FMS的实时调度与控制方法研究

本文以 CIMS 中的基本单元 FMS 为对象,从离散事件动态系统角度出发,研究了 FMS 的实时调度与控制.首先,从递阶控制角度出发讨论了 FMS 的调度与控制,把一般的 FMS 的调度与控制系统划分成三层:调度层、事件轨迹控制层和单元逻辑控制层,提出了 FMS 调度与控制的一体化结构——调度驱动监控结构.在此基础上,建立了 FMS 基于 Petri 网的调度驱动监控的形式化理论.     

FMS物流系统的调度与控制

本文针对FMS物流系统，提出了一种基于任务分类的逐层细化调度与控制策略。并在上海第四机床厂箱体零件柔性制造系统（SJ－FMS）中加以具体应用和软件实现。结果表明，这种调度与控制策略能够有机地将调度的计划性和随意性相结合，保证控制的实时性，具有实用价值。     

基于Petri网的柔性制造系统作业调度研究与实现

选择面向对象的有色Petri网对FMS进行建模,研究FMS调度控制问题.本文针对柔性制造系统的特点,采用面向对象的着色Petri网建立了由工件、机床、运送和仓贮对象等组成的模型.模型是一个包括加工系统、物流系统、管理系统在内的一个完整的FMS模型.该模型由于采用了面向对象技术,具有可移植性、可扩展性的特点,并且易于用软件去实现,本文使用"映射"法,把库所映射为软件数据、变迁映射为程序函数和方法、子系统映射为软件系统基本类,从而把FMS Petri网模型转化为FMS控制管理软件程序.本文采用简易的工艺文件数据,对FMS控制管理软件运行进行了测试.通过对测试结果的分析,验证了本文所建立的FMS物流系统模型和设计的FMS柔性生产线控制管理软件的正确性和有效性.     

柔性制造系统实时调度的有色Petri网和状态方程模型

柔性制造系统(FMS)的实时调度问题是一个典型的并发系统(CA),亦称为离散事件动态系统(DEDS).这是一类很复杂的动态系统,本文尝试用Petri网和有色Petri网对FMS的实时调度问题建立动态模型并同时给出了代数形式的状态方程模型.     

基于EHLEP-N模型的FMS实时调度和控制

本文提出一种新的更适合柔性制造系统(FMS)建模的扩展高级E-Net,简称EHLEP-N (Extended High Level Evaluation Petri Net).将EHLEP-N与专家系统技术相结合,使 EHLEP-N对FMS更具有描述性,推理和决策能力.以EHLEP-N为FMS的建模工具,设 计并建立FMS实时调度控制专家系统.借助于该系统,提出并研究新的旨在减少空闲(noinputs) 和消除阻塞的实时动态再调度规则.加工实验结果表明:1)该系统满足实时性和调 度控制功能的要求;2)新规则的产率(throughputs)比传统规则平均提高7％.     

基于扩展随机高级判断Petri网的FMS调度和仿真

本文提出一种新的更适合FMS调度仿真的扩展随机高级E-net,简称ESHLEP-N(Extended stochastic High Level Evluation Petri Net)。以ESHLEP-N模型为基础,设计并建立了FMS调度仿真专家系统。借助于该系统提出并研究了新的旨在减少空闲(no-inputs)和阻塞的实时动态再调度规则。经过仿真,证明新规则的产率(throughput)比传统规则平均提高6.48％。本文的部分成果已经用于航空航天部159厂的高级DNC系统的设计之中。     

粒子群算法在生产物流调度中的应用研究

以提高柔性制造系统（FMS）的生产效率为目标,提出了基于粒子群算法（PSO）的AGV动态调度策略。在PSO中采用三维向量的编码方式,解决了AGV资源分配与任务排序的问题,对编码后的粒子经过速度-位移计算后进行解码,通过读取数据库表得到AGV的运行时间来计算目标函数。并且提出了浮动的目标函数法,以使各AGV的任务均匀,总体最优。最后将该算法嵌入到FMS仿真实例模型中,实时进行AGV的任务调度优化,整个FMS加工任务的总完成时间较优化前缩短了12.1%,证实了算法的有效性。     

FMS的模型参考自适应调度

用运筹学研究生产线调度问题已有几十年的历史,但由此得出的调度策略的实时性很差.1986年自动控制工作者提出了“PMS动态自适应计算机调”一词.令人感到十分新奇.可惜.从未见到任何有关的论文.本文研究FMS的模型参考自适应调度.本文采用我们提出的考虑了有限缓冲器容量的极大代数模型.环境的影响反映于对象参数的摄动,本文采用我们提出的摄动计算方法.调度器的设计采用次梯度法,以求解连续变量和离散变量混合的优化问题,附有数字实例,计算和仿真表明:FMS的模型参考自适应调度是可行的,是值得继续深入研究的。     

FMS多智能体调度系统的角色建模

为了实现FMS多智能体调度系统,提出一种基于角色的系统体系结构。根据该结构的逻辑过程设计出调度系统的招标委员会流程角色模型,并对每个智能体进行角色分配,定义其工作方式与数据访问方式。通过角色的泛化和聚合,使得系统中的智能体协同能力和适应能力更强。     

基于Petri网的柔性制造系统调度控制模型

给出了自顶向下构造柔性制造系统(FMS)Petri网模型的方法,提出了随机创建指定数目满足指定条件的测试模型的算法,并给出程序仿真运行的演算规则。在此基础上实现了基于Petri网FMS分析与调度仿真软件平台,该平台可配置性强,容易维护,降低了柔性制造系统方针研究的复杂性。最后给出了该模型实现的模块结构。     

云计算环境下利用改进遗传算法结合二次编码的大规模资源调度方法

针对传统遗传算法无法满足多用户下的大规模云计算环境下的资源调度问题,提出利用改进遗传算法结合二次编码的方法解决大规模资源调度。首先,在选择复制阶段,采用基于最小任务完成时间和匹配程度的双适应度函数,对种群以双重标准进行筛选。然后,对算法的交叉变异概率进行了自适应优化,使其自适应能力进一步提高,保证了算法尽快向最优解收敛。同时引入的收敛终止条件保证了算法尽快跳出循环。最后,在CloudSim平台上对改进遗传算法（IGA）进行了分析,实验结果表明,提出的改进遗传算法能够很好地适用于大规模资源调度,且结果优于其他几种较新的对比算法。     

基于人工鱼群遗传算法的异构多核系统任务调度研究

异构多核系统的任务调度问题已经被证明是一个NP完全问题。人工鱼群算法在算法初期具有较快的收敛速度,后期收敛较慢,而遗传算法的种群初始化具有较强的鲁棒性,初始化种群的质量直接影响着遗传算法的性能。本文提出了一种将人工鱼群算法与遗传算法相结合的任务调度算法,首先分析了异构多核系统的任务调度问题的本质,使用改进的人工鱼群算法来构建遗传算法的初始化种群,并使用改进的遗传算法进行迭代进化,从而提高了算法的收敛速度。     

基于聚类和改进共生演算法的云任务调度策略

针对云计算环境中一些基于服务质量（QoS）调度算法存在寻优速度慢、调度成本与用户满意度不均衡的问题,提出了一种基于聚类和改进共生演算法的云任务调度策略。首先将任务和资源进行模糊聚类并对资源进行重排序放置,依据属性相似度对任务进行指导分配,减小对资源的选择范围;然后依据交叉和旋转学习机制改进共生演算法,提升算法的搜索能力;最后通过加权求和方式构造驱动模型,均衡调度代价与系统性能间关系。通过不同任务量的云任务调度仿真实验,表明该算法相比改进遗传算法、混合粒子群遗传算法和离散共生演算法,有效减少了进化代数,降低了调度成本并提升了用户满意度,是一种可行有效的任务调度算法。     

基于改进量子遗传算法的Flow-Shop调度求解

针对Flow-Shop调度问题,提出一种改进的量子遗传算法,重点对量子变异和量子灾变等操作算子进行改进,提出局部量子位变异和局部量子灾变等操作算子。给出Flow-Shop调度问题的数学模型,提出了用量子遗传算法求解Flow-Shop调度问题的量子比特编码和解码方法,介绍算法的计算流程。仿真实验结果表明：改进的量子遗传算法具有收敛速度快、鲁棒性好等优点。     

自适应最优保存的模拟退火遗传调度算法研究及其应用

该文对调度算法做了简单的介绍。在结合已有的模拟退火算法和遗传算法的基础上,改进了现有的遗传调度算法,自适应地保存最优个体,并对其进行模拟退火。与简单最优保存遗传调度算法进行了比较,结果表明新的算法比原有算法搜索能力更强,在跳出局部最优方面也有改进,有效地解决了原有遗传调度算法的早熟现象。     

基于改进遗传算法的网格任务调度算法

网格任务调度是一个NP完全问题,它关注大规模的资源和任务调度,要求采用的调度算法能够具有高效性.遗传算法被证明是解决这类小规模问题的有效算法,随着任务数和资源数的增加,遗传算法表现出慢速收敛的缺点.为了克服其缺点,提出将Min-min算法与遗传算法相结合的改进遗传算法,从而设计出很好的选择和交叉算子,提高了算法搜索能力和收敛速度.仿真结果表明该算法能更有效解决网格任务调度问题.     

面向时间敏感网络的流量调度方法

从高效流量路由调度计算的角度出发,针对时间敏感流量调度中通常存在的计算效率低、迭代收敛慢等问题,提出一种基于最短路径负载均衡与改进遗传算法的流量调度方法。建立网络模型与流量模型并定义时间敏感网络中的流量传输约束,同时利用基于K最短路径的负载均衡路由算法与改进选择算子和交叉变异概率的遗传算法进行路由与调度计算。实验结果表明,该方法能有效缩短时延敏感流量调度任务的完成时间,提高调度计算效率,并加快迭代收敛速度。     

基于改进遗传算法的智能排课研究

本文深入地分析了排课问题的软约束条件和硬约束条件,抽象出求解智能排课问题的数学模型。深入分析遗传算法,针对传统的遗传算法,对初始种群进行均匀化、适应度函数、变异算子等方面改进。通过对比实验证明改进的算法完全适用于智能排课问题,而且具有较高的效率,为排课问题的发展提供了新的思路。     

Job_Shop调度的图表示模型与改进GA求解

通过把调度方案表示成基于约束的图模型,在遗传算法求解过程中,采用了基于约束的二维数组编码方式,使算法的通用性得到提高。借助拓扑排序来判断个体的合法性及进行适应度的求解,在交叉和变异算子中引入关键工序的指导,缩小搜索空间从而提高了算法求解的效率和质量。最后给出相应实例,并与其它文献中的方法比较验证了本算法的可行性和有效性。     

基于改进遗传算法的标签印刷生产调度技术

针对标签印刷生产过程中存在的多品种、小批量、客户定制化程度高、部分生产工序存在不确定性等问题建立了以最小化最大完工时间为目标的柔性作业车间调度模型,提出了一种改进遗传算法（GA）。首先,在标准遗传算法的基础上采用整数编码;然后,在选择操作阶段采用轮盘赌法,并通过引入精英解保留策略以确保算法收敛性;最后,提出动态自适应交叉和变异概率,从而保证算法在前期进行较大范围寻优,以避免早熟,而后期尽快收敛,以保证前期获得的优良个体不被破坏。为了验证所提改进遗传算法的可行性,首先采用Ft06基准算例把所提算法与标准遗传算法（GA）进行比较,结果显示改进遗传算法的最优解（55 s）优于标准遗传算法的最优解（56 s）,且改进遗传算法的迭代次数明显优于标准遗传算法;然后通过柔性作业车间调度问题（FJSP）的8×8、10×10和15×10标准算例进一步验证了算法的稳定性和寻优性能,在3个标准测试算例上改进遗传算法均在较短时间内取得了最优解;最后,将该算法用于求解标签印刷车间的排产问题时,使得加工效率比原来提高了50.3%。因此,提出的改进遗传算法可以有效应用于求解标签印刷车间的排产问题。