摘要：针对混流装配线上紧急订单插入的情形提出一种动态调度策略,通过对未上线产品队列的重调度以及在制品队列的动态调度,实现紧急订单的最大程度优先交付和生产目标的最优化。基于在制品状态转移路径的可调整性,对在制品的可达产品集进行分析,为在制品队列的动态调度建立了一个指派问题模型,实现了紧急订单最优先交付的非停线动态调度,并基于产品装配状态路径的树状结构设计了一种启发式算法对该模型进行求解。结合生产实例对模型与算法进行了求解与仿真,结果表明了模型和算法的有效性。

摘要：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。

摘要：随着分布计算技术的迅速发展,利用广域分布的计算资源构建并执行科学工作流,已成为当前学术界和工业界关注的热点问题.为满足用户和计算控制机制的需求,往往需定义科学工作流的时序约束.但是,由于任务处理时间具有不确定性,在运行过程中容易出现时序违反.为保证科学工作流的正确执行,迫切需要能根据实时运行状态自动实现动态调度的方法.针对已有研究方法的不足,本文提出了一种基于遗传蚁群混合算法的科学工作流动态调度优化方法.首先,建立了时序约束下的科学工作流动态调度模型,该模型综合考虑了科学工作流的时间与成本优化目标,并融合了基于概率的时序约束满足性需求;然后,采用改进的遗传蚁群混合算法实现模型求解.该算法通过设计提高种群搜索导向性及保持种群多样性的策略,从求解精度及求解速度两方面提高了求解效率.最后,通过与现有方法的多组实验对比,说明了本文算法的优越性.

摘要：为提高中继卫星系统应对突发状况的能力,提出了基于滚动时域策略的中继卫星动态调度方法,将复杂动态调度过程分解为数个静态调度子问题,同时根据中继卫星动态调度需求,设计了多目标优化算法对子问题进行求解。首先构建了以最大任务完成率和最小调度方案调整幅度为优化目标的中继卫星动态调度模型,然后基于动态调度特性提出了动态任务调度方法,该方法采用周期和事件驱动的混合重调度机制,将调度过程分成多个调度区间,在每个区间内利用自适应邻域搜索的多目标进化算法对窗口任务进行调度。为了验证所提出的动态调度模式及算法的有效性,开展了大量仿真实验。实验结果证明了所提方法在解决中继卫星动态调度问题方面的优越性,与前沿的多目标优化方法NSGA-Ⅱ、MDSA-NSGA-Ⅱ和MODJA相比,本文设计的算法能生成更高质量的解。

摘要：针对动态多变环境下的作业车间调度问题,在基于周期和事件驱动的滚动窗口再调度策略基础上,采用冻结时段思想,同时又允许再调度在冻结时段内的资源上的闲置时段安排任务,并由此建立了机器存在不可用时段约束的动态调度模型。借鉴量子进化算法中量子旋转门更新量子位的方法,设计了三段式交叉操作,并在算法框架中嵌入了局部搜索操作,提出了混合差分进化算法作为再调度的优化方法。通过算法性能与作业车间动态调度实验,验证了所提动态调度方法的有效性。

摘要：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。

摘要：航天结构件生产过程中批产任务与研发任务并存,个性化小批量研发生产任务导致紧急插单现象频发.为了保障任务如期完成,解决柔性作业车间面临的动态调度问题,以最小化设备平均负载和最小化总完工时间为优化目标,提出了感知-认知双系统驱动的双环深度Q网络方法.感知系统基于知识图谱实现对车间知识的表示并生成多维信息矩阵;认知系统将调度过程分别抽象为资源配置智能体和工序排序智能体两个阶段,分别对应两个优化目标,设计了车间状态矩阵对问题和约束进行描述,调度决策中分步骤引入动作指令;最后分别设计奖励函数实现资源配置决策和工序排序决策的评价.经某动力所航天壳体加工的实例验证和算法对比分析,验证了所提方法的优越性.

摘要：针对一体化进攻作战中战损装备众多、抢修时间与抢修力量有限的矛盾,将战场抢修、伴随保障、任务动态调度结合起来,进行了进攻作战抢修任务动态调度研究。提出考虑不确定性的进攻作战抢修任务动态调度的现实军事问题,构建其数学模型,分析核心影响因素。针对问题特点,设计了基于变体遗传算法的模型求解方法,并运用Matlab软件进行了15辆待修装备、3个抢修单元的动态调度示例求解。示例结果表明:通过实施抢修任务动态调度,进攻作战部队能够获得约77 h的二次作战总时间,并大大减少决策时间、降低决策工作量和人为决策风险。

摘要：针对MPSoC系统中的不确定多特征,提出基于模糊集理论的多核系统动态启发式调度算法.利用模糊集描述系统的多种不确定特征,根据模糊隶属度计算确定任务和资源的调度优先级,以提高任务调度的可并发执行能力;综合资源的最早可用时间和利用率,适当选取最接近处理器评估函数均值的处理器,以提高处理器利用率和均衡处理器负载.仿真模拟结果表明,该算法的系统综合性能好于近视算法、节约算法和分组适度算法,更能适用于多样特征的复杂MPSoC系统任务调度.

摘要：针对基于知识的调度系统在实际应用中存在的知识源具有主观倾向性、决策依赖部分属性等缺陷,提出了一种新的基于知识的动态调度决策方法。在此基础上设计了调度决策系统。以合同网协议为协调机制,构建了基于多Agent的动态调度框架;由调度专家经验知识获取调度规则知识,并采用投票表决法解决规则知识的冲突,在实现知识融合的同时获得规则知识的可信度;对资源的调度历史记录进行学习,获取资源的条件属性可信度;利用粗糙集中定义的条件属性重要度,计算调度规则知识中各条件属性重要度,并对其进行归一化处理,获取条件属性权值;提出了基于模糊Petri网的知识决策模型,以条件属性可信度为托肯、条件属性权值为输入强度、规则知识可信度为输出强度进行推理,得到决策属性可信度,形成决策结果。描述了动态调度系统的知识决策过程,完成了系统分析设计。