课程文献中心 更多>>

关键词： 多微网   博弈论   分布式系统   广义纳什均衡   多智能体强化学习  

摘要： 微电网作为一种能够有效整合可再生能源、负荷和储能系统的新兴电力技术,将成为未来电力系统的重要组成部分。根据其地域特性,微电网可以组成多微网系统,但同时也面临复杂的协调优化问题。一方面,各地区微电网可能分属不同投资运营主体,其自利性导致参与多微网协调优化的前提是最大化自身利益,因而存在个体利益和群体利益之间的矛盾。另一方面,微电网内部的多种能量在不同时间和空间层面有不同调度需求,多微网总体运行的经济性难以把握。解决以上问题成为保障多微网稳定、经济运行中不可忽视的一环。 当前的研究通常将多微网协调优化调度转化为求解带有约束的优化问题,暂未充分重视多微网系统内多主体的自利性和自主性而存在不足,难以直接用以解决多微网内多主体调度策略优化问题。而能够刻画多主体优化策略的博弈论是解决该问题的有效方法。本文分别从博弈论与分布式控制与优化、多智能体学习结合的角度开展多微网协调优化调度的研究,本文主要的研究内容如下: (1)针对存在多个微网运营商参与交易运营的多微网系统,考虑其自利性,建立非合作博弈模型,结合多智能体平均一致性和投影动力学提出了一种分布式广义纳什均衡解搜索算法。利用Lyapunov稳定性理论和La Salle不变集原理对该算法的收敛性给出了严格的证明,并通过仿真算例验证了所提算法能够有效协调多微网系统发电能力,激励微网运营商可靠供电。 (2)针对多微网系统中以成本极小化为目标动态经济调度,本文将包含随机性的多主体序贯决策的经济调度问题转化为团队马尔可夫博弈。提出了基于平均场多智能体深度强化学习的多微网经济调度算法,并通过仿真对比验证了所提出的算法在无模型的多微网动态经济调度问题中可以有效求解均衡策略。 (3)建立双层博弈协调优化调度模型,上层模型考虑多微网交易运营模式,决定微网运营商的发电策略;下层模型以多微网整体的经济性为目标,确定微电网的最优运行策略。运用分布式纳什均衡解搜索与多智能体强化学习结合的方法设计了求解方法,得到多微网协调优化调度方案。

关键词： 管理创新   铁路装卸   管理模式   机械设备  

摘要： 铁路装卸机械设备是铁路货物运输的重要组成部分，发挥着重要作用，良好的管理质量直接关系到工作顺利且有序地开展。铁路装卸机械设备不仅类型多样，还具有很高的固有价值，因此要想实现对固定资源的充分利用，节约单位成本，就必须不断探索新的管理模式。以某地区的车务段为例，基于管理创新前铁路装卸机械设备存在的问题，按照铁路货运相关制度，重新建立装卸机械设备管理体系，梳理承揽、自主、派遣和租赁等多元化装卸机械设备的管理模式，评估其经营的实践效果，探析铁路装卸机械设备的管理创新路径。

关键词： Query processing   Data exploration   Heterogeneous   Distributed systems  

摘要： The rise in the variety and amount of big data has sparked interest in data-driven applications. As a result, there is a growing demand for effective ways to explore, transform, and understand data across various platforms, including distributed systems. Getting insights from data involves cleaning, changing, showing, and combining data, which requires scalable systems for quick knowledge extraction. This thesis introduces new techniques for processing queries in big data management systems. Data exploration involves trial and error, often yielding empty query results. To tackle this, HQ-Filter is introduced—an agile hierarchy-aware data structure. HQ-Filter exploits data hierarchy to build a configurable, probabilistic filter, efficiently eliminating empty-result queries on the client side. Applied to UCR-Star and Cloudberry systems for spatiotemporal-textual data, HQ-Filter significantly boosts server capacity (up to 66%), accelerates response times (up to 15x), and reduces server workload (up to 90%). Moreover, for today’s data scientists, combining diverse big datasets via distributed systems using join queries with complex conditions is essential. However, the availability of methods that can generate an optimized query plan for such queries in Database Management Systems (DBMSs) is limited due to the implementation and integration complexities. To overcome this issue, we introduce the Flexible User-defined Distributed Joins (FUDJ) framework, which seeks to enhance the availability of optimized join algorithms within DBMSs. FUDJ enables partition-based distributed join algorithms without deep DBMS or distributed programming knowledge. Through a novel extensibility architecture, FUDJ enhances availability and diversity of optimized join algorithms, amplifying options for data scientists and database researchers. FUDJ facilitates query processing by embedding it in any query optimizer. Using ”CREATE JOIN,” FUDJ deploys join libraries, detects flexible distributed

关键词： 自动制造系统   Petri网   死锁预防策略   死锁避免策略   稳健性  

摘要： 随着工业化的迅速发展和日益激烈的市场竞争，自动制造系统(AutomatedManufacturingSystem,AMS)因可以降低生产成本、提高生产效率而备受青睐。这类系统通常由多个并发进程组成，具有高度的并发性、异步性、不确定性。对自动制造系统进行有效地建模、分析和控制从而保证其稳健性与安全性，是控制领域极具挑战性的课题。本文以面向资源Petri网(ResourceOrientedPetriNet,ROPN)为建模工具，研究自动制造系统的死锁与稳健控制问题。主要研究工作与创新点如下:　　(1)针对同时使用多种资源的复杂结构AMS,提出一种分而治之的死锁预防策略，解决系统运行中的死锁问题。依据ROPN的结构特性，将满足一定分离条件的ROPN划分为空闲子网、自治子网和一些拓扑子网。通过给每个拓扑子网添加子控制器，可以确保AMS无死锁运行。为降低最后生成子控制器的结构复杂度，提出基于ROPN的有效变迁覆盖概念。找到每一个拓扑子网的有效变迁覆盖集并为其添加具有合适控制变量的控制库所，得到子控制器。最后将子控制器与其它子网同步合成，得到结构简单的AMS死锁控制器。　　(2)针对存在多种不可靠资源的AMS,提出一种死锁预防策略，解决多种资源同时发生故障时系统的死锁与阻塞问题。为更好表征系统的死锁与阻塞，依据ROPN的结构特性，提出死锁和阻塞判定定理，找到满足条件的生产过程回路，添加合适的控制器以确保系统的稳健运行。为降低Petri网控制器结构复杂度,深化有效变迁覆盖的概念,提出基于ROPN的“强”变迁覆盖概念。找到ROPN中的“强”变迁覆盖集，为每个“强”变迁覆盖集中的生产过程回路添加具有合适控制变量的控制库所，得到稳健的Petri网控制器。　　(3)针对存在不可观、不可控事件与不可靠资源的AMS,提出一种死锁避免策略，探讨系统存在不可观、不可控事件以及不可靠资源时的稳健策略选择。依据不可控、不可观事件的特点，提出基于关键变迁的死锁避免算法，对上述问题进行控制。根据变迁的性质，提出N步前瞻性原则，在可达N步范围内，对系统资源进行实时的在线核查，实施控制。对于不可靠资源，依据不可靠资源及其后续进程中变迁的属性，实行分类控制策略。为得到一组稳健变迁可引发序列，根据变迁的属性以及不可靠资源的位置，划分加工进程的优先级，保证系统的安全运行。

关键词： 班组管理   作业计划管理   备品备件管理   质量管理   设备管理   工艺文件管理   管理优化方案  

摘要： 众所周知,一个企业要存活要发展离不开市场占有率及销售利率。在当下人工成本高,原材料价格攀涨的环境下,只有不断优化生产制程,提高管理水平,平衡企业内部原料,生产,库存,销售等环节,才能在全球市场加剧的今天占有一席之地。目前所有公司都有依据“精益生产”的管理模式,成本最小化,效率最大化。但是越来越多企业的下滑及倒闭,说明这个管理模式不是适用所有企业的。目前的生产理论都是把注意力放在企业每个环节、每个步骤、每个工序的改善上,认为只要所有环节都能各自做到最好,企业整体就会有最大的改进。我认为应该把企业看成一个整体的系统,首先精准掌握这个系统内各个环节内在的逻辑关系,然后改进最关键的环节,整个系统才能产生最大的效益。MSY公司装配车间为了提高中国市场的占有率,将国外项目转移到国内,保留的国外工作管理模式,在中国竞争如此激烈的环境下,公司运营成本过高,效益下滑严重,改善及优化工作管理模式才能适应当下环境。经过长达1年的生产现场管理模式优化后,该企业的生产质量、生产效率、运营成本、安全库存、人员技能等方面取得了明显改善和更好的效益。生产车间是制造型企业的基础,是企业经营的主战场,车间管理水平的高低直接影响着生产质量、生产效率、运营成本、安全库存、人员技能等各项指标的达成,这些衡量指标都是在生产现场实现的。通过以现场管理优化生产流程,提高产出效率,减少备品备件,减少设备数量,缩短生产所需时间,并建立规范的生产体系和持续改善文化机制,可消除生产活动中的各种等待及库存浪费,企业才能从成本、交期、质量等方面有更多的竞争力,为客户创造更多的价值。所以从企业生存之根本来说,企业的竞争力归根到底是生产制造车间管理水平的比拼,所以如何提高生产车间的管理水平,是制造型企业的重中之重。本文着重从生产现场管理的制约法(TOC)理论基础上,以MSY举升机公司装配车间的生产管理作为整体框架,结合人、机、料、法、环生产管理五要素,以时间为基础的供应链概念来优化举升机制造企业现场管理。现以MSY举升机公司装配车间为研究对象,运用相关生产管理理论对其现场进行调查和对瓶颈环节进行分析,将其在班组人员管理,作业计划管理,备品备件管理,设备管理,质量管理及工艺文件管理等六个环节所存在的问题进行归纳和方案设计,系统的构建了MSY举升机公司装配车间管理的优化方案。本文主要通过五个部分进行阐述,通过理论中学习,实践中探索,找到一个适合MSY公司装配车间最优化的生产管理模式。第一部分是绪论,主要介绍本篇论文的背景、研究目的和意义、阐述现场管理的基本理论和主要工具;第二部分主要介绍MSY公司装配车间的现状及对存在的问题进行分析;第三部分主要是针对问题的方案设计及对策导入;第四部分是针对改善方案的对策追踪及规则制定,第五部分是全文的总结和未来展望。MSY公司装配车间生产体系的创建,对举升机制造行业的现代化生产管理提供了先进的参考模型,也为其他同行业的举升机设备公司的装配车间管理提供了有价值可平行导入的经验参考。

关键词： 检验检测   质量管理体系   设备管理   计量检定  

摘要： 本文针对检验检测机构中的设备管理工作进行研究,采用文献总结、案例分析等方法,从采购环节、日常使用、计量溯源、维护核查4个方面,详细阐述了检验检测机构质量管理体系中的设备管理要点;指出设备管理存在的问题和解决对策,并以电子天平、标准孔板流量计为例,介绍了设备计量检定管理过程,以期为检验检测设备的管理工作提供参考,从而提高设备的精度和使用性能,保证检验检测结果的可靠性。

关键词： 检验检测   质量管理体系   设备管理   计量检定  

摘要： 本文针对检验检测机构中的设备管理工作进行研究，采用文献总结、案例分析等方法，从采购环节、日常使用、计量溯源、维护核查四个方面，详细阐述了检验检测机构质量管理体系中的设备管理要点；指出设备管理存在的问题和解决对策，并以电子天平、标准孔板流量计为例，介绍了设备计量检定管理过程，以期为检验检测设备的管理工作提供参考，从而提高设备的精度和使用性能，保证检验检测结果的可靠性。

关键词： 边缘计算   成本效益优化   数据放置   数据去重   负载均衡  

摘要： 随着物联网和人工智能的飞速发展与普及,越来越多的数据开始在网络边缘产生。边缘计算作为一种将计算和存储能力下沉到更靠近用户的网络边缘的新型计算范式,具有数据访问低延迟和节约核心网络带宽的优势。然而,相比于云计算,边缘服务器有限的部署规模导致了其资源的受限性。如何在资源受限的边缘计算环境中存储和管理庞大规模的数据成为了亟待解决的问题。现有的数据存储管理机制大多是针对云计算环境所设计,无法契合边缘计算环境的特点,这主要体现在三个方面:一是存在数据存储粒度大的问题,现有的多副本数据存储放置策略带来了巨大的存储资源浪费;二是忽略了由于边缘服务器的广泛地理部署而带来数据冗余度高的问题,降低了资源的利用率;三是缺乏探索边缘服务器之间的协作机制,由于边缘服务器的存储资源异构性而导致存在负载不均衡问题,增加了数据存储成本。与此同时,边缘计算环境中存在着包括服务器有限的覆盖范围、数据检索的低延迟需求、数据分布具有区域性和边缘资源异构性等特有属性,这增加了在边缘计算环境中探索成本效益优化的数据存储管理机制的难度。基于此,主要研究了如何在边缘计算环境下实现存储成本效益优化的数据管理机制,在保障数据存储管理高效性的同时实现了最小化数据存储成本。针对数据存储前如何节约存储空间和数据存储后如何释放存储空间这两个出发点,可以将目前面向存储成本效益优化的边缘数据管理机制研究划分为三个核心策略,即数据存储放置、冗余数据去重和存储负载均衡。 在数据存储前如何节约存储空间方面,针对边缘计算环境下的数据存储放置策略,讨论了现有的多副本数据存储策略的高额存储开销问题,在边缘计算环境下引入了纠删码数据存储策略。分析了云存储系统和边缘存储系统的主要区别,研究了在边缘存储系统中应用纠删码数据存储机制的主要挑战,并且对边缘服务器的邻近性约束、传输性约束和编码性约束等特征进行了形式化定义,提出了基于整数规划的最优算法。针对最优算法计算开销大的问题提出了基于投票策略的近似算法,通过编码参数设置优化和编码块的放置优化来节约边缘存储系统的存储空间。在真实数据集上的实验结果表明提出的方法与其他对比算法相比平均可以节省68.58%的存储空间,在大规模场景下空间节省可高达81.16%。 在数据存储后如何释放存储空间方面,针对边缘计算环境下的冗余数据去重策略,讨论了边缘数据冗余情况以及导致的存储资源浪费问题,分析了现有的针对云存储数据设计的去重策略在边缘计算环境的局限性。不同于全局去重方案,通过对边缘服务器网络拓扑的分析,提出了基于网络拓扑感知的边缘数据去重问题的形式化定义。通过对邻近边缘服务器之间冗余数据的去重操作以最小化系统整体存储成本,同时确保数据服务覆盖的范围不变。分别提出了基于整数规划的最优算法和基于启发式搜索的近似算法。在真实数据集上的实验结果表明提出的方法平均可以实现49.87%的数据去重率,大幅度降低了边缘数据存储成本。 在数据存储后如何释放存储空间方面,针对边缘计算环境下的数据存储负载均衡策略,讨论了由于边缘资源异构性带来的数据负载不均衡问题及其对于存储成本效益的影响。通过边缘服务器之间的协同资源共享,在部分边缘服务器上移除冗余数据,以实现边缘服务器的数据存储负载均衡。根据数据访问延迟的差异来定义数据存储收益以避免热门数据的聚集。为缓解基于整数规划的最优算法的高额计算开销,提出了基于拉格朗日松弛的边缘数据负载均衡近似算法,并从理论上证明了该算法是可收敛的。在真实数据集上的实验结果表明提出的方法可以实现最优的数据负载均衡,较于其他对比算法平均具有53.85%的性能提升,极大地提高了存储资源利用率。

关键词： 存储管理  

摘要： 但由于场地限制，且铺轨基地本身场地不足，加之要将多种型号不同站场道岔同场存储，需要切实可行的管理方案以减小场地占用，并在后期倒运过程中便于区分。本文在此设计了可行的多型号道岔同场存储管理方案，解决了张唐铁路的道岔同场存储管理问题，也为以后类似工作提供了可靠的依据与参考。

关键词： 数据并行   深度学习   分布式系统   参数更新   掉队者  

摘要： 目前,数据并行已被广泛应用于分布式深度学习集群上的大型数据集训练,但在迭代边界处,它受到了昂贵的全局参数更新的影响。由于不均匀的工作负载划分或有偏见的资源分配而导致的训练任务之间的性能不平衡,由此引发的掉队者问题可能会严重影响训练速度和模型训练的准确性,给数据并行深度学习作业参数更新带来新的挑战。在负载不均衡的场景下,由掉队者问题引起的梯度延迟严重影响了参数更新的速度和模型训练的精度。本文研究的目的是如何解决该问题。为了提高模型参数更新的效率,保证模型训练精度,本文提出了基于数据并行的协同分组并行参数更新方法(Cooperate Grouping Parallel,CGP)。该方法是一种混合参数更新方案,基于训练性能对任务进行动态分组,组内任务采用同步参数更新,组间任务采用异步参数更新。组内同步参数更新保证了并行训练任务参数更新的正确性和模型训练的准确性,组间异步更新加速了参数更新过程,给组间协同互助提供了可能。本方法的主要特点是基于灵活的分组机制,支持通过在参数更新过程中动态地调整分组来调整任务组参数更新的负担,从而实现任务组之间互助协作的目标。在该混合参数更新方案基础上,本文建立了面向数据并行深度学习作业的任务协同分组并行参数更新模型。该模型对并行深度学习作业的训练时间进行量化描述,基于任务间进展之间的差异来描述模型精度。本文提出了基于数据并行的任务协同分组更新问题(Cooperate Grouping Parallel Problem,CGPP)。该问题的目标是在保证训练精度的前提下,通过动态调整协同分组方案,实现最优化的并行训练速度。本文进一步提出了任务协同分组算法CGP。该算法的主要特点是能够适应不同分布式系统场景下的并行规模,具体包括适应中小规模并行粒度的基于自适应遗传算法的协同分组并行算法CGP＿AGA,和适应大规模并行粒度的基于帕累托局部搜索算法的协同分组并行算法CGP＿PLS。本文主要贡献有:(1)本文提出了基于数据并行的协同分组并行参数更新方法CGP。提出了一种新颖的基于数据并行的协同分组并行问题CGPP,寻求在保证训练精度的前提下获得最优化的并行训练速度。(2)为求解CGPP,本文提出了针对中小规模的分布式并行环境的分组配置搜索算法:基于自适应遗传搜索的协同分组并行参数更新策略CGP＿AGA。(3)为求解CGPP,本文提出了针对大规模的分布式并行环境的分组配置搜索算法:基于PLS的协同分组并行参数更新策略CGP＿PLS。(4)综合评价结果证明了CGP在持续不平衡和波动不平衡下的有效性。该方法在不增加额外调整费用的情况下,减轻了不平衡的影响。