基于CBR的水库洪水调度模式

由于水库洪水调度问题的复杂性和不确定性,单纯利用调度模型进行洪水调度在实际应用中往往存在一些问题.为了使理论研究尽可能与实际应用相结合,将人工智能中的基于事例推理(CBR)技术引入到水库洪水调度中,将以往的洪水调度事例作为历史事例以一定的结构和方式存储在事例库中,对于新的洪水调度问题,从事例库中寻找相似的事例,并根据其调度方案,确定新问题的解决方案.实际算例表明,对于水库洪水调度问题,基于事例推理的水库洪水调度能充分的将以往的调度经验和调度模型结合起来,使得调度结果更合理、可行, 具有较强的实用性.     

有时间窗的非满载车辆调度问题的遗传算法

有时间窗的车辆调度问题是一个典型的ＮＰ－难题,传统求解方法往往不能令人满意,本文将货运量约束和时间窗约束转化为目标约束,设计了基于自然数编码的可同时处理软、硬时间窗约束的遗传算法,实验分析获得了较好的结果。     

生产作业计划调整的优先调度算法研究

本文基于生产作业计划生成的优先调度法,提出了针对生产作业计划调整的机床优先调度算法和工件优先调度算法。在机床优先调度算法中,设计了机床优先调度算法的步骤。而在工件优先调度算法中,利用归纳学习方法,研究了面向生产系统状态的生产作业计划调整方法。     

一类带缓冲区的连续生产过程的最速生产调度

研究了一类有分段式生产任务并带缓冲区域束的连续生产最早完工（Ｍａｋｅｓｐａｎ）指标调度问题,对积分形式约束和专注生产的约束进行有效转化,将原调度总理２转换为线性规划问题,仿真算表明了文中方法是可行的。     

扰动累积下基于数字孪生的车间重调度

针对隐性扰动累积下车间重调度问题,搭建车间重调度决策服务,实现数字孪生驱动的扰动累积下的车间重调度。提出一种调度参数更新的方式,采用随机概率分布来描述调度参数的分布,提升调度参数的准确性;利用孪生网络搭建隐性扰动检测模型,以实时数据为输入,实现重调度的启动时刻的判定;从历史调度数据中提取用于调度知识挖掘的样本数据,利用伪孪生网络获取工序和机器的状态数据的映射关系作为调度规则,用于车间的重调度。仿真实验证明了所提数字孪生驱动的重调度模式的可行性。     

引入微元法思想的混合测控资源联合调度方法

针对混合测控资源联合调度中存在的资源属性繁多、偏好差异大以及可能出现的调度弧段冲突等问题,借鉴单体制测控网调度研究中的任务需求描述方法,对混合测控任务需求的特点进行分析,给出其任务需求的规范化描述。以测控调度收益值最大为目标,建立混合资源联合调度模型;引入微元法思想,提出了可用弧段扩展复用方法,以此为基础提出了基于改进遗传算法的求解策略。仿真结果表明：所建模型和相应的解冲突算法能有效提高测控需求满足率和测控收益。     

改进型蚁群算法在Job Shop问题中的应用

应用改进型蚁群算法解决车间作业调度问题。在原有标准蚁群算法的基础上采用了新的状态转移规则,讨论了各种不同的轨迹更新规则对仿真结果的影响,并通过统计数据验证了改进型蚁群算法优于标准的蚁群优化算法。由于算法中的参数对算法的求解效率和求解结果都有一定的影响,所以对此也进行了初步的研究,得到了运行较好的参数取值范围。     

时变时延网络化控制系统的鲁棒稳定性

针对一类存在噪声干扰的时变时延网络化控制系统,基于信息调度与控制协同设计的思想,建立了具有信息调度和噪声干扰的时变时延网络化控制系统模型．引入增广状态矩阵分析方法,研究了存在时变时延和噪声干扰情形下闭环网络化控制系统的鲁棒稳定性问题．给出了使闭环系统渐近稳定的控制器参数化表达式．仿真分析表明该策略在满足闭环系统稳定性的同时,降低了系统信道的数据信息流量,充分地利用了网络带宽资源。     

支持多优先级的高速crossbar调度器的设计与实现

为了在高速交换中提供具有服务质量保证的调度器,提出了基于p—iDRR算法的调度器的FPGA实现方案。通过简化调度流程和使用流水线设计方式,使得调度器简单、高速、硬件易实现,并具有良好的性能。采用Xilinx公司的xc2v3000—6bg728芯片实现了支持2个优先级的crossbar调度器,能够支持16个2．5Gb／s的高速端口。另外,提出了一种软件仿真和硬件仿真相结合的验证方案,用于调度器功能的验证。     

基于改进差分算法的数据链时隙分配方法

针对当前时隙分配策略具有算法单一、容易陷入局部最优、泛化能力弱等问题,基于差分进化算法,引入了混沌算法、自适应变异交叉算法和问题解处理机制,提出了一种基于改进差分进化算法的时隙分配策略。利用混沌算法初始化种群,增加种群多样性避免算法过早收敛;利用选择概率参数使得交叉和变异过程更加灵活,使算法初期增加搜索范围,算法后期增加获取全局最优解的概率。实验结果表明：该算法时隙分配均衡度、稳定性、算法效率和泛化能力均优于差分算法和遗传算法,时隙分配均衡度和算法效率更高、稳定性更好、泛化能力更强。