基于多智能体结构的车间调度方法

车间调度问题是一个复杂的 NP问题 ,车间调度系统需要具有相当的柔性机制。本文提出了一种基于多智能体结构的车间层动态调度方法。系统中有三种代理 ,车间代理、资源代理和任务代理协同并行工作。车间代理负责各个任务代理之间的协调 ,任务代理安排任务的调度路径 ,资源代理安排车间中的具体制造资源。车间代理能够动态调整调度规则 ,解决任务代理之间的资源分配冲突。任务代理采用招标投标机制选择最佳资源代理。资源代理能够提出并实时调整局部调度方案。本文实现了一个基于多智能体结构的车间调度原型系统。     

基于多智能体强化学习的纺织面料染色车间动态调度方法

针对任务随订单动态到达环境下的纺织面料染色车间动态调度问题,以最小化总拖期时间为优化目标,提出了基于多智能体循环近端策略优化(MA-RPPO)强化学习的完全反应式调度方法。首先,针对染色车间调度的组批和排缸两个子问题,设计了组批和排缸两个强化学习智能体;然后,针对车间任务的动态性,引入长短期记忆网络(LSTM)提取车间动态信息,提高智能体对动态环境的自适应能力;进一步提出组批智能体和排缸智能体的交互机制,实现组批与排缸全局优化;最后,抽取问题约束与优化目标的相关特征并设计奖励函数,通过动态调度机制驱动智能体的交互学习获得最优调度策略。经某印染企业的实例验证表明,所提方法对不同规模问题的求解性能均优于多种常用的高性能启发式规则,有效降低了产品的总拖期时间,提升了企业订单的准时交付能力。     

基于Q学习的智能车间自适应调度方法

为降低智能车间中动态不确定因素对生产性能的影响,提出一种基于Q学习的智能车间自适应调度方法。该方法设计基于强化学习的智能车间自适应调度框架,采用Q学习算法,通过智能体—环境交互试错机制,自主训练调度模型,并根据生产车间环境变化动态更新调度模型,以支持能够指导车间运行的最优决策轨迹的生成。所提方法在MiniFab半导体生产线模型上进行了验证,结果证明该方法能够有效应对智能车间生产环境变化,在生产全过程中能对调度决策进行实时调整,优化车间综合性能指标,同时显著降低时间与人力成本。     

多Agent动态调度方法在染色车间调度中的应用

为解决复杂、繁琐的染色车间调度问题,根据印染生产过程的工艺特点和约束条件,建立了染色车间作业调度问题模型。为了提高调度系统对生产环境经常发生变化的自适应能力和全局优化能力,提出了一种基于蚂蚁智能与强化学习相结合的协商策略的多Agent动态调度方法。在该方法中,智能Agent能根据行为的历史反馈和立即反馈来选择相应的行为,也能根据算法的历史奖励来选择相应的智能调度算法,从而把一小部分工序任务的实时局部优化和大部分工序任务的全局优化结合起来。调度实例的求解结果验证了该方法的有效性。     

多智能体技术在半导体生产线调度中的应用

针对半导体生产线调度问题的特性,引入了多智能体系统概念,建立了半导体生产线调度问题的多智能体模型。通过动态求解半导体调度的多智能体效用模型,能够很好地解决半导体生产线生产过程中出现的各种突发事件,达到优化调度的目的,通过仿真,说明了该方法的有效性。     

基于DQN的智能工厂作业车间调度

针对智能工厂中基于数据的作业车间调度问题,提出结合新的复合调度规则和深度强化学习的调度方法.对车间数据进行预处理并得到对应的系统状态,以连续系统状态值为深度强化学习算法的输入,设计4种新的复合调度规则以应对更为复杂和冲突的车间环境,将复合调度规则和其他8种著名调度规则作为候选调度规则,依据贪婪选择策略选择调度规则并存储和更新状态动作值,最终为每次决策选取出最优调度规则.实验验证了结合复合调度规则和深度Q学习网络(Deep Q-Network,DQN)算法,在均衡权重下相比其他著名调度规则以及标准Q学习算法更具优势.     

基于DQN的智能工厂作业车间调度

针对智能工厂中基于数据的作业车间调度问题,提出结合新的复合调度规则和深度强化学习的调度方法.对车间数据进行预处理并得到对应的系统状态,以连续系统状态值为深度强化学习算法的输入,设计4种新的复合调度规则以应对更为复杂和冲突的车间环境,将复合调度规则和其他8种著名调度规则作为候选调度规则,依据贪婪选择策略选择调度规则并存储和更新状态动作值,最终为每次决策选取出最优调度规则.实验验证了结合复合调度规则和深度Q学习网络(Deep Q-Network,DQN)算法,在均衡权重下相比其他著名调度规则以及标准Q学习算法更具优势.     

基于遗传算法的多资源作业车间智能动态优化调度

提出一种基于遗传算法的调度算法，用于解决多资源制约(机床、工人和机器人)条件下作业车间的动态优化调度。为了表达加工工件的批量，提出了一种新的染色体基因型，基因型的长度随加工环境的变化而变化。研究的动态环境包括：加工工件连续不断地到来；机床设备突然损坏；损坏的机床被修复；工件的预定订货时间被提前；有新类型的工件要求被加工等等。采用一种基于周期和事件驱动的滚动窗口调度，以适应连续加工过程中的环境变化。调度算法中采用权重可变的双目标评价函数来优化调度结果。仿真结果表明该算法是可行的，与传统的静态优化调度相比，其优越性是明显的。     

基于元胞机与强化学习的多扰动车间调度算法

针对大型装备制造企业扰动多、影响大的问题,以元胞机模型为框架构建了多扰动车间生产调度模型,设计了基于设备平均利用率与工件平均流程时间双目标最优的目标函数,并通过算例验证了模型的科学性.同时,考虑到多扰动车间调度的复杂性,为寻找全局最优解,采用强化学习算法优化了元胞机的自组织演化规则,提出了针对设备故障、紧急插单与新订单干扰三种典型扰动的调度策略,最终建立了基于元胞机与强化学习算法的多扰动车间柔性调度模型.以某大型零件制造企业为例,说明了模型的具体优化过程,并通过仿真求解验证了算法与模型的有效性与可靠性.     

基于多智能体的液晶屏柔性老化测试系统研究

液晶屏终检之前需要经过老化测试筛选出不良品,而基于PLC的传统集中控制模式无法满足不同型号液晶屏的柔性协调控制。针对液晶屏老化测试系统所需的柔性、重构性以及高鲁棒性的设计要求,提出了基于多智能体系统理论的老化测试控制模型,基于KQML原语建立液晶屏老化测试系统的通信系统,通过动态调度建立多Agent模型调度系统,协调其各个子系统间的衔接与交互。经现场测试验证了该系统的高效性及鲁棒性。     

基于多智能体强化学习的AGVS任务分配方法

为提升复杂场景下多AGV系统任务分配效率,适配动态多变的现代物流搬运场景,提出一种基于多智能体深度强化学习的任务分配方法。首先,根据问题约束条件和优化目标按照强化学习范式对问题进行建模,利用栅格地图建立了算法训练环境,并规定了智能体动作和环境可观测状态,其次应用IDQN算法训练生成指导AGVS任务分配的动作价值函数,最后,在不同问题规模下通过实验证明了IDQN方法相较于传统算法解决同一问题的效率优势,并展示了模型在不同尺度地图中的泛化能力。     

基于紧急订单的并行流水线动态调度研究

针对工艺流程的特殊性,对基本遗传算法进行改进,设计了双染色体编码方法。运用改进遗传算法与仿真分析相结合的混合智能方法,以完工时间、交货惩罚为目标,建立仿真优化模型,首先得到多目标模糊并行流水线的静态调度方案;然后在分析紧急订单这一扰动因素的基础上,求解并行流水线动态调度问题;最后以某汽车零部件生产企业冲压流水线为实例,验证了混合智能方法对研究并行流水线动态调度问题的有效性。     

基于遗传算法的多资源作业车间智能优化调度

提出一种基于遗传算法的调度算法，用于解决作业车间的加工受到机床、操作工人和机器人等多种生产资源制约条件下的优化调度。以生产周期为目标进行的优化调度，将遗传算法和分派规则相结合，通过交叉、交异等遗传操作，得到目标的最优或次优解。最后对算法进行了仿真研究，并给出了算法运行结果，仿真结果表明该算法是可行的。     

基于XML的工厂多智能体系统研究

Asent技术由于本质的分散性和开放性受到制造业越来越多的关注。XML作为下一代Web语言，在企业数据集成方面展示了巨大的优势。本文介绍的多智能体系统包括代表生产任务的PA，代表制造资源的RA和实现工厂管理任务的PMA，这些Asent相互通讯、协作，完成生产任务。每个制造资源的性能均以XML的格式在中心数据库中注册，其他Asent能通过查询数据库了解现场的最新动态，找到需要的资源。PA具有以XML文件表示的所有生产信息。任何具有Asent接口和以XML形式表示其性能的制造资源均可在制造网络中即插即用，任何以XML形式表示的生产任务均可通过PA和RA的合作得以完成。     

车间动态调度方法研究

目前用于动态调度中的方法主要有人工智能(AI)方法、仿真方法、人机交互方法。文章分析了它们的特点，并指出对于离散事件的job shop调度，采用人机交互与仿真相结合的方法简单易行。在总结当前有关多agent调度问题的多种研究方法的基础上，描述了一种基本的基于多agent的生产调度系统框架结构以及此框架结构中代理之间的信息运动规律。最后探讨了适用于该框架结构的动态调度机制。     

基于多智能体协商的虚拟企业调度研究

针对虚拟企业制造环境的分布性、不确定性和动态性,运用多智能体技术,构建了虚拟企业生产调度系统体系结构。通过多属性效用函数进行调度过程中的协商决策,改进合同网协商协议提高协商效率来实现敏捷调度,并提出了基于多智能体协商的调度算法来实现虚拟企业任务调度。     

基于拍卖的多智能体任务分配应急救援研究

机器人多智能体系统(MAS)可用于交通检测和航空航天等领域的应急救援。在复杂的无人动态环境中,如何根据现场环境和救援资源合理的分配任务,控制异构的救援机器人多智能体系统在最短的时间内有效的完成救援任务是亟待解决的重要问题。该文提出一种改进的基于拍卖的多智能体任务分配算法,算法中多个救援机器人作为智能体,组成应急救援系统。试验表明,运用该算法通过优化的任务分配,能够实现多机器人的相互协调与合作,完成不同等级的救援任务。     

多Agent分布式车间动态调度仿真系统研究

研究了在现代制造环境下制造车间生产过程的动态调度问题。针对动态调度的特殊要求,提出综合运用多智能体技术(MAS)和合同网协议(Contract Net Protocol,CNP)实现现代制造车间生产过程动态调度的方法,建立了多Agent车间调度系统(Multi-agents SchedulingSystem,MASS)分布式框架结构,实现了系统不同层次Agent之间的通信协作,构成了适应实际生产环境的MASS分布式仿真系统,并以一类中小规模机械加工车间动态调度的仿真研究说明所提出方法的思路和可行性。     

基于强化学习的智能城市交通调度系统优化

随着城市交通问题的日益严重,传统交通调度方法已难以应对复杂的交通流量和突发事件。本文提出了一种基于强化学习的智能城市交通调度优化方法,通过自适应决策提升交通效率。将交通信号控制问题建模为多智能体强化学习问题,设计了状态空间和动作空间,并采用Q-learning进行优化。结合交通流量预测模型（如LSTM）,提升系统的预测能力和决策精度,旨在通过自适应决策模型有效提升交通流畅度、减少拥堵并优化资源配置。     

基于现场总线的多Agent作业车间动态调度问题的研究

提出了一种基于现场总线的多Ａｇｅｎｔ作业车间动态调度问题的解决方法。该方法是一种混合式多Ａｇｅｎｔ调度方法。在该方法中,有一个起核心作用的Ａｇｅｎｔ负责向其它辅助Ａｇｅｎｔ发送调度任务,在所有的辅助Ａｇｅｎｔ调度完毕后。回收它们的调度结果,然后进行统一协调,最终得出一个调度方案。实验结果表明,该方法具有很好的可扩展性和鲁棒性,对于作业车间调度问题有一定的实用价值。