基于粗集的调度Agent知识库建模研究

首先通过相识集、招标集、投标集和中标者的概念，描述了车间调度系统中的调度Agent与资源Agent间任务分配的招投标关系；运用粗集理论，基于任务的属性和资源Agent完全任务的成本、质量、负荷和时间等属性构造决策表；在分析了决策表的特征基础上，生成调度规则集，即调度知识库；最后给出车间调度Agent的调度过程算法。     

基于改进遗传算法的柔性作业车间调度

在实际的柔性作业车间调度中,不但工件需要加工时间,而且工件在各个机器之间利用AGV转移也需要占用一定的时间,因此对柔性作业车间调度中考虑AGV运输时间的研究更具有实际意义。首先,针对此问题,建立了有AGV约束的柔性作业车间调度数学模型。其次,提出一种多段式编码,可以使得一些对进化没有帮助的基因直接被淘汰掉;提出一种分阶段的自适应交叉和变异概率公式及多种群进化机制以实现快速收敛及全局优化的效果。最后,仿真实例验证了本文提出算法的有效性和可行性。     

绿色作业车间机器与AGV的集成调度研究

针对加工资源和运输资源集成下绿色作业车间调度问题,通过研究生产车间综合能耗模型,建立了机器和自动导引小车(Automated guided vehicle,AGV)集成调度下多目标优化模型。提出一种改进分布估计算法(Improved estimation of distribution algorithm,IEDA)对模型进行求解。首先,采用优良种群作为样本学习来构建概率分布模型以提高IEDA的全局搜索能力;然后基于一种类似激素调控机制的速度冷却控制方法设计出新的模拟退火函数,并将其融入到分布估计算法中以提高IEDA的局部搜索能力。最后通过数值实验来验证所提模型和算法的可行性和有效性。     

基于批生产的逐段式车间作业调度算法

探讨了离散作业型（Job shop）车间中的作业调度的分阶段模型，并根据离散作业调度的阶段性提出了基于作业状态空间的逐段式车间作业调度算法，通过对一个实际车间作业调度仿真比较，此算法运算速度比最短加工时间（SPT）和最少工作量剩余（LWR）算法快，其调度结果在实际作业车间具有可执行性。     

多Agent智能制造系统研究综述

Agent与多Agent系统是分布式人工智能的主要研究方向之一，Agent技术已经被认为是进行分布式工业系统建模的一种重要方法，是设计与实施分布式智能制造环境的最自然的手段，是构建下一代制造系统的重要技术之一，基于Agent的制造系统是多Agent系统理论和方法在制造领域中的具体应用，在对Agent与多Agent系统技术研究进行简要总结的基础上，综述了Agent技术在制造企业集成，供应链管理、制造规划、调度和制造控制等方面的应用及其研究现状，并对Agent制造系统研究的主要内容及关键问题进行了探讨。     

一种基于改进遗传算法的组合加工约束混流车间调度方法（英文）

具有组合加工约束的柔性作业车间调度问题是混流生产线中常见的任务排产问题。然而,传统车间调度方法均未将组合加工约束考虑进调度模型中,无法满足混线生产模式的现实情况。针对这一问题,分析了混流生产线的工艺状态模型。在此基础上,基于传统柔性作业车间调度问题,建立了具有组合加工约束的混线车间调度问题的数学模型。然后,针对组合加工约束,提出了一种改进的多段编码、交叉、变异的遗传算法。最后,将该算法应用于某航空航天研究所导弹结构件生产车间,验证了该方法的可行性和有效性。     

基于可变重调度区间的柔性作业车间动态调度策略

针对动态柔性作业车间调度问题,提出了基于可变重调度区间的动态重调度策略。建立了柔性作业车间调度数学模型。提出一种初始化机器、初始化工序和随机初始化相结合的改进种群初始化的方法,进一步提高初始种群解的质量。实际生产案例仿真对比分析结果表明,利用本文重调度策略和改进遗传算法后得到的结果比企业实际运行时间缩短了47.8%,比他人的调度策略所得到的优化结果提高了5.4%,从而验证了本文所提出算法的可行性和有效性。     

用遗传算法求解柔性作业车间调度问题(英文)

古典作业车间调度问题已经被研究了几十年并证明为 NP-hard问题。柔性作业车间调度是古典作业车间调度问题的扩展 ,它允许工序由一个机床集合中的任意一台加工 ,调度的目的是将工序分配给各机床 ,并对各机床上的工序进行排序以使完成所有工序的时间最小化。本文采用遗传算法进行柔性作业车间调度研究 ,针对柔性作业车间问题提出了一种新颖直观的基因编码方法 ,从而取消了运用遗传算法求解作业车间问题时为使基因合法化而进行的基因修复过程 ,仿真结果表明用该遗传算法解决柔性作业车间调度问题是有效的。     

基于工作流技术的作业车间调度研究

分析了作业车间调度的问题模型 ,提出了采用工作流技术来描述复杂的车间调度问题 ,给出了车间调度的作业、资源和过程的工作流模型 ,并给出了作业车间调度的工作流管理系统框架 ,然后从系统结构、功能及实现机制方面分析了工作流管理系统如何动态地实现作业任务和生产资源的动态匹配的工作机理 ,提出了基于时间和事件触发的动态任务调度模式 ,并重点介绍了工作流引擎的决策机制。结合实例 ,给出了一个 6× 6作业车间调度的工作流模型和调度仿真结果。结果表明 ,本文提出的工作流建模方法模型清晰简单 ,求解速度快 ,为解决车间系统的调度提供了一条新的有效途径     

基于多Agent的分布式制造执行系统模型

提出了一种开放式、模块化、分布式、可配置、可集成和可维护的基于多Agent的制造执行系统(MES)模型。首先分析了制造系统中的制造执行系统域，然后提出了基于多Agent的MES模型，采用UML图表详细分析了该模型的MES功能实现，最后给出了实施的MES系统框架。该MES系统易与企业资源计划(ERP)、车间控制系统(FCS)及其他制造系统相集成。     

基于神经内分泌调控机制的类生物化制造系统研究

从制造系统、生物系统、控制系统学科交叉的角度出发,借鉴生物有机系统的神经-体液调控机制及规律,提出了一种新型的类生物化制造系统体系结构,研究如何将生物有机体的神经内分泌激素调控机制借用到制造系统调度规划与管理中。首先提出了有机制造单元的概念,然后建立了基于有机制造单元的具有多主体协调与递归控制特点的类生物化制造系统协调模型。基于神经内分泌激素调节规律,建立了类生物化制造系统的多重反馈控制模型,实现车间层在干扰环境下的快速自适应调度与控制。     

用遗传算法求解非同序作业排序问题

多机不同序作业排序问题是ＮＰ－完备问题中难度较大的一类，本文给出了该问题的数学描述及遗传算法设计方法，通过实例计算和分析表明，ＧＡｓ的解明显优于传统算法，且能有效地适用于在规模加工过程中的ｊｏｂ ｓｈｏｐ排序的优化问题。     

作业车间动态调度研究

系统地研究了动态环境中受多种资源制约的多目标作业车间批量调度问题,提出了一种新调度算法。该算法采用基于周期和事件驱动的调度策略将动态调度过程分成多个连续静态调度区间,然后在各区间内采用多目标的遗传算法优化调度方案。本文讨论了再调度周期的确定方法、待加工工件的选取原则、批量生产的处理方法等。针对研究的调度问题设计了包含工序及其加工机床、工人、运输小车信息的染色体编码,并对染色体的解码方法、选择方法、交叉方法和变异方法进行了研究。仿真结果表明,该算法可行,优越性明显。     

基于工件表达法的遗传算法在车间作业计划中的应用

针对车间作业计划领域的实际情况，本文提出了一种简单快捷的遗传算法编码方式——基于工件表达法，详细讨论了其算法设计及其实现原理。通过基于该编码方式的遗传算法在车间作业计划优化中的应用实例与其他算法结果的比较，证明该编码方式简捷、实用、有效。     

并行集成式工艺设计系统的研究

计算机辅助工艺设计（ＣＡＰＰ）在计算机集成制造（ＣＩＭ）中起着关键的作用，并行工程既是ＣＩＭＳ从信息集成到功能集成的主要方法，又是这类复杂系统的全局优化方法。本文基于并行工程思想，研究和探讨了并行集成式工艺设计模型，它是一个实用化ＣＡＰＰ系统的新模型，不仅能利用设计信息进行初步工艺设计，而且能根据车间环境的状态，充分利用制造工艺和车间环境的柔性产生优化的工艺方案。它是采用分层工艺规划的方法来实现的。系统模型由三个层次组成，即初步规划层，决策层和详细规划层。文中最后还讨论了实现并行集成式工艺设计系统的关键技术。     

Solving Job-Shop Scheduling Problem Based on Improved Adaptive Particle Swarm Optimization Algorithm

An improved adaptive particle swarm optimization(IAPSO)algorithm is presented for solving the minimum makespan problem of job shop scheduling problem(JSP).Inspired by hormone modulation mechanism,an adaptive hormonal factor(HF),composed of an adaptive local hormonal factor(H l)and an adaptive global hormonal factor(H g),is devised to strengthen the information connection between particles.Using HF,each particle of the swarm can adjust its position self-adaptively to avoid premature phenomena and reach better solution.The computational results validate the effectiveness and stability of the proposed IAPSO,which can not only find optimal or close-to-optimal solutions but also obtain both better and more stability results than the existing particle swarm optimization(PSO)algorithms.