面向软数控系统的混合任务调度算法

为减小因软数控混合任务不确定性而引起的加工误差,提出了面向软数控的模糊反馈调度算法和两级结构的调度策略.在分析软数控任务划分和任务模型的基础上,研究了软数控模糊反馈调度算法的结构,并推导出调度算法表.通过对比仿真试验表明:不采用模糊反馈调度,加工误差达11.9%;采用模糊反馈调度,加工误差最大值仅为1.04%.给出了两级调度策略的架构,并对调度算法、任务可调度性及时标间隔进行了研究.所提出的两级调度策略已应用到基于Windows CE.NET的软数控系统中,实测任务运行状态显示,实时任务具有很好的确定性.仿真试验和具体实施的结果表明,提出的两种算法能满足软数控系统的个性化实时应用.     

基于PC的数控系统及其控制任务调度的实现

讨论了一种基于PC总线的PC数控系统的结构及其有关的关键技术问题，并提出了该结构下数控系统软件的一种实时控制任务调度的面向对象实现方法。     

基于混合蛙跳算法的企业集团订单分配研究

针对企业集团在订单分配时优先选择内部企业的问题,提出了一个基于产品经济参数和内部企业贡献因子的订单分配策略,解决企业集团订单优先分配量与价格、质量和时间的优化问题。以某建材装备制造集团的订单分配为例,构建了一个基于采购成本最低、不合格产品损失和延期交货损失最少以及对企业集团的贡献最大为优化目标的数学模型。采用改进的混合蛙跳算法对模型进行求解,验证所建模型的合理性和有效性,并与遗传算法、蚁群算法的结果相互比较,验证算法的优越性。     

基于高速均匀脉冲分配算法的数控系统精插补方法研究

在采用时间分割法插补的开环数控系统中，精插补的脉冲均匀分配是其中一项关键技术，也是技术难点。中提出的精插补算法彻底解决了精插补中任意给定脉冲数在插补周期中均匀分配的问题，可以有效的提高开环系统的性能     

基于免疫算法的对等网络任务调度

针对用于任务调度的遗传算法所存在的缺陷,提出了基于免疫算法的对等网络环境下的任务调度策略。首先定义了对等网络任务调度的相关问题,然后分别构造了考虑负载均衡和种群多样性的种群初始化算子和克隆选择算子,并设计了新颖的自适应变异算子和具有先验知识的疫苗,同时给出了对等网络节点的获取和管理策略。在此基础上,利用所提出的任务调度策略,完成了任务调度过程。实验结果验证了调度策略的有效性。     

基于混合粒子群算法的企业订单分配优化研究

LED芯片厂将芯片按亮度和波长用不同的BIN来分类,客户下单时的产品需求规格以亮度等级范围和波长波段范围表示,因此要满足一张订单,有相当多种的BIN出货数量组合可满足。BIN出货组合越合理,越多的订单可满足,企业的库存水平可降至越低。为了达到此目的,提出采用混合粒子群算法来优化各订单的BIN库存分配组合,以实现出货数量最大的目标。实证结果证明该方法实用有效,能够为企业带来更大的经济效益。     

基于改进自适应遗传算法的网格任务调度算法

针对网格环境动态多变性的特点,对网格环境任务调度中的遗传算法进行研究,提出一种改进的自适应遗传算法.通过对影响遗传算法行为和性能的关键参数交叉概率与变异概率进行分析,提出利用自适应思想以及表征调度性能的种群适应度对交叉概率和变异概率合理选取的自适应遗传算法,使交叉概率和变异概率能随种群适应度自动调节、改变.试验结果表明,改进的自适应遗传算法能使网格任务调度具有较好的种群自适应度,从而表明该方法的有效性.     

数控系统中逐点比较法的优化算法

通过对逐点比较法的研究,提出了一种基于逐点比较法的新算法。该算法不但误差小,而且计算简单,与传统逐点比较法比较,具有插补速度快、精度高、插补速率平稳等优点。在采用逐点比较法的数控系统中具有一定的应用价值。     

网格任务调度算法的研究

提出了一种基于遗传算法和Min-Min的网格调度算法,该算法主要分为资源搜索和任务分配两部分。首先,利用遗传算法从网格的可用资源中快速地搜索出最优的或是近最优的资源;然后从任务队列中取一组任务,利用Min-Min算法把任务分配给已搜索到的资源上去执行。仿真实验结果证明:对于大规模资源的调度该算法是有效的,能够减少了任务执行时间,改善网格任务调度的效率。     

面向数控系统的优化调度算法及容错策略研究

建立了混合关联任务集描述模型,并引入人工智能领域的启发式搜索算法,以实现该模型任务集的最佳优先调度.在此基础上,进一步提出了基于回卷恢复机制的容错调度策略,通过对瞬时故障的容错恢复,提高数控系统运行的可靠性.与传统实时容错调度算法相比,基于回卷恢复机制和最佳优先调度算法的容错策略,能很好地适用于混合关联任务集.同时,通过降低错误恢复所需的时间开销,有效地提高了系统的资源利用率.实例分析和算法模拟研究证明了该算法应用于数控系统的有效性.     

一种解决多处理机问题的混合算法的研究

并行处理在各行各业的发展非常迅速,而要解决并行处理过程中的调度问题不是件容易的事,最近几年越来越多的研究生加入到这个队伍中来,并加以研究.本文提出一种加入遗传算子的混合蚁群算来解决多处理机问题,避免了传统的蚂蚁任务分配模型的缺点.     

运用混合优化算法的作业车间分批调度

针对作业车间调度问题,根据等分批原则,考虑车间在只加工一种零件时的最优分批方法作为分批依据,建立分批调度的数学模型,之后把分好的子批看成一个新的工件,对其重新进行编号并计算新的加工时间,利用遗传算法良好的全局搜索性能和禁忌搜索算法优良的局部搜索性能,运用混合优化算法进行生产调度。最后通过试验仿真,研究4×4和6×6的调度问题,对不同的加工任务下调度的结果进行对比分析。结果表明,加工工件的种类、工序对调度结果的影响较大,加工数量对调度结果影响较小。     

无人机配送系统中端边协同的并行任务调度算法

在无人机最后一公里配送场景中,现有的云计算架构存在高时延问题,无法满足人工智能应用的执行需求.边缘计算架构通过将计算资源下沉到边缘,以其低时延、高计算能力的特点,可以满足人工智能应用的需求.但是目前的研究大多局限于单个边缘服务器,缺少并行协同框架的设计.为了解决该问题,本文首先根据移动边缘计算环境和无人机最后一公里配送...     

求解分布式混合流水线调度问题的改进双层嵌套式遗传算法

针对分布式混合流水线生产的生产调度问题,模拟实际排产中的排产到线和排产到时的排产策略,提出了基于改进双层嵌套式遗传算法的两层优化模型。外层依据流水线分配平衡和准时交货等基本原则总体上解决生产订单在流水线之间的分配问题,内层以最小生产时间为主要目的求解流水线的生产订单生产次序问题。考虑到双层嵌套式遗传算法的时间复杂性,基于模糊逻辑理论设计了一种模糊控制器来动态调整遗传算子,并采用主动检测停止方法,提高算法效率。使用某空调工厂的实际生产数据验证了算法的可行性、计算结果的准确性及排产策略的有效性,为高级计划与排程(Advanced Planning and Scheduling,APS)中大规模复杂供应链调度问题提供了可借鉴的方法。     

现代数控系统的一种计算机数据采样插补算法的实现

提出一种基于现代数控系统计算机数据采样插补算法。该方法是根据计算机数据采样插补算法,用以控制伺服系统实现坐标轴的精确进给。该方法适宜于以高性能直流或交流伺服电动机作为执行元件的闭环或半闭环的数控系统中。     

基于多Agent的排产仿真系统研究

从人工智能领域中发展起来的Agent技术,为仿真系统的建模提供了新的方法和思路,文章提出了基于多Agent的仿真系统研究方法,并以烟草行业制丝生产线的实际排产为应用背景,对系统进行了验证。