[发明专利]基于智能Agent的云边协作制造任务调度方法有效
申请号: | 202110272006.4 | 申请日: | 2021-03-12 |
公开(公告)号: | CN112884241B | 公开(公告)日: | 2023-09-01 |
发明(设计)人: | 李孝斌;李博;尹超;江沛;王明星;刘宇杰 | 申请(专利权)人: | 重庆大学 |
主分类号: | G06Q10/04 | 分类号: | G06Q10/04;G06Q10/0631;G06Q10/0639;G06Q50/04 |
代理公司: | 重庆博凯知识产权代理有限公司 50212 | 代理人: | 黄河 |
地址: | 400044 *** | 国省代码: | 重庆;50 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 基于 智能 agent 协作 制造 任务 调度 方法 | ||
1.基于智能Agent的云边协作制造任务调度方法,其特征在于,包括以下步骤:
S1:将待调度的制造任务输入构建的目标决策模型中;所述目标决策模型基于智能Agent和服务质量指标构建,其包括云端计算模块和边缘管控模块;
S2:云端计算模块将制造任务分解成若干个子任务;然后根据产线资源以及设置的目标约束值对各个子任务的服务质量指标进行约束以得到初步调度方案,并根据初步调度方案执行生产;
云端计算模块首先根据设置的任务分解规则将制造任务分解成若干个子任务;然后根据设置的工艺流程规划规则生成各个子任务的可选工艺流程,并确定每个工艺流程的工步;最后才根据产线资源以及设置的目标约束值对各个子任务的服务质量指标进行约束以得到初步调度方案;
服务质量指标的参数包括生产时间T、生产成本C、生产质量Q、可靠性Sa、生产能耗Cs和负载均衡B;并且通过如下公式计算第j个子任务的服务质量指标的参数:
式中,Tj表示第j个子任务的生产时间,i表示生产线编号,M表示生产线总数,K表示工艺流程编号,l表示工步编号,Rj表示第j个子任务的可选工艺流程总数,表示第j个子任务选择的第K个工艺流程的工步总数,Xjk表示第j个子任务选择第K个工艺流程的决策变量,表示第j个子任务选择第K个工艺流程在第i条生产线上生产的决策变量,和分别表示向第i条生产线调度产线资源给第j个子任务的第K个工艺流程第l个工步的初始调度时间、累计生产时间和辅助时间,表示在第i条生产线上加工后作为半成品送往其他生产线的调度时间;
式中,Cj表示第j个子任务的生产成本,和分别表示第i条生产线生产第j个子任务的第K个工艺流程第l个工步的单位时间加工成本、计算通信成本和产线资源单位时间调度成本;
式中,Qj表示第j个子任务的生产质量,表示第i条生产线生产第j个子任务的第K个工艺流程第l个工步发生质量扰动的概率;
式中,Saj表示第j个子任务的可靠性,和分别表示第i条生产线生产第j个子任务的第K个工艺流程第l个工步的通信性能和计算性能;
式中,Csj表示第j个子任务的生产能耗,Eijkl表示第i条生产线生产第j个子任务的第K个工艺流程第l个工步的生产能耗功率;
式中,Bj表示第j个子任务的负载均衡,Ti表示第i条生产线的总加工时间;并且结合公式和完成计算;
服务质量指标Qos通过如下公式计算:
式中,N表示子任务总数;并且结合公式完成计算;
对子任务进行初步调度时,通过如下公式约束服务质量指标:
式中,Tmax、Cmax和Qmin分别表示设置的生产时间目标约束值、生产成本目标约束值和生产质量目标约束值;
对子任务进行再调度时,通过如下公式计算再调度后的服务质量指标:
Qos′=γ1T′+γ2C′+γ3Q′+γ4Sa′+γ5Cs′+γ6B′+γ7Bia;式中,Qos′表示再调度后的服务质量指标,T′表示再调度后的生产时间、C′再调度后的生产成本、Q′再调度后的生产质量、Sa′再调度后的可靠性、Cs′再调度后的生产能耗和B′再调度后的负载均衡,Bia表示偏离程度;其中偏离程度Bia通过如下公式计算:
式中,表示生产线之间的运输时间,表示再调度后的生产时间,pl表示产线资源变化的惩罚系数,取1;
通过非支配快速排序遗传算法对目标决策模型进行求解,以得到初步调度方案和再调度方案;具体包括以下步骤:
S11:设置非支配快速排序遗传算法的种群规模L、最大迭代次数intmax、交叉概率Pd、变异概率Pe,最大交叉概率和最小交叉概率然后初始化目标决策模型形成父代种群,并将最大迭代次数intmax设置为1后对其进行变异、交叉操作生产子代种群;
S12:合并父代种群与子代种群以得到种群规模为2L的合并群落,并计算合并群落的目标函数;然后对合并群落进行非支配排序形成多个非支配层集合,并分别计算各个非支配层集合内部的拥挤距离;
S13:采用锦标赛选择法从规模为2L的合并群落中选取L个个体作为新父代种群;然后对新父代种群进行非支配排序,获取非支配最优层Pareto层的元素集合;再获取Pareto层的一个最优个体加入精英解集,并判断迭代次数是否达到设置的最大迭代次数intmax,若达到最大迭代次数intmax,则进入步骤S15;否则,进入步骤S14;
S14:迭代次数加1;然后对新父代种群进行变异、交叉操作形成新子代种群,并返回步骤S12;
S15:从精英解集中选取最优解作为初步调度或再调度的调度方案;
S3:边缘管控模块检测各条生产线的扰动情况:若某一条生产线存在故障扰动,则进入步骤S4;若各条生产线均不存在故障扰动,进入步骤S5;
S4:边缘管控模块生成该条生产线的故障扰动信息并发送至云端计算模块;然后云端计算模块根据该生产线的故障扰动信息,以及剩余的产线资源和目标约束值对该生产线所对应的子任务的服务质量指标进行再次约束以得到再调度方案,并根据再调度方案执行生产;最后返回步骤S3;
S5:制造任务的调度完成。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于重庆大学,未经重庆大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/202110272006.4/1.html,转载请声明来源钻瓜专利网。
- 同类专利
- 专利分类
G06Q 专门适用于行政、商业、金融、管理、监督或预测目的的数据处理系统或方法;其他类目不包含的专门适用于行政、商业、金融、管理、监督或预测目的的处理系统或方法
G06Q10-00 行政;管理
G06Q10-02 .预定,例如用于门票、服务或事件的
G06Q10-04 .预测或优化,例如线性规划、“旅行商问题”或“下料问题”
G06Q10-06 .资源、工作流、人员或项目管理,例如组织、规划、调度或分配时间、人员或机器资源;企业规划;组织模型
G06Q10-08 .物流,例如仓储、装货、配送或运输;存货或库存管理,例如订货、采购或平衡订单
G06Q10-10 .办公自动化,例如电子邮件或群件的计算机辅助管理