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。     

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。     

车间动态调度方法综述

生产调度对企业或行业提高生产效率、效益与自身的竞争力是至关重要的,同时动态调度更加符合实际生产的状况,能够对突发的扰动进行重调度,因此具有相当的研究价值。本文介绍了各种动态调度的研究方法及其最新发展,并对其进行了分析。最后,提出了动态调度方法未来研究的方向。     

面向离散制造车间的多Agent动态调度方法研究

为了解决离散制造业生产过程中复杂动态的车间调度问题,设计了一种面向离散制造业的动态调度方法。首先建立了车间的多Agent动态调度模型,在此基础上开发了一套多Agent协商调度机制来协调各个Agent,从而动态智能地分配加工任务。为了验证提出的动态调度方法的有效性,设计了一个模拟车间实验平台。实验结果表明该方法可以保证车间有序运行的同时有效地减少设备故障等随机因素对车间的影响。     

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。     

基于多目标的动态车间调度问题的策略研究

动态事件在车间调度过程中不可避免,严重影响加工过程,并导致订单交货延期、生产效率不高等现象发生。而目前针对动态事件的研究多针对单一事件,对多种动态事件的研究更偏向于算法研究。由此,通过研究完全重调度策略,结合粒子群(Particle Swarm Optimization,PSO)算法,对新加类、机器占用类、交换类以及延迟类这4类动态事件进行处理。通过多规模的测试,以及对动态事件发生在不同时间段的模拟仿真,以重调度结果相对于原始调度结果的扰动影响率为指标,验证重调度策略的实用性与鲁棒性。     

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。     

柔性作业车间动态调度方法研究

针对一类复杂工序的柔性作业车间的动态调度问题,提出了一种基于工序树的调度方案及算法。调度算法中采用多叉树形式的工序树,工序树是一种适用于作业车间调度的柔性工艺规划描述方法,工序树经过泛化和变形可以涵盖多种具体的工序样式。调度算法通过通信网络实时地获取加工车间中设备的工作状态,结合加工任务中所有产品的状态变迁,依据由加工任务的约束条件预先确定的优先调度规则,动态地生成加工任务作业进程表。算法实例的结果验证了调度方案及算法的有效性。     

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ATC的智能工厂分布式柔性作业车间动态调度

针对传统多车间生产调度方法不能满足智能生产系统调度优化的问题,结合智能工厂需求,以分布式柔性作业车间为研究对象,提出基于“生产计划-车间调度-物流仓储”的ATC层次模型,该模型是以时间、成本组成的一个多目标优化模型;提出两级效能偏差判别机制,在物联环境下动态识别扰动并根据扰动影响作出实时决策。最后,以3个车间调度问题为例,基于遗传禁忌搜索算法,验证了该模型的有效性。     

基于多智能体的PC构件生产线智能调度系统

智能调度系统是PC构件智能生产线的关键部分,本文通过分析PC构件生产线调度系统的动态复杂性,提出了一种基于多智能体(Multi-Agent)的PC构件生产线智能调度系统。该智能调度系统由配料Agent、配模Agent、输送Agent、养护Agent四大模块组成,建立了基于黑板会话的数据交互模型和任务竞标规则,并重点设计了基于KNN(K近邻算法)机器学习的能耗评估算法和基于配方的综合评估调度算法。最后,通过Python进行KNN能耗评估算法试验仿真,证实了该评估算法的准确性较为理想,通过WINCC的Simulation仿真模块,对订单堆积度进行随机变量配置,动态展示了动态权重系数的综合调度评估算法,并给出了基于HMI配方的可行性方案。     

基于智能计算方法的AGV制造车间调度问题研究现状

基于智能制造车间物流系统中AGV的复杂动态调度问题,阐述了智能计算方法在复杂调度技术方面及其在智能制造车间AGV调度的研究应用.对群智能计算、遗传算法、人工神经网络等常见智能计算方法的特性及调度问题应用进行分析.针对群智能计算方法重点探究了粒子群算法、蚁群算法及人工蜂群算法在制造业AGV调度中的应用;结合遗传算法与柔性制造系统生产理念总结了AGV调度研究现状;在人工神经网络方法上,介绍了基于深度学习、强化学习有关的AGV调度问题研究及特点.基于智能计算方法各自计算特点对其在制造车间AGV调度应用进行了探讨,总结了智能计算方法在制造车间关于AGV智能调度的研究的发展趋势,方便未来AGV车间调度系统的技术研究选择合适的算法.     

基于智能计算方法的AGV制造车间调度问题研究现状

基于智能制造车间物流系统中AGV的复杂动态调度问题,阐述了智能计算方法在复杂调度技术方面及其在智能制造车间AGV调度的研究应用.对群智能计算、遗传算法、人工神经网络等常见智能计算方法的特性及调度问题应用进行分析.针对群智能计算方法重点探究了粒子群算法、蚁群算法及人工蜂群算法在制造业AGV调度中的应用;结合遗传算法与柔性制造系统生产理念总结了AGV调度研究现状;在人工神经网络方法上,介绍了基于深度学习、强化学习有关的AGV调度问题研究及特点.基于智能计算方法各自计算特点对其在制造车间AGV调度应用进行了探讨,总结了智能计算方法在制造车间关于AGV智能调度的研究的发展趋势,方便未来AGV车间调度系统的技术研究选择合适的算法.     

基于分布式计算多代理结构的MTO车间调度方法研究

MTO车间调度在中小型企业中起到了非常重要的作用,然而在实际的生产过程中存在着各种不确定性与不可预知的事件,这就干扰了事先已经定义好的计划与安排,并直接导致产品交货期的延期。为在不确定环境下应对这个挑战,提出了一种新的基于多代理调度体系结构的交互通讯模型,同时应用这个体系结构和分布式计算技术,如XML ＆ Web—basedservices,探讨了在实际的MTO车间调度系统中的实现技术。     

多目标柔性作业车间稳健性动态调度研究

研究了以调度稳定性和鲁棒性为优化目标的柔性作业车间动态调度问题。建立了多目标柔性作业车间动态调度问题模型;针对动态事件特点,采用工件到达发生器和机器故障预维护发生器模拟动态事件,提出了基于周期与事件驱动的混合重调度策略,该策略在每个重调度点对工件进行完全重调度或右移重调度;为克服传统差分算法早熟的缺点,设计了一种改进的多目标差分进化算法求解该调度问题;实例验证了提出策略和算法的有效性。     

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。     

基于改进NSGA2的柔性车间多目标智能调度问题研究

通过分析现有柔性车间调度问题特点和对相关算法进行研究,提出了基于改进非支配排序遗传算法(Non-Dominated Sorted Genetic Algorithm-II,NSGA2)的调度方法求解该问题。针对非支配排序遗传算法中存在种群多样性低、运算速度慢等缺点,提出了基于拥挤度的自适应交叉算子,并借鉴竞标机制思想,将竞争选择方法引入非支配排序遗传算法中,以提高求解质量。通过实验仿真以验证所提算法的有效性与可行性。