Multi-Agent技术在生产调度中的应用：一种有效的解决方案

2023-06-20 理论教育版权反馈

【摘要】：而在建立这种关系模型的方法上，多智能体系统MAS 提供了比较好的架构方式。本节主要从两个方面进行讨论和综述，一是对多智能体MAS 系统的概念及其特点进行简要的描述和总结，二是对多智能体MAS 理论在制造系统近些年来的应用情况进行综述，其中包括智能体Agent 在制造系统扮演的角色和功能， MAS 应用在制造系统中的主要架构方式，以及Agent 间交互主要采用的协商与冲突消解机制。

近些年关于工业系统动力学方面的研究，一直尝试着描述制造系统内部或者制造系统相互间的网络关系(Lee)。而在建立这种关系模型的方法上，多智能体系统MAS 提供了比较好的架构方式(Parunak 1994， Jennings et al. 1998， Oliveira et al.1999， Shen and Norrie 1999， Ren and Anumba 2004)。这些架构有些代表单独的某个决策模块，有些代表复杂的制造系统间的行为和交互。本节主要从两个方面进行讨论和综述，一是对多智能体MAS 系统的概念及其特点进行简要的描述和总结，二是对多智能体MAS 理论在制造系统近些年来的应用情况进行综述，其中包括智能体Agent 在制造系统扮演的角色和功能， MAS 应用在制造系统中的主要架构方式，以及Agent 间交互主要采用的协商与冲突消解机制。

美国斯坦福大学的Hayes-Roth 认为“智能Agent 能够持续地执行3 项功能：感知环境中的动态变化，执行动作影响环境，进行推理以解释感知信息、求解问题、产生推断和决定动作。 Agent 研究的先驱之一，美国的Maes 认为“自治或自主Agent 是指那些宿主于复杂动态环境中，自治地感知环境信息，自主采取行动，并实现一系列预先设定的目标或任务的计算系统。总体上来讲， Agent 普遍被认为是一个智能主体，其最主要的特征是具有感知性、自主性和协作性。它能够感受外部环境，独立决策，并能作用于外部环境以及与其他Agent 相互协作共同实现目标。

多智能体作为分布式人工智能的一个重要分支，其成熟的技术，自组织特性和协商机制能够很好地对协同性进行全面、定量、多角度的建模、分析、优化，是协同性研究重要的应用方法。从多智能体应用行业领域来看，多智能体主要集中在复杂工业制造过程智能控制、人机协同、新型企业组织、智能机器人、分布式集成计算平台、信息系统集成与协调等方面。从多智能体理论研究领域来看，多智能体研究主要集中在多智能体映射机制，系统结构体系，智能体间协商机制，以及冲突消解策略。目前多智能体在制造系统的应用研究主要集中在产品设计和开发，生产计划与控制和供应链管理。本节主要对生产计划与控制方面的研究现状进行综述。

在生产计划与控制的应用方面， MAS 的应用主要体现在以下两个方面：

(1)动态调度和工件分派问题。

生产调度是在满足工件加工流程其他约束条件的基础上，合理分配和利用生产线上有限的设备和资源，完成生产活动并尽可能优化系统的性能指标。吴继伟等(2003)根据半导体生产线的特点，把整个生产线设计成有多个智能体(各加工中心)，同时把各种影响智能体策略的因素转换为一个统一的效用函数来表示，由各加工中心根据当前的生产情况用动态规划方法来选择加工工件。该方法根据需求不断调整各种参数，能动态实时地计算每一时刻智能体的决策局势，因而可适应环境变化的要求。采用多智能体方法对半导体生产进行调度，提高了半导体生产线设备的利用率，缩短了单位工件的加工时间。通过调整影响效用函数的参数，实现了半导体工件的灵活生产；王令群等(2007) 提出一种基于多agent 技术的半导体生产线动态调度算法(multi-agent based dynamic schedule algorithm， MADS)，设备调度时考虑了上游设备即将到来的工件信息，同时协同考虑下游设备的在制品水平及其需求，各agent 相互合作，共同满足优化调度的目的，定义了一个合理的惩罚函数，使得总的惩罚值最小，满足了按期交货、提高产品合格率、减少成本的需求，并通过仿真实验证明了其有效性。 R.Lau 等应用于柔性制造系统调度的MASS 也是以算法为核心的，其设计的Agent 是具有学习能力的调度模块，内部结构采用了人工神经网络；赵博总结了求解调度的几类算法后，提出用MAS 技术实现诸算法的集成，主要方案是针对不同类别算法的不同结构，定义不同的代理，它们本身具有通用性，在不同的环境中，它们可以运用相应的知识进行协作来解决具体的调度优化问题。

(2)生产计划与调度集成优化问题。

多智能体系统是一个智能协调系统，多智能体技术相比传统理论，可将复杂的大规模动态的生产制造系统分解成小的、易于管理和维护的子系统(agent)，这些具有自主和自治功能的子系统通过相互之间建立的协商机制，进行协调、协作，通过特定的冲突消解机制解决相互之间的问题，最后达成集成优化，进而解决大规模复杂制造过程所面临的复杂问题。 Woodbridge 等提出了基于多智能体的半导体制造系统分层生产控制系统框架，将不同生产层次使用不同Agent 来代替。例如，使用Fab Agent 代表整个生产线， work area agent 代表加工区域， work center agent 代表加工设备，相应地，使用不同层次的scheduling agent 完成不同层次的调度行为；龚报钧提出了基于多智能体的企业开放信息分层体系结构，将系统分为界面层、协调层和模型层，并提出了基于多智能体的信息系统模型及其获取方法；李剑讨论了供应链环境下的企业协同生产调度问题，提出了一个两层的多智能体系统体系结构模型，并从不同层面对企业之间的协同生产调度进行了分析；黄轶愚对半导体生产线动态调度问题建立了多智能体调度模型，将动态调度中的关键因素模块化为管理、投料、工件和设备等Agent，分别代表生产线状态数据、投料计划、工件和设备；邓可等提出在高层体系结构(HLA)下集成多Agent 的方法对半导体生产线进行建模与仿真。仿真联邦由Agent 联邦成员和非Agent 联邦成员组成，各联邦成员之间通过对象类、交互类、 Agent 消息实现互相访问， Agent 联邦成员通过协商算法生成优化的调度方案。最后，基于JADE 实现了一个多Agent 的半导体生产线调度仿真系统。

综上所述，多智能体作为分布式人工智能的一个重要分支，其成熟的技术，自组织特性和协商机制能够很好地对协同性进行全面、定量、多角度的建模、分析、优化，是协同性研究重要的应用方法。将多智能体作为主要方法引入到半导体协同性研究的主要原因归结为相比其他方法多智能体系统具有以下特性：

(1)动态特性。由于半导体生产系统从生产计划制订到动态调度实施，到订单动态变化，存在一系列的连续变化以及变动性，应用多智能体技术将整体生产过程进行模块化封装，从而实现概念化、体系化。由于Agent 是自治的而且是分布性的，因此可以通过信息的动态灵活传递，对系统的变动性进行及时、有效的调节、适应，具有良好的鲁棒性。

(2)协同集成能力。半导体企业存在多工厂、跨区域、产品复杂、生产工序多、订单变动性大等特点，相比传统的企业生产内部管理特性。从并行生产的角度，半导体生产企业需要工厂之间的相互协作、订单的优化分配、产能的平衡、生产调度问题的跨区域解决与资源共享，需要信息的集成与协同；从供应链的角度，从上游的生产计划到调度，资源和信息的集成有利于高效的生产管理，避免重复工作和资源浪费。

(3)响应能力。多智能体系统因为是分布自治的，因此具有快速的响应能力，针对突发的系统问题，如订单的取消、增加，机器故障造成产能下降等不可预测性问题，具有一定的自动性和应变性， Agent 能够进行自身的调节并进行预处理，通过与其他Agent的协商和调节进行协作。

Multi-Agent技术在生产调度中的应用：一种有效的解决方案

相关推荐