3.1　引言

随着世界经济的一体化、市场竞争的加剧，用户驱动也越来越左右着产品的生产，制造业面临越来越多的挑战：产品的多样化，用户的个性化需求，产品生命周期的缩短，产品更新的速度不断加快及产品批量的减少等。这些挑战给制造系统带来了许多的不确定性，如动态的任务变化、紧急订单等；同时，制造系统内部环境也充满了不确定性，如设备故障、人员缺席、生产延迟等。为了应对这些挑战，制造系统的内部结构变得越来越复杂，对系统稳健性和敏捷性的要求也越来越高。因此，在生产层面，现代制造系统正在寻求一种新的动态调度方法，以求快速响应动态环境的变化，同时在某些生产约束下（如产品加工成本、资源利用率、交货期等）通过优化资源和任务的配置提高生产效率。

近年来，很多学者一直在对制造系统动态调度问题进行深入的研究，并获得了大量的研究成果。当前，解决动态调度问题主要依靠启发式方法和多Agent技术。在启发式方法的使用方面，有学者提出了一种柔性车间作业动态调度的数学模型，并利用遗传算法优化了调度结果，同时提高了结果的稳定性。针对柔性制造系统在进行面向任务的动态车间调度过程中，有学者提出了采用遗传算法对评价指标完工时间进行实时优化；或者通过设计一种改进的自适应遗传算法用于求解车间动态调度问题，并证明采用该方法后机器的利用效率和车间的生产效率得到提高，或者考虑采用粒子群优化算法用于求解混合流水车间动态调度问题。通常，一种好的解决方案可以通过使用启发式的算法来获得，但是计算时间长和实施效率低仍是这些方法的短板。基于Agent的技术有分布式的优点，在针对扰动的响应速度和并行计算能力等方面有显著的优势。比如，有学者提出了一种基于制造单元内外部指标计算用于多Agent构架的协调方法解决生产调度问题；或利用基于改进合同网（Contract Net Protocol，CNP）的多Agent动态调度方法解决动态复杂的生产调度问题。可以利用一种动态协调方法求解合弄制造系统中的调度问题，也可以等采用基于合同网协商机制的任务和资源分配策略解决基于Agent的合弄制造系统动态调度问题。基于Agent的技术一般采用合同网协议的协商机制，具有策略简单和应用方便的特点，但合同网协议是一种显式的协商机制，其协商过程中的通信量会随着制造环境的复杂性和动态性的增加而迅速增加。

神经内分泌调节系统是人体生理过程中的重要调节系统，在研究制造系统的过程中，它独一无二的信息处理机制给研究者诸多灵感和启发。这种基于神经内分泌调节机制的协调方法是一种隐式协调方法，它不仅能够实现在个体间的快速调节，还可以对整个系统进行调节。与合同网等显式协调机制相比，基于神经内分泌协调机制的隐式协商机制具有更少的通信、更简单的协调、更容易实现等特点。

在第2章所提到的类生物化制造系统（BIMS）构架的基础上，受神经内分泌调节机制的启发，本章设计了一种针对扰动的动态调度方法，它可以快速地处理车间层的突发情况，以优化任务和资源的分配。本章内容主要是利用神经内分泌调节机制来改善BIMS中的性能指标。 zqnQUD773a4VrqFaE5+xY6Vu3I8qATsSboLxr9d5Sld454bYXlwfMuAh04q7PFmt