基于增强拓扑神经进化的等效并行机动态调度

针对工件动态到达、处理时间不确定且机器须要弹性预防维护的等效并行机调度问题,以平均流程时间最小化为目标,提出了基于强化学习的动态调度方法．将调度过程作为马尔可夫决策过程,通过定义状态空间、行为空间、奖励函数与适应度函数,提出基于增强拓扑神经进化(NEAT)算法的动态调度方法．设计三种规模问题的实例,将基于NEAT的方法与最短路径树(SPT)、先装先卸(FIFO)调度规则及基于深度Q网络(DQN)的方法进行比较,结果表明：基于NEAT的方法相比基于DQN的方法能够以更短的训练时间获得更优、更稳健的调度方案,相比SPT和FIFO调度规则能够获得更优的目标值,利用训练好的NEAT模型对随机生成的大规模问题实例的快速高质量求解结果表明,基于NEAT的调度方法具有更好的泛化性能．     

基于关键链的自适应缓冲设置方法研究

在关键链项目管理、资源受限项目调度问题的理论基础上,分析了剪贴法和根方差法两种缓冲设置方法的局限性,同时考虑到项目中不同活动的资源利用程度各有不同,结合自由时差方法,设计了一种设定项目缓冲和汇入缓冲大小的新方法.最后针对PSPLIB中的典型算例在Matlab中进行了仿真验证.结果显示,在同样对项目完工时间有足够保护的前提下,利用所提出的方法能够得到更小的缓冲时间长度,从而避免由缓冲设置不当带来的新的资源冲突.     

动态柔性生产调度中的分布式协同决策

针对任务分配问题的求解，描述了基于多自主体分布式协同决策的车间层动态柔性生产调度，给出了整个调度系统及其组成单元的结构，并对任务分配过程中所运用的基于协议网模型的谈判和一种使用决策矩阵的多准则决策方法进行了讨论。     

面向动态制造环境的可适应生产计划与控制模型及方法

约束理论通过为少数能力受限资源提供缓冲,保证系统性能稳健,更适用于车间层次的生产计划与控制,不能为顾客需求变动、订单接收和交期设置提供支持。负荷控制强调订单接收与投放的负荷评审和缓冲设置,能够应对外部需求变化,更适用于计划决策层,缺少有效的车间工作流管理。本文通过系统比较分析,提出了将负荷控制与约束理论集成的生产计划与控制模型,通过订单接收、投放控制与瓶颈调度三个层次的联合计划与控制,实现动态环境下的可适应制造。负荷控制的订单评审与投放控制,为约束理论在执行层的有效应用提供了基础;而约束理论的车间瓶颈调度方法与负荷控制的订单投放相互补充,能够更好地改善系统绩效。