Petri网与柔性制造系统的模拟

机电一体化在生产过程中的表现即为柔性初造系统(FMS)的建立。FMS是生产高度自动化的产物。同时亦是为适应人们消费心理变化、产品更新换代快、多品种小批量生产的需要。然而FMS毕竞是极为复杂的系统工程,其工作状况极为复杂,理论分析比较困难。因此如何模拟FMS,从而寻求合适有效的控制方式就显得比较重要。Petri网是描述具有异步及并发特征的离散事件动态过程的有力工具。尤其是赋时Petri网的出现,在FMS的模拟中已多被采用。在阐述Petri网的塞本概念及特点之后,分析了FMS的组成及实际工作状况,进而通过对FMS的建模进一步论述了FMS的设计与计算机编程的有关注意点以及一些优先规则。     

一种基于Petri网的多目标无死锁蚁群调度算法

蚁群算法已被广泛应用于解决调度问题,针对资源受限的项目调度问题,死锁和多目标问题是重要的课题研究。文中针对具有死锁资源受限的多目标调度问题,采用Petri网模型,研究其蚁群调度算法,以紧急项目的完成时间和所有项目的完成时间最短为优化目标,并通过仿真实验验证了文中算法的有效性和实用性。     

时间约束Petri网的可调度分析决策算法

时间约束Ｐｅｔｒｉ网是具有广义时间约束的一类Ｐｅｔｒｉ网。目前有关ＴＣＰＮ’ｓ可调生分析的研究仅局限于一些较简单的网,文章通过对ＴＣＰＮ’ｓ的进一步研究,给出了更一般的变中调度决策算法。     

面向集成电路制造的基于Petri网的生产调度

本文提出了一个新的面向集成电路(IC)制造的调度方法,核心内容包括两方面:首先,用本文提出的扩展定时Petri 网对IC生产工艺进行描述;其次,对所得Petri 网模型的状态空间进行搜索,得到以Transition序列表示的最优或近似最优调度.该方法可以很好地描述IC制造系统中存在的多制造路径、资源共享、可变晶片组及并发等特性,通过引入测试弧增强Petri 网的建模能力,进而在调度模型上对设备维护、设备优先级以及操作优先级进行描述,而且支持多目标的评价函数,使得到的调度结果更具实用价值.文中给出试验结果表明了算法的有效性.     

扩展的模糊时间Petri网

网络实时系统对时间和QoS有严格要求.扩展的模糊时间Petri网是一种对网络实时系统进行建模和分析的形式化模型,Petri网数学理论基础能保证并发系统的可靠性和正确性.本文介绍了扩展的模糊时间Petri网的定义,模型检验方法,仿真工具,网精简技术和应用领域,并探讨了进一步研究的方向.     

基于时间Petri网的交互式多媒体动态同步模型

多媒体同步是多媒体信息系统的关键技术和基础。本文在克服当前多媒体同步模型局限性的基础上，提出了一个新的基于时间Petri网的多媒体同步模型IDSM。该模型以形式化的方式完整、准确地描述了多媒体信息流的动态时间行为。     

基于改进蚁群算法的梯级水库群优化调度研究

水是生命之源,也是生产的重要根本,环境生态的基础配备,在近几年的经济发展和国家建设中,针对水力发电的策略也有了相关的技术人员安排,有效的推进可再生能源发电的合理性和完备性,提升电力系统运行状态的综合性和灵活性,促进该种发电形式的有效开展.本文就基于改进蚁群算法的梯级水库群优化调度研究进行分析和归纳.     

基于Petri网的工作流过程建模和时间性能分析

介绍了基于Petri网的工作流建模技术,并针对一个复杂的企业生产经营活动的流程构建了一个简化灵活的模型,利用随机Petri网的性能分析方法对建立的模型进行了时间性能分析。结果表明,文中的性能分析方法可对复杂的模型进行有效地简化分析。     

基于蚁群算法的有时间窗车辆调度问题的研究

有时间窗的车辆调度问题（vSPITw）是一个复杂的非线性组合优化问题，一般运用分阶段方法求解。现将蚁群算法应用于车辆调度问题，设计动态确定车辆数和随机搜索路径的新方法，实现车辆数和路径长度的同时优化，并对蚁群算法的信息素更新规则进行了改进，以优化其搜索能力和加快收敛速度。同时给出了算法的实现过程，通过对实例求解，取得了满意的结果。     

Petri网在系统可靠性分析中的应用

简单介绍了各种Petri网模型的定义和性质，对Petri网模型在系统可靠性分析中的基本行为描述、故障树表示与简化、故障诊断、可靠性指标的解析计算以及可靠性仿真分析等方面进行了较全面的评述，对进一步的研究方向进行了展望。     

NoC‐Based SoC Test Scheduling Using Ant Colony Optimization

In this paper, we propose a novel ant colony optimization (ACO)‐based test scheduling method for testing network‐on‐chip (NoC)‐based systems‐on‐chip (SoCs), on the assumption that the test platform, including specific methods and configurations such as test packet routing, generation, and absorption, is installed. The ACO metaheuristic model, inspired by the ant's foraging behavior, can autonomously find better results by exploring more solution space. The proposed method efficiently combines the rectangle packing method with ACO and improves the scheduling results by dynamically choosing the test‐access‐mechanism widths for cores and changing the testing orders. The power dissipation and variable test clock mode are also considered. Experimental results using ITC’02 benchmark circuits show that the proposed algorithm can efficiently reduce overall test time. Moreover, the computation time of the algorithm is less than a few seconds in most cases.     

多智能体系统中的任务分配蚁群优化算法

Task allocation is a key issue of agent cooperation mechanism in Multi-Agent Systems. The important features of an agent system such as the latency of the network infrastructure, dynamic topology, and node heterogeneity impose new challenges on the task allocation in Multi-Agent environments. Based on the traditional parallel computing task allocation method and Ant Colony Opti-mization (ACO), a novel task allocation method named Collection Path Ant Colony Optimization (CPACO) is proposed to achieve global optimization and reduce processing time. The existing problems of ACO are ana-lyzed; CPACO overcomes such problems by modifying the heuristic function and the up-date strategy in the Ant-Cycle Model and es-tablishing a three- dimensional path phero-mone storage space. The experimental results show that CPACO consumed only 10.3% of the time taken by the Global Search Algorithm and exhibited better performance than the Forward Optimal Heuristic Algorithm.     

一种峰值功耗约束下的SoC蚁群测试调度算法

基于扫描链技术的SoC芯片测试可产生比正常使用模式下更大的功耗,这将会对器件可靠性产生不利影响,故在测试时需要将芯片测试功耗控制在允许峰值功耗之下.文中采用蚁群优化思路设计SoC测试调度算法,用于在峰值功耗和TAM总线最大宽度约束下降低SoC测试时间.实验结果表明,本方法优于先前已发表的相关方法.     

行为综合功能流水线中的负载平衡蚁群调度算法

在专用集成电路高层次综合中,功能流水线是提高算法描述执行速度的关键技术.针对时间约束和资源约束的两类行为综合功能流水线调度问题,提出了一种基于蚁群优化(ACO)的调度算法.LB-ACO算法将ACO算法与力向算法相结合,使用修改的力向公式定义局部试探因子,用个体调度结果的质量来更新全局试探因子.实验结果表明,LB-ACO算法在保证较低的时间复杂度O(cn2)的前提下,获得接近最优的调度结果.     

双向收敛蚁群算法在云计算资源调度中的QoS应用

云计算环境下,用户数量和处理的任务数量庞大,对任务完成时间和满足客户的QoS需求上具有较高要求。针对云计算中资源调度问题进行了研究,在综合考虑运行时间和满足客户QoS需求的情况下,建立了云计算资源调度适应度函数模型,并在最大最小蚁群算法的基础上引进了双向收敛策略。通过在CloudSim平台模拟实验,表明该算法在云计算资源分配上具有较快的收敛速度和较好的QoS服务能力,是一种有效的资源调度算法。     

一种多值Petri网及其应用

为了更好地将Petri网应用在基于多值逻辑的知识表示和推理中，以普通Petri网的基本定义为基础．结合模糊Petri网和有色Petri网各自的一些特点，将其进行必要的扩展和简化，从而提出一种多值Petri网，使托肯和变迁多值化，然后将它用于知识工程中多值产生式建模和推理中，并根据推理的需要提出了相应的算法。     

基于蚁群算法的面向服务软件的部署优化方法

面向服务软件的部署优化问题是典型的NP难题.本文构建了基于性能改善的软件部署优化模型,设计了一种蚁群优化算法ACO-DO进行近似最优解的快速求解.该算法通过设计基于部署优化问题的启发式、改进部署方案的构建顺序、增加局部搜索过程实现蚁群算法求解效率的提升.通过不同规模的实例实验,验证了ACO-DO算法能够取得比现有的混合整数线性规划算法、蚁群算法和遗传算法更好的性能.     

基于蚁群算法的自动化仓储系统空闲优化

根据目前自动化仓储系统提出了蚁群算法的一种改进型优化算法。通过分析自动化仓储系统的工作特性,建立与之相类似的数学模型,加入特殊的空闲优化模式,结合遗传算法对原有的蚁群算法进行优化。在长时间连续工作的自动化仓储系统中,采用优化后的蚁群算法迭代计算次数更少、计算时间更短、并且最小路径更优化,更适应于现代化仓储系统。