《基于多Agent的蚁群算法在业务流程优化中的应用研究》-毕业论文（设计）.docVIP

基于多Agent的蚁群算法在业务流程优化中的应用研究 摘要：为了提高企业业务流程的效率，提出了一种基于多Agent技术的业务流程优化方法，将多Agent和蚁群算法应用到企业车间动态调度调度问题上，对用蚁群算法如何实现车间的具体调度进行了分析与实现，从而为制造系统中的动态调度提供了一种新方法。通过JADE(Java Agent Development Environment)仿真，验证了此方法在车间动态调度问题的求解中具有很好的可行性与有效性。 关键词：车间动态调度；多Agent；蚁群算法；业务流程优化；JADE 1引言 业务流程是企业运营的核心部分，而车间调度问题是一类组合优化问题，是生产调度问题的简化模型，也是一个NP完全问题。在制造环境中，车间调度是生产车间面向任务组织生产、适应内外环境变化以及对外协作的核心模块。在实际的动态车间中，随机事件的发生，会给车间调度带来很多不确定的问题。为了解决这些问题就要求车间调度系统要有更好的柔性满足需求多样性的，接受新的特征功能的开放性，自主进行生产规划的智能性。传统的制造系统多数是采用集中式决策的方法，多年来广大研究者研究出了大量简化算法。S.C. Cheng[1]提出了用遗传算法求解描述静态、动态生产环境的作业车间调度问题。L. De Giovanni和F.Pezzella[2]提出了一种FMS调度和重调度算法。鞠全勇[3]结合多种群粒子群搜索与遗传算法的优点提出具有倾向性粒子群搜索的多种群混合算法，以提高搜索效率和搜索质量。T.L.Lin[4]提出了时间、成本和质量综合为一体的优化目标，以柔性作业车间调度为优化模型，最优目标为计算方法，设计了混合粒子群算法。本文提出了一种基于多Agent的车间动态调度模型，并运用蚁群算法来作为构造车间动态调度的优化算法。运用多Agent结构系统来实现全局协调作业在JADE平台上验证仿真，从而使生产系统在满足一定约束条件下，实现资源的合理配置和有效利用，达到成本最低的目标。通过这种方法可以有效解决自动化生产系统中车间调度的具体寻优问题，同时可以实现全局动态调度及协同控制的目标。 2 基于多Agent的车间动态调度结构模型 实际车间生产系统是一个动态的生产环境，生产计划、加工设备、调度目标等任何因素的变化都会引起生产调度的变化。为了实现车间的协调运作，同时实现全局优化目标，从而更好地完成车间调度任务，实现资源的合理配置，本文提出了基于多Agent的车间动态调度系统，并运用蚁群算法来实现车间的动态调度的优化。 多Agent系统由多个各自独立的相互协调的智能体（Agent）组成，各个Agent具有不用的求解方法，不同的功能，他们按照事先约定的协议进行通信，相互合作，解决复杂的问题。本文主要是通过 Agent 之间的协作使得机器具有智能性，从而实现车间中作业重新调度的自动化与最优化。在动态车间调度中，多Agent系统主要有由管理 Agent、资源 Agent、监督 Agent 和工件 Agent 分布协作完组成。系统中的各个Agent间可以通过约定好的统一通信协议进行车间的动态调度，以投标、谈判等方式进行决策。采用多Agent结构可以使系统不会因为系统的某个部分出错而导致整个系统的崩溃，有利于提高系统的稳定性，同时实现制造系统的分布式决策，使系统具有很强的鲁棒性与可扩展性。下图是多Agent的动态调度模型。 其中： 管理 Agent：管理 Agent 是整个调度系统的核心，主要负责对接收到的外界任务进行总体的评估和调度。具体包括收集任务的信息和紧急度，然后将信息递交至资源 Agent。 资源 Agent：资源 Agent 主要负责接收并处理外界生产任务并根据车间当前加工能力，确定车间是否执行该任务，在对任务进行分解后，向各个工件 Agent 发布标书，按照协议的规则形成加工生产计划，然后上报给监督Agent，获得反馈后负责对各个工件 Agent 调度生产。 监督 Agent：监督 Agent 主要对管理 Agent 反馈的备选生产计划进行仿真，然后选取加工路线反馈给管理 Agent 具体执行。并且主要由监督 Agent负责处理设备故障、新设备的加入、紧急任务的到来等。 工件 Agent：可以看作一个制造单元，每个工件 Agent 自主管理一个单元。负责相应的操作管理、设备命令传递和信息采集。工件 Agent 在接收到资源 Agent 的信息后，对各自对应的生产设备进行评估，然后决定是否投标。若投标则根据设备情况做出相应的报价，反馈生产能力至资源 Agent，确认是否能够完成任务。 多Agent系统的实现要借助相应的平台，JADE(Java Agent Development Entironment)是多 Agent系统的开发平台的一种，JADE实