一种基于混合规则的作业车间计划调度方法

针对多品种小批量生产车间计划调度存在的复杂度高、实用性差等问题,在分析车间计划调度相关的任务、资源和约束等要素的基础上,提出了一种基于混合规则的计划调度编制算法,该算法综合考虑了零件差异性、工艺差异性、设备差异性、以及交货期约束等因素,使得该方法具有可行性高、实用性强等特点,较好地满足了离散制造车间的实际需求.     

基于共享数据关系的线程调度策略

对基于CMT线程调度策略的研究,将线程间的共享数据作为启发指标,提出一种基于对共享存储使用情况分析的线程调度策略。通过共享数据的情况获得线程之间的耦合关系,根据耦合关系构造无向图,采用迭代算法融合图中节点,最终完成线程到处理核的分配。仿真实验表明,将共享数据作为启发指标可以有效减少资源的争用,通过实验分析,随着矩阵阶的增大,依据数据共享关系进行线程组合对性能提升的优势更加明显。     

可重构制造系统的性能分析

可重构制造系统的生产管理与控制是实施可重构制造系统哲理的关键技术,而可重构制造系统的性能分析是可重构制造系统生产管理与控制的重要功能。基于可重构制造系统的赋时可重构Petri网模型及其调度Gantt图,提出可重构制造系统的性能指标评价方法,定义最大完成时间、生产资源利用率、作业完成时间和零件的平均生产能力等可重构制造系统的性能指标,并计算了实例系统的性能指标。实例研究表明,可重构制造系统的性能分析方法体现了可重构制造系统的重构柔性本质。     

利用遗传算法优化TTCAN网络的时间调度系统矩阵

引入了遗传算法对时间触发CAN(TTCAN)网络中的时间调度表进行优化。同时,针对问题的特殊性,本文对所引入遗传算法作了进一步改进,以取得更好的性能。最后,本文利用汽车工业的PSA标准消息子集对本方法进行了验证,实验表明,本方法可以有效的减少网络中的抖动问题,取得了满意的效果。     

基于遗传算法的机载武器调度优化

针对航母机载武器弹药调度存在的过程复杂、不确定性强、涉及因素多等特点,建立了现阶段机载武器弹药调度模型。通过设计编码方案,选择适应度函数,设定交叉、变异操作建立了基于遗传算法的调度优化模型,并通过 Matlab软件进行了仿真验证。结果表明,该优化过程可在一定程度上缩短调度总时间,提高调度效率。     

基于改进匈牙利算法的航空企业动态调度方法研究

航空零件生产调度时,应尽量满足多目标和实时性的要求。结合某航空制造企业的实际生产情况,提出一种基于"穷尽成对比较"技术和改进匈牙利算法的动态调度方法。首先以航空零件调度时的最大完工时间、生产加工成本以及生产能耗为优化目标,构建柔性作业车间多目标动态调度数学模型;然后利用基于"穷尽成对比较"技术的权重参数调节模型对数学模型中各个目标的权重参数进行实时动态调整;最后以各个目标的加权值为总目标,采用改进匈牙利算法求得工序的最优分配结果。结果表明:与传统的动态调度方法相比,动态调度方法能够有效地提高航空企业的生产效率、减少航空企业的生产加工成本并降低对环境的污染,具有较好的综合调度性能。     

片间综合化互连时间触发通信调度方法

未来先进的分布式综合化航空电子系统需要实现跨越计算体系结构的信息综合,对微小型智能器件间的综合化互连提出要求。通过构建一种具有开放式接口的芯片间综合化互连结构,提出一种相应的时间触发（TT）通信调度方法。首先建立片间综合化互连模型和时间触发流量传输模型,给出负载均衡的选径方法;随后依据传输路径中各级节点各流量的发送时间偏移量计算流量传输的等待时间可行值,利用遗传算法优化调整各芯片发送端口的调度表相位,更新各流量在发送端口的时间偏移量,缩短最坏情况下的最大等待时间,得到具有全局优化意义的时间触发调度表。与使用Yices等SMT形式化求解器的TT调度表生成方法相比,本方法不会出现长时间不停机而无法判定的问题,且不论对于对称或非对称结构,案例研究表明本方法的可调度规模至少增加30%。此外,以流量传输等待时间占周期的比例作为归一化的传输延迟度量,与既有的基于特征任务的调度方法相比,案例研究表明本方法得到的传输延迟最多仅为后者的2%。     

ARINC 653分区实时系统的可调度分析

ARINC 653规范定义了综合模块化航空电子(IMA)实时操作系统的行为逻辑以及向应用程序提供的接口规范。该规范规定了系统采用分区内调度和分区间调度的两级调度方案,如何分析系统的可调度性以保证实时任务能够在截止时间内完成计算是需要研究的新问题。基于负载请求与平台资源提供能力的供需约束关系导出了系统可调度的判定依据。证明了判据的约束是系统可调度的充分必要条件。实际应用表明,提出的可调度判定定理能够应用于判定ARINC 653分区实时系统的可调度性,辅助提升系统的安全属性。     

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.