6个研究背景和意义示例,教你写计算机调度规则论文

今天分享的是关于调度规则的6篇计算机毕业论文范文, 如果你的论文涉及到调度规则等主题,本文能够帮助到你

基于深度强化学习的作业车间调度方法研究

这是一篇关于作业车间调度,动态调度,调度规则,强化学习,Deep-Sarsa,神经网络的论文, 主要内容为人工智能技术的成熟推动了制造业向自动化、智能化的方向挺进。车间调度问题作为制造业的核心技术之一,已然受到广大学者的密切关注。作业车间调度(JSP)作为其中一种典型的调度问题,拥有丰富的研究成果。其中,基于调度规则的算法实施简单且算法复杂度较低,在实际生产中应用十分广泛。然而研究表明,调度规则的性能在不同生产状态下具有较大的差异性,单一调度规则无法适应所有生产环境。因此,设计能够合理选择或组合调度规则的方法对于车间调度具有重要的研究价值。与此同时,深度学习和强化学习技术的发展使基于自主感知环境的智能调度成为研究趋势。本文主要研究了深度强化学习算法在作业车间调度问题中的应用。主要研究内容有:首先,本文设计了一种基于Sarsa的深度强化学习算法(Deep-Sarsa)。该算法使用神经网络作为函数估计器,把车间环境中的信息抽象为网络的输入,调度规则作为网络的输出,利用Sarsa算法进行状态-行为对值的更新。并设计了一个具备自适应能力和自竞争能力的激励函数。据我们所知,这是首次以Sarsa算法对状态-行为对值进行更新,将深度强化学习方法应用于JSP问题的研究。应用标准算例进行测试,并与强化遗传算法、单一调度规则进行对比,结果表明所提算法在求解质量方面具有明显的优势。然后以工件随机到达为动态事件,对作业车间动态调度问题进行研究。前文所提Deep-Sarsa算法中对于状态、行为、激励函数的定义均保持不变,这也表现了所提方法在不同调度问题上的适用性较强,即能够解决作业车间静态调度问题和特定条件下的动态调度问题。通过设计不同规模的算例进行算法测试,并与经典的Deep Q-learning(DQN)算法、单一调度规则对比,验证了所提算法在该动态调度问题上的优势。接着,以更为复杂的柔性作业车间为研究对象,以机器故障为动态事件,根据故障属性进行状态的划分,并设计了一种新颖的双层行为组合,包含第一层选择工件的规则和第二层选择机器的规则。该模型能够实现不同程度机器故障下的最优重调度策略选择。最后,给出了全文的工作总结和工作展望。

数据驱动的柔性产线智能调度算法研究及工业APP开发

这是一篇关于调度规则,车间调度,深度强化学习,微服务的论文, 主要内容为新一代信息技术的不断落地,推动制造业向智能化转型。车间调度作为智能制造的重要一环,决定着生产资料的分配,影响着企业的效益。柔性产线作业车间调度问题是NP-hard问题,采用基于规则的深度强化学习算法是一类有效的求解方法。现实中,企业看重准时完工,能否在交货时间窗内交付将对企业收益产生重大影响。因此,如何为产线上不同交货区间、机器柔性的作业设计调度规则和算法,成为解决实际排产调度问题的重点和难点。论文主要工作如下:(1)改进深度Q网络算法的调度规则动作集。在解决柔性产线作业车间调度的准时完工问题时,通用单规则将交货期定为具体时间点而非区间,且在拖期和提前时间最小加权和的目标下性能不佳。因此,论文首先改进了交货期导向的单规则,结合时间窗概念设定最早、最晚交货期。其次,编写目标为减小加权和的复合规则。最终,将常用的通用单规则作为备选,结合改进的单规则和编写的复合规则,组成智能体的调度规则动作集。通过实验,在标准测试集下,改进调度规则的深度Q网络算法性能优于混合差分进化算法和改进人工蜂群算法。通过随机算例验证改进调度规则的深度Q网络算法性能优于遗传算法和仅使用通用单规则的深度Q网络算法。(2)研究基于深度Q网络的柔性产线作业车间静态调度方法。以基于数据驱动的调度模型为依据,设计深度Q网络算法的状态特征空间、动作空间、动作选择策略、奖励函数、网络结构。根据通用的设计规则,考虑机器状态和作业加工状态为输入特征,设定基于目标函数的奖励函数提升收敛速度,选择贪婪策略来进行动作选择获取最大奖励,确定两个多层神经网络结构来进行目标值网络的逼近。最终一方面通过训练结果验证算法收敛性,另一方面通过实例验证算法有效性。(3)对调度算法实施主体产线调度管理工业APP设计开发与测试。从需求分析、架构设计、模块功能设计、部署测试四个方面进行研究。需求分析层面,功能性需求采用角色化思路,通过用例图进行需求描述。非功能性需求参照传统软件的性能要求进行描述。架构设计层面,介绍了软件的逻辑架构和技术架构。模块功能设计层面,一方面将软件整体拆为多个微服务模块,增强软件的灵活性、可维护性,另一方面在设计具体的模块功能时,为增强软件的实际价值,增设了权限管理、企业订单数据定时同步、调度算法调用等功能,并根据设计方案编写代码实现。最终,将软件部署在私有云服务器,并完成了软件测试,验证了软件的可用性。

基于智能代理的车间调度仿真系统研制

这是一篇关于智能代理,多智能体,车间调度,仿真系统,分配策略,调度规则,合同网协议的论文, 主要内容为车间调度是现代制造系统的主要组成部分,车间调度问题实质是一个事先为作业分配资源的优化决策过程,即对一个可用的加工机床集在时间上进行加工作业集的分配,以满足某个性能指标集。在现代化制造系统中,随着企业规模的扩大,解决好企业车间调度问题,是实现生产自动化、高效率和高柔性的关键所在;作为一类典型的组合优化问题,车间调度的研究具有重要的理论和实用价值。正确处理好车间调度问题,可以为企业节约大量的人力、物力,使制造设备和资源可以得到更加有效充分地利用,提高企业的生产效率。车间调度不仅是一个NP难题,而且是已知的同类型问题中最坏命题。由于车间制造信息庞杂,特别是车间生产过程中各种不确定性因素普遍存在(如设备故障,操作人员缺席,紧急订单的产生等)。此外,车间制造活动中还存在大量不精确信息和不完备信息,所有这些因素使得车间调度问题变得很复杂。本文从智能代理和仿真方法着手,用GAIA的方法建立起车间调度模型,通过对模型地分析,把复杂的车间调度问题抽象为管理Agent、机器Agent和工件Agent,重点分析了这三种智能代理间的通信机制和基于合同网的招标—投标过程,并且以“最短完工时间和企业获得最大的经济效益为衡量标准”,设计了一套调度分配策略和调度规则,为了保障车间调度能有效、持续地进行,还建立起惩罚措施。最后通过以具体的车间调度实例为对象,在WindowsXP平台下,采用SQLServer2000进行数据库库设计,用C#语言开发出智能车间调度仿真软件。该软件能根据动态订单流的需求,合理安排工件到设备上进行有效加工,其过程具有智能化、动态性,这对优化和改进车间调度算法,具有重要的参考价值。同时能够充分发挥设备的可利用性,提高调度速度,增强企业生产效率,最大限度的获得经济效益。

基于启发式调度规则的车间作业计划算法及仿真研究

这是一篇关于车间作业计划问题,调度规则,启发式调度算法,实验案例设计,仿真调度的论文, 主要内容为随着FMS和CIMS技术的发展,车间作业计划问题的研究越来越显示出其重要性,成为最具有吸引力的研究领域之一。据统计,我国机械制造行业约90%左右的企业属于单件订货型生产。可见,单件订货型生产企业在我国国民经济建设中起着极其重要的作用。但在由订单驱动的生产中,生产的一次性和制造过程的经验性,造成车间级生产的计划性差,各种变更和意外冲突频繁。车间级生产计划成为制造业企业的生产管理中最为薄弱的环节,也是制造业企业管理者最为棘手的问题。针对这一状况本文将单件订货型企业的动态车间作业计划问题作为研究主题。具体工作如下: 首先从车间作业计划的研究现状入手,系统的阐述了已有的车间作业计划问题的特点、分类、模型和求解算法。由于工件是动态、随机的到达车间,车间作业计划问题通常都是动态调度问题。动态车间作业计划的关键是调度的快速性和响应的敏捷性,现有的精确优化算法不能求解动态调度问题,因此,通常采用具有求解速度快、容易得到满意甚至近优调度解的启发式调度规则。其次,探索了基于启发式调度规则的车间作业计划问题的求解,研究和设计了启发式调度算法,并采用面向对象的编程语言Java、基于JBuilder开发平台,进行了仿真调度平台的设计和扩充。随后,为评价不同的启发式调度规则对工件随机陆续到达的车间作业计划问题的调度性能,设计了车间作业计划问题的仿真调度案例。在16种仿真参数集下对调度案例进行了仿真调度,得到了相应的调度结果。最后,对仿真调度结果进行了统计分析。以最大流经时间、平均流经时间、流经时间方差、拖后工件比率、拖后工件数、最大拖后时间、平均拖后时间等作为性能指标,对11种不同的调度规则在各种仿真参数下的调度性能进行了评价分析,总结了不同调度规则的调度性能,从而为启发式调度规则在车间作业计划中的应用提供了有价值的参考。