[发明专利]一种用于流程工业的多智能体系统任务调度方法及系统

权利要求书

1.一种用于流程工业的多智能体系统任务调度方法，其特征在于，包括：

构建面向全过程的智能协同控制模型，该模型由系统Agent通过总线连接各个生产阶段的Agent组成；

获取任务的初始作业序列，以及完成每个作业所需要的现场Agent和执行每个作业所述各个现场Agent所需要的处理时间；

利用TS_QLearning算法求解现场Agent总空闲时间最短的作业序列；

所述智能协同控制模型根据所述作业序列进行任务调度。

2.如权利要求1所述的一种用于流程工业的多智能体系统任务调度方法，其特征在于，所述智能系统控制模型为分层结构，上层的系统Agent用于统一资源调度及任务分配，下层的每个车间Agent包括车间控制Agent和若干现场Agent，所述系统Agent通过总线下发任务，每个车间之间相互配合实现任务分解，每个车间通过车间控制Agent将任务分配给现场Agent，现场Agent相互协作完成任务。

3.如权利要求1所述的一种用于流程工业的多智能体系统任务调度方法，其特征在于，所述任务调度方法通过最小化所有现场Agent空闲时间的总和，寻找最优的作业序列。

4.如权利要求1所述的一种用于流程工业的多智能体系统任务调度方法，其特征在于，所述调度方法需要遵循如下约束：

每个现场Agent一次只能执行一项操作；每项任务的操作一次只能由一个现场Agent执行；一旦在机器上开始操作，就不能中断；在没有完成之前的操作之前，不能执行其他的任务操作；只能由同种类型的机器执行任务操作，并且每个现场Agent的处理时间和可利用的现场Agent的数量是已知的。

5.如权利要求1所述的一种用于流程工业的多智能体系统任务调度方法，其特征在于，所述任务包含若干作业，所述作业需要利用若干现场Agent进行处理。

6.如权利要求1所述的一种用于流程工业的多智能体系统任务调度方法，其特征在于，所述TS_QLearning算法是禁忌搜索算法和Q学习算法的结合，通过禁忌搜索算法获得预设数量的作业序列的初始解，并存储于禁忌表中；基于禁忌表中的初始解，通过QLearning算法进行优化求解，获得最优的作业序列。

7.如权利要求1所述的一种用于流程工业的多智能体系统任务调度方法，其特征在于，所述TS_QLearning算法优化过程中，利用空闲时间作为反馈信号，经过迭代计算获得完整的作业序列及对应的总的空闲时间。

8.一种用于流程工业的多智能体系统任务调度系统，其特征在于，包括：

模型构建模块，其用于构建面向全过程的智能协同控制模型，该模型由系统Agent通过总线连接各个生产阶段的Agent组成；

数据获取模块，其用于获取不同任务所需要的Agent及各个Agent所需要的处理时间数据；

最优作业序列获取模块，其用于利用TS_QLearning算法求解最优的作业序列，所述智能协同控制模型根据所述作业序列进行任务调度。

9.一种电子设备，包括存储器、处理器及存储在存储器上运行的计算机程序，其特征在于，所述处理器执行所述程序时实现如权利要求1-7任一项所述的一种用于流程工业的多智能体系统任务调度方法。

10.一种计算机可读存储介质，其上存储有计算机程序，其特征在于，该程序被处理器执行时实现如权利要求1-7任一项所述的一种用于流程工业的多智能体系统任务调度方法。