基于多智能体的流程工业动态调度研究

doi:10.3969/j.issn.1000-3428.2012.04.004

计算机工程 ›› 2012, Vol. 38 ›› Issue (04): 10-13. doi: 10.3969/j.issn.1000-3428.2012.04.004

基于多智能体的流程工业动态调度研究

徐新黎 ^a，俞靓亮 ^a，王磊^b，王万良 a

(浙江工业大学 a. 计算机科学与技术学院；b. 信息工程学院，杭州 310023)

收稿日期:2011-06-27 出版日期:2012-02-20 发布日期:2012-02-20
作者简介:徐新黎(1977－)，女，副教授、博士，主研方向：智能计算，生产调度，多智能体系统；俞靓亮，硕士；王磊，硕士研究生；王万良，教授、博士
基金资助:
国家“863”计划基金资助项目(2007AA04Z155)；国家自然科学基金资助项目(60874074)；浙江省自然科学基金资助项目(Y1090592)

Research on Process Industry Dynamic Schedule Based on Multi-agent

XU Xin-li ^a, YU Liang-liang ^a, WANG Lei ^b, WANG Wan-liang ^a

(a. School of Computer Science and Technology; b. School of Information Engineering, hejiang University of Technology, Hangzhou 310023, China)

Received:2011-06-27 Online:2012-02-20 Published:2012-02-20

摘要/Abstract

摘要： 根据流程工业某车间的生产过程，建立基于多智能体的生产调度系统模型，分析各智能体之间的关系，利用多智能体之间基于博弈论的协商机制，提出一个双边单议题多阶段的谈判模型，解决以工序流量或产品产量为目标的调度问题。对某隔膜烧碱生产线调度实例进行仿真，结果验证了该系统的可行性和有效性。

关键词: 多智能体, 博弈论, 谈判机制, 动态调度, 车间调度, 流程工业

Abstract: This paper establishes a model of schedule based on multi-agent for the production process of a process industry workshop, and analyses the relationship among agents. A multi-stage single-issue bilateral negotiation model based on the consultation of game theory among agents is built to solve the schedule problem with the objective of process flow or output of product. Simulation results of diaphragm caustic soda production schedule example show the feasibility and effectiveness of the model.

Key words: multi-agent, game theory, negotiation mechanism, dynamic schedule, job-shop schedule, process industry

中图分类号:

TP18

徐新黎, 俞靓亮, 王磊, 王万良. 基于多智能体的流程工业动态调度研究[J]. 计算机工程, 2012, 38(04): 10-13.

XU Xin-Li, SHU Jing-Liang, WANG Lei, WANG Mo-Liang. Research on Process Industry Dynamic Schedule Based on Multi-agent[J]. Computer Engineering, 2012, 38(04): 10-13.

http://www.ecice06.com/CN/Y2012/V38/I04/10

[1]	张冠莹, 伊鹏, 李丹, 朱棣, 毛明. 面向大规模网络的服务功能链部署方法[J]. 计算机工程, 2023, 49(8): 122-129.
[2]	张国富, 沈宇锋, 宋晓晓, 苏兆品. 受灾路网抢修队动态调度问题的建模与求解方法[J]. 计算机工程, 2023, 49(6): 300-313.
[3]	金志军, 王浩, 方宝富. 稀疏场景下基于理性好奇心的多智能体强化学习[J]. 计算机工程, 2023, 49(5): 302-309.
[4]	李雪松, 张锲石, 宋呈群, 康宇航, 程俊. 自动驾驶场景下的轨迹预测技术综述[J]. 计算机工程, 2023, 49(5): 1-11.
[5]	隆腾, 杨莎莎, 王茜竹. 可变脉冲控制下的多智能体系统固定时间一致性研究[J]. 计算机工程, 2023, 49(1): 311-320.
[6]	宋健, 王子磊. 基于值分解的多目标多智能体深度强化学习方法[J]. 计算机工程, 2023, 49(1): 31-40.
[7]	冉玲琴, 彭长根, 许德权, 吴宁博. 基于区块链技术架构的隐私泄露风险评估方法[J]. 计算机工程, 2023, 49(1): 146-153.
[8]	吴仍裕, 周强, 于海龙, 王亚沙. 基于深度强化学习的深圳市急救车调度算法[J]. 计算机工程, 2022, 48(9): 298-304.
[9]	周全兴, 李秋贤, 丁红发, 樊玫玫. 基于博弈论优化的高效联邦学习方案[J]. 计算机工程, 2022, 48(8): 144-151,159.
[10]	厉子凡, 王浩, 方宝富. 一种基于多步竞争网络的多智能体协作方法[J]. 计算机工程, 2022, 48(5): 74-81.
[11]	张青青, 汤红波, 游伟, 普黎明. 基于演化博弈的NFV拟态防御架构动态调度策略[J]. 计算机工程, 2022, 48(4): 30-38,49.
[12]	刘振鹏, 郭超, 王仕磊, 陈杰, 李小菲. 基于博弈论和启发式算法的超密集网络边缘计算卸载[J]. 计算机工程, 2022, 48(12): 54-61,71.
[13]	黄晓辉, 张雄, 杨凯铭, 熊李艳. 基于联合Q值分解的强化学习网约车订单派送[J]. 计算机工程, 2022, 48(12): 296-303,311.
[14]	刘金石, Manzoor Ahmed, 林青. 基于QMix的车辆云计算资源动态分配方法[J]. 计算机工程, 2022, 48(11): 284-290,298.
[15]	黄煜梵, 彭诺蘅, 林艳, 范建存, 张一晋, 余妍秋. 基于SAC强化学习的车联网频谱资源动态分配[J]. 计算机工程, 2021, 47(9): 34-43.

选择文件类型/文献管理软件名称

选择包含的内容

基于多智能体的流程工业动态调度研究

Research on Process Industry Dynamic Schedule Based on Multi-agent

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价

模态框（Modal）标题

选择文件类型/文献管理软件名称

选择包含的内容

基于多智能体的流程工业动态调度研究

Research on Process Industry Dynamic Schedule Based on Multi-agent

PDF

可视化

被引次数

摘要/Abstract

引用本文

使用本文

参考文献

相关文章 15

编辑推荐

Metrics

本文评价