加工时间不确定的船体分段空间调度方法

针对调度过程中存在的不确定性因素及调度对象存在关联约束关系,提出了一种加工时间不确定的船体分段空间调度方法.以旁板这一类分段关联件的加工时间的变动作为不确定影响因子,建立了船体分段在不确定环境下的空间调度模型,目标为最小化由不确定因素造成分段提前、拖期的时空占用成本.该模型考虑了船厂实际生产过程中的随机加工时间以及分段和关联件的约束关系,结合某船厂的实际生产数据进行实例验证,结果表明,该模型能对加工时间不确定条件下的船体分段空间调度给出较优的调度解,而且在空间调度解的质量和模型应用范围等方面更贴近船厂现实生产情况.     

船舶分段涂装作业重入调度优化算法

针对分段涂装过程中存在调度效率低、完工时间长等问题,本文将分段涂装作业抽象为带有时间和空间约束的批-离散机重入过程,以最小化最大完工时间为优化目标建立数学模型,构造了基于重排策略的启发式算法。通过聚类算法和基于模拟退火的组批重排策略获得不考虑空间约束的分段分批结果,利用最大接触策略实现分段的空间组批调度,提出基于最大剩余加工时间策略和遗传算法的超启发式算法进行分段的重入调度。仿真实验表明,所提出的算法可以充分利用冲砂车间的空间,得到较优的分段涂装调度计划。     

基于改进蚁群算法的智能调度系统设计与开发

蚁群算法是一种模拟蚂蚁群体智能行为的仿生优化算法,具有良好的正反馈、鲁棒性、群体性和并行性等特点.在研究柔性作业车间调度的基础上,针对企业实际生产情况,将改进蚁群算法应用于求解实际生产调度问题.笔者介绍了智能调度系统的需求分析、系统设计和主要功能模块的实现.系统实现时采用事件驱动调度策略,当调度任务发生变化时根据上次调度结果重新调度,同时对蚁群算法做出适当改进,添加机器选择策略,在搜索解路径的过程中,首先确定下一步可供选择加工的工件在哪台机器上加工,然后确定加工哪个工件.开发的智能调度系统能完成企业的动态柔性调度,能较好的解决机器变化和订单变化引起的重调度问题,提高企业生产效率.     

基于关联调度模型的模糊环境下车间动态调度

为了实现在模糊加工环境下实时的动态调度,采用调度节点和调度链的建模思想构建车间作业的调度关联模型.通过调度节点和调度路径描述调度任务中的约束关系.考虑实际生产调度过程中存在的大量不确定因素,将调度关联模型引入模糊加工环境中,结合模糊加工状态下作业计划关联方法构建调度可行解,并通过蚁群算法求解调度任务的优化方案.仿真结果表明,该方法能够在加工时间和交货期不确定的情况下,通过动态调度模型的关联过程获得较为优化的调度方案.     

基于改进量子进化算法的作业车间调度研究

针对作业车间调度问题,以最大完工时间最小化为优化目标,提出了跳跃基因量子进化算法(JGQEA).该算法在量子进化算法的基础上引入跳跃基因算子,同时采用动态调整量子旋转角策略以提高算法的搜索能力.通过仿真实验验证了算法的有效性,结果表明JGQEA优于QEA等几种进化算法.     

网络控制系统变采样周期智能动态调度策略

针对网络控制系统中采样周期时变不确定性对控制性能和网络运行性能的影响,提出一种基于反馈控制原理和预测机理的智能动态调度策略.该策略利用网络资源利用率、截止期错过率以及误差绝对值积分(Integralof the Absolute Error,IAE)对消息进行反馈控制调度,保证网络利用率、截止期错过率以及控制性能保持在期望的范围内;利用BP神经网络对网络利用率和数据包执行时间进行预测,实时调整控制系统的采样周期,以适应网络中信息流的变化.仿真试验结果表明该调度算法既能满足控制系统的性能,又提高网络资源的利用率.     

考虑不确定因素的单件小批作业计划与调度动态算法

针对单件小批企业在实际生产中存在订单变更和生产现场变化等不确定性因素,导致生产作业的执行与计划存在偏差的问题,提出了一种考虑不确定因素的作业计划与调度动态算法.算法以加工周期最短为目标,对作业计划与调度的变更问题进行求解,通过缩短最长加工路径上的各工序等待时间来缩短加工周期,以调整作业计划,使其适应实际作业调度的需要....     

基于焦点分段的流媒体代理缓存策略

在已有前缀缓存和分段缓存算法研究的基础上,提出了基于焦点分段的流媒体代理缓存策略。该策略考虑到不同流媒体对象在流行性方面的差异和同一对象不同段落上访问频率的差异,以段落的流行度作为空间调度的依据,融合了部分前缀缓存的方法,避免了自适应滞后分段缓存算法在延时启动率方面的不足。实验结果表明:基于焦点分段的缓存策略在字节命中率、延时启动率等方面都取得了较好的效果,缓存空间的利用率和节省网络带宽的能力都有所提高。     

基于空间时间冗余的替代主版本冗余调度算法

目的 研究空间冗余与时间冗余各自的特点,提出一种将时间冗余与空间冗余方式的优点相结合的容错调度算法,提高调度算法的处理器利用率.方法 将每个任务分为主版本、副版本和替代主版本.根据任务利用率将任务集分为高频任务集和低频任务集两类.分别采用空间冗余和时间冗余策略实现容错.采用EDF算法为任务分配动态优先级,且在主版本任务频繁发生错误的情况下激活替代主版本.结果 所提算法将空间冗余与时间冗余相结合,满足任务的实时与容错需求,且避免系统因频繁执行一个易出错的主版本任务而造成资源的浪费.结论 该算法降低了任务集对系统处理器数量的需求,提高了系统资源利用率.     

基于遗传算法的大型Flow—shop生产调度

Flow—shop调度问题具有建模复杂性、计算复杂性、动态多约束、多目标性等特点。近几年,各种演化计算方法逐渐被引入到生产调度中,特别是遗传算法的应用。为此,应用Matlab开发生产调度程序,并利用实际生产数据进行了仿真;通过相关仿真实验,验证了不同交叉算子和变异算子组合获得的最优解存在差异,获得并验证了一种较好的交叉算子和变异算子组合,其仿真调度数据验证了遗传算法用于求解大型流水车间调度的可行性和有效性。     

改善式BVEDA求解多目标调度问题

针对以最小化最大完工时间、最小化最大拖期和最小化总流程时间为目标的置换流水车间调度问题(permutation flow shop scheduling problem, PFSP),基于双变量分布估计法(bi-variable estimation of distribution algorithm, BVEDA)提出改善式双变量分布估计算法(Improved BVEDA, IBVEDA)进行求解。利用BVEDA中双变量概率模型进行区块构建,根据组合概率公式进行区块竞争和区块挖掘,借用高质量的区块组合人造解,提高演化过程中解的质量;针对算法多样性较差的特点,设计在组合人造解的过程中加入派工规则最短处理时间、最长处理时间和最早交货期,将上述方法并行演化,通过top10的权重适度值总和动态调整上述方法处理的解的数量,最后利用帕累托支配筛选和保存非支配解。试验使用C++代码在Taillard标准算例上测试,IBVEDA与SPGAⅡ和BVEDA比较,并绘制解的分布图证实算法的有效性。     

高QoE的低时延智能网络数据传输调度算法

面向低时延、稳定传输、高用户体验质量(quality of experience, QoE)的网络实时传输需求场景,提出一种低时延智能网络数据传输调度算法。该算法由数据块排队控制策略和拥塞控制策略两部分组成。数据排队控制策略提出了综合数据块的创建时间和有效时限(effective time)的性价比模型,有效地解决了传输时间约束下的信息传输不均衡问题;拥塞控制策略提出了基于使用耿贝尔分布(Gumbel distribution)采样重参数化与混合经验优先级模型改进后的深度确定性策略梯度(deep deterministic policy gradient, DDPG)方法,解决了深度确定性策略梯度不适用于离散网络动作空间拥塞控制的问题,并通过学习自适应调整发送参数显著提升了网络拥塞控制质量。实验结果表明,实时传输场景下使用本文提出的排队算法能够有效提升QoE,采用改进后的DDPG进行拥塞控制能大幅降低传输时延。同样场景下,将提出的智能网络数据传输调度算法与排队策略及拥塞控制策略相结合,与传统的网络数据传输调度算法相比,能够更好地兼顾低时延和稳定传输,提供更高的数据传输质量。     

高速公路地形三维仿真关键技术研究

高速公路一般具有线性、狭长的特性,如何快速有效地生成、绘制大规模地形成为高速公路视景仿真的关键。为解决该问题,从宏观上提出了一种按道路线形进行地形划分的方案,将大规模地形转换为小块地形进行处理。为了解决多地形块之间的拼接问题,提出了一种多地形块之间的边缘融合算法,同时对多地形块采用动态调度策略来实现交互式实时漫游。实验结果表明,该算法能够有效地实现高速公路大规模地形的快速生成和渲染。     

化验室资源调度优化的改进型克隆选择算法

为了提升化验室处理化验单能力,实现资源调度优化,建立了化验室调度模型,引入了克隆选择算子、自适应变异算子以及多种群协同进化思想,提出了改进型克隆选择算法,并运用该算法对化验室处理化验单进行了调度优化。将改进型克隆选择算法与多种类型算法进行对比,结果显示,改进型克隆选择算法能有效改善早熟收敛问题,提高搜索效率,获得最优分配方案,适用于化验室化验单调度问题,满足实际要求。     

集装箱码头装卸混合调度模型

为提高集装箱码头作业效率,建立装卸混合调度模型,并设计两阶段禁忌搜索算法的求解方法:通过禁忌搜索算法决定进口集装箱的堆存位置;基于堆存方案执行另一禁忌搜索算法,获得集卡的优化调度方案,然后再决定装卸桥作业顺序、计算装卸总作业时间,且将结果反馈到第一阶段的搜索过程,通过两阶段搜索过程的反馈优化装卸调度.算例表明,两阶段禁忌搜索算法可以获得满意求解结果;与装卸分别调度相比,装卸混合调度模型可以提高集卡利用效率.     

面向Flink流处理框架的主动备份容错优化

针对Flink任务出现故障后因为全局卷回使流处理作业恢复效率低的问题,提出基于缓存队列的容错策略. 在作业中找出恢复时间最长的算子作为关键算子,将其处理过的数据存储到缓存队列中,并为其进行主动备份,备份算子同时接受来自上游的数据以达到在故障后作业可以瞬时恢复的效果. 为了解决主动备份带来的额外消耗,提出数据过滤算法,备份算子在每次处理数据前会到缓存组件中检索当前数据,以判断是否继续处理. 当Flink算子自身出现故障后,利用策略中的缓存队列与Flink的JobManager将故障发生时的数据信息发送给备份算子,在备份算子接收到数据后,实现即时恢复的效果. 利用4项评价指标对策略进行评估,结果表明,与Flink1.8的故障恢复模式相比,所提策略在Flink任务故障恢复速度上有显著提升,当故障次数分别为1、2、3、4时,恢复效率分别提高56.3%、51.3%、46.2%和45.8%;而在处理时延、CPU利用率以及内存使用率方面仅产生极小的代价.     

基于 CHC 算法的集卡与岸桥协调调度优化问题

集卡调度与岸桥调度是集装箱码头作业的两个重要子问题,针对其运营效率是一个动态持续的NP-hard调度问题,考虑到集卡在对集装箱作业时的不确定和动态性到达,提出了一种新的调度规则,建立了集卡与岸桥作业的协同调度数学模型,基于计算复杂性,采用改进的遗传算法,即CHC算法进行求解。实验证明,该模型及算法能够在更大程度上提高码头的整体运作效率,提高码头设备的利用率,减少资源的闲置。     

混合共生生物搜索算法求解置换流水车间调度问题

为了求解置换流水车间调度问题,提出基于共生生物搜索（SOS）算法与局部搜索策略结合的混合共生生物搜索算法. 采用最大排序值的优先规则,处理离散的搜索空间. 在初始化阶段结合NEH启发式算法以提高初始种群的质量. 在优化过程中引入交换变异来改善种群内的多样性,插入-倒转区增加算法跳出局部最优的能力;采用局部搜索策略提升算法的全局探索能力,有效避免了共生生物搜索算法易早熟、后期搜索效率低、易陷入局部最优等缺陷. 通过3个最常用、最专业的标准测试集Carlier、Rec和Taillard对算法性能进行测试. 与其他多种算法进行比较,验证了提出的混合SOS算法的优越性和稳定性.     

基于狮群算法的数字孪生车间调度问题优化

针对柔性作业车间调度问题,提出一种基于狮群算法的数字孪生柔性作业车间调度方法。基于实际生产过程的需求,使用狮群算法生成柔性作业车间调度初始方案,建立物理车间与虚拟车间实时交互的数字孪生柔性作业车间调度模型,在搭建的虚拟车间中对初始调度方案根据设备利用率进行方案优化。采用数字孪生模型解决设备故障等车间突发事件对生产进程的影响问题。通过使用真实车间数据对机加工车间生产调度过程试验,结果表明,采用狮群算法求解柔性作业车间调度问题,搜寻能力强,搜索速度快,可以在不同规模的问题中找到更优的解决方案;狮群算法结合数字孪生的柔性作业车间调度方案能够整体优化系统性能,有效处理扰动带来的延长生产时间问题。