動態(tài)車間調查度建模及求解方法研究.pdf

1、現(xiàn)代制造業(yè)競爭日益激烈，舊的生產模式已經無法適應現(xiàn)代化生產的要求，大規(guī)模車間調度問題的研究已經成為當前的熱點。但是車間制造系統(tǒng)內容復雜、范圍廣泛，很多領域的研究還很薄弱，并且調度問題大多是NP-hard問題，此問題已經成為當前研究的瓶頸。所以，現(xiàn)代先進生產車間調度的基礎和關鍵問題是如何使用有效的優(yōu)化調度方法。Agent技術的誕生為車間調度的研究提供了一個嶄新的途徑，Agent技術已經成為人工智能的熱門話題。本文采用了基于改進合同網的多A

2、gent方法，并將云自適應遺傳算法(CAGA)運用到資源調度過程中，最后在JADE平臺下對其進行了仿真。全文的主要研究內容如下：
　　 (1)對合同網協(xié)議進行了改進。雖然多Agent協(xié)作的主要方法是合同網協(xié)議，但經典的合同網中存在著通信量過大等問題，影響實際的合作過程和任務完成的效率。本文在原有合同網模型的基礎上，對傳統(tǒng)合同網協(xié)議中的不足進行改進，提出了全局雙向通信協(xié)商與局部自主協(xié)商共同工作的改進型合同網機制，提高了合同網的通信

3、效率。
　　 (2)在傳統(tǒng)調度系統(tǒng)的基礎上，建立了多Agent車間調度模型，并詳細設計了各Agent在車間中的功能。應用改進的合同網協(xié)議實現(xiàn)各個Agent之間的談判協(xié)商，并設計了基于多Agent的車間調度算法。
　　 (3)根據制造網格資源管理的流程及資源調度的目標，提出基于云自適應遺傳算法的面向用戶多目標和特定限制的資源調度方法，對云自適應遺傳算法進行了收斂性的證明并用典型函數(shù)對其進行測試，最后用算例證明了該方法優(yōu)于標