FMS多智能体调度系统投标算法和评估模型

在FMS多智能体调度系统框架基础上,提出一种智能体生产招投标算法、评估模型和运输调度算法,招投标算法在个体利益最大化的情况下提出叫价策略,而为了防止陷入局部优化,在评估模型中引入信誉因子,该因子会抑制个体智能体的贪婪欲望,防止个体智能体陷入局部优化而影响整体目标.经过仿真证明,在规模不太大的情况下,该方法能够得到较好的调度结果.     

柔性制造系统刀具需求遗传算法研究

以零件加工时间最短作为模型的优化目标、以刀具购买资金作为约束,研究了柔性制造系统(FM S)刀具需求规划模型的构建。介绍了遗传算法的特点,并利用遗传算法对规划制造任务所需刀具的规格数量问题进行了求解。通过比较,验证了FM S刀具需求规划模型及其遗传算法求解问题的优越性。     

基于时间驱动的FMS工件流智能调度方法及其应用

针对柔性制造系统生产中的产品批次多、每批次数量较少的一类生产特征,分析了贯穿于FMS生产过程各个环节的时间因素特性以及遗传算法在FMS调度过程的适用性及方法,通过分析论述FMS生产过程时间优化的研究成果,提出了一种基于时间驱动FMS工件流进程并借助遗传算法进行工件流调度方案优化的方法,以双工位工作台、连续工况以及随机的初始状态等为条件,验证了这种方法在FMS工件流调度中的应用效果。     

基于遗传算法的柔性车间批量调度研究

针对一类柔性车间批量生产问题,提出了新的调度策略:区分工件的批量准备时间和加工时间;小批次调度策略.在此基础上,采用遗传算法作全局优化算法来实现最优调度,给出了批次调度策略下的遗传算法的编码、解码方案,以及一种特殊的交叉操作设计.仿真算例分析表明,一方面,所设计的遗传算法对解决柔性调度问题具有理想的效果,另一方面,在采用相同优化算法的前提下,分批次调度策略可以缩短工件的生产周期.     

基于多智能体遗传算法的多机器人混合式编队控制

提出了一种基于多智能体遗传算法的多机器人混合式编队控制方法,将多智能体系统与传统遗传算法相结合,形成了一种新的在线优化算法(多智能体遗传算法),应用到多机器人编队控制中。同时将领航跟随法与人工势场法相结合,能更有效地保持队形的稳定性、增强抗干扰能力。采用该方法进行仿真实验,并与传统机器人编队控制方法相比较,实验结果验证了所提方法的可行性和有效性。     

FMS故障调度问题的研究及仿真

故障调度是ＦＭＳ（柔性制造系统）调度的重要内容,它对ＦＭＳ有序的高效运行品质的影响是明显的。本文对ＦＭＳ故障问题处理的基本思想,故障高度的建模方法以及调度策略等进行了讨论,并由此进行了计算机仿真,文中提出的建模方法的调度策略在ＦＭＳ故障调度中均是可行的,有实用价值。     

基于遗传算法的多配送中心运输调度研究

多配送中心的车辆调度问题是一个较难的组合优化问题,也是一类典型的NP—hard问题。遗传算法作为一种有效的优化算法得到了广泛的应用。为了解决了物流多配送中心的运输问题,文章运用新的交叉变异方法提出了一种改进的遗传算法。该算法保持了良好的种群多样性,具有更高的性能。     

FMS中刀具优化管理的数学建模与分析

从刀县故障损失费用最小的角度入手，研究刀具更换、故障检查间隔对生产中损失费用的影响，建立了相应的数学模型并进行深入分析，为企业FMS提供了一种刀具的优化管理方案。     

基于工步备刀的FMS刀具流死锁的研究

针对为工步准备刀具的柔性制造系统中由于刀具资源竞争导致的死锁问题,采用图论方法进行了分析,建立了刀具流状态演变图,定义了机床阻塞,并由此给出了刀具流死锁的定义.建立了刀具资源分配图,描述了刀具流死锁与刀具资源分配图之间的内在联系,分析了刀具流死锁的相关特性,提出了刀具流死锁判定定理和刀具流死锁检测算法.实例表明该方法能够解决FMS中在工步备刀情况下的刀具流死锁问题,为进一步实现刀具流死锁避免奠定了技术基础.     

基于多智能体Q学习算法的能源互联园区协调调度

针对能源互联园区中各主体利益诉求不同以至于难以协调调度的问题,提出了基于多智能体Q学习算法的能源互联园区协调调度方法。首先,将能源互联园区主体划分为5个智能体;其次,构建了各智能体的决策模型,并确立了以智能体之间利益均衡为目标的目标函数;最后,以某能源互联园区为算例进行仿真,利用Q学习算法进行求解,在能源供应商、可再生能源服务商、电动汽车收益最大以及园区能源服务商成本最低时,达到利益均衡点,得到园区各设备和负荷的出力、需求分布,即为园区协调调度下的最优均衡运行策略。算例结果表明,所提方法的有效性和实用性可为未来能源互联园区的调度提供参考。     

基于遗传算法的双目标多工艺路线调度研究

建立了基于双目标多工艺加工计划的生产调度集成框架图和数学模型,给出了基于遗传算法的满足关键零件的交货期和生产周期双目标多工艺加工计划调度算法,并采用改进的遗传算法进行仿真实验。实验结果表明模型是正确的,算法是有效的。     

正交多智能体算法求解管网直接优化调度模型

针对传统遗传算法存在高维空间寻优能力较差的问题,提出采用正交多智能体算法求解管网直接优化调度模型.对智能体的随机初始种群进行正交操作,得到较优初始种群,通过智能体的竞争和自学习,找到较优解.结果表明:与正交自适应遗传算法相比,正交多智能体算法具有更强全局搜索能力和更快寻优速度,并且正交多智能体算法优化方案较大提高了水泵运行效率,可节电2.96%.     

遗传算法在公交调度中的应用研究

运营车辆的智能排班是公交车辆智能调度需要解决的问题之一。目前我国公交公司各车队的排班主要是依靠工作人员的经验手工进行,排班带有很大的盲目性、繁琐性,很难保证排班的结果在运营效率等方面是最优或接近最优。而将遗传算法应用到公交智能排班中是有效的方法。     

基于遗传算法的车间作业调度

提出了一种基于遗传算法的车间作业调度算法，详细讨论了染色体编码方法和遗传算法的设计，并构造了该算法的基本模型，给出的仿真算例表明了该算法解的有效性。     

基于遗传算法的车间作业调度

研究了遗传算法在车间作业调度问题中的应用,以遗传算法作为优化工具,给出了车间作业调度算法。最后给出了计算机仿真结果,并与启发式算法求得的结果作了比较,证明了该算法解的有效性和优越性。     

基于遗传算法的生产调度研究

生产过程中调度问题的研究具有重要的经济意义,然而又是最困难和最复杂的组合问题之一,目前尚无通用算法可循。调度的关键任务是寻找最优解,同时还需考虑具体领域的大量信息,这些信息更增加了调度问题的复杂性。自遗传算法问世以来,已被广泛用于各个领域。本文将遗传算法运用到生产调度中提出了一些做法。     

FMS动态调度仿真模型的研究

提出一种用分级思想对柔性制造系统中机床故障进行处理的新方法,运用面向对象技术和高级Petri网,建立了一个含故障处理的柔性制造系统动态调度仿真模型,该模型层次分明,故障处理流程十分简洁．提出刀具预准备思想,使得刀具准备时间与机床加工时间充分重叠,并为工件流-刀具流综合系统中实时的刀具分配提供了解决途径,在该思想基础上进一步建立了刀具流调度的数学模型和含刀具流的柔性制造系统仿真模型．仿真模型较好地反映了系统的运行情况．     

基于遗传算法的刀具路径优化排布方法

为缩短数控(NC)加工时间和提高加工效率，提出了一种新的基于遗传算法的刀具路径优化排布方法.该方法以加工代码分析为基础，将刀具路径分解为一系列切削路径组和对应的辅助运动路径，根据加工类型将切削路径细分为开放式切削路径和封闭式切削路径.构造了一种新的分段染色体模型，将染色体分为主节和附加节，用不同的编码方法对开放式切削路径和封闭式切削路径进行编码表示.采用改进的遗传算法，对分组后的切削刀具路径进行优化运算，得到了刀具路径排布的近似最优解.实验结果表明，该方法具有良好的优化效果，可以明显缩短辅助运动路径的总长度，减少加工时间.     

基于加工单元的制造车间的生产调度研究

针对基于加工单元的制造车间的生产调度问题进行了研究．采用多智能体技术建立基于加工单元的制造车间的调度系统结构,系统由3类智能体构成：管理智能体、任务智能体、加工单元智能体．各智能体通过相互协商、通讯来完成工件加工路径的确定,智能体之间的通讯是采用OMG的CORBA技术实现的．采用遗传算法来确定工件的开工次序及开工时间．系统还对设备故障、急件插入等异常事件给出了处理方案．所开发系统可以解决基于加工单元的制造车间的动态调度问题,能产生任务的最佳调度方案．最后给出了一个调度算例．