多Agent的排产仿真系统分析.docxVIP

PAGE 1 PAGE 1 多Agent的排产仿真系统分析  从人工智能领域中发展起来的Asent技术，为仿真系统的建模供应了新的方法和思路，文章提出了基于多Asent的仿真系统研究方法，并以烟草行业制丝生产线的实际排产为应用背景，对系统进行了验证。  0引言  制造业是国民经济的支柱产业，它直接体现了一个国家的生产力水平，世界上各个国家经济的竞争，主要是制造技术的竞争。随着顾客需求和市场环境的不断变化，竞争日趋激烈，为实现快速重构以响应市场竞争，以及提高生产系统规划设计的速度、柔性，削减投资风险，必需使企业的生产系统能够高度牢靠地、优质地进行生产和运行。但是，目前在生产系统计划调度方面存在着很多问题，例如：基于线性规划LP的生产计划调度算法，在实际生产中，线性规划目标函数和约束条件完全确定是不可能的，要进行线性规划建模，必需要对模型的目标和约束条件进行抽象化，提炼出理论支持的目标和参数，再对模型进行修正，而实际中许多问题很难以简洁的线性关系精确表达，且涉及的变量多为整数，因此限制了LP的使用。而启发式算法是一个基于直观或经验构造的算法，它也有观显不足之处，一方面，有可能出现所产生的解比全局最优解差许多的状况，而且差的程度总是不够明确，在这种状况下，经过作业排序后，可能造成设备利用率低，从而导致影响整个生产线的生产效率；另一方面，在生产中假如累积负荷超过设备的实际负荷能力，则必需重新调整算法，通过调整工序的加工优先级，进行重新排产。  因此，仿真技术在生产系统生产调度中得到广泛应用，它是对生产系统进行分析试验和评价的最简洁、最经济、最有效的方法。它可以把全部的资源、产品生产研制周期、库存、在制品数等动态地结合起来，被认为是解决现代制造过程中复杂问题的抱负方法。  随着仿真技术的发展，仿真应用的规模越来越大，仿真系统的复杂程度不断提高。在传统的仿真中，应用运筹学方法虽然能够获得最优的调度结果，但需要大量的计算时间，而且无法描述系统的随机性和不确定性，在进行一些动态性、随机性很强的系统仿真时，效果较差。因此，近几年，学界着重了智能优化算法在仿真系统中的运用研究，应用最多的是遗传算法，但也存在不足，主要表现在2个方面：首先，传统GP算法主要是针对树结构的操作，对资源的消耗比较严重；另外，将传统GP算法的交叉直接应用于作业车间调度问题时会产生非法解，必需经过交叉改进，才可能避免非法解的产生例；此外，虽然面向对象技术成为软件开发的主要手段，为推进仿真技术的发展起到了重要的推动作用，然而，面向对象技术在描述具有能动性、智能性的实体时，却也显现出其固有的不足。Agent技术的出现，为解决这些问题供应了抱负的方法，Agent可以看作面向对象技术的发展和提高，是面向对象技术的更高层次，它为描述智能性的实体，供应了最佳的模式。基于Agent仿真相对于一般的系统仿真而言，在解决离散、非线性系统模拟方面有显著的优势，是研究此类复杂系统产生的全局、自适应行为的一个基本方法。  因此，本论文提出了面向多,agent的系统仿真方法，并以烟草行业制丝生产线的仿真系统为例探讨了Agent技术在生产线仿真中的详细应用。  1Agent技术特点  Agent技术是软件工程及人工智能领域的研究热点，是分布式人工智能的一个分支，也是专家系统在单元智能化方面的发展。尽管Agent这一术语已经被广泛使用，但对Agent科学界并没有一种统一的定义，不过从各种定义中我们已可归纳出Agent有以下特点：  1)自治性  Agent能依据外界环境的变化，而自动地对自己的行为和状态进行调整，具有自我管理自我调整的能力。  2)主动性  对于外界环境条件的转变，Agent能依据自己的内部状态主动地进行反应。  3)通信能力  Agent能用某种通信语言与其他实体交换信息和相互作用。  4)反应性  Agent能准时地感知和响应其所处外界环境的变化。  5)推理和规划能力  Agent具有基于当前学问和经验，以一种理性方式进行推理和预估的能力。  6)适应性或进化性  Agent应能积累或学习经验和学问，并修改自己的行为以适应新形势。  7)协作、合作、协同及协商能力  亦称Agent的社会性，Agent应能在多Agent环境中协同工作和消解冲突，以执行和完成一些相互受益且自身无法独立求解的复杂任务。  考虑到单个Agent能力的有限性，在实际应用中常用的是multi-agent系统，将各种具有不同能力的Agent结合起来，通过它们之间的相互作用，共同完成问题的解决。  2基于Age