随着全球竞争、资源紧缺和客户需求的增加，生产调度在任何一个制造系统中都扮演着越来越重要的角色。故为了更好地满足现代市场的需求，应对市场激烈的淘汰制，企业需要在尽可能短的时间内，以尽可能优秀的品质向客户提供最合适的服务，以具备能够适应市场的快速变化的能力。经典作业车间调度问题的研究虽然取得了丰富的理论成果，但所建立的模型与生产实际状况相差甚远，因此很难用于指导生产实践。而柔性作业车间动态调度问题充分考虑了多生产工艺可能性和订单变动、机器故障等不可控因素的影响，使现实车间调度计划的仿真更具可行性。

另一方面，在柔性作业车间调度问题（FJSP）中，每台机器都能够处理多种类型的操作，是一个强NP难题（Garey Michael等人,1976）。近年来，FJSP的求解采用了多种集中式方法，主要包括集中启发式算法和集中元启发式算法。集中启发式算法使用一些启发式规则来分配操作，可以在很短的时间内获得有效的解决方案，但用启发式算法得到的解通常不是理想的解，难以保证解的质量。而集中元启发式算法利用不同的搜索策略在解空间中迭代搜索最优解，能得到较优解。但这些算法需要多次迭代搜索才能找到高质量的解，很难在短时间内找到高质量的解决方案，特别是对于大规模的FJSP。另一方面，集中元启发式算法不能很好地应对现代制造系统实际生产过程中地各种动态干扰。

多agent方法作为一种分布式方法，由于其自主性、灵活性、鲁棒性、模块性和异构性，可以很好地适应不断变化的生产风格和产品需求，在动态制造调度中具有广阔的应用前景（Ouelhadj和Petrovic2009）。与集中式方法相比，多agent方法可以降低复杂度、增加灵活性和增强鲁棒性，在大规模调度过程中有明显优势。但多agent方法有一个主要缺点，即为了降低FJSP的组合复杂度，多agent方法将计算任务分配给多个代理，每个代理只完成计算任务的一部分，缺少完整的全局视图。因此，用多agent方法得到的解很容易陷入局部最优。

因此，本文拟采用多agent分布式方法，结合人工智能算法并引入管理agent研究柔性作业车间动态调度问题，实现更具现实性的车间调度计划仿真过程，从而在产品生命周期的前期实现成本和效率控制，进而降低成本，更好地响应市场变化，提高企业核心竞争力和顾客满意度。

2. 研究的基本内容与方案

1）研究的基本内容

①查阅相关文献，了解多代理算法的原理和车间调度问题的研究现状；

②基于车间调度问题特点，分析产生影响的关键因素，确定agent的封装方式与通信结构，构建基于agent的车间调度模型；

③确定单元间协商方案和单元内自治算法；

④根据已确认的模型、协商方案和自治算法，通过JADE编程求解模型，并根据测试实例进行模型可靠性的验证；

⑤在静态调度模型的基础上，建立重调度规则，改进求解模型，并依据实例进行测试；