基于差分进化的多目标异构传感器网络节点部署机制

根据多目标进化算法思想,针对保证异构网络连通覆盖、目标检测率和最小能量消耗的优化目标,提出一种基于多目标优化差分进化算法的求解方案.该算法利用maximin函数逼近多目标优化的Pareto 解,从而获得全局优化的异构传感器网络节点部署解.仿真结果表明该方案能快速收敛于最优解,能有效提高网络性能,并且具有良好的适应性.     

基于事件的WSANs执行器调度多目标优化研究

无线传感器执行器网络中,事件增多导致执行器调度难度加大。针对上述问题,提出离散多目标优化Cuckoo Search算法,以任务响应时间、能量消耗、网络能量均衡为目标适应值函数,在WSANs的执行器调度中寻求近似Pareto最优解集。仿真研究表明:所提算法可以有效实现执行器的合理调度,在任务响应时间、能量消耗和网络生命期方面优于归一化算法。     

睡眠调度机制在三维环境中的应用

为了研究三维地域环境中的网络覆盖和网络寿命问题,采用十字布置策略和随机布置策略,并使用基于动态邻居节点信息的随机调度算法,研究了在这两种布置策略下的区域覆盖、点覆盖和网络寿命问题。实验结果表明,当节点数量很多时,在使用了基于动态邻居节点信息的随机调度算法之后,整个区域的区域覆盖效果变化不明显,网络寿命延长了约1．1倍。     

基于改进灰狼优化算法的自动化立体仓库作业能量优化调度

针对带有截止时间约束的自动化立体仓库出入库作业调度问题,以调度过程中堆垛机能量消耗为优化目标建立数学模型,并引入相应的惩罚函数。对于入库货物,同时考虑定位存储和随机存储两种入库策略,采用一种最近邻货位选择策略对随机存储货物进行合理货位分配。采用一种改进灰狼优化算法对问题进行求解,算法通过引入融合Lévy飞行的混合个体更新策略和多种群重组策略来增强算法的搜索能力。通过仿真实验验证了改进灰狼优化算法在求解自动化立体仓库出入库作业能量优化调度问题的有效性。     

移动边缘计算环境下服务工作流容错调度算法

针对移动边缘计算环境下服务工作流延时优化问题以及工作流任务执行失败的情况,提出一种适用于服务工作流的容错免疫粒子群优化调度算法(FT-IPSO).该算法首先采用异构最早完成时间算法计算已分层任务的权重并生成就绪队列;其次,结合服务工作流调度流程加入了混合容错策略,确保工作流在任务失败后能够继续执行;然后,采用粒子群算法快速寻找最优调度方案,编码时利用整数映射调度过程中主副版本任务调度位置,并融入免疫算法,保证粒子寻优的全局性;最后,根据算法得出的最优调度方案对任务进行调度.仿真实验结果表明,FT-IPSO算法有效降低了服务任务失败率,并且对服务工作流的延时优化效果较反应式容错算法、基于聚类启发式算法的检查点和复制算法,以及基于群集的异构最早完成时间算法分别提高了约4.1％、6.3％ 和9.1％.     

基于深度强化学习的作业车间调度问题优化

针对作业车间调度问题求解的复杂性,以最小化最大完工时间为目标,提出基于深度强化学习优化算法求解作业车间调度问题。首先,基于析取图模型构建深度强化学习的调度环境,并建立三通道状态特征,设计20种复合启发式调度规则作为动作空间,将奖励函数等价为机器利用率;利用深度卷积神经网络搭建动作网络和目标网络,以状态作为输入,输出每个动作的Q值,进而使用行动有效性探索和利用策略选取动作;最后,计算即时奖励和更新调度环境。使用标准案例验证了算法可以平衡求解质量和时间,训练好的智能体对非零初始状态下调度问题具有很好的泛化性。     

基于非合作博弈的制造网络资源调度研究

针对制造网络下不同制造任务之间存在的自由竞争关系,研究了制造网络资源调度策略,建立了一种基于非合作博弈的网络资源调度模型,制造任务被映射为非合作博弈网络资源调度模型的局中人,将各制造任务包含的子任务对应的可选网络资源设定为制造任务策略集,以各制造任务的完工时间和执行成本构建收益函数,进而将网络资源调度模型的求解转换为纳什均衡点的求解,并采用多层编码遗传算法对模型进行求解。最后,结合具体模具生产项目进行了仿真实验,验证了所提网络资源调度模型及求解算法的有效性。     

多级异构传感器网络距离和能量有效分簇算法

分簇路由算法是无线传感器网络降低能耗的一种关键技术。由于多级能量异构无线传感器网络的节点初始能量在一定范围内随机分布,为了能有效利用节点能量的异构性以降低能耗、延长网络稳定周期,提出了同时考虑节点剩余能量和节点至基站距离的多级能量异构无线传感器网络的分布式分簇算法CDEE。该算法使剩余能量较高、距离基站较近的节点成为簇首的机会更大。仿真结果表明,CDEE算法可以有效降低并平衡网络能量消耗,延长网络稳定周期。     

基于遗传算法的模糊Job-Shop问题的研究

针对存在不确定因素的作业车间调度问题,基于模糊理论的思想,把不确定的加工时间和交货期分别用三角模糊数和半梯形模糊数来表示,提出了以最大化平均满意度为调度目标的调度模型.运用遗传算法求解,对基于工序的编码操作设计了一种新的交叉操作,同时采用小范围竞争择优操作策略.仿真结果表明,该算法是可行的和有效的.     

动态车间环境下的调度控制器设计

为了对车间制造系统实施有效动态调度,提出了一个动态调度控制器的设计框架,并详细阐述了它的功能模块和工作流程.控制器采用基于过程规范语言本体论的工艺规划信息表示和多步骤适应调度策略,并从知识库中获取规则,使用在线仿真的方式对其进行评价.这些技术的应用保证了控制器与车间内部其他异构信息系统间有效地传递工艺规划信息,并具有很好的调优能力.最后,给出了一个制造企业的应用实例,验证了该设计框架的可行性和有效性.     

基于Hopfield神经网络求解作业车间调度问题的新方法

对作业车间调度问题的换位矩阵表示方法进行了改进,给出新的作业车间调度问题的Hopfield神经网络计算能量函数表达式,然后提出改进的Hopfield神经网络作业车间调度方法。为了避免Hopfield神经网络容易收敛到局部极小的缺点,将模拟退火算法应用于Hopfield神经网络求解,提出随机神经网络作业车间调度方法。与已有算法相比,改进算法能够保证神经网络稳态输出为可行的作业车间调度方案。     

考虑扰动事件的机械加工工艺参数与车间动态调度综合节能优化

随着能源消耗和环境问题的不断加剧,机械加工车间的高效节能生产越来越受到制造业的关注。传统动态调度优化时每道工序的工艺参数固定,未考虑工艺参数与车间调度之间的关联关系,限制了调度优化的潜力。为了更好地实现柔性作业车间节能增效,并快速有效地应对车间生产过程中出现的突发扰动事件,提出一种考虑扰动事件的加工工艺参数与车间动态调度综合优化方法。首先详细分析订单插入与机床故障下柔性作业车间的能耗特性,以总能耗与最大完工时间为目标,建立工艺参数与动态调度综合优化模型,然后设计一种面向扰动事件的动态决策机制,并提出改进的自适应形状估计进化算法(AGE-MOEA)进行优化求解,最后通过案例分析与算法对比,验证了所提出方法的有效性。     

基于汽车电子网络的CAN总线简化型混合调度算法

现有的控制器局域网（CAN）总线调度算法性能不能很好地满足汽车电子网络化发展的需要,针对这一问题,首先分析了现有CAN总线网络节点消息优先级调度算法的优缺点,然后针对CAN总线网络在汽车电子控制网络系统中的特点,在混合调度（MTS）算法的基础上提出了一种简化型混合调度（EMTS）算法。仿真实验结果表明,该简化算法能达到原算法的性能,在节点消息截止期相近的情况下,其调度性能比MTS算法有所提高。     

基于混沌蚂蚁的传感器网络分布式任务分配

受蚂蚁的混沌行为和自组织行为启发,提出了一种基于混沌蚂蚁的无线传感器网络分布式任务分配算法,以延长无线传感器网络生命期、节省能量消耗和均衡网络负载,该算法的目标函数考虑了任务能耗和任务执行可靠性。任务分配的优化解通过任务映射、通信路由路径分配和任务分配方案优化3个步骤获得,任务映射由蚂蚁的混沌行为产生,通信路由路径分配由蚂蚁的邻居选择方法确定,用A*算法实现,任务分配方案优化由蚁群的自组织能力实现。通过仿真实验和应用实例比较与分析,表明了该算法能有效地均衡网络负载和延长网络生命期。     

基于复杂网络的故障诊断策略

从故障诊断的模式识别本质出发,利用网络表示故障数据结构,通过网络结构反映故障状态及其特征,把故障诊断聚类问题建模为子网络探测问题,提出基于网络结构分析的故障诊断策略。为了解决子网络划分中数据间相似度测度和划分测度设计这两个重要问题,引入复杂网络社群结构分析中的模块性概念,设计状态区分准则函数,并采用自底向上模块合并层次过程优化准则函数实现故障状态聚类,提出一种基于模块合并的故障诊断聚类算法。通过算法在标准数据集分类和真实压缩机故障系统诊断上的应用,分析相似度测度对算法的影响并验证了算法的性能。试验结果表明,与遗传算法,人工免疫网络等人工智能诊断方法相比,本文提出的算法能以较少的计算耗时,有效提取故障特征,获得理想的诊断正确率。     

基于神经网络的Job-Shop类调度问题

提出了将Hopfield神经网络与模拟退火相结合以求解Job-Shop类调度问题的算法.该算法给出了Job-Shop类调度问题的约束条件,并且直接把问题的各种约束条件表示为Hopfield神经网络的能量函数项.为避免Hopfield神经网络容易收敛到局部极小解而产生非法调度解的缺点,将模拟退火算法应用于Hopfield神经网络求解,使Hopfield神经网络收敛到能量函数的全局最优解,从而保证神经网络输出是一个可行的调度方案.通过仿真实例验证了该算法的可行性.     

Dynamic rescheduling in FMS that is simultaneously considering energy consumption and schedule efficiency

The dynamic rescheduling problem in flexible manufacturing systems (FMS) has historically emphasized the schedule efficiency. However, energy consumption is a basic need for different purposes in manufacturing systems around the world. This paper proposes an innovative approach to study the dynamic scheduling problem in FMS, taking the objectives of minimum or maximum energy consumption into account. A new goal programming mathematical model, which considers the energy consumption and the schedule efficiency simultaneously, is presented for solving this problem. A rescheduling method based on the genetic algorithm is introduced to address the dynamic rescheduling problem in FMS. A period policy is selected to deal with the dynamic feature of the problem. Numerical experiments have been designed to test and evaluate the performance of the proposed model. The experimental results show that the minimum energy consumption model can save the energy consumption and enhance the schedule efficiency.     

时钟同步调度的多跳机械振动WSN多信道传输法

针对机械振动无线传感器网络(wireless sensor networks,简称WSNs)在多跳应用中因信道竞争激烈导致大量振动数据传输速率低的问题,提出了一种基于时钟同步调度的多跳机械振动WSN多信道数据传输方法,从时钟同步精度、网络调度效率和信道干扰等方面提高多跳网络数据传输性能。首先,采用基于信标时序补偿的多跳网络时钟同步方法,实现数据传输的全网同步调度;其次,通过父子链路时序轮转的数据传输调度方法,确保节点有效传输时间最大化;然后,采用干扰最小化信道分配方法实现多跳网络传输信道分配,避免邻频干扰对多信道并行数据传输的影响;最后,通过丢包检测重传机制保证数据传输可靠性,避免振动数据丢失。多信道数据传输性能测试结果表明,该方法可以将多跳网络数据传输速率从10kbps提高至70kbps以上,满足多跳机械振动WSN数据传输需求。     

基于带状无线传感器网络的一种单路径路由算法

带状无线传感器网络是一种具有特殊网络拓扑结构的自组织无源网络。为了有效解决带状无线传感器网络路由节能问题,提出一种单路径路由算法,并将该算法应用于带状无线传感器网络,从而克服了这些缺陷。对单路径路由建立的时间和数据传输中各节点收发次数进行仿真,并给出了实验实例。实验结果表明,单路径路由算法可以通过减少节点收发数据的次数和能耗,进而延长无线传感器网络的寿命。