一种雾计算系统的任务分配方法及系统

    公开(公告)号:CN110162390A

    公开(公告)日:2019-08-23

    申请号:CN201910405759.0

    申请日:2019-05-15

    Applicant: 清华大学

    Abstract: 本发明实施例提供了一种雾计算系统的任务分配方法及系统,方法包括:获取雾计算系统的任务优化目标以及所述任务优化目标对应的约束条件;确定雾计算系统中的待处理任务集合以及相关信息;基于容量约束的分布估计算法,对所述待处理任务集合中的任务进行分配,以在满足所述任务优化目标对应的约束条件下,优化所述任务优化目标。本发明实施例提供的一种雾计算系统的任务分配方法及系统,基于任务分配问题的特征提出有效的搜索,结合分布估计算法,对任务分配问题进行了高效求解,在大规模短时间场景下获取可行的任务分配方案。

    基于降维和增量式极限学习机的光刻线宽智能预测方法

    公开(公告)号:CN103106331A

    公开(公告)日:2013-05-15

    申请号:CN201210543771.6

    申请日:2012-12-17

    Applicant: 清华大学

    Abstract: 基于降维和增量式极限学习机的光刻线宽智能预测方法,属于自动控制、信息技术和先进制造领域,具体涉及针对光刻线宽指标建模过程存在训练数据维数高且分批到达的特点,通过对基于结构风险最小化的批处理极限学习机进行矩阵求逆降维,实现对光刻线宽指标的智能在线预测,其特征在于包括以下步骤:对基于结构风险最小化的批处理极限学习机中的矩阵求逆采用矩阵求逆降维公式进行降维,以建立极限学习机模型参数与新到达数据的关系,实现对极限学习机模型参数的在线增量式学习和输出层权值更新。本发明所提出的基于矩阵求逆降维和增量式极限学习机的指标预测方法对光刻线宽指标具有较好的预测效果。

    基于序优化与在线核极限学习机的分层迭代优化调度方法

    公开(公告)号:CN103105775A

    公开(公告)日:2013-05-15

    申请号:CN201210543781.X

    申请日:2012-12-17

    Applicant: 清华大学

    Abstract: 基于序优化与在线核极限学习机的分层迭代优化调度方法,属于自动控制、信息技术和先进制造领域,具体涉及菜单层批调度策略优化、操作层操作排序优化和基于核极限学习机在线学习的目标函数评价等方法。其特征在于,针对微电子生产过程中的扩散区组批调度过程中决策变量多,批调度策略与操作排序策略之间存在较强耦合等特点,在调度算法中采用了分层调度结构,对菜单层批调度策略和操作层排序策略进行迭代优化,为提高算法运算效率,采用序优化方法快速优化菜单层批调度策略,并通过菜单层和操作层之间的迭代优化,进一步提高调度算法性能。本发明所提出的基于序优化与在线核极限学习机的分层迭代优化调度方法具有较好的求解速度和优化性能。

    飞机装配调度的强化双学习驱动的进化优化方法及系统

    公开(公告)号:CN119717732A

    公开(公告)日:2025-03-28

    申请号:CN202411894368.7

    申请日:2024-12-20

    Applicant: 清华大学

    Inventor: 王凌 李瑞

    Abstract: 本申请涉及装配调度技术领域,特别涉及一种飞机装配调度的强化双学习驱动的进化优化方法及系统,其中,方法包括:基于目标飞机装配的工序顺序约束和工人站位容量约束,构建进化策略中的初始分层编码策略和初始解码策略;通过预设搜索策略、预设多算子协同反馈搜索策略和预设参数选择策略优化初始分层编码策略和初始解码策略的统计学习性能和进化学习性能;根据优化后的分层编码策略和解码策略生成新进化策略并执行以对目标飞机装配进行调度。本申请可以将飞机装配的复杂工序约束转换为分层编码,并用队列数据结构解码分层编码,在考虑装配工序分组、工序串行并行工序关系耦合、工位容量约束等复杂特性下快速自适应地生成不同的飞机装配调度方案。

    跨组织机加车间的数模双驱智能调度方法及装置

    公开(公告)号:CN118941017A

    公开(公告)日:2024-11-12

    申请号:CN202410984633.4

    申请日:2024-07-22

    Applicant: 清华大学

    Inventor: 王凌 李瑞 堵君懿

    Abstract: 本申请涉及一种跨组织机加车间的数模双驱智能调度方法及装置,其中,方法包括:建立跨组织机加车间调度模型并对其进行向量编码,得到工厂、工序和机器向量;通过协同初始化策略生成第一和第二父代种群,遗传进化搜索第一父代种群获取第一子代种群,数据驱动邻域搜索第二子代种群并记录其搜索知识;根据上述父代和子代种群生成新的第一和第二父代种群,通过多算子协同邻域搜索新的第一父代种群获取其搜索知识;拼接工厂向量等得到一维张量,并结合邻域动作推荐神经网络模型,得到对应的调度方案。由此,解决了现有的跨组织车间调度方法难以在实现快速高效搜索的同时,记录历史搜索经验,对资源分组复杂机加工车间调度问题的求解效率较低等问题。

    基于工人转移场景下的赛汝系统调度方法及装置

    公开(公告)号:CN116796963A

    公开(公告)日:2023-09-22

    申请号:CN202310674957.3

    申请日:2023-06-08

    Applicant: 清华大学

    Inventor: 王凌 吴玉婷

    Abstract: 本发明公开了基于工人转移场景下的赛汝系统调度方法及装置,该方法包括:获取赛汝系统调度问题的耦合子问题,并基于预设的编解码规则得到第一多个个体构建用于优化耦合子问题的第一种群和第二种群;对第一种群进行基于概率学习的搜索以及对第二种群进行迭代贪婪搜索,并基于第一搜索结果和Q learning的选择机制选择要进入的种群;对选择要进入的种群中第二多个个体进行基于Q learning的局部搜索得到第二搜索结果;基于第二搜索结果并利用第二多个个体更新概率模型;判断更新后的概率模型是否满足终止准则,若满足,则输出结果。本发明能够实现高效的智能调度。

    分布式异构流水车间的分布估计调度方法及系统

    公开(公告)号:CN110928261B

    公开(公告)日:2021-05-28

    申请号:CN201911301646.2

    申请日:2019-12-17

    Applicant: 清华大学

    Inventor: 王凌 陈靖方 王兴

    Abstract: 本发明公开了一种分布式异构流水车间的分布估计调度方法及系统,其中,方法包括以下步骤:对种群与概率模型进行初始化,并设置参数;采用PBIL方法对概率模型在进化的每一代中都进行更新;根据工厂内插入、工厂内交换、工厂间插入和工厂间交换等不同邻域结构的搜索操作产生新解以进行贪婪搜索;对概率模型采样,以重新生成满足预设条件的个体,确定分布估计调度方案。该方法简单高效,可以有效解决工厂分配和工件排序子问题,进而能够有效解决分布式异构流水车间调度问题。

    一种分布式混合流水线调度优化方法

    公开(公告)号:CN110276481A

    公开(公告)日:2019-09-24

    申请号:CN201910471365.5

    申请日:2019-05-31

    Applicant: 清华大学

    Inventor: 王凌 郑洁 王晶晶

    Abstract: 本发明实施例提供一种分布式混合流水线调度优化方法,该方法包括:初始化至少两个调度方案,并确定每个调度方案中所有工件的工厂分配结果以及初始阶段每一工厂的工件加工顺序;对于每一调度方案,重复执行根据多种调度规则为初始阶段后的每一阶段确定加工顺序的迭代过程,直至满足预设条件;最终获得拖期最小的调度方案,以供实现分布式混合流水线调度。通过重复执行根据多种调度规则为初始阶段后的每一阶段确定加工顺序的迭代过程,从而在较低的计算复杂度情况下快速实现算法的收敛,得到总拖期最小的调度方案,进而提高流水线调度效率。另外,通过双种群发散性搜索和局部增强搜索,进一步优化算法,从而得到总拖期更优的调度方案。

    基于降维和增量式极限学习机的光刻线宽智能预测方法

    公开(公告)号:CN103106331B

    公开(公告)日:2015-08-05

    申请号:CN201210543771.6

    申请日:2012-12-17

    Applicant: 清华大学

    Abstract: 基于降维和增量式极限学习机的光刻线宽智能预测方法,属于自动控制、信息技术和先进制造领域,具体涉及针对光刻线宽指标建模过程存在训练数据维数高且分批到达的特点,通过对基于结构风险最小化的批处理极限学习机进行矩阵求逆降维,实现对光刻线宽指标的智能在线预测,其特征在于包括以下步骤:对基于结构风险最小化的批处理极限学习机中的矩阵求逆采用矩阵求逆降维公式进行降维,以建立极限学习机模型参数与新到达数据的关系,实现对极限学习机模型参数的在线增量式学习和输出层权值更新。本发明所提出的基于矩阵求逆降维和增量式极限学习机的指标预测方法对光刻线宽指标具有较好的预测效果。

    基于炼油厂全厂调度离散时间建模方法

    公开(公告)号:CN103984990A

    公开(公告)日:2014-08-13

    申请号:CN201410196058.8

    申请日:2014-05-09

    Applicant: 清华大学

    Abstract: 本发明公开了属于工业智能控制优化技术领域的一种基于炼油厂全厂调度离散时间建模方法,具体说是一种炼油厂炼油生产过程时间控制优化模型。把整个炼油厂系统划分为原油供应、炼油生产、成品油调和交付三个部分,基于离散时间,从生产装置的运行模式、生产装置运行模式的过渡过程的角度进行建模,基于炼油企业的多品种成品油生产调度中模式切换与过渡过程的离散时间最优化操作控制,给出了炼油厂全厂调度控制,构建可实现生产过程的生产成本和物料存储的成本费用以及违反订单惩罚最小化的一种调度模型。以及满足订单需求的过程控制调度的最优化方法。本发明有效解决了不同生产模式的切换及其收率计算、各类油料储存等难题。

Patent Agency Ranking