动态调度决策机制及其知识更新研究
摘要 | 第1-6页 |
Abstract | 第6-11页 |
第一章 绪论 | 第11-26页 |
·车间调度问题概述 | 第11-13页 |
·车间调度的含义 | 第11-12页 |
·车间调度的分类 | 第12页 |
·车间调度的特点 | 第12-13页 |
·车间调度问题的研究方法和发展趋势 | 第13-18页 |
·研究方法 | 第13-18页 |
·发展趋势 | 第18页 |
·基于多Agent 的车间作业动态调度 | 第18-23页 |
·研究状况 | 第18-20页 |
·关键技术 | 第20-22页 |
·发展趋势 | 第22-23页 |
·本文研究的意义与主要内容 | 第23-26页 |
·课题的背景及意义 | 第23页 |
·本文研究的思路与内容 | 第23-26页 |
第二章 基于多Agent 的动态调度系统结构研究 | 第26-35页 |
·Agent 与多Agent 系统 | 第26-28页 |
·Agent 概念和特征 | 第26-27页 |
·多Agent 系统及其应用特点 | 第27-28页 |
·动态调度系统总体结构 | 第28-32页 |
·调度系统决策层次 | 第28-29页 |
·调度系统总体结构框架 | 第29-32页 |
·动态调度系统中Agent 结构 | 第32-34页 |
·Agent 结构 | 第32-33页 |
·Agent 描述 | 第33-34页 |
·本章小结 | 第34-35页 |
第三章 基于强化学习的车间作业投放策略研究 | 第35-46页 |
·强化学习 | 第35-38页 |
·原理与结构 | 第35-36页 |
·基本算法 | 第36-38页 |
·作业车间及投放过程描述 | 第38-39页 |
·作业车间问题 | 第38页 |
·作业投放过程 | 第38-39页 |
·改进的Q 学习算法在车间作业投放中应用 | 第39-44页 |
·行为动作组 | 第40页 |
·基于分布均匀度的动作组选择策略 | 第40-42页 |
·作业投放知识 | 第42页 |
·奖惩函数的设定 | 第42-44页 |
·仿真分析 | 第44-45页 |
·本章小结 | 第45-46页 |
第四章 基于行为实例集的资源分配知识库建模研究 | 第46-57页 |
·合同网协议 | 第46-49页 |
·多Agent 系统中合同网协议 | 第46-47页 |
·改进的合同网模型 | 第47-48页 |
·招投标集合描述 | 第48-49页 |
·基于粗糙集的属性知识获取 | 第49-52页 |
·粗糙集 | 第49-50页 |
·属性知识获取 | 第50-52页 |
·基于行为实例集的决策属性知识获取与融合 | 第52-56页 |
·决策表生成 | 第52-53页 |
·决策表分析 | 第53-54页 |
·决策属性知识融合 | 第54-56页 |
·本章小结 | 第56-57页 |
第五章 基于合同网的车间资源分配机制研究 | 第57-67页 |
·基于合同网的车间资源分配 | 第57-59页 |
·招投标过程算法 | 第57-58页 |
·条件属性的权值与可信度 | 第58-59页 |
·基于模糊Petri 网的知识推理 | 第59-63页 |
·Petri 网及与模糊Petri 网 | 第59-61页 |
·基于模糊Petri 网的知识推理过程 | 第61-63页 |
·仿真分析 | 第63-66页 |
·本章小结 | 第66-67页 |
第六章 动态调度决策体系的知识更新研究 | 第67-74页 |
·知识更新的动力 | 第67-68页 |
·基于强化学习的自适应知识更新 | 第68-72页 |
·知识表的构建及初始化 | 第68-69页 |
·迭代公式及奖惩值设定 | 第69-71页 |
·过程算法 | 第71页 |
·仿真分析 | 第71-72页 |
·本章小结 | 第72-74页 |
第七章 动态调度决策系统设计与实现 | 第74-85页 |
·基于Jini 的体系结构 | 第74-79页 |
·Jini 基本概念 | 第75-77页 |
·Jini 的结构 | 第77-78页 |
·基于Jini 的系统集成框架 | 第78-79页 |
·系统功能模块设计与分析 | 第79-81页 |
·原型系统运行示例 | 第81-84页 |
·本章小结 | 第84-85页 |
第八章 总结与展望 | 第85-87页 |
·研究总结 | 第85-86页 |
·研究展望 | 第86-87页 |
参考文献 | 第87-94页 |
致谢 | 第94-95页 |
攻读学位期间发表学术论文目录 | 第95-96页 |
攻读学位期间参与科研项目 | 第96页 |