一、设备冲突的解决方法(论文文献综述)
汪演增[1](2021)在《基于容器技术的Android云交互系统研究与实现》文中进行了进一步梳理近年来云计算发展越来越迅猛,并在大流行中对全世界的复苏发挥重要作用,而虚拟化作为云计算的关键技术之一,也在不断地发展,作为软件虚拟化应用之一的桌面虚拟化技术在企业中也得到更广泛地使用。与此同时,Android手机全球出货量趋于收紧,受大流行影响,这一情况进一步加剧。目前市面上桌面虚拟化技术大多面向传统PC系统,缺乏对移动端系统的支持。Android手机长期受困于恶意程序偷取用户隐私现象;不仅如此,虽然Android手机因屏幕大、可操作性强、智能以及便携性着称,但因考虑到功耗问题,Android手机的计算力、内存以及存储空间和PC相比还有较大差距,这也导致部分Android手机无法运行一些大型应用。再者,随着5G时代的来临,Android手机网络速度将得到明显提升。因此,本文实现了一个远程访问云端Android系统的Android云交互系统。本文首先充分研究了传统的虚拟化技术和容器技术的工作原理和适用场景以及Android系统架构,选择了使用容器技术对Android系统进行虚拟化的方案,然后深入研究了Android图形系统和输入系统关键技术、桌面云协议和VNC技术以及USB设备重定向技术,考虑到VNC跨平台的优越性以及对服务端和客户端物理设备性能的低要求性,本文对VNC进行优化,并以优化后的VNC作为Android云交互系统的桌面云协议。根据总体设计,本文首先对容器化之后的Android系统使用虚拟Binder驱动解决了服务端Binder机制服务冲突的问题;其次利用前台系统驱动解决了服务端显示设备和输入设备冲突的问题;然后在云交互系统的显示模块通过匿名共享内存截取Android系统的帧缓存图像并重定向至客户端,其中对视频模式的图像数据采用H.264编码,减少VNC传输视频时的带宽消耗;接着在云交互系统的输入模块利用桌面云协议传输客户端应用层拦截的输入事件至服务端,并把输入事件注入到服务端内核中的虚拟设备;最后选择USB设备重定向方案优化了VNC,使得VNC支持USB重定向,丰富了云交互系统的设备选择。本文在设计和实现Android云交互系统之后对其进行了功能和性能测试,测试结果表明了本云交互系统在功能上和性能上均达到了预计的目标,无论在普通桌面还是视频模式下,用户通过该云交互系统可以比较流畅地访问云端Android系统。
王亚迪[2](2020)在《基于贝叶斯模型的云计算调度算法研究》文中认为云计算是计算科学正在经历的一场革命。云计算以服务的方式为用户提供所需要的资源。用户通过网络连接,以按需访问、按量付费方式,使用云平台上所提供的资源。在支撑云计算服务的多种技术中,任务调度是控制资源、提高系统稳定性的关键技术,对服务质量起至关重要的作用。现有的云环境下工作流任务调度算法,通常侧重于满足用户的服务基础的同时,提高系统负载能力,降低任务的完成时间和计算成本等。目前,已有很多学者专家,针对该问题进行了许多研究。本文则从算法模拟的角度,使用贝叶斯模型对已有的算法的调度结果进行学习,进而得到新的调度策略。贝叶斯模型的优点在于,它不同于一般的统计方法,它不仅利用模型信息和数据信息,而且充分利用了先验信息,具有较好的预测效果。本文对云计算任务调度算法以及调度模型进行分析,基于贝叶斯模型主要做了如下研究:1.提出基于朴素贝叶斯的云计算任务调度算法。在云计算任务调度场景下,将任务到设备的映射过程,抽象为一个分类过程。从已有的调度结果选取特征值,构建数据集,使用机器学习中的朴素贝叶斯分类器,对传统算法的调度结果进行学习,实现对传统算法的模拟,进而形成新的调度策略,以解决云计算环境下任务调度问题。2.提出基于贝叶斯网络的云计算任务调度算法。该方法通过增强数据集属性间的依赖关系,考虑前后任务调度结果的影响因素,提高了对传统算法调度结果的学习能力,得到新的调度策略。与基于朴素贝叶斯的云计算任务调度算法相比,该调度策略可以更好地解决云计算环境下的任务调度问题。3.设计了一种基于设备状态反馈的贝叶斯任务调度算法。该算法通过设备负载状态的反馈和动态优先级,来降低设备冲突,设计了基于设备反馈多任务协同调度算法,并使用了贝叶斯模型进行模拟,实现了基于贝叶斯的任务调度算法。
尹国庆[3](2019)在《D2D通信中设备发现和资源分配的研究》文中提出随着手机、平板等智能设备的指数式增长,高清视频、视频会议等多媒体业务和在线游戏、虚拟现实(Virtual Realty,VR)等需求量的不断增大,对现有网络的容量、时延和安全性提出了更高的挑战。设备终端直连(Device-to-Device,D2D)通信同时具备邻近增益、多跳增益和复用增益,被认为是未来第五代移动通信(5G)中的关键技术。D2D通信中D2D设备发现、模式选择和资源分配是研究的热点,论文提出了基于载波侦听多路访问(Carrier Sense Multiple Access,CSMA)退避的设备发现方案和两种不同的资源分配方案。基于CSMA退避的设备发现方案使用了二进制指数退避算法,竞争资源时冲突次数大的设备有更高的优先级,同时用期望代替实际每个时隙中不同冲突次数的设备数量。仿真结果表明该设备发现方案在保证了高设备发现率的同时,有效降低了设备平均发现时延和设备发现时延方差。基于聚类和博弈论的资源分配方案将资源分配分解成信道分配和功率控制两个子问题,信道分配中忽略了实时的小尺度衰落,采用聚类的思想求解;功率控制建模为非合作博弈最大化能量效率并求解纳什均衡解。仿真结果表明,信道分配中相对距离较为分散的D2D用户复用相同频谱资源,纳什均衡解虽然信道容量有所下降,但能量效率增高。基于贪婪和Q-Learing的资源分配方案同样先进行信道分配再进行功率控制,但每个D2D用户都可以复用多个信道,使用贪婪思想进行信道分配,使用Q-learning学习最优的发射功率完成功率控制。仿真结果表明,当可以复用多个信道时,保持较高的能量效率的同时,提高了系统容量。
张晓雨[4](2019)在《生产计划管理实验教学系统研究》文中认为为适应市场经济的快速发展,很多制造企业逐步实现管理信息化,因而这类企业对高素质人才的要求也越来越高。学校是为企业提供人才的摇篮,教育信息化应该走在企业管理信息化的前面,因此为适应制造企业对生产计划管理相关教学内容信息化、实践化的要求,需要创新的教学方式。目前国内相关课程的教学仍然比较重视理论讲解,缺乏创新性、针对性的实践教学手段,学生仅通过理论学习无法理解企业实际管理业务从而逐渐失去学习主动性。本文以某复杂装备企业的制造信息化建设案例为依托,结合生产计划管理相关课程知识和企业实际业务流程,研究面向教学的实践系统,致力于为复杂装备制造企业培养具备创新能力、应用能力、管理能力及实践能力的人才。需求分析部分,对文献综述、市场现状、理论基础及企业生产计划管理现状进行了详细分析。首先对国内外相关研究进行分析,然后在教学内容分析的基础上,从期量信息管理、项目计划管理、滚动计划管理三个功能方面对市场上教学系统进行了分析。理论综述部分主要介绍了复杂装备业的现代生产计划管理理论。最后从生产过程特点、业务流程、管理体系三方面归纳了企业实际生产计划管理现状。系统建模部分,在对IDEF0系统功能建模方法了解的基础上,采用这种方法对生产计划管理实验教学系统进行了整体功能、三个子模块功能建模,实现了对系统的结构化分析,为系统设计提供依据。系统设计部分,对系统设计原则及目标进行了总结,以企业实际生产计划管理业务流程为原型来设计实验教学系统的业务流程,定义了系统中各个功能之间的业务逻辑关系,最后完成系统整体及三个子模块的功能架构设计。系统应用部分,基于生产计划管理实验教学系统的部分功能,并结合相关课程教学知识点,设计了三个关联性实验,以“期量模板设计——编制项目网络计划——滚动计划实时调整”为实验路线,前一个实验的结果为后一个实验的输入。实践教学结合案例情景和教学系统,使学生身临其境地了解企业实际业务流程并根据情景问题做出决策。在学生分角色合作完成实验的过程中,可以同时达到掌握知识和锻炼创新能力、实践应用能力、思考决策能力的目的。对生产计划管理实验教学系统的研究填补了相关课程实践教学内容的缺失,对调动学生上课积极性、培养符合现代企业要求的人才、从根本上促进国家核心制造产业发展都具有一定的积极作用。
杨佳翼[5](2019)在《高新企业研发人员的激励模式研究》文中认为由于经济快速的发展及消费者对产品要求越来愈高,凸显出产品推出速度快但创新度又要求高的矛盾,该问题对研发人员的自我提升、创新能力以及内在驱动力提出了更高的要求与挑战,激励研发人员的积极性,提升创新能力势在必行。中国自主研发还处于起步阶段,针对研发人员的激励体系还需完善和健全。鉴于研发人员激励具有主观因素,保守薪资激励与年底奖金激励均不是相匹配的策略,非物质性的激励与频繁激励显得尤为重要。本文旨在建立符合研发人员特性,匹配我国研发企业现状的激励模式,对提高研发人员的积极性、提高研发人员创新积极性意义重大。本文基于对国内外大量关于研发人员激励方案的研究,得出了我国目前研发人员的激励现状,梳理了现有的研发激励模式主要存在的问题,并且指出企业重视不足、激励制度及激励手段的不足。通过全面分析研发激励过程,对研发激励过程的机理进行了深入探讨,并从公司制度支持、频繁激励、激励效果评价标准、非奖金激励体系、定制化激励体系、荣誉激励体系等六个影响因素方面展开了研究,提出了对应的优化模式。另外,为对研发人员激励过程进行科学评价,本文还基于现有的理论,综合利用案例研究、问卷调查、对比研究与现场访谈等方法进行了研发人员激励评分原则与评价指标的构建,并构建了研发人员激励评价指标体系。本文将G公司作为实例,以案例分析法对研发企业激励现状进行了分析。结合研发人员激励评价指标,验证了研发激励优化模式的可行性和有效性。并对研发人员激励过程提出了对应意见。
宋丽君[6](2017)在《移动网络中MTC业务的无线资源管理技术的研究》文中研究指明机器类型通信(Machine Type Communications,MTC)是指在无人为干预的情况下,通过自动控制和网络通信等技术手段,实现机器与机器之间自主进行信息、交互的一种通信方式,同时也称作 M2M (Machine-to-Machine,M2M)。对于 M2M 技术的相关研究工作主要集中在三个方面:第一,因为M2M业务特征不同于传统的H2H业务,3GPP对M2M业务特征和需求进行了相关研究。第二,各大标准化组织从安全和自配置等方面研究了M2M终端面临的问题和解决手段。第三,因为海量M2M终端的存在,需要解决随机接入过程中产生的拥塞问题。本论文主要针对海量M2M终端同时发起接入而产生的拥塞问题,研究针对M2M业务的LTE-A移动通信网络中的无线资源管理技术,包括如何控制发起随机接入的M2M终端数量,以及如何为海量M2M终端分配无线资源,提高无线资源利用率,并提出了在M2M终端随机接入过程中,实现有效的接入控制和资源分配的方案。针对海量M2M终端短时间内发起接入而产生的争夺网络资源的问题,为了保证设备接入成功率,有效使用网络资源,以及缓解网络拥塞,本文归纳总结了 3GPP和各个学术研究中所提出的拥塞控制方案,在此基础上,分别针对两种不同的场景下,提出相应的拥塞控制方案。一种是在只存在时延容忍设备的场景下,基于马尔科夫链的推算,提出了基于负载感知的ACB(Access Class Barring)机制。另一种是基于时延容忍设备和时延敏感设备共存的场景下,基于无线资源的动态分配和ACB机制,提出了针对不同数量比的两种设备共存情况下的拥塞控制方案,并通过仿真,在接入成功率,时延,冲突率,重传次数方面验证了所提方案的有效性。
安亭亭[7](2017)在《炼钢—连铸生产调度优化算法与仿真的研究与应用》文中指出炼钢-连铸生产调度问题具有复杂性、随机性强、约束力强、多目标等特点。在钢铁制造过程中,采用人工的方法对炼钢-连铸生产调度计划进行编制有一定局限性和困难性,很难对炼钢-连铸的调度计划进行比较优化的编制和直观的预测,这样很容易产生设备闲置或负荷过重、物流堵塞、工序之间存在等待等一系列问题。更严重的后果是连铸阶段的断浇以及未能按照预订的交货期交货。为了解决上述难题,对炼钢-连铸的生产调度问题进行研究是很有必要的。本论文的主要研究工作如下:(1)本论文主要基于一个两阶段算法来解决上述问题。算法的第一阶段是根据不同浇次的开浇时间,倒推出每一炉次在每一阶段的理想开始作业时间。第二阶段是对各炉次在各工序进行炉次指派。基于两阶段的启发式算法得出了一个粗调度。(2)粗调度主要解决了连铸断浇以及设备闲置或设备负荷过重的问题,对物流堵塞和工序之间等待的问题也有了很大程度的改善。粗调度的缺点是炉次之间的冲突不一定得到了完善的解决。为了得到更优化的生产调度计划,还需要对粗调度中存在的冲突问题进行冲突解消。采用冲突解消算法解消了炉次之间的时间冲突,得到了更为优化的炼钢-连铸生产调度计划。(3)最后,利用3DS Max和Unity3D两种软件进行炼钢-连铸生产调度过程的仿真研究。在不进行实际建造的前提下,仿真实验能高效的观察炼钢-连铸的实际生产流程,从而对生产调度计划的合理性和可行性进行直观的验证。首先用3DS Max软件对生产物流进行的3维建模,再把建好的钢包、转炉、精炼位、连铸机等3维模型导入到Unity3D软件中。Unity3D把导入的各个模型进行合理的布局。根据两阶段算法和冲突解消算法得出的炼钢-连铸生产调度计划表作为数据输入。分别对钢包、精炼位、转炉、台车、天车进行相应的C#脚本编写,模拟钢铁厂生产调度过程对它们进行驱动。运行仿真软件,得出并分析实验结果。验证了基于3DSMAX和Unity3D的炼钢-精炼-连铸调度仿真是有效的,合理的,并且有很强的直观性。利用三组数据分别对两阶段算法和冲突解消算法进行正确性和扩展性的验证,得到最终的炼钢-连铸生产调度计划表,之后用甘特图分别表示出三组数据的粗调度和优化后的调度图。基于两阶段算法和冲突解消算法的优化算法能对设备资源进行合理分配以及完全解消设备资源冲突,保证准时开浇并且不断浇,减少了工序间的时间等待,节约了能耗及生产成本,提高了企业的效益。运行仿真软件,得出并分析实验结果。验证了基于3DS MAX和Unity3D的炼钢-精炼-连铸调度仿真是有效的,合理的,并且有很强的直观性。
王若思[8](2014)在《智能楼宇中规则验证方法的研究》文中研究表明基于无线感知反应网络的智能楼宇系统,是物联网技术、计算机技术、控制技术、定位技术和通信技术融入建筑行业的产物,这些先进技术使楼宇内电力、照明、空调、安全防护、监控系统等,实现了管理自动化、通信自动化和办公自动化。智能楼宇系统中,为了灵活面对商业变化,我们引入了规则引擎技术,将控制逻辑以服务规则的方式存贮在规则库中,从而将商业逻辑从程序代码中分离。用户通过添加,更改服务规则实现各种按需的控制功能。系统通过解析控制规则来实现对楼宇的智能控制。随着系统的扩大,控制规则数量急剧升高,规则之间的冲突与规则本身的内容不合理成为不可避免的问题,本文中,我们提出了一套规则验证机制,通过概率分析与表达的方式实现规则的内容异常检测与规则冲突检测。添加时与执行前的分阶段规则验证可以很好的平衡验证质量与速度。并且我们为规则冲突提出了快速冲突解决机制,保证了系统的快速有效执行。与此同时,我们设计了高效的规则执行引擎系统,将最优执行策略嵌入规则编译,事件过滤以及规则匹配过程中。这种方法与现有的验证机制相比,具有了明显的进步性,同时不会带来巨大的系统开销,并且简单易移植,这套验证机制不仅适用于智能楼宇系统,而且未来可应用于所有基于知识库的智能系统。
王秀英[9](2012)在《炼钢—连铸混合优化调度方法及应用》文中研究说明现代大型炼钢-连铸生产过程都是由多个浇次,多个炉次,多台转炉、精炼炉、连铸机及多重精炼方式等组成。转炉将冶炼好的钢水倒入钢包中(称一个炉次),钢包载运钢水到精炼炉进行精炼,然后将钢水载运到连铸机前并倒入中间包中,由多炉次的钢水经中间包流入连铸机并连续浇铸成板坯(称一个浇次)。炼钢-连铸生产调度是以浇次计划为基础,在炉次的生产工艺路径,炉次在转炉、精炼炉上的加工时间及运输时间已知的条件下,以浇次在连铸机上准时开浇,浇次内的炉次连续浇铸,同一个设备两个相邻炉次不能产生作业冲突及各炉次在连铸前的等待时间不超过企业给定范围为目标,确定各浇次中的炉次在哪台转炉、哪台精炼炉上加工,并确定出各炉次在转炉,精炼炉及连铸机上加工的开始时间和结束时间,形成炼钢-连铸生产作业时间表(称为调度计划)。但调度计划的真正实施是由钢包来完成,如果钢水在转炉冶炼好后,钢包没有及时到转炉接受钢水就要延长钢水在转炉上的加工时间,如果选配的钢包温度过低,就要延长其烘烤时间,从而增加了能耗。因此,炼钢-连铸生产调度必须考虑钢包选配问题。由多个浇次、多个炉次、多台转炉、精炼炉和连铸机、多重精炼方式构成的炼钢-连铸生产调度,不仅要求每个浇次准时开浇、浇次中的炉次连续浇铸,各炉次在连铸前的等待时间不超过企业给定范围,而且要求不同炉次在同一设备上不能产生作业冲突。这一约束在具有同功能的多台转炉,多台精炼炉上难以精确描述,难以采用常规优化方法去解决。现行炼钢-连铸生产调度模型由于不是针对多重精炼方式进行建模,也没有考虑各炉次在连铸前的等待时间不能超过企业给定范围,而且忽略钢包选配对调度计划的影响,导致所研究的方法不能应用到具有多台转炉、多台精炼和连铸机,多重精炼方式的钢厂中,所以,钢厂只好采用人工调度和人工选配钢包。人工制定调度计划效率低,容易造成炉次在加工设备间冗余时间过长,使得钢水温度下降,难以保证准时开浇。人工选配钢包随意性大,容易造成能源的浪费。本文针对上述问题,在国家863高科技资助项目“钢铁工业MES关键技术(EMS-EAM-IPS)研究与示范应用(2004AA412010)”的支撑下,以具有3台转炉、7台精炼炉、3台连铸机,3重精炼方式的某大型钢铁企业炼钢-连铸生产线为背景,开展炼钢-连铸混合优化调度方法及应用研究,主要工作如下:1.在分析具有3台转炉、7台精炼炉、3台连铸机,3重精炼方式的某大型钢铁企业生产过程、浇次计划,人工调度表的基础上,以浇次准时开浇、浇次内的炉次连续浇铸和炉次在不同设备之间冗余等待时间最小为性能目标;以炉次按其规定的生产工艺路径、加工时间和运输时间进行加工,不同炉次在同一设备不允许作业冲突,炉次在连铸工序的等待不超过企业给定范围为约束方程:以各炉次在炼钢、精炼工序上的加工设备及加工的开始时间和在连铸机上的开浇时间为决策变量,建立了炼钢-连铸主设备优化调度模型。分析了主设备优化调度模型难以求解的原因。在分析人工选配钢包应考虑的因素(钢包材质、包龄、温度、水口等)基础上,建立了钢包选配的约束条件和目标,分析了钢包选配难以精确建模的原因,指出了现行人工调度及人工选配钢包存在的问题。2.针对现行人工制定调度计划效率低、容易造成炉次在设备间冗余时间过长,人工选配钢包容易造成能源浪费问题,将动态规划、线性规划、正交设计、人机交互与基于规则推理相结合提出了由主设备优化调度与钢包选配相集成的混合优化调度策略。主设备优化调度是在浇次计划的基础上,决策各炉次在哪台转炉、哪台精炼炉上加工及在转炉、精炼炉和连铸机上加工的开始时间,使炉次在设备之间冗余等待时间最小、浇次准时开浇、浇次内的炉次连续浇铸。钢包选配是在满足炉次对钢包材质、水口及转炉出钢时间等约束下,为炉次尽量选配温度高的钢包(称为红包),减少空包烘烤时间,实现节能降耗。3.针对主设备优化调度模型难以求解,提出了由基于动态规划的设备指派和基于线性规划冲突解消组成的主设备优化调度算法。其中:基于线性规划的冲突解消算法包括基于正交设计选取惩罚系数的冲突解消算法和基于人机交互确定最终调度方案算法。针对钢包选配难以精确建模,将钢包选配专家的知识表示成规则,采用基于规则推理的方法为调度计划中每个炉次选配一个温度高的钢包,以确保主设备调度计划正常执行。4.采用3个浇次计划(含有7个炉次,3重精炼方式)的实际生产数据对主设备优化调度算法进行仿真实验。结果表明:调度计划中炉次的平均等待时间为3分钟小于人工调度的平均等待时间16分钟;调度表的形成时间为3秒小于人工编制的时间7分钟;炉次最大的等待时间10分钟小于人工编制最大等待时间26分钟。并采用上述数据对基于正交设计选取惩罚系数的冲突解消算法和人工凑试选择惩罚系数的冲突解消算法进行了仿真比较。结果表明:基于正交设计选取惩罚系数的方法总等待时间为21分钟小于人工凑试的总等待时间28分钟;基于正交设计没有断浇且准时开浇,而采用人工凑试法第一个浇次滞后理想开浇时间4分钟。仿真实验验证了所提出的主设备优化调度算法的有效性。5.在具有3重精炼方式、3台转炉、7台精炼炉和3台连铸机的某大型钢厂中对所提出的方法进行了工业实验。针对10组工业实验数据(每组数据含有3个浇次计划,炉次数在20-23个之间)进行工业实验,结果表明:采用优化方法制定生产调度表的时间平均为6秒小于钢厂对调度表生成时间在1分钟之内的要求;在各组工业实验案例中,炉次在连铸前的最大等待时间均小于10分钟。偏离理想开浇时间最大值是16分钟,实现了现场对偏离开浇时间控制在30分钟之内的目标,保证了各浇次内的炉次连续浇铸。由于系统提供了钢包选配功能,达到了现场充分使用红包(温度高的钢包)的要求。
么刚,张武,王劲林[10](2009)在《基于分级代理的智能家庭网络模型研究》文中提出针对现有家庭网络中智能设备不能有效学习家庭用户习惯,致使不能满足用户的个性化服务质量的问题,给出了一种基于分级代理的智能家庭网络模型。首先给出了一种智能家庭网络设备的形式化描述,以此为基础提出了分级代理的智能家庭网络模型:全局Agent通过对家庭中的长期数据进行学习,总结出一定的服务规则,指导设备Aet根据家庭成员的生活习惯改变工作方式;设备Agent利用强化学习算法,自主学习,解读家庭环境的状态变化,并做出最优选择。该模型的应用实例及仿真结果表明,应用此模型,设备可以学习用户习惯,为用户提供个性化服务。
二、设备冲突的解决方法(论文开题报告)
(1)论文研究背景及目的
此处内容要求:
首先简单简介论文所研究问题的基本概念和背景,再而简单明了地指出论文所要研究解决的具体问题,并提出你的论文准备的观点或解决方法。
写法范例:
本文主要提出一款精简64位RISC处理器存储管理单元结构并详细分析其设计过程。在该MMU结构中,TLB采用叁个分离的TLB,TLB采用基于内容查找的相联存储器并行查找,支持粗粒度为64KB和细粒度为4KB两种页面大小,采用多级分层页表结构映射地址空间,并详细论述了四级页表转换过程,TLB结构组织等。该MMU结构将作为该处理器存储系统实现的一个重要组成部分。
(2)本文研究方法
调查法:该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法:用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法:通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法:通过调查文献来获得资料,从而全面的、正确的了解掌握研究方法。
实证研究法:依据现有的科学理论和实践的需要提出设计。
定性分析法:对研究对象进行“质”的方面的研究,这个方法需要计算的数据较少。
定量分析法:通过具体的数字,使人们对研究对象的认识进一步精确化。
跨学科研究法:运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法:这是社会科学用来分析社会现象的一种方法,从某一功能出发研究多个方面的影响。
模拟法:通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
三、设备冲突的解决方法(论文提纲范文)
(1)基于容器技术的Android云交互系统研究与实现(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究工作的背景与意义 |
1.2 国内外研究现状 |
1.2.1 国外研究现状 |
1.2.2 国内研究现状 |
1.3 本文研究内容 |
1.4 本论文的结构安排 |
第二章 相关技术研究 |
2.1 虚拟化技术 |
2.2 Android系统概述 |
2.2.1 Android系统架构 |
2.2.2 Android系统进程间通信机制 |
2.2.3 Android显示系统和输入子系统 |
2.3 容器技术 |
2.3.1 命名空间 |
2.3.2 控制组 |
2.4 USB相关技术 |
2.5 VNC技术和RFB协议 |
2.6 本章小结 |
第三章 云交互系统需求分析与设计 |
3.1 需求分析 |
3.1.1 功能需求分析 |
3.1.2 性能需求分析 |
3.2 云交互系统总体分析与设计 |
3.2.1 虚拟化方案和容器技术实现工具选择 |
3.2.2 系统架构设计 |
3.2.3 虚拟化框架设计 |
3.2.4 桌面云协议框架设计 |
3.2.5 云交互系统模块划分 |
3.3 LXC工具移植与容器环境构建 |
3.4 云交互系统模块设计 |
3.4.1 Binder虚拟化设计 |
3.4.2 显示和输入设备虚拟化设计 |
3.4.3 显示模块设计 |
3.4.4 输入事件模块设计 |
3.4.5 USB重定向模块设计 |
3.5 本章小结 |
第四章 云交互系统的实现 |
4.1 Binder虚拟化实现 |
4.2 显示和输入设备虚拟化实现 |
4.3 显示模块实现 |
4.3.1 显示模块服务端实现 |
4.3.2 显示模块客户端实现 |
4.4 输入事件模块实现 |
4.4.1 输入事件客户端实现 |
4.4.2 输入事件服务端实现 |
4.5 USB重定向模块实现 |
4.5.1 Host端实现 |
4.5.2 Guest端实现 |
4.6 本章小结 |
第五章 系统的测试与分析 |
5.1 测试环境 |
5.2 功能测试 |
5.2.1 远程桌面显示和多系统切换功能测试 |
5.2.2 远程桌面操作功能测试 |
5.2.3 USB重定向功能测试 |
5.3 性能测试 |
5.3.1 服务端性能测试 |
5.3.2 客户端性能测试 |
5.4 本章小结 |
第六章 全文总结与展望 |
6.1 全文总结 |
6.2 后续工作展望 |
致谢 |
参考文献 |
(2)基于贝叶斯模型的云计算调度算法研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 课题研究的背景 |
1.2 国内外的研究现状和分析 |
1.2.1 独立任务的研究现状 |
1.2.2 关联任务的研究现状 |
1.3 课题的来源及研究内容 |
1.3.1 课题来源 |
1.3.2 课题的主要研究内容 |
第2章 云计算任务调度问题概述 |
2.1 云计算概述 |
2.2 任务调度问题概述 |
2.2.1 独立任务的调度问题描述 |
2.2.2 关联任务的调度问题描述 |
2.3 任务调度的优化目标 |
2.4 本章小结 |
第3章 基于朴素贝叶斯的云计算任务调度算法 |
3.1 引言 |
3.2 朴素贝叶斯分类器模型 |
3.2.1 贝叶斯定理 |
3.2.2 朴素贝叶斯分类器 |
3.2.3 朴素贝叶斯分类器优缺点分析 |
3.3 基于朴素贝叶斯的云计算任务调度算法 |
3.3.1 算法的详细描述 |
3.3.2 数据集的描述 |
3.4 实验及结果分析 |
3.4.1 实验环境及数据 |
3.4.2 实例分析 |
3.4.3 模拟效果分析 |
3.4.4 任务的执行时间分析 |
3.5 本章小结 |
第4章 基于贝叶斯网络的云计算任务调度算法 |
4.1 引言 |
4.2 贝叶斯网络模型 |
4.2.1 半朴素贝叶斯分类器 |
4.2.2 贝叶斯网络 |
4.3 基于半朴素贝叶斯的云计算任务调度算法 |
4.3.1 算法的详细描述 |
4.3.2 数据集描述 |
4.4 基于贝叶斯网络的云计算任务调度算法 |
4.4.1 贝叶斯网络的建模方式 |
4.4.2 贝叶斯网络的建模步骤 |
4.4.3 贝叶斯网络的参数学习 |
4.4.4 基于贝叶斯网络的云计算调度算法 |
4.5 实验结果与分析 |
4.5.1 实验的环境及数据 |
4.5.2 实例分析 |
4.5.3 模拟效果分析 |
4.5.4 任务的执行时间分析 |
4.6 本章小结 |
第5章 基于设备状态反馈的贝叶斯任务调度算法 |
5.1 引言 |
5.2 问题描述和模型介绍 |
5.3 MTDR算法设计 |
5.3.1 负载状态反馈模型 |
5.3.2 MTDR算法详细描述 |
5.3.3 MTDR的参数分析 |
5.4 基于设备状态反馈的贝叶斯任务调度算法 |
5.4.1 算法过程详细描述 |
5.4.2 数据集的构建 |
5.5 实验结果与分析 |
5.5.1 MTDR到达时间测试 |
5.5.2 MTDR设备独立性测试 |
5.5.3 MTDR任务的结构测试 |
5.5.4 MTDR的 CCR测试 |
5.5.5 MTDR设备集测试 |
5.5.6 实例分析 |
5.5.7 模拟效果的分析 |
5.5.8 任务的执行时间分析 |
5.6 本章小结 |
结论 |
参考文献 |
攻读硕士学位期间所发表的学术论文 |
致谢 |
(3)D2D通信中设备发现和资源分配的研究(论文提纲范文)
摘要 |
abstract |
第一章 绪论 |
1.1 研究背景 |
1.2 研究现状 |
1.3 论文工作内容和结构安排 |
第二章 相关技术介绍 |
2.1 D2D通信概述 |
2.1.1 D2D通信发展过程 |
2.1.2 D2D通信相关技术 |
2.2 CSMA简介 |
2.2.1 基础知识 |
2.2.2 CSMA访问模式 |
2.2.3 CSMA/CD简介 |
2.2.4 CSMA/CA简介 |
2.3 博弈论简介 |
2.3.1 博弈论的发展 |
2.3.2 博弈基本概念和分类 |
2.3.3 纳什均衡 |
2.3.4 博弈论在无线通信中的应用 |
2.4 增强学习简介 |
2.4.1 增强模型基本概念 |
2.4.2 马尔科夫决策过程 |
2.5 本章小结 |
第三章 基于CSMA退避的设备发现方案 |
3.1 引言 |
3.2 LTE-A系统结构 |
3.3 设备发现方案 |
3.4 性能分析 |
3.5 仿真与结果分析 |
3.6 本章小结 |
第四章 基于聚类和博弈论的资源分配方案 |
4.1 引言 |
4.2 系统模型 |
4.2.1 信道分配 |
4.2.2 功率控制 |
4.3 仿真和结果分析 |
4.3.1 信道分配 |
4.3.2 功率控制 |
4.4 本章小结 |
第五章 基于贪婪和Q-learing的资源分配方案 |
5.1 引言 |
5.2 系统模型 |
5.2.1 信道分配 |
5.2.2 功率控制 |
5.3 仿真结果和分析 |
5.3.1 信道分配 |
5.3.2 功率控制 |
5.4 本章小结 |
第六章 总结与展望 |
参考文献 |
附录1 攻读硕士学位期间撰写的论文 |
致谢 |
(4)生产计划管理实验教学系统研究(论文提纲范文)
摘要 |
Abstract |
1 绪论 |
1.1 研究背景 |
1.2 研究意义与目的 |
1.2.1 研究意义 |
1.2.2 研究目的 |
1.3 研究方法与内容 |
1.3.1 研究方法 |
1.3.2 研究内容 |
1.4 课题来源 |
2 实验教学系统研究综述及市场现状 |
2.1 实验教学系统研究综述 |
2.2 实验教学系统市场现状 |
2.2.1 具有期量信息管理功能的教学系统 |
2.2.2 具有项目计划管理功能的教学系统 |
2.2.3 具有滚动计划管理功能的教学系统 |
2.3 本章小结 |
3 生产计划管理相关理论研究 |
3.1 生产计划管理相关理论基础 |
3.1.1 MRPII/ERP理论 |
3.1.2 项目管理 |
3.1.3 网络计划方法 |
3.1.4 期量标准 |
3.1.5 滚动计划法 |
3.2 生产计划管理知识体系 |
3.3 复杂装备企业生产计划管理现状 |
3.3.1 复杂装备企业生产过程特点 |
3.3.2 复杂装备企业生产计划管理业务流程 |
3.3.3 复杂装备企业生产计划管理体系分析 |
3.4 本章小结 |
4 生产计划管理实验教学系统建模 |
4.1 生产计划管理实验教学系统需求分析 |
4.2 IDEF0 系统功能建模方法简介 |
4.3 生产计划管理实验教学系统整体功能建模 |
4.4 生产计划管理实验教学系统子功能模块建模 |
4.4.1 基础信息管理子模块功能建模 |
4.4.2 项目计划管理子模块功能建模 |
4.4.3 滚动计划管理子模块功能建模 |
4.5 本章小节 |
5 生产计划管理实验教学系统设计 |
5.1 系统设计原则 |
5.2 系统设计目标 |
5.3 生产计划管理实验教学系统整体业务流程 |
5.4 生产计划管理实验教学系统功能架构 |
5.4.1 系统整体功能架构 |
5.4.2 项目计划管理子模块功能架构 |
5.4.3 基础信息管理子模块功能架构 |
5.4.4 滚动计划管理子模块功能架构 |
5.5 本章小结 |
6 课程实验设计与系统应用 |
6.1 实验一:标准期量模板设计 |
6.1.1 实验情境 |
6.1.2 实验任务与目的 |
6.1.3 实验实施过程 |
6.1.4 实验分析与总结 |
6.2 实验二:项目网络计划管理 |
6.2.1 实验情境 |
6.2.2 实验任务与目的 |
6.2.3 实验实施过程 |
6.2.4 实验分析与总结 |
6.3 实验三:项目滚动计划管理 |
6.3.1 实验情境 |
6.3.2 实验任务与目的 |
6.3.3 实验实施过程 |
6.3.4 实验分析与总结 |
6.4 本章小结 |
结论 |
参考文献 |
附录A 60万汽轮发电机期量模板数据 |
致谢 |
(5)高新企业研发人员的激励模式研究(论文提纲范文)
摘要 |
Abstract |
第1章 绪论 |
1.1 研究背景 |
1.2 研究的目的和意义 |
1.3 国内外研究现状 |
1.3.1 国外研究状况 |
1.3.2 国内研究状况 |
1.3.3 国内外研究现状的总体评价 |
1.4 研究的主要内容与方法 |
1.4.1 研究的主要内容 |
1.4.2 研究的主要方法 |
第2章 高新企业研发人员激励现状与分析 |
2.1 高新企业研发人员激励特征分析 |
2.1.1 高新企业研发人员特征分析 |
2.1.2 激励的相关理论与应用分析 |
2.2 高新企业研发人员激励现状分析 |
2.2.1 研发行业发展现状分析 |
2.2.2 研发人员激励现状分析 |
2.3 高新企业研发人员激励存在的问题 |
2.4 本章小结 |
第3章 高新企业研发人员激励模式优化 |
3.1 现有研发人员激励模式分析 |
3.1.1 现有激励模式构建原理 |
3.1.2 现有激励模式分析 |
3.2 研发人员激励的关键因素分析 |
3.2.1 物质因素分析 |
3.2.2 情感因素分析 |
3.2.3 发展因素分析 |
3.2.4 环境因素分析 |
3.3 研发人员激励优化模式构建 |
3.3.1 研发人员激励优化模式构建原则 |
3.3.2 研发人员激励优化模式构建 |
3.4 研发人员激励实施保证体系构建 |
3.5 研发人员激励效果评价体系构建 |
3.6 本章小结 |
第4章 高新企业研发人员激励应用研究 |
4.1 G公司研发人员激励情况介绍 |
4.2 G公司研发人员问卷调查与分析 |
4.3 G公司研发人员激励现状评价 |
4.4 G公司激励模式应用 |
4.4.1 优化物质激励因素 |
4.4.2 优化情感激励因素 |
4.4.3 优化发展激励因素 |
4.4.4 优化环境激励因素 |
4.4.5 建立全新的定制化激励因素 |
4.5 G公司研发人员激励效果评价 |
4.6 本章小结 |
结论 |
参考文献 |
附录 |
致谢 |
个人简历 |
(6)移动网络中MTC业务的无线资源管理技术的研究(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 课题研究背景 |
1.2 作者硕士期间的主要工作 |
1.3 本论文组织结构 |
第二章 M2M接入控制机制简介 |
2.1 基于LTE-A网络的M2M通信架构 |
2.2 M2M拥塞控制机制 |
2.3 本章小结 |
第三章 负载感知的动态ACB机制 |
3.1 LTE-A中的随机接入过程 |
3.2 ACB (Access Class Barring)机制 |
3.3 基于负载感知的动态ACB (Access Class Barring)机制的研究 |
3.3.1 基于空闲前导码的负载估计方案 |
3.3.2 基于马尔科夫链的负载估计方案 |
3.3.3 ACB阻塞因子的动态调整 |
3.3.4 仿真结果与分析 |
3.4 本章小结 |
第四章 时延容忍设备和时延敏感设备共存场景下的拥塞控制方案的研究 |
4.1 方案描述 |
4.1.1 全面ACB与资源分配混合方案 |
4.1.2 部分ACB与资源分配混合方案 |
4.2 仿真结果与分析 |
4.3 改进的方案描述 |
4.4 本章小结 |
第五章 总结与展望 |
5.1 本文总结 |
5.2 未来展望 |
参考文献 |
致谢 |
攻读学位期间发表的学术论文目录 |
(7)炼钢—连铸生产调度优化算法与仿真的研究与应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究背景及课题来源 |
1.2 炼钢-连铸生产工艺流程介绍 |
1.3 炼钢-连铸生产调度问题概述 |
1.3.1 钢铁生产调度问题的特点 |
1.3.2 炼钢-连铸生产调度问题的国内外研究现状 |
1.4 本文的主要研究内容及章节安排 |
1.4.1 本文的主要研究内容 |
1.4.2 章节安排 |
第二章 炼钢-连铸生产调度的优化策略 |
2.1 Java语言介绍 |
2.2 符号和变量的定义 |
2.3 问题描述及目标 |
2.3.1 基本假设 |
2.3.2 问题描述及问题目标 |
2.3.3 数学模型 |
2.3.4 约束条件 |
2.4 基于两阶段的炼钢-连铸生产策略及具体实现 |
2.4.1 求解理想开始作业时间的算法策略 |
2.4.2 求解理想开始作业时间算法的具体实现 |
2.4.3 设备指派策略 |
2.4.4 对同一浇次的炉次进行设备指派的算法的具体实现 |
2.4.5 设备指派算法的具体实现 |
2.5 炼钢-连铸生产调度算法的优化策略及具体实现 |
2.5.1 冲突解消策略 |
2.5.2 冲突解消算法的具体实现 |
第三章 基于3ds Max与Unity3D的炼钢-连铸生产调度仿真策略 |
3.1 3ds Max软件介绍 |
3.1.1 3ds Max软件简介 |
3.1.2 3ds Max的曲面建模方法 |
3.2 Unity3D引擎介绍 |
3.3 模型的制作 |
3.3.1 转炉模型的制作 |
3.3.2 台车模型的制作 |
3.3.3 钢包及钢水模型的制作 |
3.3.4 天车模型的制作 |
3.3.5 连铸机以及回转台的制作 |
3.4 Unity3D编辑器结构及基本操作 |
3.4.1 Project视图 |
3.4.2 Hierarchy视图 |
3.4.3 Inspector视图 |
3.4.4 Scene及Game视图 |
3.5 脚本主要设计思路 |
3.5.1 钢包的C#脚本 |
3.5.2 精炼炉的C#脚本 |
3.5.3 台车的C#脚本 |
3.5.4 天车的C#脚本 |
3.5.5 转炉的C#脚本 |
第四章 算法及仿真实验结果 |
4.1 初始输入数据 |
4.2 粗调度结果 |
4.2.1 基于粗调度的理想开始作业时间 |
4.2.2 准确性验证 |
4.2.3 设备指派结果 |
4.3 优化后的结果 |
4.4 仿真实验运行结果 |
第五章 结论 |
5.1 研究工作总结 |
5.2 展望 |
参考文献 |
作者简介 |
作者在攻读硕士学位期间发表的学术论文 |
致谢 |
(8)智能楼宇中规则验证方法的研究(论文提纲范文)
摘要 |
ABSTRACT |
第一章 绪论 |
1.1 引言 |
1.2 研究现状 |
1.3 研究内容 |
1.4 论文结构 |
第二章 相关背景简介 |
2.1 无线感知反应网络介绍 |
2.1.1 无线感知反应网络特点 |
2.1.2 无线感知反应网络协议栈 |
2.1.3 无线传感器网应用 |
2.2 基于感知反应网络的分布式控制智能楼宇 |
2.2.1 智能楼宇的概念 |
2.2.2 智能楼宇系统的发展趋势 |
2.2.3 智能楼宇系统架构 |
2.3 智能楼宇中的规则系统 |
2.3.1 分布式规则服务系统 |
2.3.2 服务规则内容验证 |
2.3.3 服务规则触发与执行 |
第三章 规则系统总体设计 |
3.1 分布式智能楼宇网络架构 |
3.2 规则执行环境总体架构 |
3.3 规则系统相关数据库设计 |
3.3.1 规则展示层表达方式 |
3.3.2 规则验证层表达方式 |
3.3.3 控制区域信息树 |
3.3.4 知识库设计 |
第四章 规则验证与执行机制设计 |
4.1 总体设计 |
4.2 新建规则验证机制 |
4.2.1 规则形式转换机制 |
4.2.2 规则内容异常检测 |
4.2.3 设备冲突检测 |
4.2.3.1 规则冲突分类 |
4.2.3.2 规则设备冲突检测机制设计与实现 |
4.2.3.3 冲突概率计算 |
4.3 冲突解决机制 |
4.3.1 冲突解决表 |
4.3.2 冲突解决机制设计与实现 |
4.4 执行规则验证机制 |
4.4.1 总体设计 |
4.4.2 执行规则冲突检测 |
4.5 规则执行引擎设计 |
4.5.1 总体设计 |
4.5.2 基于最小完美哈希函数的过滤表 |
4.5.3 基于规则匹配反馈的动态适应算法 |
第五章 实验与仿真 |
5.1 规则验证功能测试 |
5.1.1 实例研究 |
5.1.2 实际环境测试 |
5.2 规则执行功能测试 |
第六章 总结与展望 |
参考文献 |
致谢 |
附录:硕士期间发表的论文 |
(9)炼钢—连铸混合优化调度方法及应用(论文提纲范文)
摘要 |
Abstract |
第一章 绪论 |
1.1 研究意义及课题背景 |
1.1.1 研究意义 |
1.1.2 课题背景 |
1.2 炼钢-连铸生产调度的作用及特点 |
1.2.1 炼钢-连铸生产调度的作用 |
1.2.2 炼钢-连铸生产调度的特点 |
1.2.2.1 生产物流的准时化 |
1.2.2.2 工艺路径的复杂性 |
1.2.2.3 多目标和多约束性 |
1.3 炼钢-连铸生产调度的研究与应用现状 |
1.3.1 主设备生产调度的研究现状 |
1.3.1.1 国外研究现状 |
1.3.1.2 国内研究现状 |
1.3.2 主设备生产调度的应用现状 |
1.3.2.1 国外应用现状 |
1.3.2.2 国内应用现状 |
1.3.3 辅设备钢包的研究现状 |
1.4 混合优化调度方法及在钢铁中的应用现状 |
1.4.1 经典优化方法 |
1.4.2 人工智能方法 |
1.4.3 智能优化方法 |
1.4.4 混合优化方法 |
1.5 存在的问题及本文工作 |
1.5.1 现行调度方法中存在的问题 |
1.5.2 本文的主要工作 |
第二章 炼钢-连铸生产调度问题的描述 |
2.1 炼钢-连铸生产调度的设备及功能 |
2.1.1 主设备及功能 |
2.1.1.1 转炉设备及功能 |
2.1.1.2 精炼设备及功能 |
2.1.1.3 连铸设备及功能 |
2.1.2 辅设备及功能 |
2.1.2.1 钢包及其功能 |
2.1.2.2 倾转台及功能 |
2.1.2.3 烘烤设备及功能 |
2.1.2.4 快烘设备及功能 |
2.1.2.5 空包临时存放位 |
2.2 炼钢-连铸主辅设备生产过程的描述 |
2.2.1 主辅设备生产过程总述 |
2.2.2 主设备生产工艺过程 |
2.2.3 辅设备钢包运行过程 |
2.3 炼钢-连铸主设备生产调度问题的描述 |
2.3.1 调度常用术语 |
2.3.2 主设备生产调度问题的描述 |
2.3.2.1 浇次计划 |
2.3.2.2 调度计划 |
2.3.2.3 浇次计划与调度计划的关系 |
2.3.3 主设备优化调度问题的建模 |
2.3.3.1 优化调度的含义 |
2.3.3.2 建模的关键要素 |
2.3.3.3 优化调度问题的建模 |
2.4 炼钢-连铸辅设备钢包选配问题的描述 |
2.4.1 钢包选配的含义 |
2.4.2 钢包选配的约束和目标 |
2.4.3 调度计划与钢包选配的关系 |
2.5 炼钢-连铸主辅设备优化调度问题的难点分析 |
2.5.1 主设备优化调度模型的求解难度 |
2.5.2 辅设备钢包选配的建模难度分析 |
2.6 现行调度过程存在问题及解决策略 |
2.6.1 现行调度过程的描述 |
2.6.2 人工调度存在的问题 |
2.7 本章小结 |
第三章 炼钢一连铸混合优化调度方法 |
3.1 经典优化方法与正交设计简介 |
3.1.1 经典优化方法 |
3.1.1.1 动态规划 |
3.1.1.2 线性规划 |
3.1.2 正交设计方法 |
3.1.2.1 正交设计的特点 |
3.1.2.2 常用术语 |
3.1.2.3 试验主要步骤 |
3.2 炼钢-连铸混合优化调度策略 |
3.2.1 调度问题的分解策略 |
3.2.1.1 设备指派 |
3.2.1.2 冲突解消 |
3.2.2 混合优化调度策略的结构及功能 |
3.2.2.1 调度策略的结构 |
3.2.2.2 调度策略的功能 |
3.3 炼钢-连铸主设备优化调度方法 |
3.3.1 基于动态规划的设备指派算法 |
3.3.1.1 决策变量、性能指标和约束条件 |
3.3.1.2 设备指派模型 |
3.3.1.3 设备指派模型的求解算法 |
3.3.2 基于线性规划的冲突解消算法 |
3.3.2.1 决策变量、性能指标和约束条件 |
3.3.2.2 冲突解消模型 |
3.3.2.3 冲突解消模型的求解算法 |
3.4 辅设备钢包选配方法 |
3.4.1 基于规则推理方法简介 |
3.4.2 钢包选配的约束条件 |
3.4.3 钢包选配规则及优先级 |
3.4.4 基于规则推理的钢包选配算法 |
3.4.5 钢包选配代码及含义 |
3.5 本章小结 |
第四章 主设备优化调度方法的仿真实验研究 |
4.1 仿真实验数据 |
4.2 主设备优化调度方法的仿真实验 |
4.2.1 基于动态规划设备指派模型的求解算法 |
4.2.2 基于线性规划冲突解消模型的求解算法 |
4.2.2.1 正交设计选择惩罚系数的冲突解消算法 |
4.2.2.2 基于人机交互确定最终调度计划 |
4.3 主设备优化调度与人工调度结果的比较 |
4.4 正交设计选择惩罚系数与人工凑试方法的比较 |
4.5 本章小结 |
第五章 炼钢-连铸混合优化调度方法的工业实验 |
5.1 工业实验对象描述 |
5.1.1 设备条件 |
5.1.2 生产工艺特点 |
5.2 炼钢-连铸动态智能调度系统 |
5.2.1 功能需求 |
5.2.2 软硬件平台 |
5.2.2.1 硬件平台 |
5.2.2.2 软件平台 |
5.2.3 调度系统的总体设计 |
5.2.3.1 总体结构设计 |
5.2.3.2 各子系统的功能 |
5.2.3.3 混合优化调度算法的功能 |
5.3 工业实验 |
5.3.1 工业实验数据 |
5.3.2 主设备优化调度方法的工业实验 |
5.3.3 辅设备钢包选配方法的工业实验 |
5.3.4 工业实验结果 |
5.4 本章小结 |
结束语 |
参考文献 |
致谢 |
攻读博士学位期间发表的论文 |
作者简介 |
四、设备冲突的解决方法(论文参考文献)
- [1]基于容器技术的Android云交互系统研究与实现[D]. 汪演增. 电子科技大学, 2021(01)
- [2]基于贝叶斯模型的云计算调度算法研究[D]. 王亚迪. 哈尔滨理工大学, 2020(02)
- [3]D2D通信中设备发现和资源分配的研究[D]. 尹国庆. 南京邮电大学, 2019(02)
- [4]生产计划管理实验教学系统研究[D]. 张晓雨. 大连理工大学, 2019(02)
- [5]高新企业研发人员的激励模式研究[D]. 杨佳翼. 哈尔滨工业大学, 2019(01)
- [6]移动网络中MTC业务的无线资源管理技术的研究[D]. 宋丽君. 北京邮电大学, 2017(03)
- [7]炼钢—连铸生产调度优化算法与仿真的研究与应用[D]. 安亭亭. 沈阳建筑大学, 2017(04)
- [8]智能楼宇中规则验证方法的研究[D]. 王若思. 北京邮电大学, 2014(04)
- [9]炼钢—连铸混合优化调度方法及应用[D]. 王秀英. 东北大学, 2012(07)
- [10]基于分级代理的智能家庭网络模型研究[J]. 么刚,张武,王劲林. 高技术通讯, 2009(09)