基于多Agent分布制造调度方法研究

发布时间：2020-03-23 18:27

【摘要】： 随着进入21世纪和全球制造时代的来临，制造环境变得更具有动态性和竞争性，个性化的市场需求和竞争的压力要求现代制造系统进一步向敏捷化、智能化、集成化和全球化方向发展。随之而来，调度作为制造系统的核心功能之一，也需要新的研究和解决方法。 Agent范例具有智能性、自治性及合作能力等许多优良的特性，为解决现代制造系统的车间调度问题提供了一条新的有效途径。本文针对分布式制造车间调度系统的需求和特点，建立了多Agent分布调度系统模型，提出了一种集成多Agent和遗传算法的混合调度机制和调度策略，开发了基于多Agent和混合遗传算法的分布车间作业调度软件原型系统，并对所提出的调度方法和策略进行了仿真验证。论文的主要研究工作包括以下几个方面。首先，建立了基于多Agent分布式制造车间调度系统的结构模型。该模型以车间管理Agent、任务Agent和资源Agent作为三类基本组件，以分布式结构作为系统的体系结构框架；同时，为满足Agent自主决策与交互的需要，还设计、建立了各Agent类的内部模型。其次，提出了基于多Agent和混合遗传算法的分布调度机制和调度策略。通过将复杂的分布车间作业调度转化为Agent个体的局部优化与多Agent系统的全局优化两类调度子问题的迭代求解过程，使复杂的分布调度问题得以快速、容易地解决。再次，建立了基于多Agent的分布式制造车间调度原型系统。应用Java语言和分布式对象技术，，建立了多Agent系统中的智能Agent对象的模型，建立了多Agent系统的通讯模型，完成了软件系统的设计与开发。最后，采用基于多Agent和混合遗传算法的分布调度机制，针对常规情况和有急件、机器故障等异常情况的分布式制造车间调度问题，在所开发的调度软件原型系统上进行了仿真研究。
【图文】：

流程图,混合遗传算法,流程图

该算法在复制、交叉、变异之后产生的个体中选择适应度最好的个体作为下一代种群，经过若干代的遗传进化操作，适应度不断提高，直到满足终止条件。图3.4给出了本文设计的求解分布式作业车间Jo卜shop调度问题的混合遗传算法流程图。图中阴影部分代表种群个体适应度的计算与评价过程，因其计算负担由分布于异地的各智能代理共同承担，充分利用了代理的智能性和多代理的并行处理能力，提高算法的搜索能力和适应性。上述混合遗传算法的特色在于，优化机制的融合、优化结构的互补和优化操作的结合，使两种算法的搜索能力相互补充，增强局域搜索能力和克服早熟收敛，削弱了参数选择的苛刻性。此外，针对分布式制造车间作业调度问题的特点和需求，算法中个体的评价负担，由地理上分布的、自治的智能实体共同承担，充分利用了多Ageni的分布并行计算能力。一35一

UML图,多Agent系统,信息交互

在成员车间内的局部调度是通过任务代理与资源代理基于合同网协议的协商方法，实现资源的动态分配。遗传算法支持多代理的调度决策，提供全局的优化能力。同时，智能代理参与遗传计算过程，提高了遗传算法求解问题的能力。图4.5给出了该多代理调度系统中各代理的交互关系的UML图。昊调度声统l坐鲤J「些掣坠」}尘缨1初始化 .....……1.1，，川阳 }}}}}解解解解解码码码 :::::::::::::::::::::::::T一 Agenttt未未未一一一一一一一一一一件件件件件件件件件件件件 \\\\\、，.广广 111图4.5多Agent系统中各Agent信息交互图 Fig.4.5InieractionamongthevariousagentsofMAS
【学位授予单位】：沈阳工业大学
【学位级别】：硕士
【学位授予年份】：2007
【分类号】：TP18;TH164

【相似文献】