一、A New Algorithm for Resource Constraint Project Scheduling Problem Based on Multi-Agent Systems(论文文献综述)
于懿宁,徐哲,刘东宁[1](2020)在《考虑多技能人力资源的分布式多项目调度问题》文中提出在分布式多项目管理中,当考虑共享资源为多技能人力资源时,共享资源的指派涉及到"活动-技能-资源"的匹配关系,进一步考虑人力资源多技能异质的特性,还会导致活动实际执行工期会随着指派方案的不同而变化,因此,考虑共享资源为多技能人力资源的分布式多项目调度问题是一类具有很强现实背景和理论研究价值的NP-hard问题.基于多Agent系统,建立以单项目完工时间为优化目标的局部调度模型,以及多项目总延期成本为优化目标的全局协调决策模型;考虑人力资源多技能异质的特点,设计基于贪婪指派策略的序贯博弈谈判机制指派共享的人力资源;基于Ran Gen随机生成的多项目算例开展实验研究.研究表明:基于贪婪指派策略的序贯博弈谈判机制对于程度不同的资源冲突和不同规模问题的求解均具有较好的适应性,可有效降低多项目总延期成本,且求解效果优于随机分配策略;设计的优先指派技能水平高、掌握技能数少、工作时间短的全局资源指派策略,可获得较优的人力资源指派方案和多项目调度计划.
仇永涛[2](2020)在《离散智能车间扰动预测与高效运行管控方法研究》文中研究表明随着工业4.0、物联网、数据挖掘等概念的提出,计算机技术与先进制造业的理念和方法正不断深入融合,基于信息物理系统的智能制造也应运而生,形成以服务为导向、以数据为依托、以人工智能为决策方法的人机协同制造新模式。在智能制造环境下,车间集成各类传感器(测力计、温度器、RFID等)实现车间数据采集,物联网等基础设施实现车间系统互联互通。但由于实际加工环境中的各类扰动,会直接或间接导致生产进程异常,尤其是以多品种、小批量为生产特征的离散车间,其不确定性扰动更为复杂,实时工况的多变更是增加了以调度为关键的车间管控难度,降低了车间生产效率,增加了车间管控成本和不确定性。因此,需要贴近现实车间实际,划分车间扰动异常,定量计算扰动影响程度,并预测可能会发生的扰动,进而基于扰动预警,实现车间扰动发生前的主动调度,避免扰动影响车间作业。同时,需提高扰动事后的车间重调度能力,结合企业生产需求,降低已发生扰动对车间正常运行带来的危害。本文针对这些关键问题,从构建扰动预测模型和设计有效调度方法两方面进行展开,以提高车间运行管控能力。具体内容如下:(1)针对车间扰动,分别从临时性变化、通常环境和显着或不显着改变三个角度阐述车间扰动概念。构建以服务、质量和价格为评价指标,以人、设备、物料和调度为扰动资源要素的层次树多元扰动划分框架,对车间宏观扰动进行了系统分类。基于改进的故障失效模式和影响分析,提出一种新的扰动分析模型—扰动风险向量。定义了平面偏向向量的风险向量优先级,有效降低扰动风险数值重复率,实现了不同扰动的差异化。并以此为基础,设计车间扰动风险向量及扰动评估方法。提出以三角函数和梯形函数为隶属度函数的模糊层次分析法以克服主观权重问题。应用差异性指数划分扰动数值,发现关键扰动,为车间管理员高效定位车间扰动和预防控制扰动提供依据。此外,三维矢量的平面拟合为分析不同指标扰动的分布和差异提供了方法。(2)针对数据背后的潜在扰动,依据实体物流操作过程的等待加工时间、机床准备时间、加工时间、等待转移时间和转移时间分别建立理想作业时间流和实际作业时间流数学模型,并以此为基础提出潜在扰动时间概念,反映了扰动对离散车间作业的影响。从车间系统功能出发,解析离散车间数据源,并对其进行统一分类。建立离散车间数据流框架,提出基于数据挖掘的离散车间潜在扰动预测方法,完成了由扰动预测到车间生产的闭环控制。考虑到噪声冗余数据,提出混合贝叶斯的决策树算法用于离散车间扰动预测。实验结果验证了所提方法能有效发掘潜在扰动并指导车间生产,同时所提算法相较其它算法具有更优的预测精度。(3)针对扰动预测下的高效车间作业静态调度问题,提出了以最大完工时间和总延迟为优化目标,建立了混合进化算法和种群知识的离散作业车间多目标调度求解模型。由优化目标和属性归纳确定工件工序属性(工序特征、加工时间、剩余加工时间、交货期和优先级),通过NSGA-Ⅱ混合模拟退火算法获取优秀种群个体,应用优先级类权重实现种群的知识挖掘。提出增添排序法ADSM,重新局部调整工序,获取基于知识的初始种群个体,避免了知识挖掘下工序不足或过饱和问题。实验比较了其它种群个体在不同迭代次数和不同种群大小下优化目标和帕累托性能指标,结果表明在有限的迭代次数下,本文所提方法能够获得更优的帕累托解。(4)针对已发生扰动对车间作业的影响,深入研究了扰动下车间重调度问题,给出离散车间扰动下重调度理论框架和关键技术。提出原计划接受度和重调度触发度概念和数学模型,建立以交货期和扰动时间变化率为基准的重调度驱动机制。应用指标加权法提出以最大完工时间、质量损失指数和工序加工成本为一体的优化目标函数。设计并改进模拟退火遗传算法,以基准案例对优化目标函数值和收敛性进行算法性能测试,以某电梯零部件智能制造车间调度实例进行重调度验证,结果表明所提算法和重调度策略优越且有效。开发了离散车间调度平台,并介绍了系统主要功能模块。
高磊[3](2020)在《电网建设项目多主体协同决策模型及应用研究》文中进行了进一步梳理随着电力体制改革逐步深化,电网建设投入在整个电力建设投入的比重逐年持续增加,电网建设管理模式、运营模式和投资比例的逐步转变也对电力工程项目管理思路和方法提出了新的要求。此外,根据电网建设项目的特点,项目建设过程中长期面临建设时序分配、资源均衡调配、风险合理规避、投资效益优化、电力稳定供应等诸多问题,需要综合考虑不同因素,电网建设则可视为多主体、多要素、多目标、多阶段的协同决策研究问题。然而,传统的电网项目建设管理模式普遍存在各利益主体自利性和信息断层情况,难以根据项目特点优选出满足多方需求的建设方案,同时,在实施过程中存在区域电网建设项目的工期、投资和资源调配不合理现状,并难以达到项目综合效益优化的目标。因此,本文开展电网建设项目多主体协同决策模型及应用的研究工作,基于电网建设项目多主体特征和协同决策目标研究,分别构建了面向电网建设项目方案优选及方案实施的协同决策模型,针对模型的特点分别引入多智能体技术、粒子群算法和非支配排序遗传算法进行求解,并通过模型应用系统提供了多主体协同决策的平台。主要研究内容如下:(1)梳理了电网建设项目多主体协同决策的研究背景及意义,开展了对国内外电网建设项目多主体协同决策模型及应用问题的研究综述,并概述了电网规划和建设基本概念、利益相关者理论、多智能体模型及方法、多目标优化模型及方法等相关概念和基础理论,为后续研究奠定了相应理论基础和研究范围。(2)研究了电网建设项目利益相关主体特征及协同决策目标。首先,运用电网建设项目流程WBS结构,分析并识别了电网建设项目8类主要利益相关主体;其次,研究各主体的利益偏好和主体的自利性、目标差异性,以此为基础引出多主体协同决策的理念,分析了电网建设项目多主体协同决策逻辑和内容;同时,运用文献综合分析法结合系统动力学的因果关系流图识别电网建设项目协同决策目标,归纳出协同决策应从不同角度合理满足电网项目的规划管理、建设条件、投资决策和建设运营这4类目标需求。该部分研究内容从协同决策目标方面为协同决策模型及应用提供了研究基础。(3)构建了基于MAS技术的方案优选协同决策模型。基于电网建设项目协同决策目标研究,将重要的目标抽象成为MAS中的Agent,构建了协同决策MAS模型的整体架构,以及其中各主要Agent的结构、功能以及通信模式;基于多Agent之间协商交互能力,利用Petri网和合同网协议描述方案优选的多Agent交互流程,并通过模糊Petri网的模糊规则对应可选择方案设置方案集,方案集由多Agent的模糊变量因素协同决策进行选择,最终,形成了基于FPN电网项目方案优选协同决策模型,进一步通过算例应用验证模型计算过程和有效性。该部分的研究内容可以结合不同区域电网项目特点,考虑多方主体需求,提供建设方案优选的决策依据和方法。(4)构建了基于多目标优化的方案实施协同决策模型。在方案优选的基础上,通过研究一定区域内电网项目规划阶段和建设阶段协同决策的目标,建立适宜的目标函数,结合目标函数和约束条件构建电网项目方案实施协同决策模型。本文一方面建立面向电网规划实施过程的协同决策模型,采用粒子群算法进行求解;另一方面,建立面向电网建设实施过程的协同决策模型,运用遗传算法进行求解;通过实例证明两阶段模型的合理性。模型和算法则纳入多智能体系统中,作为相应MAS的方法库和模型库一部分。该部分研究内容可以在工期、资金和资源约束条件下,考虑多方主体需求,提供满足建设方案实施中多目标优化的决策依据和方法。(5)构建了基于多主体需求的协同决策模型应用系统。基于两类协同决策模型研究,构建了一个基于B/S架构的电网项目协同决策模型应用系统,该系统属于信息公开的系统,确保各方主体信息畅通、数据准确和完备,具备提供各方主体交流和互动决策的多项功能,同时,协同决策支持平台能够充分结合MAS技术,并利用优化算法功能,解决电网建设协同决策过程中多元化、多层次的复杂问题。其功能包括多智能体管理、多主体方管理、方案优选管理、多目标优化管理、空间地图管理等,根据项目实际需求设计各类功能的子功能。该部分研究内容可以为电网建设项目多主体协同决策的规模化实践应用提供参考。本研究从工程项目管理视角将智能化、信息化方法应用于电网建设项目管理,为探索我国电网建设项目规划、设计、建设阶段的多主体协同决策及高效管理提供了理论依据和实践参考。
田松龄[4](2019)在《基于制造物联网的柔性制造车间动态调度方法研究》文中认为车间通常是研究制造资源配置、生产优化调度和制造系统管控的最小物化单位。结合制造物联网(Internet of Manufacturing Things,IoMT)和多代理(Agent)技术可以实现无需人工干预下的设备与设备之间的交互,从而使整个车间系统中的设备具备了自感知、自决策、自执行和协作执行复杂任务的能力。车间工艺路线柔性化是解决车间需求多变且生产执行不稳定难题的一条有效途径。基于非线性集成工艺规划和车间调度思想,提出了分层多目标优化的方法,在求解工艺路线的优化问题时提出了基于Dijkstra工艺路线规划方法;在机器分配问题和工序调度问题求解阶段,提出了基于Petri网和蚁群优化(Ant Colony Optimization,ACO)的车间调度算法PN-ACO。为了检验PN-ACO算法求解车间调度问题的性能,对典型算例进行测试。选择柔性作业车间调度问题(Flexible job-shop scheduling problem,FJSP)标准算例进行了对比试验。对比试验的结果显示了PN-ACO算法在求解FJSP问题时结果的优越性,同时也证明了所提出的启发式函数ηgh有效性和搜索机制的高效性。安防件制造系统调度实例验证了提出的柔性工艺路线车间调度问题求解方法的可行性与高效性。以某列车车轴加工车间的月生产调度优化为工程实例,结果显示加工总时长为26.3天,比原计划缩短了12.3%,从而证明PN-ACO算法的工程应用能力。鲁棒性和稳定性是异常事件扰动下动态车间重调度的两个重要指标,通常很难确定两者重要性,目前常采用权重法,求解时需要大量的权重优选实验。提出了非合作动态博弈的动态调度方法,实现了多目标权重难以确定的动态调度问题的求解。提出了滚动窗口重调度驱动策略,解决了重调度阶段较多情况下博弈方法失效问题以及频繁重调度问题。在对比试验中,提出的滚动窗口重调度机制和非合作动态博弈方法相结合(Hybrid algorithm combining game theory and scroll window,HGW)的动态车间调度方法得到的重调度的结果相比较预调度而言没有显着的增加,相对误差指标RD为11.33%和原点矩指标MID 13.74均优于对比方法。可以证明提出的HGW方法在解决动态车间调度问题的高效性。提出的HGW方法实现了重调度方案波动对IoMT下车间运行稳定性破环问题的解决。针对目前很难解决的不完备信息扰动(扰动发生时刻、扰动结束时刻和扰动频次不确定)下扰动恢复问题,利用时间自动机实时监测扰动事件,并提出了基于虚拟队列控制的车间调度方法,在决策时间点,计算异常事件对车间系统造成的偏差,如果达到阈值则触发调整虚拟队列,保证系统的总运行时间不会进一步恶化,从而实现扰动信息不完备情况下车间的自适应调度,同时也解决了IoMT下的多Agent方法利用实时信息和在制造执行阶段的应用的难题。通过工程实例可知自适应调度方法简化了车间动态调度控制中的规则系统,使得对车间的调度控制更易于实现。原型系统的开发规范了IoMT的业务流程,并为更复杂的智能制造系统设计提供了较为真实的设计参数辅助。
刘爽[5](2019)在《邮轮项目计划协调优化技术研究》文中研究表明邮轮项目具有计划执行严格、资源管理精细、交船日期精准等特点,邮轮计划优化对项目计划执行、资源分配具有重要的影响。目前,针对邮轮项目计划优化问题的研究很少,传统船舶的作业量与计划量远少于邮轮项目,面向传统船舶的计划优化方式难以满足邮轮项目的计划优化需求。多Agent技术在解决分布式决策问题上具有多项成功案例,在邮轮项目复杂协同问题的求解中具有较好的求解预期。因此,本文基于多Agent技术进行邮轮项目计划协调优化技术研究,对邮轮项目计划工期与计划鲁棒性进行优化,并开发原型系统进行验证。论文首先分析研究现状,研究邮轮项目计划管理特点和计划管理业务流程,根据项目分解与计划编制方法,构建适用于邮轮项目管理的五级计划;其次,建立基于多Agent技术的邮轮项目计划协调优化框架,结合邮轮项目计划协调特征,提出基于组合拍卖机制的多Agent系统协调策略;进而建立资源受限邮轮项目调度模型,提出基于改进粒子群算法的资源受限邮轮项目调度方法,并以此为基础采用关键开始时间算法策略,设计任务延期概率的计算方法,实现保证邮轮项目工期的同时提高计划的鲁棒性;最后,完成邮轮项目实例验证并构建邮轮项目计划协调优化原型系统,证明本文方法求解资源受限邮轮项目调度问题的有效性。
王润泽[6](2018)在《基于QPSO的多智能体制造过程优化方法研究》文中研究指明二十一世纪以来,经济全球化不断加快,随之制造业水平也突飞猛进,前三次的工业革命的主导国家都进入到稳中有升时代。2013年德国首先提出了“第四代工业-Industry4.0”战略规划,德国制造也一直在世界前列,此次“工业4.0”的提出也是为了保证其在世界制造行业的领头羊地位,德国“工业4.0”的提出将会对世界工业水平造成一定的冲击。我国借鉴德国提出的“工业4.0”,分析了我国制造业的现状,提出了“中国制造2025”计划,随着第四次工业革命的到来,本次工业革命的主题就是--智能制造,也是工业革命当之无愧的核心,是满足二十一世纪新时代的第四代制造系统。本文研究的落脚点是对智能制造下的流程工业的制造过程中的各个车间在生产过程中合理的协调机制,如何对资源的实现合理配置,实现节能减排,达到绿色生产高效率生产。本文针对流程工业的特点,利用Agent的特性,分析了多Agent技术和流程工业制造过程的分布式结构,结合多智能体的体系结构,设计了基于MAS系统的分层分布式的制造过程优化模型。在算法应用方面,比较了粒子群算法和量子行为粒子群算法的特点,通过单峰函数和多峰函数验证了量子行为粒子群算法在收敛速度和全局最优以及运行时间的优势。在对复杂问题进行求解过程中,建立了多目标优化的数学模型,定义了本文的整体目标函数,以及整体目标函数下的四个子目标函数,根据某玻璃纤维行业提供的模型和数据,建立了完整地仿真系统,最后通过量子行为粒子群算法和多智能体系统的混合编程,对玻璃纤维实际数据进行处理,通过实验对比,验证了模型的合理性。
李国梁[7](2017)在《通信约束下分布式对地观测卫星系统在线协同任务调度模型与算法》文中进行了进一步梳理当前对地观测需求大幅度增加,对地观测任务越来越复杂,随时会面对突发应急情况和观测环境变化,分布式对地观测卫星系统的在线协同以其星上处理、星上调度规划、星上协同为特征,充分利用系统自身的分布性和自主性,实现针对突发应急情况的快速响应、精细调度和协同观测,以提升整个系统的观测效能。论文针对通信约束下分布式对地观测卫星系统在线协同任务调度问题,主要研究了在线协同架构的设计、单星在线任务调度机制以及通信约束下的多星协同任务调度模型与算法,以满足实际应用的需求。全文主要研究成果概括如下:(1)分析并设计了面向分布式对地观测卫星系统在线协同的集中-分布式架构和分散式架构。在梳理多Agent系统协同架构与多星通用架构的基础上,明确多星在线协同所面临的实际约束、应用需求以及架构设计要点,分别设计了集中-分布式协同架构和分散式协同架构,并对架构内各Agent的智能水平与其自主功能配置,以及各Agent之间的信息流交互进行详细设计,从而为后续相应的算法机制设计奠定了基础。(2)构建了基于修订式和渐进式方法的单星在线任务调度机制。面向通信约束、计算能力约束以及动态应急任务到达,卫星网络环境下的单星在线调度问题求解分为两个决策子问题:一是何时调度,二是如何调度。针对何时调度,提出基于时域滚动与应急任务累积阈值的调度时刻混合决策机制,而针对如何调度,构建混合整数线性规划(MILP)模型,根据已提出的调度时刻混合决策机制,分别采用渐进式方法中的完全重调度策略和修订式方法中的调度计划修复策略,提出两种启发式算法。实验结果而言,对于何时调度,从进入调度求解的应急任务比例和总任务收益等性能指标上,调度时刻混合决策机制明显优于完全周期性调度机制;对于如何调度,所提出的两种算法均优于近期公开发表的多种方法。(3)针对通信约束下不同的在线协同架构,提出了多种在线协同算法。分析描述了通信约束下的同构多星在线协同调度问题,特别是对通信约束进行表述,定义了通信时间窗口、批次任务的时间可用性和应急任务的时间可用性等概念,进而构建每批应急任务到达时的子问题MILP模型;面向集中-分布式协同架构,提出了两种基于市场机制的在线协同算法:单项任务下的合同网协议算法SI-CNP和批次任务下的合同网协议算法BA-CNP;面向分散式协同架构,提出了基于同步通信的改进一致性束算法m-CBBA和基于异步通信的改进异步一致性束算法m-ACBBA。实验结果表明,当系统中的通信成本代价高时,m-CBBA算法可在系统总收益和通信次数之间取得平衡,而当系统的通信成本低时,m-ACBBA算法是获得高系统总收益和高应急任务调度成功比例的最佳选择。(4)系统地研究并求解了通信约束下面向复合任务的异构多星在线协同调度问题。首先对复合任务及其子任务约束进行分析描述,具体分为可一次性调度的前摄复合任务和需渐次性调度的渐次复合任务;然后对子问题划分,分别构建MILP模型;最后针对分散式协同架构,构建了基于通用部分全局规划GPGP的异构多星在线协同机制,对已提出的在线协同调度算法进行相应的改进。实验结果表明当通信成本高时,尽可能多搭载成像载荷更有利;要提高复合任务的任务完成度,需保证足够高的收益系数。
王媛媛[8](2012)在《基于多Agent的双重资源约束项目调度算法》文中提出资源约束项目调度问题(resource-constrained project scheduling problem,RCPSP)研究在满足项目时序约束和资源约束的条件下,合理调度项目活动,以实现某一优化目标的最优化。近年来,随着现代大型项目管理的发展,项目逐渐表现为空间上的分布性和组织上的动态性,传统的求解资源约束项目调度问题的模型已经无法满足项目调度优化的需求,因此,很多学者提出了基于多agent系统的项目调度模型。本文针对资源约束项目调度问题,利用多agent理论,在前人研究的基础上,以项目总工期最短为目标函数进行了创新性研究。建立了由工作agent、资源agent和模式agent组成的资源约束项目调度系统,通过对由6种不同的工作优先级规则和3种模式优先级规则组成的调度系统进行仿真实验,分析出了表现较好的工作优先级规则和模式优先级规则,并基于该分析结果对调度系统进行了改进。同时,为了避免系统对不可再生资源的过度消耗,本文设计了相应的保护策略,防止了系统对不可再生资源的过度消耗,提高了系统调度的效率。本文使用Java语言对资源约束项目调度系统进行了仿真实验。首先根据工作的执行模式,分为单模式项目调度和多模式项目调度,然后针对每种调度方法,分别比较了当网路复杂度、资源因子、资源强度不同时项目总工期,分析了不同工作优先级规则和模式优先级规则的性能,并利用分析结果改进了项目调度系统。通过以上实验证明了本文建立的基于多agent的双重资源约束项目调度系统的有效性和实用性。
李默[9](2011)在《工程施工企业项目组合优选与组织模式研究》文中研究说明随着我国国民经济的快速增长,工程施工企业承建的工程项目正逐渐向大型化、复杂化以及跨地域化方向发展,而且项目具有高风险、长工期、参与单位众多、并行施工和资源消耗巨大的特点,项目之间存在着资源的共享和冲突。如何在企业资源有限的条件下,选择符合企业发展战略目标的工程项目,是我国建筑业能否持续高速发展的一个关键问题。本文在分析工程施工企业项目管理现状的基础上,结合项目组合管理的理论和方法,根据工程施工企业项目组合管理的基本流程和关键机制,提出了“工程施工企业项目组合优选与组织模式研究”这一课题,并从以下几个方面进行了研究:首先,在对多项目、项目群和项目组合的异同点进行分析的基础上,提出了工程项目组合管理的内涵,分析了项目组合管理理论在工程施工企业中的适用性,设计了工程项目组合管理的决策步骤,构建了基于多主体的工程施工企业项目组合管理流程模型,详细描述了模型的决策步骤以及决策主体的功用,并对每个决策阶段的具体流程进行了深入分析。其次,根据工程项目的特点构建了工程项目评价指标体系,并对现有的综合评价方法进行了总结,分析了各种方法的基本原理、优缺点、评价步骤及其在项目评价中的应用,提出了层次分析法、模糊综合评价法、精确值评价法和数据包络分析法相结合的综合评价模型,兼顾了评价的主观性与客观性,并通过算例说明了模型在工程项目优先级评价中的具体运用。第三,根据工程项目组合优选模型构建的基本思路和假设条件,综合考虑多种约束条件和项目之间的相互影响关系,构建了工程项目组合优选的数学模型,并采用基于合作协同进化的遗传算法(CCGA)对项目组合选择模型进行求解,通过CCGA中多种群间的协同合作,获得工程项目组合管理模型的最优解,并通过实例证明了该算法的有效性。第四,分析了工程施工企业项目管理组织结构研究的现状,总结了当前工程施工企业项目管理组织结构存在的问题,从项目组合各组织间合作的角度,提出了基于战略Partnering模式的项目组合管理组织理念,建立了项目组合管理企业集团战略级、分子公司战术级以及单个工程项目级的三级组织形式,并对每一级的组织结构、职能定位、相互关系进行了详细描述。最后,构建了工程项目组合管理信息系统(EPPMIS)的体系结构,在分析EPPMIS设计原则以及用户需求的基础上,采用面向主体的软件工程方法,提出了基于多主体的EPPMIS的结构框架。设计了基于网格服务和多主体系统的EPPMIS信息集成平台,针对项目组合各参与方信息平台的异构性、开放性和动态性等特点,使用多主体系统解决了各参与方信息平台与网格环境集成的难题,并对基于网格和多主体的EPPMIS信息集成平台在工程项目组合管理中的优势进行了论述。
宋岩[10](2011)在《基于多Agent和本体的散杂货港口集团船舶调度系统研究》文中研究表明随着全球经济的不断发展和港口吞吐量的节节攀升,贸易需求国际化在给港口企业带来机遇的同时也对港口各方面服务质量提出了极大的挑战,传统的船舶调度和生产资源调配方式已经无法满足频繁的船舶进出港和装卸货需求;贸易多样化的需求使得港口不得不在兼顾自身利益的同时,满足客户对货运质量的不断提升的要求。因此,如何实现一种适应于散杂货港口集团的船舶调度系统,使其能够在提升港口散杂货船舶作业效率的基础上,提高港口集团的生产调度整体水平,是实现我国散杂货港口集团船舶调度的信息化、智能化的关键。本文通过对散杂货港口集团船舶调度问题的研究,深入分析了散杂货港口集团的生产运营状况,借助多Agent的结构模式和本体知识推理构建了基于多Agent和本体的散杂货港口集团船舶调度系统原型,主要内容和成果如下:(1)提出了基于多Agent的散杂货港口集团船舶调度双层体系散杂货港口集团船舶调度是一个多环节相互作用、多因素相互影响的动态、开放式生产过程,该过程由集团层调度和港务公司调度两阶段组成。本文根据这一特点,充分发挥多Agent系统在分布式计算和协作方面的优势,提出了基于多Agent的散杂货港口集团船舶调度双层体系。双层体系由港务公司调度计划编制和集团调度计划审核两部分构成,并构建了6类分别具有外部环境感知、本体知识推理和算法模型计算等能力Agent完成双层体系的整体功能。(2)构建了多Agent系统的协调机制本文在处理多Agent之间的协调机制过程中,引入了基于集团—港务公司组织结构模式的协作机制和基于冲突消解的协商机制。在冲突消解机制中,提出了基于冲突消解的动态补偿策略,该策略为参与协商的各Agent提供一个相对公平的环境,以实现港口集团船舶调度全局目标和局部目标之间的均衡。(3)提出了散杂货港口船舶调度领域本体的构建方法合理的应用船舶调度规则和知识经验积累是提高散杂货港口船舶调度质量的有效手段。本文为实现对散杂货港口船舶调度领域知识推理问题的求解,提出了散杂货港口船舶调度领域本体的构建方法。构建方法根据散杂货港口船舶调度领域多专业交叉的特点,又进一步提出了领域相关度(Domain Correlation)的概念,详细阐述了多专业本体集成的方法与模型,并针对知识推理构建了本体集成推理体系。(4)建立了基于改进蚁群算法和本体推理相结合的动态泊位指派模型泊位指派问题是港口船舶调度中的核心,如何确定船舶的作业顺序、船舶—泊位的靠泊匹配是泊位指派问题的关键。在研究泊位指派问题的过程中,本文将船舶在港时间最小化作为优化的主要指标,基于船舶重要程度的考虑提出了船舶资源使用优先级模型,对传统蚁群算法进行了改进,并将船舶—泊位匹配关系通过本体推理形成约束矩阵。最后,将基于改进蚁群算法和本体推理相结合的模型应用于动态泊位指派问题的求解过程中。(5)构建了基于多Agent和本体的散杂货港口集团船舶调度系统原型本文提出了基于多Agent和本体的散杂货港口集团船舶调度系统原型的集成体系结构和技术体系架构,集成体系结构方面主要描述了船舶调度系统与港口生产业务管理系统的集成方式和数据交互方式;技术体系架构描述了实现船舶调度系统原型的各类相关技术组合。最后,描述了如何采用J2EE框架,借助JADE、Jess和Protege等技术,实现基于多Agent和本体的散杂货港口集团船舶调度系统(Multi-Agent and Ontology Port-group Ship-Scheduling System MAOPSS)原型,并对部分重要功能和界面进行了展示和说明。
二、A New Algorithm for Resource Constraint Project Scheduling Problem Based on Multi-Agent Systems(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、A New Algorithm for Resource Constraint Project Scheduling Problem Based on Multi-Agent Systems(论文提纲范文)
(2)离散智能车间扰动预测与高效运行管控方法研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 离散智能车间主要特征 |
1.2.2 车间扰动及扰动预测方法研究 |
1.2.3 车间运行管控及调度方法研究 |
1.3 论文研究内容及结构 |
第二章 基于改进FMEA的离散车间关键扰动分析与预测 |
2.1 离散车间扰动分析与预测框架 |
2.1.1 离散车间扰动描述与定义 |
2.1.2 离散车间关键扰动分析与预测框架 |
2.2 离散车间扰动层次划分方法 |
2.3 基于改进FMEA的离散车间关键扰动分析与预测方法 |
2.3.1 FMEA方法概述 |
2.3.2 离散车间扰动风险向量模型 |
2.3.3 离散车间扰动优先级与关键扰动预测 |
2.4 离散车间扰动风险向量应用与实施 |
2.4.1 扰动风险向量 |
2.4.2 车间扰动风险向量 |
2.5 本章小结 |
第三章 基于数据挖掘的离散车间潜在扰动预测 |
3.1 离散车间潜在扰动时间 |
3.1.1 理想作业时间流 |
3.1.2 实际作业时间流 |
3.1.3 潜在扰动时间 |
3.2 基于数据挖掘的离散车间潜在扰动预测方法 |
3.2.1 数据挖掘方法概述 |
3.2.2 离散车间数据源及分类 |
3.2.3 离散车间数据预处理关键方法 |
3.2.4 离散车间数据挖掘的潜在扰动预测 |
3.3 基于NBTree的离散车间数据挖掘算法 |
3.3.1 基于朴素贝叶斯的先验分类 |
3.3.2 基于C4.5的扰动预测 |
3.3.3 结合朴素贝叶斯和C4.5的NBTree算法 |
3.4 实验设计与分析 |
3.5 本章小结 |
第四章 扰动预测下的离散车间多目标静态调度优化 |
4.1 扰动预测下的离散车间多目标静态调度问题及优化模型 |
4.1.1 多目标优化理论 |
4.1.2 扰动预测下离散车间多目标静态调度问题及模型 |
4.2 混合进化算法和种群知识的离散车间多目标调度方法 |
4.2.1 工序属性特征选择 |
4.2.2 训练数据准备 |
4.2.3 种群知识挖掘 |
4.2.4 规则种群初始化 |
4.3 实验设计与分析 |
4.3.1 多目标进化算法优化 |
4.3.2 多目标性能指标 |
4.3.3 实验结果和讨论 |
4.4 本章小结 |
第五章 离散车间扰动下的重调度方法研究 |
5.1 离散车间扰动下重调度理论体系 |
5.1.1 扰动下的车间重调度问题 |
5.1.2 离散车间扰动下重调度理论框架 |
5.1.3 离散车间扰动下重调度关键技术 |
5.2 基于原计划接受度和重调度触发度的重调度驱动机制 |
5.3 离散车间扰动下的重调度模型与优化算法 |
5.3.1 问题描述 |
5.3.2 数学模型 |
5.3.3 算法设计 |
5.4 实例分析与应用 |
5.4.1 算法性能测试 |
5.4.2 实例描述与重调度仿真 |
5.4.3 平台开发 |
5.5 本章小结 |
主要结论与展望 |
主要结论 |
展望 |
主要创新点 |
致谢 |
参考文献 |
附录1 :作者在攻读博士学位期间发表的论文 |
附录2 :质量和价格相关的扰动层次划分示意图 |
附录3 :质量和价格相关的扰动优先级矩阵 |
附录4 :LA18工序优先级 |
(3)电网建设项目多主体协同决策模型及应用研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究意义 |
1.2 国内外研究现状及分析 |
1.2.1 电网建设多主体协同决策影响因素研究 |
1.2.2 多智能体系统应用及协同决策的模拟 |
1.2.3 电网项目决策常用的优化模型和算法 |
1.2.4 协同决策支持平台系统应用研究 |
1.2.5 相关文献研究述评 |
1.3 研究内容、研究思路和研究创新点 |
1.3.1 主要研究内容 |
1.3.2 研究思路和技术路线 |
1.3.3 研究的主要创新点 |
第2章 相关概念和理论基础 |
2.1 电网项目规划与建设管理概述 |
2.1.1 电网规划概念和电网类型划分 |
2.1.2 电网项目规划与建设管理的重点内容 |
2.1.3 电网规划与建设管理信息化、智能化发展优势 |
2.2 利益相关者理论 |
2.2.1 利益相关者内涵 |
2.2.2 利益相关者识别方法 |
2.2.3 利益相关者理论的应用 |
2.3 多智能体系统(Multi-Agent System)相关理论 |
2.3.1 智能体(Agent)概念及分类 |
2.3.2 多智能体系统(MAS)概念及特征 |
2.3.3 Agent之间交互行为构成与协作模式 |
2.3.4 MAS交互行为的描述方法 |
2.4 多目标优化相关理论 |
2.4.1 多目标优化理论和解集特征 |
2.4.2 多目标优化智能算法 |
2.5 本章小结 |
第3章 电网项目多主体特征与协同决策目标研究 |
3.1 电网项目建设流程分析 |
3.2 电网建设项目利益相关主体识别与特征分析 |
3.2.1 利益相关主体界定因素 |
3.2.2 利益相关主体的识别 |
3.2.3 利益相关主体的特征和利益偏好 |
3.3 电网项目多主体决策面临的典型问题 |
3.3.1 电网建设项目多主体动态变化特征 |
3.3.2 电网建设项目多主体协同程度较差 |
3.4 电网项目多主体协同决策目标研究 |
3.4.1 多主体协同决策逻辑和内容分析 |
3.4.2 多主体协同决策目标研究 |
3.5 本章小结 |
第4章 基于MAS技术的方案优选协同决策模型 |
4.1 电网项目方案优选协同决策的MAS应用基础 |
4.1.1 MAS技术应用的基本逻辑分析 |
4.1.2 MAS模型基本架构及模块分类 |
4.1.3 系统功能型Agent结构及功能设计 |
4.1.4 业务功能型Agent结构及功能设计 |
4.1.5 Agent之间通信设计 |
4.2 基于MAS技术的电网项目方案优选流程 |
4.2.1 Agent之间交互行为分析 |
4.2.2 MAS的协同决策交互过程 |
4.2.3 基于MAS技术的方案优选流程分析 |
4.3 电网项目方案优选的协同决策模型及应用 |
4.3.1 模糊Petri网基本原理 |
4.3.2 电网建设项目协同决策的策略集分析 |
4.3.3 基于FPN的电网项目方案优选协同决策模型 |
4.3.4 算例分析 |
4.4 本章小结 |
第5章 基于多目标优化的方案实施协同决策模型 |
5.1 电网项目规划和建设实施阶段的目标侧重点 |
5.2 电网项目方案实施协同决策的目标函数构建 |
5.2.1 建设周期目标函数 |
5.2.2 建设选址目标函数 |
5.2.3 投资决策目标函数 |
5.2.4 资源调配目标函数 |
5.3 基于多目标优化的协同决策算法模型 |
5.3.1 多目标优化函数 |
5.3.2 约束条件 |
5.4 面向电网规划的MOPSO模型及应用 |
5.4.1 模型的基本假设 |
5.4.2 MOPSO模型求解流程 |
5.4.3 算例分析 |
5.5 面向电网建设的NSGA-Ⅱ模型及应用 |
5.5.1 模型的基本假设 |
5.5.2 NSGA-Ⅱ模型求解流程 |
5.5.3 算例分析 |
5.6 本章小结 |
第6章 面向多主体协同决策模型的应用系统构建 |
6.1 应用系统构建的意义及原则 |
6.2 多主体需求分析 |
6.2.1 用户主体类型划分 |
6.2.2 用户主体需求分析 |
6.3 系统开发和结构设计 |
6.3.1 系统开发技术 |
6.3.2 系统结构设计 |
6.4 协同决策应用系统功能 |
6.4.1 系统功能树分析 |
6.4.2 系统功能应用研究 |
6.4.3 功能应用效果分析 |
6.5 本章小结 |
第7章 研究成果与结论 |
参考文献 |
附录 |
攻读博士学位期间发表的论文及其他成果 |
攻读博士学位期间参加的科研工作 |
致谢 |
作者简介 |
(4)基于制造物联网的柔性制造车间动态调度方法研究(论文提纲范文)
摘要 |
ABSTRACT |
字母注释表 |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.2.1 制造物联网下车间生产过程监测和管控研究现状 |
1.2.2 制造物联网下车间生产规划研究现状 |
1.2.3 复杂扰动环境下车间生产扰动恢复研究现状 |
1.3 研究现状分析与问题提出 |
1.4 研究内容及组织框架 |
第二章 制造物联网下车间生产过程监测和管控 |
2.1 车间生产过程监测和管控问题描述 |
2.2 车间生产过程监测方法 |
2.2.1 基于制造物联网的事件监测方法 |
2.2.2 基于自动机的异常事件监测模型 |
2.3 车间生产过程管控方法 |
2.3.1 扰动事件预警方法 |
2.3.2 扰动事件快速响应方法 |
2.4 应用实例与分析 |
2.4.1 车间生产过程监测实验 |
2.4.2 车间生产管控标准算例实验 |
2.4.3 车间生产过程管控仿真实验 |
2.4.4 结果分析 |
2.5 小结 |
第三章 制造物联网环境下柔性工艺路线车间调度与实施 |
3.1 柔性工艺路线车间调度问题描述与求解流程 |
3.1.1 柔性工艺路线车间调度问题描述 |
3.1.2 柔性工艺路线车间调度问题的求解流程 |
3.2 工艺路线优化问题建模与求解 |
3.2.1 工艺路线优化问题建模 |
3.2.2 工艺路线寻优算法 |
3.3 柔性作业车间调度问题建模和求解 |
3.3.1 柔性作业车间调度问题建模 |
3.3.2 柔性作业车间调度问题求解 |
3.4 制造物联网环境下调度实施 |
3.5 应用实例与分析 |
3.5.1 柔性作业车间调度问题标准算例 |
3.5.2 工程应用1 |
3.5.3 工程应用2 |
3.5.4 结果分析 |
3.6 小结 |
第四章 制造物联网环境下车间扰动恢复 |
4.1 扰动环境下重调度问题描述 |
4.2 基于博弈的多目标车间动态调度方法 |
4.2.1 多目标博弈优化方法 |
4.2.2 动态车间调度博弈模型和求解流程 |
4.2.3 子博弈精炼Nash均衡的求解 |
4.2.4 基于滚动窗口技术的动态调度驱动策略 |
4.2.5 动态车间调度执行 |
4.3 自适应调度方法 |
4.3.1 车间调度队列模型 |
4.3.2 车间生产系统自适应调度 |
4.3.3 自适应调度机理 |
4.4 应用实例与分析 |
4.4.1 动态车间调度仿真实验 |
4.4.2 动态车间调度工程实例 |
4.4.3 自适应动态调度仿真案例 |
4.4.4 结果分析 |
4.5 小结 |
第五章 制造物联网驱动下的原型软件系统开发 |
5.1 原型系统的可行性分析 |
5.2 系统总体设计 |
5.2.1 系统总体目标 |
5.2.2 系统主要任务 |
5.3 智能信息管理与执行系统软件架构 |
5.4 智能信息管理与执行系统软件功能模块 |
5.5 智能信息管理与执行系统软件工程应用 |
5.6 小结 |
第六章 总结与展望 |
6.1 全文总结 |
6.2 本文创新点 |
6.3 展望 |
参考文献 |
发表论文和参加科研情况说明 |
致谢 |
(5)邮轮项目计划协调优化技术研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景 |
1.2 论文研究的目的和意义 |
1.3 国内外研究现状 |
1.3.1 项目计划编制与优化技术 |
1.3.2 多Agent技术 |
1.3.3 粒子群算法及关键开始时间算法 |
1.4 研究内容及技术路线 |
1.4.1 论文研究内容 |
1.4.2 论文研究路线 |
第2章 邮轮项目计划管理业务模式研究 |
2.1 邮轮项目计划管理特点 |
2.2 邮轮项目计划管理业务流程 |
2.3 邮轮项目分解与计划编制方法研究 |
2.3.1 邮轮项目分解研究 |
2.3.2 邮轮项目计划编制方法研究 |
2.4 邮轮项目五级计划 |
2.5 本章小结 |
第3章 基于多Agent的邮轮项目计划协调优化模型构建 |
3.1 多Agent系统调度原理 |
3.2 基于多Agent的邮轮项目计划协调优化系统框架构建 |
3.2.1 基于多Agent的邮轮项目计划协调优化系统框架 |
3.2.2 Agent的定义与基本结构 |
3.3 邮轮项目计划协调优化系统协调策略 |
3.3.1 邮轮项目计划协调优化系统协调理论 |
3.3.2 邮轮项目计划协调优化系统Agent协调特征 |
3.3.3 基于多Agent的组合拍卖设计 |
3.4 本章小结 |
第4章 基于改进PSO与STC的邮轮项目计划优化 |
4.1 邮轮项目资源受限调度问题建模 |
4.1.1 问题描述 |
4.1.2 模型假设 |
4.1.3 模型建立 |
4.2 基于改进PSO算法的邮轮项目资源受限调度 |
4.2.1 粒子适应度函数的确定 |
4.2.2 粒子位置信息的编码操作 |
4.2.3 改进PSO算法策略 |
4.2.4 改进PSO算法求解步骤 |
4.3 基于STC算法的邮轮项目计划鲁棒性调度 |
4.4 实例验证 |
4.5 本章小结 |
第5章 邮轮项目计划协调优化原型系统构建 |
5.1 邮轮项目计划协调优化系统开发技术与开发环境 |
5.2 邮轮项目计划协调优化系统需求分析 |
5.1.1 系统角色需求分析 |
5.1.2 业务流程需求分析 |
5.3 邮轮项目计划协调优化系统功能设计 |
5.4 邮轮项目计划协调优化系统功能视图 |
5.5 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间发表的论文和取得的科研成果 |
致谢 |
(6)基于QPSO的多智能体制造过程优化方法研究(论文提纲范文)
摘要 |
ABSTRACT |
第1章 绪论 |
1.1 研究背景和意义 |
1.1.1 研究背景 |
1.1.2 研究的目的和意义 |
1.2 国内外的研究现状 |
1.2.1 基于多Agent系统制造过程优化的研究 |
1.2.2 量子粒子群算法在制造过程中的应用 |
1.3 本文的技术路线 |
1.4 本文的创新点 |
1.4.1 建立基于MAS系统的制造过程优化模型 |
1.4.2 建立多目标数学模型 |
1.4.3 Matlab与JADE混合编程; |
第2章 制造过程优化和MAS系统理论介绍 |
2.1 智能制造和制造过程优化 |
2.1.1 智能制造 |
2.1.2 流程工业制造过程现状 |
2.1.3 制造过程优化 |
2.2 Agent技术与运用 |
2.2.1 Agent的定义及结构特征 |
2.2.2 智能体Agent的工作机制 |
2.2.3 多Agent系统 |
2.3 本章小结 |
第3章 基于多智能体系统的制造过程优化模型设计 |
3.1 Multi-AgentSystem的建模思想及过程 |
3.1.1 MAS的建模优势 |
3.1.2 制造过程优化与MAS系统的关系分析 |
3.2 构建多智能体系统的制造过程优化模型 |
3.2.1 基于多智能体系统的制造过程优化搭建 |
3.2.2 制造过程优化系统中的Agent模型构建及实例分析 |
3.3 基于多智能体的制造过程优化系统结构中的设计 |
3.3.1 全局调度Agent |
3.3.2 交互Agent |
3.3.3 系统管理Agent结构 |
3.3.4 车间控制Agent系统结构 |
3.3.5 车间控制Agent结构 |
3.3.6 机器Agent结构 |
3.4 本章小结 |
第4章 算法设计和实现 |
4.1 粒子群算法概述 |
4.2 量子行为粒子群算法 |
4.3 QPSOAgent算法 |
4.3.1 Agent自学习性 |
4.3.2 测试函数选取 |
4.3.3 实验结果以及分析 |
4.4 本章小结 |
第5章 基于JADE的MAS系统实现 |
5.1 JADE平台 |
5.2 JADE的特点 |
5.3 Agent类 |
5.4 Agent的通信语言(ACL) |
5.4.1 支持响应一个消息 |
5.4.2 支持Java序列化以及发送字节序列 |
5.4.3 ACL编码器 |
5.4.4 简单的通信实例 |
5.5 设计与实现 |
5.5.1 Agent在JADE平台上的执行 |
5.5.2 基于JADE平台的QPSO制造过程优化流程 |
5.6 基于QPSO的多Agent系统制造过程实现关键代码 |
5.7 本章小结 |
第6章 基于玻璃纤维的生产仿真实验 |
6.1 玻璃纤维生产过程中的多Agent系统仿真结构 |
6.2 目标函数 |
6.3 数学模型 |
6.4 玻璃纤维数据分析 |
6.5 设计与实现步骤 |
6.6 系统实现 |
6.7 本章小结 |
第7章 总结与展望 |
7.1 总结 |
7.2 展望 |
参考文献 |
致谢 |
在学期间主要科研成果 |
一、发表学术论文,专利情况 |
二、其他科研成果 |
附件 |
(7)通信约束下分布式对地观测卫星系统在线协同任务调度模型与算法(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 研究背景及意义 |
1.2 国内外研究现状 |
1.2.1 分布式对地观测卫星系统 |
1.2.2 单星自主任务调度规划研究现状 |
1.2.3 多星协同任务调度规划研究现状 |
1.2.4 多机器人系统协同任务分配研究现状 |
1.2.5 当前研究存在的问题与解决思路 |
1.3 论文组织结构与创新点 |
1.3.1 论文主要内容与组织结构 |
1.3.2 论文创新点 |
第二章 基于多Agent系统的分布式对地观测卫星系统在线协同架构设计 |
2.1 Agent与多Agent系统 |
2.1.1 Agent |
2.1.2 多Agent系统 |
2.1.3 多Agent系统协同架构 |
2.2 通信约束下基于多Agent系统的在线协同架构分析与设计 |
2.2.1 约束与需求分析 |
2.2.2 协同架构设计要点分析 |
2.2.3 集中-分布式多星协同架构 |
2.2.4 分散式多星协同架构 |
2.3 本章小结 |
第三章 基于修订式和渐进式方法的单星在线任务调度机制 |
3.1 问题描述 |
3.2 调度时刻混合决策机制 |
3.3 调度模型与算法设计 |
3.3.1 模型构建 |
3.3.2 求解策略 |
3.3.3 启发式算法 |
3.4 实验设计与结果 |
3.4.1 实验设计 |
3.4.2 针对何时调度的结果分析 |
3.4.3 针对如何调度的结果分析 |
3.5 本章小结 |
第四章 通信约束下面向简单任务的同构多星在线协同 |
4.1 问题描述与数学模型 |
4.1.1 问题描述 |
4.1.2 数学模型 |
4.2 面向集中-分布式架构的在线协同算法 |
4.2.1 单项任务下的合同网协议算法 |
4.2.2 批次任务下的合同网协议算法 |
4.3 面向分散式架构的在线协同算法 |
4.3.1 基于同步通信的改进一致性束算法 |
4.3.2 基于异步通信的改进异步一致性束算法 |
4.4 应用实例 |
4.4.1 实例设计 |
4.4.2 结果分析 |
4.5 本章小结 |
第五章 通信约束下面向复合任务的异构多星在线协同 |
5.1 问题描述 |
5.1.1 前摄复合任务 |
5.1.2 渐次复合任务 |
5.2 数学模型 |
5.3 基于GPGP的异构多星在线协同机制 |
5.4 应用实例 |
5.4.1 实例设计 |
5.4.2 面向前摄复合任务的实例结果分析 |
5.4.3 面向渐次复合任务的实例结果分析 |
5.5 本章小结 |
第六章 总结与展望 |
6.1 论文工作总结 |
6.2 进一步工作展望 |
致谢 |
参考文献 |
作者在学期间取得的学术成果 |
作者在学期间参加的科研项目 |
(8)基于多Agent的双重资源约束项目调度算法(论文提纲范文)
摘要 |
Abstract |
目录 |
第1章 绪论 |
1.1 研究背景 |
1.2 资源约束项目调度问题描述 |
1.2.1 RCPSP 的描述 |
1.2.2 RCPSP 的分类与模型 |
1.3 研究现状 |
1.3.1 资源约束型项目调度研究现状 |
1.3.2 基于 Multi-agent 系统的项目调度研究现状 |
1.4 研究方法及主要工作 |
1.4.1 研究内容 |
1.4.2 研究方法与技术路线图 |
1.4.3 主要创新点 |
1.4.4 论文主要结构 |
第2章 基于多 agent 的双重资源约束项目调度系统 |
2.1 Agent 和多 agent 系统 |
2.1.1 Agent 的特点 |
2.1.2 Agent 的结构模型 |
2.1.3 多 agent 系统的特点 |
2.1.4 多 agent 系统的协商机制 |
2.2 双重资源约束项目调度系统中的多 agent 模型 |
2.2.1 工作 agent |
2.2.2 资源 agent |
2.2.3 模式 agent |
2.3 基于多 agent 双重资源约束项目调度系统结构 |
2.3.1 项目产生模块 |
2.3.2 调度管理模块 |
2.4 Agent 的协商机制 |
2.4.1 工作 agent 的协商策略 |
2.4.2 资源 agent 的协商策略 |
2.4.3 模式 agent 的协商策略 |
2.5 本章小结 |
第3章 基于多 agent 的双重资源约束项目调度系统设计 |
3.1 项目生成算法设计 |
3.1.1 基础数据的生成 |
3.1.2 AON 网络结构的生成 |
3.1.3 资源需求的生成 |
3.1.4 资源供应量的生成 |
3.2 系统的调度算法设计 |
3.2.1 工作 agent 调度规则设计 |
3.2.2 资源 agent 决策规则设计 |
3.2.3 模式 agent 选择规则设计 |
3.3 系统的协商机制设计 |
3.4 系统的通信机制设计 |
3.5 本章小结 |
第4章 双重资源约束项目调度系统的仿真实验及结果分析 |
4.1 仿真实验设置 |
4.2 实验结果分析 |
4.2.1 单模式资源约束项目调度 |
4.2.2 多模式资源约束项目调度 |
4.2.3 单模式资源约束项目调度与多模式资源约束项目调度的比较 |
4.3 本章小结 |
第5章 调度系统的改进 |
5.1 调度系统的改进策略 |
5.1.1 工作 agent 的改进策略 |
5.1.2 模式 agent 的改进策略 |
5.2 调度系统改进后的仿真实验及结果分析 |
5.2.1 单模式资源约束项目调度改进系统结果分析 |
5.2.2 多模式资源约束项目调度改进系统结果分析 |
5.3 本章小结 |
结论与展望 |
参考文献 |
攻读硕士期间发表的学术论文 |
致谢 |
(9)工程施工企业项目组合优选与组织模式研究(论文提纲范文)
摘要 |
ABSTRACT |
1 绪论 |
1.1 选题背景及研究意义 |
1.2 国内外研究现状 |
1.3 本文研究目标与内容 |
1.4 本文研究方法与组织结构 |
2 工程施工企业项目组合管理理论与流程 |
2.1 项目组合管理基本理论 |
2.2 工程施工企业项目组合管理定义及适应性 |
2.3 基于多主体的工程施工企业项目组合管理流程 |
2.4 本章小结 |
3 工程施工企业项目优先级评价研究 |
3.1 工程施工企业项目评价指标体系 |
3.2 工程施工企业项目优先级评价方法概述 |
3.3 基于AFAD综合评价方法的项目优先级评价模型 |
3.4 本章小结 |
4 工程施工企业项目组合优选模型构建与求解 |
4.1 项目组合优选模型构建的基本思路和假设条件 |
4.2 工程施工企业项目组合优选模型的建立 |
4.3 基于CCGA的工程项目组合优选模型求解 |
4.4 本章小结 |
5 基于合作关系的工程施工企业项目组合管理组织模式 |
5.1 工程施工企业组织结构形式分析 |
5.2 工程施工企业项目组合管理的组织结构设计 |
5.3 工程施工企业项目组合管理的组织合作关系 |
5.4 本章小结 |
6 工程施工企业项目组合管理信息系统 |
6.1 工程施工企业项目组合管理信息系统概述 |
6.2 基于多AGENT的EPPMIS构建 |
6.3 基于网格和多AGENT的EPPMIS信息集成平台 |
6.4 基于网格和多AGENT的EPPMIS信息集成平台优势 |
6.5 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 主要创新点 |
7.3 展望 |
致谢 |
攻读博士期间主要科研成果 |
参考文献 |
(10)基于多Agent和本体的散杂货港口集团船舶调度系统研究(论文提纲范文)
致谢 |
中文摘要 |
ABSTRACT |
1 绪论 |
1.1 选题背景和研究意义 |
1.1.1 选题背景 |
1.1.2 存在问题 |
1.1.3 研究意义 |
1.2 国内外研究现状 |
1.2.1 多Agent系统研究现状 |
1.2.2 本体推理研究现状 |
1.2.3 蚁群算法研究现状 |
1.2.4 港口生产调度智能化研究现状 |
1.3 研究内容和结构 |
1.3.1 研究内容 |
1.3.2 论文结构 |
1.3.3 创新点 |
2 基于多Agent的散杂货港口集团船舶调度双层体系 |
2.1 多Agent系统的基本理论 |
2.1.1 Agent定义和分类 |
2.1.2 多Agent系统的体系结构 |
2.1.3 多Agent系统的通信机制 |
2.1.4 多Agent系统的构建方法 |
2.2 散杂货港口生产作业流程分析 |
2.2.1 散杂货港口的基础设施 |
2.2.2 散杂货港口生产流程概述 |
2.2.3 散杂货集团船舶调度分析 |
2.3 基于多Agent的散杂货港口集团船舶调度系统框架 |
2.3.1 基于多Agent的双层调度体系 |
2.3.2 Agent功能与结构 |
2.4 本章小结 |
3 MAOPSS的协调机制的研究 |
3.1 多Agent系统的协调机制 |
3.1.1 协商与协作 |
3.1.2 多Agent系统的协作类型与方法 |
3.1.3 多Agent系统的协商机制类型 |
3.1.4 多Agent系统的冲突消解策略 |
3.2 基于集团—港务公司的组织结构协作机制 |
3.2.1 集团—港务公司组织结构依赖关系模型 |
3.2.2 基于使能关系的任务分解协作建模 |
3.3 基于公共资源冲突消解的协商机制 |
3.3.1 公共资源使用约束模型 |
3.3.2 公共资源冲突消解策略建模 |
3.4 本章小结 |
4 散杂货港口领域本体的构建方法 |
4.1 本体及相关理论方法 |
4.1.1 本体定义和分类 |
4.1.2 本体构建方法 |
4.1.3 本体集成方法 |
4.2 港口领域本体构建方法论 |
4.2.1 港口领域本体构建原则 |
4.2.2 港口领域本体构建方法 |
4.3 港口领域本体集成方法论 |
4.3.1 港口领域本体集成方法 |
4.3.2 港口领域本体集成模型 |
4.3.3 港口领域本体集成推理体系 |
4.4 本章小结 |
5 基于蚁群算法的动态泊位指派问题研究 |
5.1 动态泊位指派问题的定义 |
5.2 基于混合行为的改进蚁群算法 |
5.2.1 蚁群算法原理 |
5.2.2 蚁群算法改进 |
5.3 基于船舶资源使用优先级的排序 |
5.3.1 船舶资源使用优先级排序的相关研究 |
5.3.2 船舶资源使用优先级因素分析 |
5.4 基于改进蚁群算法的泊位指派问题实现 |
5.4.1 指派问题与改进蚁群算法结合 |
5.4.2 实现流程 |
5.4.3 计算实例 |
5.5 本章小结 |
6 MAOPSS原型开发与应用 |
6.1 系统集成体系结构 |
6.2 系统技术体系框架 |
6.3 原型系统实现与应用 |
6.3.1 作业数据实时采集 |
6.3.2 港务公司昼夜计划 |
6.3.3 集团昼夜计划 |
6.4 本章小结 |
7 总结与展望 |
7.1 总结 |
7.2 进一步研究 |
参考文献 |
作者简历 |
学位论文数据集 |
四、A New Algorithm for Resource Constraint Project Scheduling Problem Based on Multi-Agent Systems(论文参考文献)
- [1]考虑多技能人力资源的分布式多项目调度问题[J]. 于懿宁,徐哲,刘东宁. 系统工程理论与实践, 2020(11)
- [2]离散智能车间扰动预测与高效运行管控方法研究[D]. 仇永涛. 江南大学, 2020
- [3]电网建设项目多主体协同决策模型及应用研究[D]. 高磊. 华北电力大学(北京), 2020(06)
- [4]基于制造物联网的柔性制造车间动态调度方法研究[D]. 田松龄. 天津大学, 2019(01)
- [5]邮轮项目计划协调优化技术研究[D]. 刘爽. 哈尔滨工程大学, 2019(03)
- [6]基于QPSO的多智能体制造过程优化方法研究[D]. 王润泽. 齐鲁工业大学, 2018(05)
- [7]通信约束下分布式对地观测卫星系统在线协同任务调度模型与算法[D]. 李国梁. 国防科技大学, 2017(02)
- [8]基于多Agent的双重资源约束项目调度算法[D]. 王媛媛. 北京工业大学, 2012(01)
- [9]工程施工企业项目组合优选与组织模式研究[D]. 李默. 山东科技大学, 2011(06)
- [10]基于多Agent和本体的散杂货港口集团船舶调度系统研究[D]. 宋岩. 北京交通大学, 2011(07)