产品设计过程降低成本的多智能体模型研究

针对设计过程降低产品成本涉及知识领域广、知识表达难于统一的缺陷,提出基于多智能体结构的降低成本系统的框架,研究了各子智能体的构成、工作原理及各智能体的知识类型,探讨了各相应智能体之间的冲突消解与协同机制,以实例说明了方法的有效性。     

基于协同设计的冲突检测与消解研究

异地合作环境下产品协同设计需要多学科多领域专家的参与,文中主要介绍多个协同小组共享多种资源时避免冲突的矩阵搜索法,建立冲突解决模型,构建了协同设计系统结构,并探讨了基于协商的冲突解决方法,最后实例验证了方法的可行性。     

基于Web的机床组件协同分析和优化环境

计算机支持的协同优化分析是实现复杂机械产品协同设计的一个重要环节，阐述了协同优化分析的思路、核心，构建了机床组件协同分析、优化的结构模型。针对这种结构模式，探讨了机床组件的有限元分析优化的协同过程、冲突和冲突消解机制以及协同过程中任务机制，描述了有限元分析优化过程的自动实现，并给出车床床身模态分析的实例。在这种模式下，充分体现了CAE技术在工程应用中的价值。     

协同设计中集成化冲突消解系统的研究

针对协同设计中冲突的复杂性和多样性,采用集成的冲突消解方法,从全生命周期的角度对冲突进行管理。首先建立约束网络,然后通过约束的传播进行冲突检测,并根据冲突的关联关系确定冲突消解的优先次序,接着采用约束松驰、规则推理、事例推理、协商仲裁等方法消解冲突,最后提出集成化冲突消解流程,并开发了相应的原型系统。     

基于常量条件函数依赖的冲突消解算法

目前绝大部分冲突消解方法都是基于迭代计算数据源可靠度和事实可信度的机制。当数据源较少时,数据源的可靠度难于进行评估,仅凭投票来消解冲突往往会造成较大误差。针对数据源较少时的冲突消解问题,提出基于常量条件函数依赖的冲突消解算法。根据多个数据源之间的冲突,找出冲突匹配对及对应的冲突候选值集合。考虑常量条件函数依赖中具体到部分实例子集的约束关系,将常量条件函数依赖集作为先验知识,通过判断候选值是否符合常量条件函数依赖来选择正确的候选值,避免了错误数据比例较大时直接投票选择产生的误差。通过两个真实数据集上的对比实验验证了上述算法的有效性。     

基于对策论的协同设计目标冲突协商方法研究

采用协商方法解决协同设计中因目标差异而产生的冲突，给出了协同设计冲突起因的数学描述，研究了基于对策论的目标冲突协商方法，建立了协同设计冲突协商模型，给出该模型的Nash协商解和基于满意度的解。在此基础上建立了具体的冲突协商流程，通过某机床主轴的协同设计实例说明该方法的有效性。     

移动数据同步冲突预处理与消解策略研究

由于当前电力系统移动作业计划性强,户外作业网络不可靠,业务数据量大,并发度高等特点,传统数据同步技术及冲突处理方式,已难以满足用户的高可用性需求。提出了一种基于数据包的移动数据同步冲突预处理与消解策略,通过定义数据包规则进行冲突检测,以中间数据库为媒介进行冲突消解,保证了移动终端与业务系统之间的数据的一致性,并解决了国内外同类方案未能解决的业务高峰期大数据量、高并发引起的业务系统性能瓶颈问题,表现出良好的快速响应能力和稳定性。     

基于冲突相关性检测的竞争管理模型

在无干扰特性下的软件事务存储系统中,竞争管理策略直接应用于冲突事务的消解,对具有整个系统的性能有直接的影响。针对现有竞争管理决策方式相对单一而产生的性能不稳定问题,提出了基于冲突相关性检测的竞争管理模型。该方法可以从过去的仲裁记录中分析冲突事务中存在的关联性,并把检测到的关联性作为当前冲突的决策依据,从而得到较优的冲突处理结果。在仿真平台采用该方法对部分基准数据结构的测试数据表明,该方法检测到并且帮助提交的冲突关联事务最多可占系统吞吐量的30%,其事务吞吐总量比其他参照对象的平均值高出约11%,具有较好的灵活度和适用性。     

一种求解资源受限多项目调度问题的分解算法

针对资源受限多项目调度的多目标优化问题,采用约束逐层分解策略,提出了依次处理项目时序约束和资源约束的两阶段分解算法.第一阶段为时序约束优化阶段,采用蚁群算法进行任务列表的优化求解.通过改进信息素增量规则并采用并联进度生成机制,提高蚁群算法的求解效率和质量.其中,在构建任务合成链表的过程中遇到并联活动抢夺资源情形,采用基于熵权的逼近理想解排序法和基于有序加权平均算子的多属性决策方法来确定活动的综合权重,并依据权重对冲突活动进行排序,实现资源的冲突消解.第二阶段为资源约束优化阶段,以获得的优化任务合成链表为输入,逐项进行资源能力约束的核查与调整,最终生成项目调度的优化方案.通过多项目算例仿真结果验证了所提方法的有效性.     

基于改进DQN算法的无人仓多AGV路径规划

针对无人仓中多AGV路径规划与冲突问题,以最小化总行程时间为目标,建立多AGV路径规划模型,提出一种基于动态决策的改进DQN算法。算法设计了基于单AGV静态路径规划的经验知识模型,指导AGV的学习探索方向,提前规避冲突与障碍物,加快算法收敛。同时提出基于总行程时间最短的冲突消解策略,从根本上解决多AGV路径冲突与死锁问题。最后,建立无人仓栅格地图进行仿真实验。结果表明,本文提出的模型和算法较其他DQN算法收敛速度提升13.3%,平均损失值降低26.3%。这说明该模型和算法有利于规避和化解无人仓多AGV路径规划冲突,减少多AGV总行程时间,对提高无人仓作业效率具有重要指导意义。