码方法.该方法根据问题的特点,采用一种按工序进行总体排序染色体编码方案,并采用矩阵解码,解码时体现了编码与调度方案一一对应,并且该编码方案有多种交叉操作算子可用,不需要专门设计算子.算例计算结果表明,基于该编码方案的遗传算法是有效的,能适用解决Job Shop调度问题,通过比较,用该编码方案的遗传算法优化Job Shop调度操作简单并且收敛速度快.     

Job Shop调度问题的遗传退火算法

针对作业车间(JobShop)调度问题,提出了一个遗传退火算法。该算法构造了基于工作的遗传算子,因而保证了遗传进程中生成个体的可行性,有效地解决了工件机器顺序的约束限制。通过对最佳个体进行模拟退火,把模拟退火机制引入到遗传进化过程中,将模拟退火和遗传算法两者的优点有机地结合起来,从而进一步提高了算法的全局寻优能力。仿真计算表明了该算法的良好收敛性和有效性。     

柔性炼钢连铸仿真调度系统及其关键技术

针对炼钢连铸系统，提供了一种较为通用的仿真调度系统设计方案，并讨论其中的关键技术，如提供图形化组态平台，运用反向调度实现出钢计划粗调度，正向仿真解决机器冲突，并在调度中考虑了运输时间，最后，运用该系统对一个实际生产系统进行仿真调度决策，结果令人满意。     

基于知识的分层事件调度混杂系统仿真策略

仿真策略是仿真学研究的核心问题之一。本文针对一类具有决策功能的混杂系统，提出一种基于知识的分层事件调度仿真策略。通过引入专家系统，建立了决策调度和事件调度的分层智能调度模型，克服了离散事件系统仿真策略缺少决策分析和事件处理缺乏层次的局限性。该策略算法设计简单，易于实现，并且已经在宝钢铁水运输仿真系统中得到实际应用，其有效性得到证明。     

铁水调度仿真系统的设计与实现

现代钢铁企业中,铁水物流过程工艺复杂、设备众多,对铁水调度进行研究具有重要的理论意义及实际应用价值。在对铁水物流过程及铁水调度问题进行描述的基础上,提出了铁水调度的仿真策略,开发了基于可视化的图形化编辑器平台的铁水调度仿真系统,介绍了仿真系统的总体框架,应用离散事件仿真方法对铁水物流过程进行了仿真,并对扰动事件的模拟与识别模型、扰动的动态调整方法进行了研究。描述了仿真系统的软件结构及功能。应用国内某大型钢铁企业生产现场的实际数据进行了仿真实验。仿真结果表明了所开发的铁水调度仿真系统的有效性,为深入研究铁水调度的智能优化算法提供了可视化的仿真实验平台,并为进一步在实际生产中应用奠定了基础。     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

遗传算法在车间作业调度中的应用

在车间作业调度数学表达模型的基础上,讨论了应用于车间作业调度的遗传算法设计,给出了主要包括ＪＳＳ仿生、ＪＳＳ遗传进化与ＪＳＳ仿真三个方面在内的算法模型,提出了ＪＳＳ连锁基因编码法与ＪＳＳ遗传进化算子。文章最后给出了应用实例,说明了设计的可能性与成功性。     

网络化制造环境下生产动态调度仿真与分析

针对网络化制造环境下生产系统特点,构建异地生产协同调度框架.基于调度框架进行动态仿真计算:应用模糊理论对生产时间分布概率进行判断,确定企业内部生产调度评测参数;使用Hopfield神经网络综合决策,求出企业外协生产与内部调度之间的可行解.将调度框架应用在实际生产调度问题中,对仿真计算结果继续综合优化,能够得到好的可行调度方案.     

粒子群算法在柔性工作车间调度中的应用

粒子群算法是一种新出现的群智能优化算法。本文针对柔性工作车间调度问题的特点构造了此问题的粒子表达方法，给出了具体的算法应用过程，并与遗传算法做了对比实验。实验结果表明粒子群算法在柔性工作车间调度问题的应用上是十分有效的。     

基于混合QPSO的模糊柔性作业车间调度问题研究

针对加工时间不确定的柔性作业车间调度问题,利用三角模糊数表征相关的时间参数并提出了一种混合量子粒子群算法进行求解,在充分发挥量子粒子群算法全局搜索能力的基础上,设计了边界修正与协作更新策略增加其搜索效率,同时使用交叉算子和路径重连技术直接对优秀粒子所映射的工序编码操作,弥补了大多数连续算法在求解离散问题时深度发掘能力不足的弊端。通过5个经典的测试算例以及光纤制造车间的实例分析,说明所提方法在寻优效率上要高于原始的量子粒子群算法和另外3种近期文献中的算法,具有较好的实际运用价值。     

柔性作业车间动态调度问题研究

为了有效求解柔性作业车间动态调度问题,提出了一个基于多目标免疫遗传算法(MOIGA)的动态调度优化算法。首先定义了柔性作业车间动态调度问题,然后采用事件驱动和周期驱动相结合的调度策略,提出了基于MOIGA的动态调度优化模型,接着设计了面向交货期性能最优的柔性作业车间调度算法,并讨论了影响算法复杂度的因素,最后通过一个实例仿真,表明了算法的可行性和优越性。     

求解多目标作业排序问题的遗传算法

利用联合进化遗传算法 ( CEGA)建立了求解多目标排序问题的一般框架 ,采用目标权衡分析诱导出决策人的偏好关系 ,并将其引入求解过程 ,以确定满意排序 ,在搜索寻优过程中 ,将启发式与遗传算法相结合 ,以提高搜索效率 .最后 ,利用该算法框架求解了一个含调整时间的一般 Job Shop排序问题 ,以表明算法的有效性.     

基于免疫遗传算法的多目标柔性作业车间调度研究

研究了多目标柔性作业车间调度问题,提出了一种改进的自适应免疫遗传算法。算法根据搜索的历史信息,自适应的调整遗传过程中的遗传参数以提高算法的稳定和效率。针对遗传算法的局部搜索能力差和全局搜索效率低的问题,结合免疫算法的免疫记忆和接种疫苗,对各近似最优解进行动态邻域搜索,提高算法的局部搜索能力和解的质量;免疫反馈和免疫选择能淘汰相似个体,维持种群的多样性,避免算法陷入早熟,改善算法的性能和稳定性。最后通过仿真实例验证了算法的有效性。     

基于均匀设计的多目标遗传算法在柔性工作车间调度中的应用

采用均匀设计技术合成多个适应度函数以提高搜索方向的空间均匀性,并针对多目标柔性工作车间调度问题的特点,设计了基于工序顺序和基于机器分配两种交叉变异的操作以及小生境技术、精英保留策略和遗传操作自适应调整策略来提高种群的多样性和搜索的效率。实验证明,本文提出的算法所得结果比较理想。