基于Agent的分布式动态作业车间调度

Agent技术是分布式工业系统建模的一种重要方法．本文对Agent及多Agent技术进 行了简要总结,综述了Agent技术在制造作业车间调度中的应用研究概况,提出了一种基于 合同网协议投标机制的多Agent分布式动态作业车间调度方案．     

基于上下文赌博机的自适应实时车间调度

传统的多Agent车间调度方法使用单一调度规则, 忽略了生产环境变化对调度规则适用性的影响, 导致调度结果欠佳. 本文针对该问题提出一种自适应实时车间调度方法, 通过上下文赌博机对工件调度过程进行类比建模. 经过若干回合学习的上下文赌博机模型能够依据生产环境制定调度决策, 获得优异的调度结果. 最后, 通过仿真实验验证了提出方法的有效性.     

柔性作业车间调度的多Agent协商策略

柔性作业车间调度问题是经典作业车间调度问题的扩展。为此,提出一种新的基于招投标的多Agent协商调度策略,并研究各Agent协商时的价格函数。系统主要由工件Agent和机器Agent组成,工件Agent通过招投标的方式,选择合适的机器完成加工任务,机器Agent按照市场机制通过自由竞争获得工件的加工权,根据基于规则的调度策略处理工件。用Java设计仿真实验程序,并通过实验验证所提价格协商函数的有效性。     

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。     

基于多Agent的作业车间模糊调度方法

应用模糊集理论和方法，对基于合同网的调度算法作了改进，形成了新的基于多Agent的模糊调度方法。     

动态车间作业调度问题中调度规则算法研究综述

调度规则是解决实际生产中的动态车间作业调度问题的有效方法,但它一般只在特定调度环境下性能较好,当环境发生变化时,就需要进行实时选择和评价。对调度规则的实时选择和评价方法进行综述,以研究实际生产中动态车间的实时调度问题。对调度规则的发展、分类以及特点进行了概述,并对调度规则的选择和评价方法进行了总结。详细介绍了调度规则的选择方法,包括使用较多的稳态仿真方法和表现较好的人工智能方法,并给出了仿真方法、专家系统、机器学习方法以及人工神经网络方法,用于调度规则的选择时所取得的研究成果和结论。此外,还介绍了调度规则的评价指标及评价方法。最后针对调度规则存在的不足,指出了未来的研究方向。     

车间作业调度遗传算法中的编码研究

首先讨论了车间作业调度数学表达模型，然后提出了车间作业高度基因等概念，接着详细论述了ＪＳＳ连锁基因编码法的机理，最后给出了ＪＳＳ连锁基因编码法的实施步骤并说明了ＪＳＳ连锁基因编码法的可行性。     

机器学习在智能车间高度系统中的应用

基于规则和信真的车间高芳系统与专家系统的结合，使智能能调度得到了广泛的应用。但是知识的缺乏制约了应用效果。经过开发一个有机器学习能力的车间调度系统证明：机器间解决知识分管的一个有效途径，用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。     

数据挖掘技术在水库调度中的研究与应用

水文预报对于水库调度、洪水控制、发电、灌溉等工作至关重要。从目前的研究情况看，各种传统的径流预报方法用于中长期径流预报时，预报精度都比较低。本文首先介绍了数据挖掘的基本知识，并将基于神经网络的数据挖掘方法应用于水文预报中，使用boosting回归算法建立数据挖掘模型，进而发现和挖掘水库调度的内在规律和潜在效能。     

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。     

基于领域知识的多智能体分层协作规划方法

针对复杂动态RoboCup仿真环境下的多智能体协作问题,提出一种使用领域知识的多智能体分层协作规划方法。在根据系统提供的环境状态信息建立智能体初始行为规划的基础上,通过逐步填入智能体的状态和行为特征属性知识,分析行动实现的效果,对初始规划行动进行调整,为智能体制定协调一致的行为规划序列,并获得相应的协作策略信息,使其在实际对抗比赛中能针对当前环境快速做出决策,实现通信受限的情况下多智能体的协作。     

Sentiment mining in a collaborative learning environment: capitalising on big data

ABSTRACT

The ability to exploit students’ sentiments using different machine learning techniques is considered an important strategy for planning and manoeuvring in a collaborative educational environment. The advancement of machine learning technology is energised by the healthy growth of big data technologies. This helps the applications based on Sentiment Mining (SM) using big data to become a common platform for data mining activities. However, very little has been studied on the sentiment application using a huge amount of available educational data. Therefore, this paper has made an attempt to mine the academic data using different efficient machine learning algorithms. The contribution of this paper is two-fold: (i) studying the sentiment polarity (positive, negative and neutral) from students’ data using machine learning techniques, and (ii) modelling and predicting students’ emotions (Amused, Anxiety, Bored, Confused, Enthused, Excited, Frustrated, etc.) using the big data frameworks. The developed SM techniques using big data frameworks can be scaled and made adaptable for source variation, velocity and veracity to maximise value mining for the benefit of students, faculties and other stakeholders.     

秘书问题中聘用双方策略研究

秘书问题是一类概率最优化问题,鉴于现实应用中其理论最优策略缺乏可操作性,而传统启发式策略仅关注阀值确定,不涉及阀值和标杆关系的定量分析。为此,推导“截止阀法则”中阀值与标杆的最优组合关系,提出一种“三分决策法”聘用策略,以总量的1/3为样本,并以1号~3号标杆为参照选取目标,运用多主体系统的建模方法,对应聘策略进行分等级讨论,分析2种不同竞争模式下,优劣各异的应聘者在应聘队列中最大化录用概率。应用结果表明,该策略简便易行,且有效性能达到最优理论解性能的95%以上。     

多智能体系统初始状态一致性应用研究

针对一阶多智能体系统,研究了含有时滞和不含时滞两种情形下收敛到初始状态（认为初始状态都为0）的问题,提出了一种使多智能体系统能够收敛到初始状态的一致性协议。在此一致性协议的基础上,严格推导了该多智能体系统达到初始状态的充分性判据。结合无人机编队中的应用,给出了两种情况下多智能体系统收敛到初始状态的仿真,验证了所提出的一致性协议的正确性以及充分性判据的有效性。     

Spatial data mining and visualization based on self-organizing map

Based on the traditional spatial data analysis, a novel mode of spatial data mining and visualization is proposed which integrates the self-organizing map for the actual problem. Simulations for IRIS data show that this method （computational and visual） can collaboratively discover complex pattems in large spatial datasets, in an effective and efficient way.     

云计算虚拟现实技术供应链协同系统设计与实现

针对如何保障用户个性化需求的准确度和反馈满意度问题,建立了个性化基于虚拟现实供应链云计算协同管理技术。该技术,首先分析了行业特点和个性化服务特性,同时综合考虑服务时间、成本、用户体验质量等特征,提出了个性化数据挖掘虚拟现实控制机制。其次,基于云计算提出了协同管理控制系统架构,优化用户个性化需求和解决差异化对供应链的影响。与非协同管理方案相比,所提出的协同管理算法将个性化差异对供应链管理的干扰降低25%,保障用户满意度处于较高水平。     

基于Web使用挖掘的个性化学习推荐系统

针对当前E learning推荐系统存在的问题，引入多Agent（MAS）系统，提出一种基于Web使用挖掘的集成MAS与Web services的分布式智能推荐系统模型。该模型能动态生成基于用户使用信息的个性化链接页面，有效地帮助学员找到所需的资源信息。提出了一种基于最近最少使用策略的系统推荐算法，包括系统整体实现算法、系统聚类算法及推荐算法。实时性能分析显示该系统运行性能良好。     

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。     

基于多Agent的数字海图协同处理模型

为满足数字海图协同处理智能化和可扩展的需求,根据“数字海洋”系统中数字海图的多源异构和分布式区域管理的特点,在计算Agent社会模型的基础上,构建一种基于多Agent的数字海图协同处理模型,分析模型的具体协作流程,并建立协同工作机制。仿真实验结果验证了该模型的有效性。     

面向车间作业计划与执行同步的动态调度技术

车间作业计划安排与实际执行的同步是制造执行系统需要解决的核心技术问题。通过系统的分析动态调度的问题类型,形成了动态调度的机制和策略;根据车间执行实时反馈信息,提出了基于任务调整的同步重调度解决框架;针对车间设备故障对调度方案更新的分析,建立了动态工作日制模式;从充分发挥调度人员经验的角度,提出了人机交互协调的调度方案调整技术。最后,开发了支持任务调整、工序执行与计划同步调整、故障模式、设备工作模式调整下的调度方案更新以及人机交互调度与方案调整等功能的调度软件,有效地提高了车间制造执行的有序、协调、可控的水平。