考虑设备随机故障的装备维修作业调度方法

装备维修过程中,维修设备随机故障这一不确定因素易对正常的维修计划造成影响。为了优化制定维修设备随机故障条件下的维修作业调度决策方案,依据维修设备的故障特点,提出一种基于组合调度策略的维修作业调度方法。调度方法兼顾完成时间与鲁棒性两方面目标,通过调度优化模型生成调度决策方案,并采用一种组合调度策略进行方案调整以改善决策方案的鲁棒性。通过随机故障事件模拟实验与分析,验证了调度方法能有效地减少设备随机故障造成的工序延误。     

战时舰船抢修任务规划模型及启发式构造算法

针对战时舰船抢修问题,研究在维修资源有限的情况下,如何合理地安排维修活动,以最短的时间、最少的手段使装备至少具有完成部分任务的能力,其目标是从整体上高效分配资源,缩短维修所需的时间。根据规划调度理论,采用基于人工智能的规划调度方法,提出了贪婪随机变邻域搜索算法,该算法求解速度快、解质量稳定。在此基础上建立了舰船抢修任务规划约束优化模型,并研究了战时舰船抢修任务的启发式求解框架和启发式构造规则。模型及算法在战时维修保障决策支持系统得到了实际应用,经证明该算法是一种非常实用的求解途径。     

物联网任务调度优化建模与仿真研究

物联网环境下的有序任务调度是各智能设备协调工作的关键.由于物联网环境下的设备众多,在各个设备中又存在众多的子任务调度过程.各个设备之间,设备内部的任务调度之间存十分复杂的关联性.有些关联本身就是矛盾的,形成多核调度需求.传统物联网的任务调度模型,针对多设备、多任务的调度问题,都是采用加入约束条件完成调度过程,但是,在复杂任务调度过程中,无法用约束满足所有线性调度关系,调度过程存在较大缺陷.提出采用组合赋权法的物联网任务优化调度模型,根据物联网多核任务调度的特点,塑造物联网多核操作状态下的任务选择模型,将任务选择问题转换成多属性决策问题,通过组合赋权法求出各个属性的权重,将待完成任务依据权重值大小进行排序,优先执行综合属性值最大的待完成任务,依据优先执行任务选择方法塑造面向资源优化的物联网中任务调度模型,完成物联网多核任务优化调度.仿真结果表明,所提方法完成相同任务的时间更短.     

两部件系统视情维修与生产调度的联合优化模型

为了解决生产调度过程中由系统维护维修产生的资源闲置和时间成本增加问题,将系统维修与生产调度联合建模.在众多学者将系统作为整体进行生产调度与维修研究的基础上,考虑系统内各组成部件之间的复杂关系.针对具有经济相关性的两部件系统,以调度作业加工顺序、预防性维修阈值、机会维修阈值作为决策变量,考虑到两部件同时维修比单部件独立维修更为经济,将机会维修引入到建模之中,制订机会维修、预防性维修、故障后更换的视情维修与生产调度结合的联合策略,通过劣化状态空间划分法给出生产调度过程中所有维修组合及其对应维修概率,推导出联合概率密度函数,建立以最小化总加权期望完成时间为目标的联合优化模型.通过数值实验和灵敏度分析验证所提出的策略及模型的有效性.     

兼顾费用与公平的带通信开销的多有向无环图调度

针对云环境下多有向无环图(DAG)工作流的调度算法应考虑执行时间、费用开销、通信开销、公平性等多个指标的问题,在模型带通信开销的DAG(CA-DAG)的基础上结合公平性算法提出一种优化完成时间的后向求异(BD)原则与兼顾费用和公平的多DAG调度策略CAFS.CAFS调度策略分为两个阶段:预调度阶段利用带通信开销的工作流费用优化(CACO)算法在考虑通信开销的同时求解所有任务的最优服务并优化费用,采用fairness算法得到较公平的调度顺序;调度阶段采用BD原则,根据在预调度阶段得出的调度顺序进一步优化整体的完成时间并执行调度.实验结果表明,CAFS调度算法具有较好的公平性,在不提高费用的基础上时间减少19.82%.     

异构负载下单机调度与预测性维修的集成建模

在生产调度的过程中,设备常常因加工不同作业而承受不同负载即异构负载,设备受异构负载的影响导致其加工每项作业过程中的退化速率不同,从而影响生产调度与维修计划的排程,进而带来资源闲置和时间成本增加的问题.为了解决该问题,在考虑异构负载影响下,提出单机调度与预测性维修的联合策略,以最小总加权期望完成时间为目标构建相应的集成模型.对单机调度过程中受异构负载影响的设备,建立基于维纳过程的退化模型,根据其退化规律,推导相应设备剩余寿命的累积分布函数.通过数值实验,分别针对异构负载与平均负载的情况比较相应集成模型的优化结果,结果表明了在集成模型中考虑异构负载的必要性,并通过参数灵敏度分析验证了所建集成模型的有效性.     

维修时点预测的动态车间调度问题

针对制造业中生产计划的不确定问题,提出一种维修时点预测与自适应的遗传模拟退火算法相结合的优化调度方法。该方法首先利用差分自回归移动平均模型预测设备未来的故障率,然后借助电气设备的威布尔（Weibull）分布模型逆向求出设备未来故障发生时刻,最后将此作为约束条件,利用自适应的遗传模拟退火算法解决传统的生产调度问题。结合工厂实际情况,主要分析了设备有无维修的随机调度问题,以最小化最大完工时间为目标,获取每一个任务的调度计划以及每一台设备的维修时点,确定出最佳调度方案。实验表明自适应的遗传模拟退火算法的性能较好。在河北某工厂的生产车间中,设备在运行调度方法后三个月的平均故障率比运行前相对降低了3.46%。     

求解炼钢连铸生产调度问题的改进算法

将炼钢连铸生产调度问题抽象为混和流水车间调度,建立了0-1型混合整数线性规划模型,并提出了一种遗传和线性规划相结合的求解方法。该模型通过优化钢水传搁时间来满足钢水的温度要求,通过最小化浇次开浇提前/拖期惩罚来协调连铸与热轧间的生产节奏。在算法设计中,给出了一种染色体编码来表示炉次设备指派与炉次在设备上的加工顺序方案,并探讨了相应的遗传操作。最后,仿真实验的结果表明了该算法的有效性。     

基于蚁群算法的泊位调度优化与仿真

在全球贸易经济聚焦在中国的同时,港口的吞吐能力成为目前港口业的主要矛盾。提高泊位这个环节的运作能力,减少船舶在港时间,增加港口的吞吐能力成为主要研究对象。本文采取仿真模型与优化算法相结合的研究方法,把泊位调度问题转化为旅行商问题,建立了一个泊位岸桥协调调度,通过蚁群算法建立数学模型,使船舶在港时间最短为目标建立函数,求得最佳调度方案。用ProModel建立船舶到港停泊及离港仿真模型。验证泊位调度优化的有效性,以便指导港口实际的泊位调度。     

串行生产线中机器维修工人的任务分配问题研究

在串行生产线中, 机器会发生故障而且故障间隔时间随机, 因此需要维修工人及时维修, 使得故障的机器恢复加工能力, 否则就可能导致系统吞吐率降低. 如何在满足系统吞吐率的前提下, 使用尽可能少的维修工人来完成机器的维修任务, 本文称这样一个全新的问题为串行生产线中机器维修工人的任务分配问题. 针对该问题, 本文首先建立了问题的优化模型, 并将该优化问题转换为多个判定问题进行求解; 然后, 通过合理地定义机器的维修工作量, 使得判定问题可以类比为并行机调度问题; 最后, 采用了一种基于最长处理时间优先算法(Longest processing time, LPT)和回溯策略的启发式算法, 搜索最优的维修工人任务分配方式. 实验结果表明, 该方法能有效求解维修工人的任务分配问题.     

基于微粒群算法的服务网格任务优化调度问题的研究

需要人参与提供服务的网格任务调度中,需要考虑许多时间因素。因此本文提出一个基于时间差异的网格任务调度模型,应用微粒群算法对网格中任务调度模型作性能优化,并通过分析和模拟,得出此算法能够得到任务调度的最优完成时间。     

Maintenance scheduling in manufacturing systems based on predicted machine degradation

In this paper, we propose a new method for scheduling of maintenance operations in a manufacturing system using the continuous assessment and prediction of the level of performance degradation of manufacturing equipment, as well as the complex interaction between the production process and maintenance operations. Effects of any maintenance schedule are evaluated through a discrete-event simulation that utilizes predicted probabilities of machine failures in the manufacturing system, where predicted probabilities of failure are assumed to be available either from historical equipment reliability information or based on the newly available predictive algorithms. A Genetic Algorithm based optimization procedure is used to search for the most cost-effective maintenance schedule, considering both production gains and maintenance expenses. The algorithm is implemented in a simulated environment and benchmarked against several traditional maintenance strategies, such as corrective maintenance, scheduled maintenance and condition-based maintenance. In all cases that were studied, application of the newly proposed maintenance scheduling tool resulted in a noticeable increase in the cost-benefits, which indicates that the use of predictive information about equipment performance through the newly proposed maintenance scheduling method could result in significant gains obtained by optimal maintenance scheduling.     

面向移动云计算任务调度的改进鸟群算法研究

针对移动云计算环境下的任务调度存在耗时长、设备能耗高的问题,提出了一种基于改进的鸟群算法(improved bird swarm algorithm,IBSA)的任务调度策略。首先,构建了以能耗和时间为主的移动云任务调度模型;其次,提出了自适应感知系数和社会系数,避免了算法陷入局部最优;构建了学习因子优化飞行行为,保证了个体寻优能力;最后,任务调度目标函数作为鸟群个体的适应度函数参与算法的迭代更新。仿真结果表明相比于蚁群算法、粒子群算法、鲸鱼算法等,改进的鸟群算法在移动云计算任务调度方面具有良好的效果,能够有效地节省时间和降低能耗。     

Bandwidth‐aware divisible task scheduling for cloud computing

Task scheduling is a fundamental issue in achieving high efficiency in cloud computing. However, it is a big challenge for efficient scheduling algorithm design and implementation (as general scheduling problem is NP‐complete). Most existing task‐scheduling methods of cloud computing only consider task resource requirements for CPU and memory, without considering bandwidth requirements. In order to obtain better performance, in this paper, we propose a bandwidth‐aware algorithm for divisible task scheduling in cloud‐computing environments. A nonlinear programming model for the divisible task‐scheduling problem under the bounded multi‐port model is presented. By solving this model, the optimized allocation scheme that determines proper number of tasks assigned to each virtual resource node is obtained. On the basis of the optimized allocation scheme, a heuristic algorithm for divisible load scheduling, called bandwidth‐aware task‐scheduling (BATS) algorithm, is proposed. The performance of algorithm is evaluated using CloudSim toolkit. Experimental result shows that, compared with the fair‐based task‐scheduling algorithm, the bandwidth‐only task‐scheduling algorithm, and the computation‐only task‐scheduling algorithm, the proposed algorithm (BATS) has better performance. Copyright © 2012 John Wiley & Sons, Ltd.     

基于动态适应度的独立任务调度算法

在分析现有启发式调度算法的优缺点的基础上，综合考虑负载平衡和使尽可能多的任务调度到更适合它的机器上，提出了基于动态适应度（DFD）的调度算法，任务的DFD描述了最早完成时间所在机器对任务的适应程度，本算法以任务的DFD为优先级，优先调度DFD高的任务。与参考文献中其他算法进行比较表明，本算法能产生更好的调度结果。     

求解动态维修资源优化调度的多目标进化算法

为解决维修资源调度过程中出现的维修资源预测不准、资源冲突的问题,本文建立了不同作战阶段的多供应中心?多需求点的的动态维修资源优化调度模型,使得多个供应中心可以及时、高效地对需求点进行维修资源调度,减少了资源调度时间和每个需求点的维修资源不满足量。为了更好地求解提出的模型,本文提出了一种改进的多目标进化算法,在经典的多目标进化算法的基础上,使用正态分布交叉算子、全局探索增强型差分进化算子和自适应变异算子的协同进化策略,提高了算法的局部搜索能力和种群的多样性。仿真实验表明,本文提出的算法具有良好的收敛性和分布均匀性,并且具有较高的求解效率。     

染缸排产建模及滑动时间窗启发式调度算法

针对染缸排产问题约束复杂、任务规模大、排产效率要求高的特点,为了提高问题模型和算法在实际场景中的适用性,建立了染缸排产增量调度模型,提出了滑动时间窗启发式调度（STWS）算法。该算法以最小化延误代价、洗缸成本、染缸切换成本为优化目标,使用启发式调度规则,按照优先级顺序调度产品;对于每个产品的调度,先用动态拼缸算法和拆缸算法进行批次划分,然后调用批次最佳排序算法调度批次。使用某染纱企业车间实际生产数据仿真调度,所提算法可在10 s内完成月度计划的调度。相对于人工排产方式,所提算法提高了排产效率,显著优化了三个目标,在增量调度中洗缸成本和染缸切换成本也有明显优化。实验结果表明所提算法具有很好的调度能力。     

一种考虑截止期的METCD业务组合调度方法

海洋设备检定、校准和检测（Marine Equipment Testing, Calibrate & Detection, METCD）业务规模大、紧急情况多,如何对业务进行合理的调配是海洋计量检定行业亟待解决的问题。本文提出了一种考虑截止期的任务组合METCD业务调度方法。在建立业务调度问题数学模型的基础上,采用最早截止时间优先-蚁群算法(EDF-PACO)对模型求解,在最早截止日期的约束条件下对任务组合处理的最优调度方案,达到降低任务总完成时间和减少执行空间浪费双重优化目标。为了验证方法的可行性,以国家海洋局东海标准技术中心的业务为实例,将EDF-PACO算法与传统的最早截止时间优先算法和蚁群算法进行比较,结果表明本文所提出的调度方法在满足截止期的约束条件下能高效地对海洋设备的计量检定业务进行组合调度。     

一种面向自动驾驶推理任务的工作流调度策略

目前自动驾驶推理任务调度中要解决的关键问题是如何在不同的时间窗内,让实时推理任务满足可容忍时间约束的前提下,在相应的处理设备上被调度执行完成.在不同时间窗内,依据边缘节点的数量变化以及推理任务的不同,设计了一种边缘环境下基于强化学习算法的工作流调度策略.首先,利用推理任务工作流调度算法计算任务的完成时间;其次,采用基于模拟退火的Q学习算法(Q-learning based on simulated annealing,SA-QL)来优化推理任务的完成时间;最后,从可行性、收敛性、有效性和探索性四个角度来体现基于模拟退火的强化学习算法(Reinforement learning based on simulated annealing,SA-RL)和粒子群优化算法(Particle Swarm Optimization,PSO)的性能差异.实验结果表明,模拟退火的强化学习算法和粒子群优化算法都具有可行性和有效性,单步时序差分算法(TD(0))具有更强的探索性,多步时序差分算法(TD(λ))具有更强的收敛性.