基于知識的動態(tài)調度決策機制研究.pdf

1、當前，急劇變化的市場環(huán)境使得制造企業(yè)必須以高度敏捷性來贏得競爭優(yōu)勢。由此，動態(tài)調度技術成為調度領域的研究熱點，其理論價值和現(xiàn)實意義日益顯著。本文以基于知識的動態(tài)調度決策機制為研究對象，構建了基于多Agent的調度實現(xiàn)框架，對動態(tài)調度策略、動態(tài)調度決策模型，以及與之相關的基于粗模糊集的Agent調度知識獲取、融合和更新等理論問題和關鍵技術進行了系統(tǒng)的研究。 1.將調度涉及的對象抽象為Agent實體，基于合同網協(xié)議構建動態(tài)調度框架；

2、提出基于模糊Petri網的動態(tài)調度決策機制，運用規(guī)格化的條件屬性知識和調度規(guī)則知識，以模糊Petri網作為推理機制，進行模糊推理決策，最終為各任務確定執(zhí)行資源，實現(xiàn)任務的動態(tài)調度?；谀：齈etri網的知識決策模型，在性能評價的基礎上，綜合影響決策結果的諸因素：規(guī)則可信度、條件屬性可信度和條件屬性權值，通過先定性再定量的決策過程，使調度執(zhí)行過程更趨合理、有效。 2.通過“資源可用性”和“上相似任務”的概念定義了任務的相似性知識，

3、根據資源對任務的可用性與任務間對資源的需求相似性，提出一種動態(tài)再調度策略，并構建了多階段動態(tài)生產調度模型，從而避免任務的無謂中斷與釋放，達到減少受影響任務數(shù)量、降低任務調整成本的目的。 3.基于任務和資源完成任務的成本、質量、負荷和時間等屬性，通過一種從專家的行為實例數(shù)據集中學習和歸納決策知識的粗模糊方法，將模糊集中的隸屬度函數(shù)作為粗糙集的屬性，以模糊截集獲取系統(tǒng)的分類知識。在此基礎上構造決策表，以粗糙集理論對決策表屬性進行分析

4、；針對不同專家獲取的決策表沖突問題，提出基于投票表決的知識融合策略，實現(xiàn)了以多位專家為對象所獲取知識的整合，得到公共調度決策表。 4.在分析制造系統(tǒng)所承受的內外更新動力的基礎上，提出基于任務執(zhí)行參數(shù)的反饋更新的方法，形成閉環(huán)的知識更新模型，從而實現(xiàn)對資源可信度評價的積累；提出基于人機交互的模糊控制更新方法，以完成決策屬性、規(guī)則可信度，以及條件屬性重要度的更新，使系統(tǒng)感知并適應制造外部環(huán)境的發(fā)展；在以上兩種更新方法的基礎上，構建調