机器学习在智能车间调度系统中的应用

基于规则和仿真的车间调度系统与专家系统的结合,使智能调度系统得到了广泛的应用。但是知识的缺乏制约了应用效果。经过开发一个具有机器学习能力的车间调度系统证明:机器学习是解决知识贫乏的一个有效途径,且在众多的机器学习算法中,Quinlian的ID3算法成为适用于智能调度系统的机器学习算法。     

多智能体车间调度系统研究

现在制造业所面临的动态需求使得其必须具有更加灵活的应变机制，这使得车间调度问题变得越来越复杂。本文采取多智能体系统技术（MAS）设计了一个包含四个智能体（agent）的多智能体车间调度系统，分别为车间调度智能体、任务分配智能体、车间资源智能体以及拍卖智能体。通过这四个智能体的通信、交互和合作，系统可以给出一个满足当前制造需求的调度最优结果。     

车间调度中的数据挖掘技术研究

基于Multi-Agent System（MAS）的人机合作技术适合于解决复杂调度问题。为了使人与机能够更好地合作来完成高效、准确的车间调度,引入C4.5算法,建立并实现了基于机器学习和MAS的人机合作车间调度系统仿真模型。在Java环境下,以Weka、JADE为开发平台,以Eclipse为开发工具,Access为后台数据库,完成了系统的开发。通过实例仿真和结果分析,运用机器学习算法动态调度的结果稍优于最佳的静态调度结果,证明了系统的正确性和优越性。     

基于机器学习的智能概念设计系统研究

本文给出了一种基于机器学习的智能概念设计系统，结合人工智能特别是机器学习的特点和概念设计的知识，给出了这种系统的机器学习过程，系统结构、工作流程以及主要模块的设计和算法。     

基于强化学习的智能车间调度策略研究综述

智能制造是我国制造业发展的必然趋势,而智能车间调度是制造业升级和深化“两化融合”的关键技术。主要研究强化学习算法在车间调度问题中的应用,为后续的研究奠定基础。其中车间调度主要包括静态调度和动态调度;强化学习算法主要包括基于值函数和AC（Actor-Critic）网络。首先,从总体上阐述了强化学习方法在作业车间调度和流水车间调度这两大问题上的研究现状;其次,对车间调度问题的数学模型以及强化学习算法中最关键的马尔可夫模型建立规则进行分类讨论;最后,根据研究现状和当前工业数字化转型需求,对智能车间调度技术的未来研究方向进行了展望。     

面向机器学习的分布式并行计算关键技术及应用

当前机器学习等算法的计算、迭代过程日趋复杂, 充足的算力是保障人工智能应用落地效果的关键。本文首先提出一种适应倾斜数据的分布式异构环境下的任务时空调度算法,有效提升机器学习模型训练等任务的平均效率;其次,提出分布式异构环境下高效的资源管理系统与节能调度算法,实现分布式异构环境下基于动态预测的跨域计算资源迁移及电压/频率的动态调节,节省了系统的整体能耗;然后构建了适应于机器学习/深度学习算法迭代的分布式异构优化环境,提出了面向机器学习/图迭代算法的分布式并行优化基本方法。最后,本文研发了面向领域应用的智能分析系统,并在制造、交通、教育、医疗等领域推广应用,解决了在高效数据采集、存储、清洗、融合与智能分析等过程中普遍存在的性能瓶颈问题。     

一种用于车间作业调度问题的智能枚举算法

车间作业调度问题是优化组合中一个著名的难题,即使规模不大的算例,优化算法的时间也很长。文章提出了一种求解车间作业调度问题的快速智能枚举算法,选取了22个标准算例作为算法的测试试验集,该算法在较短的时间内找到了17个算例的最优解,试验结果表明智能枚举算法确实是一种快速的、有效的求解车间作业调度问题的近似算法。     

基于智能水滴算法的学习效应生产调度研究

论文介绍了新兴仿生群智能优化算法—智能水滴算法,并且分析了智能水滴算法的仿生原理。论文针对具有学习效应的置换流水车间调度问题的特点,对算法进行了相应的变化,利用 Matlab 编程仿真计算得到结果,验证了智能水滴算法对于置换流水车间调度等优化组合问题的可行性和有效性。     

基于MAS的生产车间动态调度系统的研究

简要介绍了车间调度的基本问题,发展现状以及多智能体技术.在分析车间生产调度特点的基础上,提出了基于MAS的动态车间生产调度模型.该模型把车间生产调度系统分为调度代理、任务代理和资源代理等.代理之间采用了基于改进的合同网的关系网模型,并引入了基于混合遗传算法的调度模块,为解决车间加工动态调度问题提供了一种新的方法.仿真实验结果表明,该系统更好满足了车间调度的动态化、高效化、智能化、实用化的要求.     

基于多Agent柔性制造单元的生产调度研究

针对基于制造单元的作业车间的生产调度问题进行了研究,结合多代理的智能性、灵活性和遗传算法的智能优化能力,建立基于多智能体的柔性制造单元的作业车间的调度系统模型.然后,提出了集成多智能体和遗传算法的动态调度策略和调度协商机制;最后,应用此方法完成了常规调度和异常调度的仿真算例.结果表明所开发系统可以解决基于加工单元的制造...     

基于商务谈判的机器学习理论方法研究

电子商务的谈判中应用机器学习方法可增加其智能特性.探讨基于商务谈判的机器学习理论,建立了商务谈判学习模型,设计出相应的学习算法Strategy Learning以获取谈判领域的专家知识-谈判规则.通过一个应用实例,验证了SL方法的可行性和正确性.     

基于规则约束着色Petri网(RCPN)的车间调度及Internet/Intranet环境下的系统开发

针对当前车间调度领域理论研究与实际应用之间的差距，在分析Petri网在调度方面应用的基础上，根据实际应用的需要对其进行了适当的扩展，提出基于规别约束着色Petri网(RCPN)对车间加工系统进行建模，并通过所建立的模型对车间作业计划进行调度．最后提出了一个可行的车间调度系统的框架设计和实现方案，利用Java开发了基于Web数据库的3层B／S／D模式的车间调度系统．     

基于强化学习的智能I/O调度算法

利用机器学习方法解决存储领域中若干技术难题是目前存储领域的研究热点之一。强化学习作为一种以环境反馈作为输入、自适应环境的特殊的机器学习方法,能通过观测环境状态的变化,评估控制决策对系统性能的影响来选择最优的控制策略,基于强化学习的智能RAID控制技术具有重要的研究价值。本文针对高性能计算应用特点,将机器学习领域中的强化学习技术引入RAID控制器中,提出了基于强化学习的智能I/O调度算法RL-scheduler,利用Q-学习策略实现了面向并行应用的自治调度策略。RL-scheduler综合考虑了调度的公平性、磁盘寻道时间和MPI应用的I/O访问效率,并提出多Q-表交叉组织方法提高Q-表的更新效率。实验结果表明,RL-scheduler缩短了并行应用的平均I/O服务时间,提高了大规模并行计算系统的I/O吞吐率。     

求解模糊柔性Job-shop调度问题的多智能体免疫算法

考虑实际纸盆车间调度中模具、机器、操作人员等资源约束,以及加工时间和交货日期的不确定性,建立了批量可变的模糊柔性Job-shop调度问题模型.结合多智能体系统以及免疫信息处理机制,构造了一种求解实际Job-shop调度问题的多智能体免疫算法.该方法通过竞争、自学习、自适应疫苗接种、模拟退火等操作,更新每个智能体在解空间的位置,从而能精确地收敛到全局最优解.纸盆车间调度实例的求解结果验证了该算法的有效性.     

基于多智能体的集装箱码头装卸设备协同调度

针对集装箱装卸设备作业相互耦合的特点,设计了基于多智能体的协同调度优化模型。首先应用带有阻塞限制的混合流水车间模型构建了调度模型,随后应用蚁群算法得到初始方案,最后应用多智能体的合同网机制对方案进行调整。仿真结果显示,该调度方法具有较好的可行性。     

基于改进遗传退火算法的生产智能调度系统

为了满足多品种小批量生产模式的需求,设计了一套基于智能调度算法的生产调度系统。根据数据的特点和系统的需求,设计了合理的数据结构和不同的调度规则;根据实际应用的要求,改进了遗传退火算法,使算法可以进行柔性调度和优先级调度,并且算法可以满足零件装配关系约束。在.NET3.5框架下,开发了生产智能调度系统,实现了对生产任务的智能调度。     

关于车间作业调度的组合优化算法

车间调度问题由于具有重要的理论和实用价值吸引了很多研究者的兴趣,但一个复杂的车间调度不仅可能涉及到成千上万道车间调度工序,而且工序的变更又可能导致相当大的调度规模.本文针对调度提出了一种改进的遗传算法,该算法引入了生物界DNA的思想将染色体分为双链,并在一个制造企业软件系统中应用了此算法.     

基于GA的分布式任务调度算法的研究

任务调度问题是一个强NP难题,算法研究是它的一个重要研究方向,智能Agent技术研究和应用开发在AI领域和分布环境下更具研究价值。分析了实时智能监控系统作业调度问题的特点,提出了结合GA和MAS技术的新的调度策略及算法。应用表明,该算法具有很好的可扩展性、适应性和稳定性。     

基于改进的基因表达式编程算法在作业车间调度问题中的应用

文章提出一种新颖的方法一改进的基因表达式编程算法来求解作业车间调度问题。作业车间调度问题是许多实际生产调度问题的简化模型,基因表达式编程算法结合了遗传算法和遗传编程的优点,具有更强的解决问题能力,对基因表达式编程算法进行改进使其在作业车间调度问题的应用上更加有效;最后应用一个实例来验证提出方法的有效性。     

仿真技术在车间调度中的应用

如何制定合理有效的日调度单、是车间运行阶段所面临的主要任务，也是充分发挥车间生产能力，实现资源优化利用的关键，介绍了仿真技术在生产调度中的应用，根据生产车间的设备情况、班组状况、任务目标等选择模型元素，建立了生产车间层仿真模型，通过一个实例说明应用仿真系统来辅助生产车间生成所需要的日调度单。