CN109190995B - 一种基于多智能体的维修资源双向联合调度策略决策方法 - Google Patents
一种基于多智能体的维修资源双向联合调度策略决策方法 Download PDFInfo
- Publication number
- CN109190995B CN109190995B CN201811085023.1A CN201811085023A CN109190995B CN 109190995 B CN109190995 B CN 109190995B CN 201811085023 A CN201811085023 A CN 201811085023A CN 109190995 B CN109190995 B CN 109190995B
- Authority
- CN
- China
- Prior art keywords
- maintenance
- scheduling
- simulation
- inventory
- scheduling strategy
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Active
Links
Images
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06312—Adjustment or analysis of established resource schedule, e.g. resource or task levelling, or dynamic rescheduling
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F30/00—Computer-aided design [CAD]
- G06F30/20—Design optimisation, verification or simulation
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06Q—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES; SYSTEMS OR METHODS SPECIALLY ADAPTED FOR ADMINISTRATIVE, COMMERCIAL, FINANCIAL, MANAGERIAL OR SUPERVISORY PURPOSES, NOT OTHERWISE PROVIDED FOR
- G06Q10/00—Administration; Management
- G06Q10/06—Resources, workflows, human or project management; Enterprise or organisation planning; Enterprise or organisation modelling
- G06Q10/063—Operations research, analysis or management
- G06Q10/0631—Resource planning, allocation, distributing or scheduling for enterprises or organisations
- G06Q10/06313—Resource planning in a project environment
Landscapes
- Business, Economics & Management (AREA)
- Human Resources & Organizations (AREA)
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Strategic Management (AREA)
- Economics (AREA)
- Physics & Mathematics (AREA)
- Entrepreneurship & Innovation (AREA)
- General Physics & Mathematics (AREA)
- Tourism & Hospitality (AREA)
- General Business, Economics & Management (AREA)
- Marketing (AREA)
- Operations Research (AREA)
- Quality & Reliability (AREA)
- Development Economics (AREA)
- Educational Administration (AREA)
- Game Theory and Decision Science (AREA)
- Biodiversity & Conservation Biology (AREA)
- Life Sciences & Earth Sciences (AREA)
- Computer Hardware Design (AREA)
- Evolutionary Computation (AREA)
- Geometry (AREA)
- General Engineering & Computer Science (AREA)
- Management, Administration, Business Operations System, And Electronic Commerce (AREA)
Abstract
本发明公开了一种基于多智能体的维修资源双向联合调度策略决策方法,可实现多级多个保障点的维修资源联合调度,支持不同设备故障后维修工和备件的综合调度决策。步骤如下:1.仿真建模。将装备、维修资源等封装为一个个独立的智能体,并定义了每个智能体内部的属性。2.仿真配置。定义了维修资源调度策略‑固定匹配的调度策略、最短距离的调度策略、最大库存量的调度策略,此外,定义了仿真次数。3.产生仿真评估结果。分别统计在三种不同调度策略下单次仿真成本以及N次仿真后的平均成本。4.维修资源调度策略排序。根据平均成本对维修资源调度策略进行排序。
Description
技术领域
本发明提供一种基于多智能体的维修资源双向联合调度策略决策方法,尤其提供一种基于横向、纵向双向转运的维修工和备件等维修资源联合调度的决策方法。该方法可实现多级多个保障点的维修资源联合调度,支持不同设备故障后的维修资源调度综合决策,属于可靠性工程领域。
背景技术
对于设备密集型产业,如航空、电力以及各种制造业而言,某个零件的失效可能导致整个设备的停机,造成巨大的停产损失,因此及时有效的维修对于提高设备的作业效率具有重要的作用。
备件和维修工是影响设备有效维修的两大资源,为了节约储存成本,每个保障点只储存一定数量的维修资源,所以补货策略具有很大的研究价值。早期,当维修资源出现短缺时,整个保障体系严格按照逐级向上申领资源的模式进行补货,同级之间并不进行转运补给,单纯的纵向调度降低了调度方式的灵活性。近年来,作为同级库存点间调度资源的横向转运受到了广泛关注,由于横向调度是从同级库存点调度维修资源,使得同级其他库存点的维修资源得到充分利用,在很大程度上减少了库存成本。以往对于维修资源调度模型的研究主要采用数学解析法,随着大型复杂设备的增多,对资源调度决策的研究方法提出了更高的要求。多智能体技术通过智能体间的交流和协作可以实现系统的复杂功能,而且无需描述具体的动作细节即可完成一定的预定任务,是对维修资源调度过程有力的技术支撑。为了提高维修资源调度效率,有必要以智能体技术为支撑,给出一种综合性的双向维修资源联合调度策略决策方法。
发明内容
本发明的目的是为维修资源联合调度过程提供一种调度策略决策方法,在多智能体的支持下,建立一种考虑双向转运的维修资源调度综合决策方法,使维修资源的转运方式多元化。
本发明提出了一种基于多智能体的考虑双向转运的维修资源联合调度策略决策方法,主要包含以下步骤:
步骤一:仿真建模。
1)装备智能体封装
本发明将装备智能体细化到零件级,并为每类零件分配了寿命时钟,利用双时钟的思想表达装备智能体的故障,发出维修资源请求。
(1)设置装备智能体的位置
L={l|l=[x,y]T,0≤x≤X,0≤y≤Y}
X,Y分别表示整个装备行坐标与列坐标的最大值。
(2)设置装备智能体每种零件的剩余寿命时间
(3)配置装备智能体的状态
C={-1,0,1}
-1表示该装备处于故障状态,进入该状态后产生维修资源请求;0表示空闲状态,并假设该装备在有限的时间t后变为工作状态;1表示该装备处于工作状态。
2)维修资源智能体封装
维修资源包括维修工、备件,收到维修资源需求后,通过维修资源调度策略调度维修资源。
(1)维修资源库存点的位置
M={m|m=[a,b]T,0≤a≤A,0≤b≤B}
A,B分别表示维修资源库存点行坐标与列坐标的最大值。
(2)剩余维修资源库存量
Nr=N0-Nu+Nb
Nr表示剩余维修资源库存量;N0表示初始维修资源库存量;Nu表示使用的维修资源;Nb表示修复完好的零件返回库存点的数量。
(3)维修资源库存点的选择原则
本发明使用合同网协议选择合适的库存点,具体步骤如下:
①装备智能体发生故障后根据维修资源需求进行招标;
②所有的维修资源库存点根据剩余库存量进行投标,如果没有投标的库存点,更改约束条件重新招标;
③管理智能体对所有投标的维修资源库存点N进行评估。
3)管理智能体封装
管理智能体记录维修资源的储存时间TR、调度时间TT、调度距离D、维修时间TM、停产时间TS,并将其与系数值相乘,统一为调度成本。
步骤二:仿真配置。
1)定义调度策略
(1)固定匹配的调度策略
该种调度策略指的是装备智能体与维修资源库存点具有一一匹配的关系,产生维修资源需求后,如果该库存点没有剩余库存,故障装备处于停产状态,直到该库存点补货后才进行调度操作,显然,这种调度策略会产生巨大的停产损失。
(2)最短距离的调度策略
该种调度策略指的是装备智能体产生维修资源请求后,距离其最近的库存点调度维修资源前去支援,如果两个库存点距故障装置的距离相同,则选择库存量最大的库存点调度维修资源。
(3)最大库存量的调度策略
该种调度策略指的是装备智能体发出维修资源请求后,从现有最大库存量的库存点进行补货,如果有两个库存点的库存量相同,则选择最近距离的库存点调度维修资源。
2)定义仿真次数
增加仿真次数可以提高仿真结果的精度,但过多的仿真次数会增加计算量的强度,可根据精度要求,确定仿真次数N。
步骤三:产生仿真评估结果。
1)产生维修资源请求后,维修资源库存点分别利用步骤二中定义的三种调度策略进行维修资源调度。
2)计算单次仿真总成本。
C=CR+CT+CM+CS
CR=TR×Rcoe
CT=TT×Tcoe
CM=TM×Mcoe
CS=TS×Scoe
上式中,C-总成本;CR–储存成本;CT–调度成本;CM-维修成本;CS–停产成本;Rcoe–储存系数;Tcoe–调度系数;Mcoe-维修系数;Scoe–停产系数。
3)判断仿真次数是否到达N。若仿真次数小于N,则继续仿真;若仿真次数达到N,汇总多轮仿真结果。
4)计算多次仿真的平均成本
利用蒙特卡洛思想,计算多次仿真的平均成本。
步骤四:维修资源调度策略排序。
将每种调度策略产生的平均成本按照从小到大的顺序进行排序。
本发明通过以上步骤给出一种基于多智能体的维修资源双向联合调度策略决策方法,可有效支持不同故障产生的维修资源双向联合调度的决策问题。其优点在于:①同时考虑维修工、备件在横向转运及紧急转运的双向调度,大大提高了调度效率;②以多智能体技术为支撑,可支持多种维修资源与装备间的动态交互;③可进行多次仿真试验,保证决策的精确性。
附图说明
图1为本发明中所述方法的整体框架图
图2为本发明中多智能体系统图
图3为本发明中基于合同网的决策流程配置图
图4为本发明中维修资源调度策略图
具体实施方式
为使本发明的技术方案、特征及优点得到更清楚的了解,以下结合附图,作详细说明。
本发明提出了一种基于多智能体的维修资源双向联合调度策略决策方法,可用于解决维修资源双向联合调度策略的决策问题。该方法以多智能体技术为支撑,构建了维修资源双向联合调度策略决策流程,为维修资源双向联合调度提供综合决策。本发明的整体架构如图1所示,下面以实例进一步说明本发明的实质内容,具体的步骤为:
步骤一:仿真建模。
本发明将装备、维修资源等封装为一个个独立的智能体。
1)装备智能体封装
装备智能体细化到零件级,并为每类零件分配了寿命时钟,利用双时钟的思想表达装备智能体的故障。
例1:某型号无人机维修资源调度方案决策。假设该型号无人机由7个主要的LRU级零件组成,其寿命时间分别为:高波段数字接收机(1000h),显控开关盒(1200h),链路信息管理机(1600h),干涉仪天线阵(8000h),消隐告警单元(600h),信道与监控单元(2000h),机内通信设备(1400h).
该型号无人机投入工作后,其组成零部件开始消耗寿命时间,寿命时间短的零件先发生故障,即高波段数字接收机先进入故障状态,该无人机停止工作,向管理智能体和维修资源智能体发出维修资源请求。
2)维修资源智能体封装
维修资源包括维修工、备件等,收到维修资源需求后,根据具体的调度策略进行维修资源调度。
(1)剩余维修资源库存量
Nr=N0-Nu+Nb
Nr表示剩余维修资源库存量;N0表示初始维修资源库存量;Nu表示使用的维修资源;Nb表示修复完好的零件返回库存点的数量。
(2)维修资源库存点的选择原则
本发明使用合同网协议选择合适的库存点,具体步骤如下:
①装备智能体发生故障后根据维修资源需求进行招标;
②所有的维修资源库存点根据剩余库存量进行投标,如果没有投标的库存点,装备智能体更改约束条件重新招标;
③管理智能体对所有投标的维修资源库存点进行评估。
例2:接例1,维修资源智能体检查剩余库存量Nr,如果Nr满足装备智能体的需求,按照合同网协议进行投标。
3)管理智能体封装
管理智能体记录维修资源的储存时间TR、调度时间TT、调度距离D、维修时间TM、停产时间TS,并将其与系数值相乘,统一为调度成本。
例3:维修资源的储存系数(Rcoe)为0.08,调度时间(调度距离)系数(Tcoe)为0.43,维修时间系数(Mcoe)为0.24,停产系数(Scoe)为0.25。
步骤二:仿真配置。
1)定义调度策略
(1)固定匹配的调度策略
该种调度策略指的是装备智能体与维修资源库存点具有一一匹配的关系,产生维修资源需求后,如果该库存点没有剩余库存,故障装备处于停产状态,直到该库存点补货后才进行调度操作,显然,这种调度策略会产生巨大的停产损失。
(2)最短距离的调度策略
该种调度策略指的是装备智能体产生维修资源请求后,距离其最近的库存点调度维修资源前去支援,如果两个库存点距故障装置的距离相同,则选择库存量最大的库存点调度维修资源。
(3)最大库存量的调度策略
该种调度策略指的是装备智能体发出维修资源请求后,从现有最大库存量的库存点进行补货,如果有两个库存点的库存量相同,则选择最近距离的库存点调度维修资源。
2)定义仿真次数
增加仿真次数可以提高仿真结果的精度,但过多的仿真次数会增加计算量的强度,可根据精度要求,确定仿真次数N。
步骤三:产生仿真评估结果。
1)产生维修资源请求后,维修资源库存点分别利用步骤二中定义的三种调度策略进行维修资源调度。
2)计算单次仿真总成本。
C=CR+CT+CM+CS
CR=TR×Rcoe
CT=TT×Tcoe
CM=TM×Mcoe
CS=TS×Scoe
上式中,C-总成本;CR–储存成本;CT–调度成本;CM-维修成本;CS–停产成本;Rcoe–储存系数;Tcoe–调度系数;Mcoe-维修系数;Scoe–停产系数。
例4:接例3,根据调度过程中产生的数据,管理智能体计算单次仿真总成本。
(1)当使用固定匹配的调度策略时,仿真产生的时间分别为:TR=3h,TT=5h,TM=4h,TS=10h,则:
Cfix=3×0.08+5×0.43+4×0.24+10×0.25=5.85
(2)当使用最短距离的调度策略时,仿真产生的时间分别为:TR=4h,TT=3h,TM=4h,TS=6h,则:
Cshort=4×0.08+3×0.43+4×0.24+6×0.25=4.07
(3)当使用最大库存量的调度策略时,仿真产生的时间分别为:TR=2h,TT=6h,TM=4h,TS=3.5h,则:
Cmax=2×0.08+6×0.43+4×0.24+3.5×0.25=4.575
3)判断仿真次数是否到达N。若仿真次数小于N,则继续仿真;若仿真次数达到N,汇总多轮仿真结果。
4)计算多次仿真的平均成本
利用蒙特卡洛理论,计算多次仿真的平均成本。
例5:接例4,经过10次仿真后,利用蒙特卡洛理论计算平均成本。
(1)当使用固定匹配的调度策略时,10次仿真得到的成本分别为:Cfix1=4.07;Cfix2=3.67;Cfix3=3.96;Cfix4=3.99;Cfix5=4.03;Cfix6=4.79;Cfix7=4.81;Cfix8=3.79;Cfix9=4.08;Cfix10=5.14.则:
(2)当使用最短距离的调度策略时,10次仿真得到的成本分别为:Cshort1=5.85;Cshort2=5.67;Cshort3=5.96;Cshort4=5.99;Cshort5=6.03;Cshort6=5.79;Cshort7=5.81;Cshort8=5.59;Cshort9=6.08;Cshort10=6.14.则:
(3)当使用最大库存量的调度策略时,10次仿真得到的成本分别为:Cmax1=4.85;Cmax2=4.67;Cmax3=3.96;Cmax4=3.99;Cmax5=5.03;Cmax6=4.79;Cmax7=4.81;Cmax8=4.59;Cmax9=5.08;Cmax10=5.14.则:
步骤四:维修资源调度策略排序。
将每种调度策略产生的平均成本按照从小到大的顺序进行排序。
例6:接例5,将每种调度策略产生的平均成本按照从小到大的顺序进行排序,排序结果为:最短距离的调度策略,最大库存量的调度策略,固定匹配的调度策略。
Claims (4)
1.一种基于多智能体的维修资源双向联合调度策略决策方法,其特征在于:它包含以下步骤:
第一步:仿真建模,将装备、维修资源封装为一个个独立的智能体:
1)装备智能体封装
将装备智能体细化到零件级,并为每类零件分配了寿命时钟,利用双时钟的思想表达装备智能体的故障,发出维修资源请求:
(1)设置装备智能体的位置
L={l|l=[x,y]T,0≤x≤X,0≤y≤Y}
X,Y分别表示整个装备行坐标与列坐标的最大值;
(2)配置装备智能体每种零件的剩余寿命时间
(3)配置装备智能体的状态
C={-1,0,1}
-1表示该装备处于故障状态,进入该状态后产生维修资源请求;0表示空闲状态,并假设该装备在有限的时间t后变为工作状态;1表示该装备处于工作状态;
2)维修资源智能体封装
维修资源包括维修工、备件,收到维修资源需求后,通过紧急转运和横向转运的方式调度维修资源;
(1)维修资源库存点的位置
M={m|m=[a,b]T,0≤a≤A,0≤b≤B}
A,B分别表示维修资源库存点行坐标与列坐标的最大值;
(2)剩余维修资源库存量
Nr=N0-Nu+Nb
Nr表示剩余维修资源库存量;N0表示初始维修资源库存量;Nu表示使用的维修资源;Nb表示修复完好的零件返回库存点的数量;
(3)维修资源库存点的选择原则
使用合同网协议选择合适的库存点,具体步骤如下:
①装备智能体发生故障后根据维修资源需求进行招标;
②所有的维修资源库存点根据剩余库存量进行投标,如果没有投标的库存点,更改约束条件重新招标;
③管理智能体对所有投标的维修资源库存点进行评估;
3)管理智能体封装
管理智能体记录维修资源的储存时间、调度时间、调度距离、维修时间、停产时间,并将其与系数值相乘,统一为调度成本;
第二步:仿真配置,首先定义了维修资源调度策略-固定匹配的调度策略、最短距离的调度策略、最大库存量的调度策略,接着定义了仿真次数;
第三步:产生仿真评估结果,产生维修资源请求后,维修资源库存点分别利用三种调度策略进行维修资源调度,管理智能体计算单次仿真产生的成本,并判断仿真次数是否到达N;若仿真次数小于N,则继续仿真;若仿真次数达到N,汇总多轮仿真结果,并计算多次仿真产生的平均成本;
第四步:维修资源调度策略排序,管理智能体根据每种调度策略产生的平均成本按照从小到大的顺序进行排序。
2.根据权利要求1所述的一种基于多智能体的维修资源双向联合调度策略决策方法,其特征在于:在第二步中所述的仿真配置中,首先定义调度策略,其次定义了仿真次数,
1)定义调度策略
(1)固定匹配的调度策略
该种调度策略指的是装备智能体与维修资源库存点具有一一匹配的关系,产生维修资源需求后,如果该库存点没有剩余库存,故障装备处于停产状态,直到该库存点补货后才进行调度操作,显然,这种调度策略会产生巨大的停产损失;
(2)最短距离的调度策略
该种调度策略指的是装备智能体产生维修资源请求后,距离其最近的库存点调度维修资源前去支援,如果两个库存点距故障装置的距离相同,则选择库存量最大的库存点调度维修资源;
(3)最大库存量的调度策略
该种调度策略指的是装备智能体发出维修资源请求后,从现有最大库存量的库存点进行补货,如果有两个库存点的库存量相同,则选择最近距离的库存点调度维修资源;
2)定义仿真次数
增加仿真次数可以提高仿真结果的精度,但过多的仿真次数会增加计算量的强度,可根据精度要求,确定仿真次数N。
3.根据权利要求1所述的一种基于多智能体的维修资源双向联合调度策略决策方法,其特征在于:在第三步中所述的产生仿真评估结果中,统计仿真产生的平均成本,
1)产生维修资源请求后,维修资源库存点分别利用步骤二中定义的三种调度策略进行维修资源调度;
2)计算单次仿真总成本:
C=CR+CT+CM+CS
CR=TR×Rcoe
CT=TT×Tcoe
CM=TM×Mcoe
CS=TS×Scoe
上式中,C-总成本;CR–储存成本;CT–调度成本;CM-维修成本;CS–停产成本;Rcoe–储存系数;Tcoe–调度系数;Mcoe-维修系数;Scoe–停产系数;TR-储存时间;TT-调度时间;TM-维修时间;TS-停产时间;
3)判断仿真次数是否到达N,若仿真次数小于N,则继续仿真;若仿真次数达到N,汇总多轮仿真结果;
4)计算多次仿真的平均成本利用蒙特卡洛思想,计算多次仿真的平均成本
4.根据权利要求1所述的一种基于多智能体的维修资源双向联合调度策略决策方法,其特征在于:在第四步“维修资源调度策略排序”中,管理智能体根据仿真结果将每种调度策略产生的平均成本按照从小到大的顺序进行排序。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811085023.1A CN109190995B (zh) | 2018-09-18 | 2018-09-18 | 一种基于多智能体的维修资源双向联合调度策略决策方法 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201811085023.1A CN109190995B (zh) | 2018-09-18 | 2018-09-18 | 一种基于多智能体的维修资源双向联合调度策略决策方法 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN109190995A CN109190995A (zh) | 2019-01-11 |
CN109190995B true CN109190995B (zh) | 2021-06-08 |
Family
ID=64912084
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201811085023.1A Active CN109190995B (zh) | 2018-09-18 | 2018-09-18 | 一种基于多智能体的维修资源双向联合调度策略决策方法 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN109190995B (zh) |
Families Citing this family (3)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN110866335A (zh) * | 2019-11-05 | 2020-03-06 | 中国航空工业集团公司沈阳飞机设计研究所 | 一种基于AnyLogic的综合保障仿真方法及设备 |
CN113326573A (zh) * | 2021-06-28 | 2021-08-31 | 北京航空航天大学 | 一种基于智能体的无人机集群综合保障效能评估方法 |
CN115034041B (zh) * | 2022-05-17 | 2023-02-07 | 北京瑞风协同科技股份有限公司 | 基于仿真方法开展装备维修的推演方法及系统 |
Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661588A (zh) * | 2009-09-27 | 2010-03-03 | 重庆大学 | 基于多Agent的设备维护智能协同决策系统及方法 |
CN106527373A (zh) * | 2016-12-05 | 2017-03-22 | 中国科学院自动化研究所 | 基于多智能体的车间自主调度系统和方法 |
CN107895225A (zh) * | 2017-11-01 | 2018-04-10 | 北京邮电大学 | 一种多Agent无冲突的合作型任务分配方法 |
CN108491250A (zh) * | 2018-04-13 | 2018-09-04 | 中国人民解放军陆军装甲兵学院 | 复杂系统可靠性仿真的自适应智能体通信方法及系统 |
Family Cites Families (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
US20120203586A1 (en) * | 2011-02-07 | 2012-08-09 | FreeFieldService.com | Field Service Networking Platform |
CN106203674A (zh) * | 2016-06-23 | 2016-12-07 | 中国海洋大学 | 一种用于储能系统的调度管理系统 |
-
2018
- 2018-09-18 CN CN201811085023.1A patent/CN109190995B/zh active Active
Patent Citations (4)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN101661588A (zh) * | 2009-09-27 | 2010-03-03 | 重庆大学 | 基于多Agent的设备维护智能协同决策系统及方法 |
CN106527373A (zh) * | 2016-12-05 | 2017-03-22 | 中国科学院自动化研究所 | 基于多智能体的车间自主调度系统和方法 |
CN107895225A (zh) * | 2017-11-01 | 2018-04-10 | 北京邮电大学 | 一种多Agent无冲突的合作型任务分配方法 |
CN108491250A (zh) * | 2018-04-13 | 2018-09-04 | 中国人民解放军陆军装甲兵学院 | 复杂系统可靠性仿真的自适应智能体通信方法及系统 |
Non-Patent Citations (3)
Title |
---|
A Multi-Agent Based Framework for Maintenance Resource Scheduling Decision;Bowen Cui etal.;《2018 International Conference on Sensing,Diagnostics, Prognostics, and Control (SDPC)》;20180817;第527-530页 * |
Organization of the Repair and Maintenance in Road Sector with Ontologies and Multi-agent Systems;M.V. Denisov etal.;《Procedia Technology》;20131231;第819-825页 * |
基于智能体的导弹发射车集群视情维修策略生成方法;陈学忠;《内燃机与配件》;20180731(第14期);第155-158页 * |
Also Published As
Publication number | Publication date |
---|---|
CN109190995A (zh) | 2019-01-11 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
CN109190995B (zh) | 一种基于多智能体的维修资源双向联合调度策略决策方法 | |
EP2721706B1 (en) | Method and apparatus for controlling energy services based on market data | |
CN101364108B (zh) | 复杂大系统环境下的基于事件驱动的车间作业动态调度方法 | |
US20160218505A1 (en) | System and Method for Energy Asset Sizing and Optimal Dispatch | |
CN107016449B (zh) | 一种基于跨企业动态计划排程的智能制造方法 | |
CN111199309A (zh) | 一种电力物资供应链运营的预警管控系统 | |
CN107239883A (zh) | 一种汽车共享系统车辆的调度方法 | |
CN109118097B (zh) | 一种可靠性维修性保障性评估方法和装置 | |
CN111311154A (zh) | 基于物联网的车辆调度方法与系统 | |
CN102855293A (zh) | 一种电动汽车及充换电设施系统海量数据处理方法 | |
CN111144632A (zh) | 一种电力储备物资的预测管控模型 | |
CN114757797B (zh) | 一种基于数据模型驱动的电网资源业务中台架构方法 | |
CN105825314A (zh) | 一种基于集中运维模式的监视信息分析方法和系统 | |
CN105404940B (zh) | 一种面向船舶使用阶段的维修资源预测方法 | |
CN117254464B (zh) | 一种储能系统的控制方法及系统 | |
Zhao et al. | Workload and energy management of geo-distributed datacenters considering demand response programs | |
CN106203674A (zh) | 一种用于储能系统的调度管理系统 | |
CN103532172B (zh) | 一种基于机组动态分类的多级备用协调方法 | |
TW201816698A (zh) | 微電網多代理日前市場排程方法 | |
CN116911494A (zh) | 一种船舶备件配置方法、系统、电子设备及存储介质 | |
CN116131304A (zh) | 一种用于新型电力系统的配电储能管理系统 | |
Farzin et al. | Developing a stochastic approach for optimal scheduling of isolated microgrids | |
CN115759600A (zh) | 一种多源多目标情况下的配网应急发电车自动调度方法 | |
Ihle et al. | An IT-architecture to support energy efficiency and the usage of flexible loads at a container terminal. | |
CN114091853A (zh) | 一种基于订单分配的生产排程方法、系统、电子设备及存储介质 |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |