处理死锁的几种策略

在多道程序系统中，多个程序并发执行，共享系统资源，若对资源的管理和使用不当，会导致系统死锁。死锁避免是解决死锁问题的常用方法，而银行家算法是最著名的死锁避免算法。用类C语言描述了多项资源银行家算法。     

银行家算法的改进与实现

银行家算法是操作系统中避免死锁的经典算法,为提高系统的运行效率,文章对银行家算法进行了研究和改进.通过对银行家算法流程、算法优缺点的分析,以及对现有的银行家改进方法的讨论,提出一种银行家算法的改进思路.使用Java语言实现了改进的银行家算法,并运用Java多线程对操作系统中进程的同步进行模拟,验证了该算法的有效性.     

基于集束搜索和银行家算法的柔性制造系统无死锁调度

本文提出了一种基于启发式规则的无死锁调度算法,该算法基于集束搜索方法,局部评价函数和全局评价函数,在无缓冲区的情况下,采用单步前瞻的银行家算法来避免死锁。该算法可以迅速解决复杂制造系统的死锁和调度问题,折衷了计算时间的消耗和调度结果的质量。     

改进平滑A*算法的多AGV路径规划

科技的进步促使拥有众多优势的自动导引车（Automated Guided Vehicle,AGV）逐步替代人工搬运,随之产生的多AGV路径规划、协调问题也应运而生。针对上述问题,依据AGV行驶特征,构建笛卡尔坐标系环境,以传统A*算法为基础模型,通过引入3轴-2象限、路线转向数来剔除无效备选点,平滑行驶路径;以系统总工作时长最小为目标制定冲突判断标准与协调策略,实现系统运行效率最佳的目标。通过实例分析,改进A*算法单AGV线路最多可减少10.9%搜索点数和350%转向数;以时间最小为目标的协调策略能够有效避免因主观因素制定的优先度而导致系统陷入局部最优的现象。     

多AGV路径规划方法研究

针对多自动导引车(Automated Guided Vehicle,AGV)在仓储物流中的路径规划问题,提出一种基于时间窗模型的动态路径规划方法,以实现多AGV的动态路径规划。首先,利用A*算法启发式地为多个AGV规划路径;其次,计算AGV经过路径节点的时间,通过对时间窗的排布和更新解决了多AGV在路径规划中的碰撞冲突问题,而且通过动态地为多AGV分配优先级,提升了系统效率;最后,当路径中出现障碍物时,通过动态更改道路权重,重新进行路径规划,实现了实时避障。仿真实验结果表明,该算法在保证路径最优的条件下能有效避免碰撞冲突,完成无重复、无冲突的系统调度,不仅能提高系统效率,而且在动态环境下具有良好的适应性和鲁棒性。     

仓储式多AGV系统的路径规划研究及仿真

对于自动导引车（Automated Guided Vehicle,AGV）的单机路径规划问题,已存在很多静态算法可以有效求解。但由于AGV间抢占系统资源的相互影响和制约,多AGV的协同作业会出现死锁、碰撞冲突等问题,静态路径规划算法无法满足实时动态作业的系统需求。智能仓储系统中,多AGV动态路径规划的核心问题不再仅是单AGV快速求解最优路径,而在于多AGV的冲突避免或解决,达到整体协调最优。拟采用两种思路解决上诉问题：一种方案是对最有效的静态算法进行改进,并引入动态机制和冲突解决策略以满足作业需求;另一种方案提出一种具备多步前瞻性的主动避障算法,优化路径并提前避开交通拥堵路段,减少冲突可能性和重新寻路代价。实验结果表明两种算法都具有良好的鲁棒性,可有效解决冲突,且后者可持续扩展AGV数量,具有更高的系统效率。     

基于改进NSGA-Ⅱ的考虑自动引导车充电策略的集成调度

针对自动引导车（AGV）在自动化集装箱码头（ACT）执行任务过程中的电量问题，提出基于改进的非支配排序遗传算法-Ⅱ（NSGA-Ⅱ）的考虑AGV充电策略的集成调度。首先，在岸桥、场桥和AGV集成调度模式下，考虑AGV在不同作业状态下的耗电量，并建立以最小化作业完工时间和总耗电量为目标的多目标混合规划模型；其次，为提高传统NSGA-Ⅱ的性能，设计自适应NSGA-Ⅱ，并将所提算法与CPLEX求解器、NSGA-Ⅱ和多目标粒子群优化（MOPSO）算法进行性能对比；最后，设计AGV不同充电策略并对设备数量配比进行实验研究。算法对比实验结果表明：相较于传统NSGA-Ⅱ算法，自适应NSGA-Ⅱ对双目标的优化分别提升了2.8%和2.63%。利用自适应NSGA-Ⅱ进行的充电策略和设备数量配比实验的结果表明：增加AGV充电次数能够减少AGV的充电时间，且调整设备数量配比至3∶3∶9和3∶7∶3时，场桥和AGV的时间利用率分别达到最高。可见，AGV充电策略及设备数量配比对码头多设备集成调度有一定影响。     

谈操作系统中的死锁问题

进程死锁问题是操作系统的主要问题之一,很多学者专家一直在研究怎样解决这个问题.本文针对操作系统中经常出现的死锁问题进行了讨论,阐述了死锁出现的原因、四个必要条件,以及死锁的处理方法,最后谈论了一个避免死锁的经典算法--银行家算法.     

基于银行家算法的进程安全序列仿真研究

银行家算法是一种应用于操作系统安全的死锁避免方法。本文分析了银行家算法思想,给出了算法描述。在Delphi集成开发环境下进行了仿真实验,得到了进程执行的安全序列。同时文中也对银行家算法提出了改进的意见。     

基于WMFO-BP神经网络的重载AGV故障预测

为了提升重载型AGV故障预测能力,通过研究AGV航迹推算系统,提取与建模编码器、陀螺仪故障信息,提出了基于WMFO-BP神经网络的重载AGV定位传感器故障预测算法。WMFO算法是在飞蛾扑火算法（MFO）的基础上进行改进,增加了动态调整权重;对比改进后的WMFO算法与MFO、PSO、SCA算法,结果表明,WMFO的收敛精度更高、稳定性更好。通过AGV的实测结果表明,基于WMFO-BP神经网络的重载AGV定位传感器故障预测误报率为0.17%,漏报率为0.13%,故障预测准确度有显著提升,且抗干扰能力强,具有较高的工程应用价值。     

操作系统中死锁问题的研究

主要研究操作系统进程的死锁问题。进程死锁问题是操作系统的主要问题之一,很多学者专家一直在研究怎样解决这个问题。首先提出了死锁的概念,死锁发生的原因及产生死锁的四个必要条件,然后又讨论了破坏死锁发生的必要条件,就能预防死锁的发生,最后具体的谈论了死锁避免的最著名的算法—银行家算法,从而阻止死锁的发生。     

Up*/Down*路由算法的改进方案

机群系统 (NOWs)用于并行计算具有性能价格比高、结构灵活、可扩展性好等优点 ,但要实现高性能的机群系统 ,必须采用交换式高速互连网络 .交换器之间连接的不规则性 ,使路由与死锁避免问题非常复杂 .介绍了不规则拓扑网络中经典的 up* / down*路由算法 ,分析它的实现原理 ,指出了它在链路方向指派方面的不合理性 ,并基于贪婪算法的思想 ,给出了优化的链路方向指派方法 ,由此确定新的路由算法 greedy- U D.经模拟实验证明 ,greedy- U D算法较up* / down*路由算法性能有了显著提高     

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。     

基于变邻域模拟退火算法的多自动导引车任务分配优化

针对多自动导引车（AGV）仓储系统任务分配问题,提出了变邻域模拟退火（VN_SA）算法。首先,根据系统作业流程及AGV运行特征,以AGV执行任务的路径代价、时间代价以及任务均衡值代价为目标,并在约束中加入AGV空载行驶和负载行驶的耗电情况,构建更贴合实际的多AGV仓储系统任务分配多目标优化模型;其次,针对问题特点,设计了一种变邻域模拟退火算法。算法中的邻域扰动操作拓展了模拟退火算法的搜索范围,且概率突变特性的结合使算法跳出局部最优,并获得全局开发的效果。分别设置任务量为20、50、100的作业进行仿真实验,实验结果表明,所提算法优化后的总代价相较于遗传算法（GA）分别降低了6.4、7.5、13.2个百分点,验证了所提算法在不同任务规模下的有效性。可见所提算法具有更好的收敛性和搜索效率。     

高密集度AGV快递包裹分拣系统的路径规划

基于自动引导小车（AGV）的快递包裹自动分拣系统是智能物流的研究热点,路径规划是其关键问题之一.在快递包裹分拣系统中,AGV具有高密集性和车辆数量较大的特点,这种情况极易造成AGV拥堵,使得整个系统的性能降低.针对此问题本文提出可避免拥挤的CAA^*（Congestion-avoidable A^*）算法,该算法以A^*算法为基础,引入动态属性节点,建立动态环境模型,对各个节点可能发生的拥挤情况进行预测,判断是否存在潜在的拥挤节点,在路径规划过程中绕过潜在的拥堵节点,避免发生拥堵现象.实验结果表明,本文所提的CAA^*路径规划方法在具有高密集度和较大规模的AGV场景中,能有效避免拥堵,从而提高场地AGV的密集度和系统的分拣效率.对实际应用场地的仿真表明,本文的算法比传统的A^*算法AGV密集度提高了28.57%,系统分拣效率提高了24.29%.     

基于视觉引导多AGV系统的改进A*路径规划算法

研究基于视觉引导自动引导车(AGV)的改进A*路径规划算法.首先,设计一种包含导航、定位和任务信息的图形编码标志方法,AGV通过识别位于车身前方网格型路径中有序排布的编码标志进行快速定位和下一位置预判,为多AGV规划奠定基础;其次,根据网格型路径构成的动态随机网络,提出一种改进A*算法,将AGV在运动时产生的动态时间耗费作为参考指标,以实现多AGV在路径网络中的路径规划和冲突避让策略,提高固定路网资源的利用效率;最后,对多AGV在网格型路径中协同工作的场景进行仿真,实验结果表明,所提出的改进算法可以有效应用于多AGV系统,并且提升整体系统的工作效率.     

基于禁忌搜索的多AGV系统路径优化算法

在多自动导引车（Automated Guided Vehicles,AGV）系统的路径规划中,构建AGV的拓扑结构地图模型,设计基于全局邻域搜索的禁忌算法,以高效准确地解决最短路径的组合优化问题,并进行不同规模算例下的分组实验,验证禁忌搜索算法对路径能耗属性、时间属性和路径负载均衡目标参数的优化效果,来提高多AGV系统的稳定性和高效性。     

基于IMA的AGV群组路径规划仿真

在大型仓储AGV群组作业任务场景中,路径规划带来的效率和安全是亟待解决的难题。针对传统文化基因算法(MA)容易陷入局部最优、耗时较长、路径不平滑等问题,在满足多约束条件下提出了一种改进的文化基因算法(IMA)。算法采用改进K聚类算法对环境栅格地图进行分区,缩小地图规模降低算法更新时间成本;根据适应度函数值采用自适应技术调整交叉和变异算子概率,增加种群多样性避免全局搜索陷入局部最优;通过概率法进入二次局部搜索,局部采用A*和蚁群混合算法改善规划路径的平滑性。最终提高了路径规划的效率和安全性。经验证IMA算法与传统MA算法相比提高了规划效率和避障性能,任务总时间平均节约4.6%,路径总长度节约4.3%,AGV能耗降低了27.1%,算法优化效果明显,适用于大型仓储AGV群组作业场景下的路径规划。     

多搬运任务下考虑碰撞避免的AGV路径规划

为提升自动导引小车在“货到人”仓库中的运行效率,针对AGV-托盘任务分配、单AGV路径规划及多AGV碰撞避免三个子问题的研究,以最小化AGV行驶距离为目标构建数学模型。首先,根据AGV与托盘的双边匹配问题特点设计改进的匈牙利算法求解匹配结果。其次,提出一种二维编码机制的改进遗传算法（improved genetic algorithm,IGA）,采用一种局部搜索算子代替原变异操作,在提高算法搜索性能的基础上使其成功应用于单AGV路径规划问题。然后,利用时空数据设计一种三维网格冲突检测方法,并根据商品SKU数量设定AGV的优先级以降低多AGV执行任务时的碰撞概率。最后,在32 m×22 m的仓库中针对不考虑碰撞与考虑碰撞两种情形进行AGV路径优化分析,给出合理的行驶距离和碰撞次数。IGA与标准遗传算法的对比结果显示,IGA能够在合理的时间内获得更高质量的解,行驶距离减少约1.74%,算法求解时间缩短约37.07%。此外,针对AGV数量灵敏度分析,在不同目标托盘规模下测试不同数量的AGV对行驶距离和碰撞次数的影响,发现14~16台AGV数量是最佳配置,验证了模型的可行性和算法的有效性。     

不规则网络中基于拐弯模型的路由算法的设计

由虫孔路由交换器连接而成的不规则拓扑网络，越来越多地用于构建工作站机群系统（NOWs），以实现高性能价格比的并行处理．采用虫孔路由技术，网络中容易发生死锁．交换器之间连接的不规则性，使路由避免死锁问题变得更加复杂．本文给出了在不规则网络中，设计基于拐弯模型的无死锁路由算法的一般方法，并采用扩展链路方向的方法得到多种路由策略，确定了up-first与down-last两种性能较优的路由算法．最后通过模拟实验，评价了算法的性能．