基于UPPAAL的虚拟生产系统仿真

虚拟生产系统(VPSs)是一种为应对易变的和不确定的制造环境而提出的新型生产资源结构形式.针对VPSs的特点,提出了基于自治与协调机制的控制结构.应用赋时自动机理论以及在UPPAAL的辅助下,对VPSs进行了DEDS的建模.为获得期望的性能(生产流程和时间)和行为特性(避免冲突和死锁),设计了基于启发式调度规则的自治与协调监控器,并进行了系统分析和时间最优调度的计算与仿真,从而构建起兼顾控制和调度问题的VPSs闭环监控系统.     

基于微粒群算法的半导体炉管区调度应用研究

提出了用微粒群算法来解决半导体炉管区的调度问题.给出了算法的具体过程及参数设置方案.实例计算的结果表明,该算法是解决半导体炉管区调度问题可行且高效的方法.     

基于边界层模糊调节的液压系统准滑模变结构控制

提出一种基于边界层模糊调节的准滑模变结构控制方法.基于滑模开关函数及其变化量,设计一个二维边界层模糊调节器,根据滑模开关平面状态的变化动态调整滑模边界层的宽度.应用于液压位置系统的控制实验结果表明,所提出的控制方法能保证液压系统响应速度,提高控制精度,削弱抖振,较好地协调了变结构控制鲁棒性与平滑控制抖振之间的矛盾.     

基于广义粗糙集的不确定条件下的Flow Shop调度

在实际生产调度过程中，加工时间的不确定性是普遍存在的，因此引用广义粗糙变量来表示不确定的工件处理时间，定义粗糙加法运算，precision以及ratio，建立了处理时间不确定性的FlowShop调度问题的精糙规划模型，提出了粗糙遗传调度算法将其应用于调度模型的求解，仿真实验证明了算法的有效性。     

信息时代的大学毕业生如何利用网络求职

本文通过分析网络时代如何获取和处理求职信息,从而对大学毕业生利用网络成功求职的技巧进行探讨和指导。     

车间流程的免疫调度算法

为了高效地解决车间流程(Flow Shop)问题,提出了一种利用免疫算法求解Flow Shop调度问题的方法.该算法是根据人或者其他高等动物的免疫系统机理设计的,将调度目标和约束条件作为抗原,将问题的解作为抗体,对抗体采用按工件加工顺序进行自然数编码,并把最大流程时间的倒数作为适应度函数,新抗体的繁殖是通过部分匹配交叉算子和按工件顺序互换的变异算子实现的,对抗体产生的刺激和抑制通过抗体浓度来调节,而抗体浓度通过计算抗体之间的最大亲和力获得.通过对Flow Shop问题的基准测试表明,该算法不仅在求解问题的规模上具有很好的可伸缩性,而且在运算时间上也低于遗传算法和模拟退火算法.     

基于蚂蚁算法的网格计算任务调度方法设计

网格环境中的资源情况和任务情况异常复杂,难以用实验测试各种资源管理和任务调度方法的有效性.文中提出一种网格仿真系统结构,并设计和实现了基于蚂蚁算法的任务调度策略,将任务调度和资源管理相结合,兼顾系统的负载平衡和QOS,取得了较理想的实验结果.     

生产计划编制的有限能力计划法

对小批量类型生产制定合理可行的生产计划是一类极为复杂的问题。本文在分析该类企业生产主要特点的基础上，建立了编制生产计划的有限能力计划法。该方法在满足产品项目交货期的同时，根据各工作中心的工作能力，具体为各工作中心编制了相应生产计划。并通过实例验证其可行性和合理性。     

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 .     

求解多目标单机分批排序问题

分批排序(Batch Scheduling)是在半导体生产过程的最后阶段提炼出来的一类新型的排序问题．单机分批排序问题就是n个工件在一台机器上加工，要将工件分批，每批最多可以同时加工B个工件，每批的加工时间等于此批工件中的最大的加工时间．目前只有Cheng-shuo Wang，Reha Uzsoy运用Random Key方法编码研究了单目标函数为Lmax的分批排序问题．给出组合优化中的多目标分批排序问题的一种新编码，结合模糊数学知识，运用遗传算法研究多目标分批排序问题．研究了多目标遗传算法的机制特征，进而给出求解多目标分批排序的遗传算法．