胡祥培，孫麗君，王 征

1 大連理工大學(xué) 管理與經(jīng)濟(jì)學(xué)部，遼寧 大連 116023 2 大連理工大學(xué) 軟件學(xué)院，遼寧 大連 116023

1 引言

物聯(lián)網(wǎng)技術(shù)的飛速發(fā)展和普及給人類社會(huì)的生產(chǎn)、生活方式帶來重大的變革，特別是生產(chǎn)調(diào)度領(lǐng)域首當(dāng)其沖。物聯(lián)網(wǎng)的通用功能是全面感知和可靠傳遞，而其終極功能智能服務(wù)的實(shí)現(xiàn)則根據(jù)其應(yīng)用領(lǐng)域的不同而需要不同的方法，在線智能調(diào)度方法是物聯(lián)網(wǎng)在生產(chǎn)調(diào)度領(lǐng)域?qū)崿F(xiàn)智能服務(wù)功能的關(guān)鍵。物聯(lián)網(wǎng)的應(yīng)用與發(fā)展使在線實(shí)時(shí)實(shí)現(xiàn)生產(chǎn)監(jiān)控和調(diào)度成為可能[1]，而如何充分利用物聯(lián)網(wǎng)數(shù)據(jù)，克服其內(nèi)在的復(fù)雜性和數(shù)據(jù)規(guī)模問題，最終提供有用的決策支持，是未來該領(lǐng)域研究的關(guān)鍵問題[2]。因而，基于物聯(lián)網(wǎng)的在線智能調(diào)度方法的研究是當(dāng)前產(chǎn)業(yè)界和學(xué)術(shù)界共同關(guān)注的熱點(diǎn)和難點(diǎn)問題。

傳統(tǒng)的調(diào)度優(yōu)化方法往往是基于經(jīng)驗(yàn)的、數(shù)學(xué)模型的或者是兩者的結(jié)合，這些方法在物聯(lián)網(wǎng)環(huán)境下的缺陷凸顯。①基于經(jīng)驗(yàn)的方法能夠快速地對(duì)問題特征進(jìn)行判斷，并定性地產(chǎn)生處理問題的方案，但是用該方法得到的調(diào)度方案的優(yōu)化度、可靠性和科學(xué)性得不到驗(yàn)證，且當(dāng)前的物聯(lián)網(wǎng)使調(diào)度環(huán)境呈現(xiàn)出透明性、可知性、感知性、預(yù)知性，在這樣的環(huán)境中人工經(jīng)驗(yàn)變得無(wú)所適從；②基于數(shù)學(xué)模型的方法是對(duì)現(xiàn)實(shí)問題進(jìn)行變量假設(shè)，建立數(shù)學(xué)模型，并求解得到一個(gè)優(yōu)化的調(diào)度方案，但是建模和求解是一項(xiàng)耗時(shí)、復(fù)雜、困難的工作，當(dāng)面對(duì)物聯(lián)網(wǎng)下的信息過載性和大數(shù)據(jù)時(shí)，如何實(shí)時(shí)抽取出有用的數(shù)據(jù)，實(shí)時(shí)實(shí)現(xiàn)數(shù)據(jù)→信息→模型→調(diào)度策略這一建模和求解過程，是當(dāng)前基于物聯(lián)網(wǎng)的調(diào)度系統(tǒng)建模的難點(diǎn)；③數(shù)學(xué)模型與人工經(jīng)驗(yàn)相結(jié)合的方法雖然能夠克服方案優(yōu)化程度不足的問題，但這種方法產(chǎn)生調(diào)度方案時(shí)也必須基于固定的問題模式，而基于物聯(lián)網(wǎng)的服務(wù)需具有自適應(yīng)性、自學(xué)習(xí)性和自組織的能力，即無(wú)需外部的激發(fā)而自動(dòng)產(chǎn)生服務(wù)的能力，其產(chǎn)生依賴于系統(tǒng)運(yùn)行過程中內(nèi)部典型情景的涌現(xiàn)，因而，基于固定問題模式的方法無(wú)法適應(yīng)這種決策支持的模式。另外，這些傳統(tǒng)的調(diào)度優(yōu)化方法針對(duì)的問題邊界通常是清晰的或者固定的。在物聯(lián)網(wǎng)環(huán)境下，數(shù)據(jù)的多源異構(gòu)和連續(xù)涌入性、信息的透明性，導(dǎo)致調(diào)度過程涉及到的人、物料、設(shè)備、生產(chǎn)過程、產(chǎn)品等眾多對(duì)象呈現(xiàn)出連續(xù)動(dòng)態(tài)存在性特征，問題邊界的界定很困難；而這種連續(xù)動(dòng)態(tài)性特征又會(huì)導(dǎo)致調(diào)度結(jié)果的時(shí)效性極短，因而必須實(shí)現(xiàn)調(diào)度過程的智能連續(xù)性反應(yīng)。這要求調(diào)度優(yōu)化方法在情景適應(yīng)性和實(shí)時(shí)響應(yīng)能力等方面必須有較高質(zhì)量的表現(xiàn)。因此，情景感知、情景表達(dá)以及基于情景的推理技術(shù)成為基于物聯(lián)網(wǎng)的在線智能調(diào)度優(yōu)化方法研究中不可或缺的部分，而如何實(shí)現(xiàn)基于情景的在線實(shí)時(shí)模型構(gòu)建、提高決策的實(shí)時(shí)性和科學(xué)性是當(dāng)前亟待解決的問題。

綜上所述，隨著物聯(lián)網(wǎng)技術(shù)的快速發(fā)展以及應(yīng)用領(lǐng)域的日漸廣泛，傳統(tǒng)的調(diào)度理論方法很難應(yīng)用于物聯(lián)網(wǎng)環(huán)境下涌現(xiàn)出的眾多問題。因此，有必要在理論方法上進(jìn)行有針對(duì)性地創(chuàng)新，以應(yīng)對(duì)這些新挑戰(zhàn)。本研究正是在這樣的背景下，分析物聯(lián)網(wǎng)環(huán)境下生產(chǎn)調(diào)度問題面臨的機(jī)遇和挑戰(zhàn)，提出一種基于物聯(lián)網(wǎng)的在線智能建模方法，并對(duì)未來的相關(guān)研究問題進(jìn)行分析和闡述。

2 相關(guān)研究評(píng)述

基于物聯(lián)網(wǎng)的在線智能調(diào)度方法研究將涉及3個(gè)問題，①物聯(lián)網(wǎng)的相關(guān)應(yīng)用及其研究，②調(diào)度優(yōu)化方法，③基于情景的建模方法的相關(guān)研究。下面將分別分析其研究進(jìn)展。

2.1 物聯(lián)網(wǎng)的應(yīng)用及研究進(jìn)展

物聯(lián)網(wǎng)(Internet of things,IoT)是互聯(lián)網(wǎng)和移動(dòng)通信網(wǎng)的應(yīng)用延伸和進(jìn)化，被譽(yù)為繼個(gè)人計(jì)算機(jī)、互聯(lián)網(wǎng)和移動(dòng)通信網(wǎng)后的第三次全球信息化浪潮。中國(guó)工程院院士鄔賀銓總結(jié)當(dāng)前物聯(lián)網(wǎng)的應(yīng)用領(lǐng)域主要包括智能電網(wǎng)、智能交通、智能物流、生態(tài)監(jiān)視、電子保健、智能家居、生產(chǎn)與運(yùn)營(yíng)安全監(jiān)控等[3]。在中國(guó)，自從2009年8月溫家寶總理提出感知中國(guó)后，物聯(lián)網(wǎng)一時(shí)成為中國(guó)國(guó)內(nèi)的熱點(diǎn)，迅速得到廣泛關(guān)注[4]。2014(第五屆)中國(guó)物聯(lián)網(wǎng)大會(huì)的通知文件中明確指出[5]：當(dāng)前物聯(lián)網(wǎng)發(fā)展的中國(guó)背景是，各部委針對(duì)物聯(lián)網(wǎng)領(lǐng)域的支持政策紛紛出臺(tái)，各省市積極推出物聯(lián)網(wǎng)產(chǎn)業(yè)發(fā)展規(guī)劃，各地方物聯(lián)網(wǎng)產(chǎn)業(yè)聯(lián)盟紛紛成立。相關(guān)企業(yè)和投資機(jī)構(gòu)積極介入，嘗試推出物聯(lián)網(wǎng)各類行業(yè)解決方案，涌現(xiàn)了不少優(yōu)秀應(yīng)用案例和示范項(xiàng)目，推動(dòng)了物聯(lián)網(wǎng)的廣泛應(yīng)用。但整體而言，目前無(wú)論中國(guó)還是國(guó)外，物聯(lián)網(wǎng)的研究和開發(fā)都還處于起步階段[6]。

物聯(lián)網(wǎng)的概念最初由美國(guó)麻省理工學(xué)院Ashton于1999年提出[7]。隨著技術(shù)和應(yīng)用的發(fā)展，物聯(lián)網(wǎng)的內(nèi)涵不斷擴(kuò)展，Miorandi等[8]總結(jié)其概念主要包含3方面：①通過對(duì)現(xiàn)有Internet技術(shù)的擴(kuò)展和應(yīng)用，實(shí)現(xiàn)智能對(duì)象的全球化網(wǎng)絡(luò)相互連接；②實(shí)現(xiàn)這一愿景所必須的所有支持性技術(shù)的集合(包含無(wú)線射頻(RFIDs)技術(shù)、傳感器、執(zhí)行器、機(jī)-機(jī)通訊設(shè)備等)；③應(yīng)用上述這些技術(shù)開拓新的業(yè)務(wù)或市場(chǎng)機(jī)會(huì)的所有應(yīng)用程序或者服務(wù)[9]。物聯(lián)網(wǎng)與環(huán)境智能(ambient intelligence,AmI)[10]的共性在于，都是由嵌入環(huán)境中的具有感知和計(jì)算能力的系統(tǒng)構(gòu)成，而前者區(qū)別于后者的地方在于，物聯(lián)網(wǎng)中的嵌入設(shè)備需要具有自我產(chǎn)生新功能、新能力或者新服務(wù)的能力，這些新產(chǎn)生的東西在網(wǎng)絡(luò)或者設(shè)備設(shè)計(jì)之初并未涉及到，即物聯(lián)網(wǎng)更加強(qiáng)調(diào)自適應(yīng)性、自學(xué)習(xí)性和自組織的能力[8]。

圍繞上述物聯(lián)網(wǎng)的概念、內(nèi)涵及其特征，國(guó)內(nèi)外學(xué)者的研究主要涉及4個(gè)方面：①智能對(duì)象的身份識(shí)別及數(shù)據(jù)傳輸技術(shù)，②異質(zhì)設(shè)備之間的通訊技術(shù)，③對(duì)用戶情景的理解技術(shù)，④隨著用戶情景變化而產(chǎn)生自適應(yīng)調(diào)整服務(wù)的技術(shù)。第1個(gè)方面的研究主要集中在RFID技術(shù)[11-13]和無(wú)線傳感器網(wǎng)絡(luò)技術(shù)[14-15]上，第2個(gè)方面的研究主要集中在開發(fā)標(biāo)準(zhǔn)虛擬平臺(tái)以及普適計(jì)算方法上[16-18]，第3個(gè)方面的研究主要集中在情景感知技術(shù)[19-21]和基于語(yǔ)義的推理技術(shù)上[22-23]，第4個(gè)方面的研究主要集中在基于情景的推理方法[24-25]和面向服務(wù)的計(jì)算上[26-27]。已有研究極大地推動(dòng)了物聯(lián)網(wǎng)的研究進(jìn)展及其應(yīng)用推廣，然而這些研究大部分是一般性理論方法的研究，若要推廣使用，需要與特定應(yīng)用領(lǐng)域的問題特征相結(jié)合，進(jìn)行進(jìn)一步的深化研究。因此，針對(duì)特定生產(chǎn)領(lǐng)域、特定生產(chǎn)環(huán)節(jié)的調(diào)度決策問題，必須做相應(yīng)的針對(duì)性研究。

2.2 調(diào)度優(yōu)化方法的研究進(jìn)展

已有的調(diào)度方法可以分為3類：①基于經(jīng)驗(yàn)的方法，這類方法一般以專家系統(tǒng)的方式得以實(shí)現(xiàn)；②基于運(yùn)籌學(xué)優(yōu)化模型的方法，這類方法一般以建立和求解規(guī)劃模型的手段獲得最優(yōu)調(diào)度方案；③人工智能與運(yùn)籌學(xué)優(yōu)化技術(shù)相融合的方法，這類方法通常以開發(fā)人工智能算法為手段，實(shí)現(xiàn)定性與定量相結(jié)合的更為智能的調(diào)度過程。

Byrd[28]的研究發(fā)現(xiàn)，20世紀(jì)90年代，專家系統(tǒng)在生產(chǎn)調(diào)度領(lǐng)域應(yīng)用的廣泛性僅次于醫(yī)療診斷領(lǐng)域。專家系統(tǒng)在調(diào)度優(yōu)化上主要用于分解復(fù)雜問題[29]、選擇調(diào)度規(guī)則[30-31]、產(chǎn)生調(diào)度策略[32]等環(huán)節(jié)，其優(yōu)勢(shì)在于可為非專家用戶使用、知識(shí)是一致的，并且可廣泛集成多個(gè)專家的知識(shí)[33]。然而，專家系統(tǒng)是否成功取決于其知識(shí)庫(kù)中包含了多少知識(shí)以及這些知識(shí)的質(zhì)量[33]，因此，專家系統(tǒng)的應(yīng)用也存在很多爭(zhēng)議。Framinan等[34]在其文獻(xiàn)綜述中指出，許多研究者對(duì)調(diào)度中是否真正有專家持懷疑態(tài)度，這是因?yàn)楝F(xiàn)實(shí)的調(diào)度環(huán)境相當(dāng)復(fù)雜，大部分都超出了調(diào)度者的認(rèn)知能力范圍。還有些研究者認(rèn)為，即便有調(diào)度專家的存在，專家系統(tǒng)也僅僅是對(duì)這些調(diào)度專家的決策過程進(jìn)行了自動(dòng)化而已。

運(yùn)籌學(xué)優(yōu)化模型的方法是針對(duì)問題的特征，對(duì)現(xiàn)實(shí)問題進(jìn)行變量假設(shè)，建立數(shù)學(xué)模型，并用適當(dāng)?shù)乃惴ㄇ蠼猓玫揭粋€(gè)優(yōu)化的調(diào)度方案。根據(jù)問題參數(shù)是確定性的還是非確定性的，建立的調(diào)度模型也相應(yīng)地分成確定性調(diào)度模型[35-37]以及處理不確定性[38-39]的隨機(jī)規(guī)劃模型[40]和模糊規(guī)劃模型[41]等。建立運(yùn)籌學(xué)優(yōu)化調(diào)度模型的優(yōu)點(diǎn)是能夠?qū)φ{(diào)度方案進(jìn)行定量評(píng)價(jià)和優(yōu)化，但建立數(shù)學(xué)模型是一項(xiàng)復(fù)雜而困難的工作，需要專業(yè)的建模知識(shí)。因此，該方法依賴于建模專家，一般的調(diào)度人員很難使用。另外，由于建模時(shí)模型對(duì)現(xiàn)實(shí)情況做了很多假設(shè)，當(dāng)結(jié)合實(shí)際問題的具體要求和情況后，求解的結(jié)果與現(xiàn)實(shí)的相符程度相差較遠(yuǎn)。所以，模型在實(shí)際問題中的應(yīng)用不可能是直接的，必須結(jié)合大量的領(lǐng)域知識(shí)和專家知識(shí)[42]，即人工智能與運(yùn)籌學(xué)優(yōu)化技術(shù)相結(jié)合才能夠得到最實(shí)用的結(jié)果[43]，這也是目前該方法更為流行的主要原因。

人工智能與運(yùn)籌學(xué)優(yōu)化技術(shù)結(jié)合的調(diào)度優(yōu)化方法主要是針對(duì)復(fù)雜調(diào)度問題，尤其是NP-hard問題，開發(fā)人工智能模型及相應(yīng)算法，分解問題的復(fù)雜性并可在有限的時(shí)間內(nèi)發(fā)現(xiàn)較好的解。Akyol等[44]綜述了神經(jīng)網(wǎng)絡(luò)和進(jìn)化的神經(jīng)網(wǎng)絡(luò)及其與各種啟發(fā)式算法的混合算法在生產(chǎn)調(diào)度優(yōu)化中的研究現(xiàn)狀；Tuncel等[45]綜述了Petri網(wǎng)建模及其與多種啟發(fā)式的人工智能搜索算法結(jié)合解決生產(chǎn)調(diào)度問題的研究現(xiàn)狀。上述這些方法極大地推動(dòng)了調(diào)度優(yōu)化決策理論和方法的發(fā)展，但Shen等[46]的觀點(diǎn)認(rèn)為，由于這些方法都是由一個(gè)中央計(jì)算單元實(shí)現(xiàn)所有的計(jì)算，屬于集中式的優(yōu)化決策運(yùn)算，因此，在應(yīng)用到實(shí)際問題上時(shí)也產(chǎn)生了很多困難，而基于agent的方法則以其分布式優(yōu)化運(yùn)算的方式彌補(bǔ)了這一缺陷；Toptal等[47]全面綜述了多agent調(diào)度系統(tǒng)中的分布式算法，并比較了分布式調(diào)度系統(tǒng)與集中式調(diào)度系統(tǒng)在理論和應(yīng)用方面的區(qū)別，提出分布式調(diào)度系統(tǒng)需要考慮的4個(gè)重點(diǎn)問題，①將問題分解為子問題，②將子問題指派給agent，③為agent設(shè)計(jì)求解子問題的算法，④允許agent之間集成解、解決沖突的算法以及交互機(jī)制。近年來中國(guó)學(xué)者在該領(lǐng)域也有相關(guān)的研究，徐新黎等[48]用多agent動(dòng)態(tài)調(diào)度方法解決染色車間調(diào)度問題。隨著問題規(guī)模的擴(kuò)大，分布式?jīng)Q策的優(yōu)勢(shì)更加凸顯，尤其是在物聯(lián)網(wǎng)環(huán)境下，為了充分利用相互連接的智能體的分布式計(jì)算能力，分布式的調(diào)度優(yōu)化方法必將大顯神通。

2.3 基于情景的建模方法的研究進(jìn)展

基于情景的建模方法中的核心問題是情景建模，而情景建模的主流研究是普適計(jì)算領(lǐng)域的情景感知系統(tǒng)[19]，情景建模與推理技術(shù)是情景感知系統(tǒng)的核心，一個(gè)好的情景建模方法能夠降低應(yīng)用軟件的復(fù)雜性，提高其可維護(hù)性和進(jìn)化性[49]。Bettini等[49]認(rèn)為，當(dāng)前有3種占主導(dǎo)地位的情景建模方法，即基于對(duì)象角色的方法、空間法和基于本體的方法?；趯?duì)象角色的方法代表性的研究是Henricksen等提出的情景建模語(yǔ)言[50](context modelling language,CML)及其改進(jìn)版本[51]；空間情景建模方法代表性成果有Nicklas等[52]提出的Augmented World模型和Millard等[53]在Equator項(xiàng)目情景模型中提出的位置模型；基于本體的情景建模方法代表性的成果有基于本體的情景建模語(yǔ)言O(shè)WL-DL[54]以及該語(yǔ)言的一些變體，如用于普適環(huán)境情景建模的SOUPA本體[55]、用于智能家居環(huán)境建模的CONON本體[22]等。由于這3種情景建模方法各自具有優(yōu)缺點(diǎn)，因此，近年來混合情景建模方法逐漸成為新的研究方向，并且也將是未來情景建模的重點(diǎn)研究方向之一。如Henricksen等[56]嘗試將CML與基于本體的方法結(jié)合，構(gòu)建混合的情景建模方法。該方法結(jié)合了CML處理不完備情景信息的能力、本體推理對(duì)情景模型一致性檢驗(yàn)的能力以及本體可以對(duì)不同的情景模型進(jìn)行語(yǔ)義映射的能力，使它們優(yōu)勢(shì)互補(bǔ)、揚(yáng)長(zhǎng)避短。

2.4 國(guó)內(nèi)外研究現(xiàn)狀小結(jié)

綜上所述，國(guó)內(nèi)外學(xué)者在物聯(lián)網(wǎng)技術(shù)、調(diào)度優(yōu)化方法、基于情景的建模方法等方面開展了眾多前沿性研究，研究成果豐富，為后續(xù)的同類研究提供了依據(jù)和研究基礎(chǔ)。但是，已有的研究成果仍無(wú)法滿足物聯(lián)網(wǎng)環(huán)境下的調(diào)度優(yōu)化要求，主要原因如下。

(1)正如前文所述，從關(guān)于物聯(lián)網(wǎng)技術(shù)方面的研究不難看出，已有的一般性理論方法的研究成果，如果應(yīng)用到實(shí)際問題上以實(shí)現(xiàn)在線智能建模過程，需要結(jié)合具體的優(yōu)化調(diào)度領(lǐng)域問題的特征做更深入的探討和研究。

(2)已有調(diào)度優(yōu)化方法均是為求某一可清晰界定邊界、可完全描述的結(jié)構(gòu)化問題的最優(yōu)解或者次優(yōu)解而設(shè)計(jì)的，而在物聯(lián)網(wǎng)環(huán)境下，由于數(shù)據(jù)采集的廣泛性和實(shí)時(shí)性，調(diào)度面對(duì)的決策環(huán)境呈現(xiàn)高度的動(dòng)態(tài)復(fù)雜性，問題邊界難以清晰界定，其非結(jié)構(gòu)性特征明顯，如何針對(duì)此類調(diào)度問題設(shè)計(jì)優(yōu)化方法是當(dāng)前面臨的主要困難。

(3)已有情景建模方法為情景感知系統(tǒng)的開發(fā)和實(shí)踐提供了理論基礎(chǔ)和技術(shù)，但現(xiàn)有的情景建模方法各有優(yōu)缺點(diǎn)和適用的問題類型。因此，進(jìn)一步的研究需要結(jié)合具體的調(diào)度優(yōu)化問題特征及其類型，研究如何在多元化的、形態(tài)各異的、大量的數(shù)據(jù)中獲取典型情景并加以表示，以支持推理過程對(duì)情景信息的充分利用，實(shí)現(xiàn)基于情景的在線智能建模及后續(xù)的決策支持過程。

3 基于物聯(lián)網(wǎng)的在線智能調(diào)度方法的關(guān)鍵科學(xué)問題：基于情景的在線智能建模

在調(diào)度領(lǐng)域，物聯(lián)網(wǎng)技術(shù)的應(yīng)用可以獲取人、物料、設(shè)備、生產(chǎn)過程、產(chǎn)品等眾多調(diào)度對(duì)象的基本資料、位置、時(shí)間、自然環(huán)境、計(jì)算環(huán)境等情景信息，通過情景感知技術(shù)實(shí)時(shí)捕捉系統(tǒng)狀態(tài)，通過情景模型恰當(dāng)描述此時(shí)、此情、此景等現(xiàn)實(shí)情況，通過基于情景的推理對(duì)當(dāng)前的活動(dòng)進(jìn)行綜合判斷，為調(diào)度決策提供精準(zhǔn)的服務(wù)支持，實(shí)現(xiàn)智能的優(yōu)化調(diào)度過程。此過程中的情景感知技術(shù)、情景獲取技術(shù)以及基于情景的推理技術(shù)三者共同實(shí)現(xiàn)基于情景的在線智能建模方法這一關(guān)鍵科學(xué)問題，見圖1。基于情景的在線智能建模方法采用以下的學(xué)術(shù)思想實(shí)現(xiàn)情景的獲取→情景的表達(dá)模型→基于情景的推理：情景的獲取是當(dāng)調(diào)度系統(tǒng)運(yùn)行過程中有典型情景涌現(xiàn)時(shí)，獲取與其相關(guān)的數(shù)據(jù)；情景的表達(dá)模型包含了相關(guān)數(shù)據(jù)的標(biāo)準(zhǔn)化格式及其語(yǔ)義，其作用是將數(shù)據(jù)加工成為有意義的信息；而基于情景的推理則利用這些信息建立模型從而產(chǎn)生調(diào)度策略用于決策。這一過程即完成了數(shù)據(jù)→信息→模型→調(diào)度策略這一過程的實(shí)現(xiàn)和轉(zhuǎn)變。

圖1中，基于情景的在線建模方法中的情景獲取技術(shù)可實(shí)現(xiàn)調(diào)度對(duì)象識(shí)別、調(diào)度對(duì)象狀態(tài)信息捕捉、調(diào)度對(duì)象地理信息獲取和調(diào)度對(duì)象關(guān)系識(shí)別等過程；然后，情景表達(dá)技術(shù)用情景模型對(duì)這些獲取到的情景進(jìn)行表示；最后，情景推理技術(shù)通過情景模型對(duì)情景信息加以利用，實(shí)現(xiàn)智能調(diào)度決策過程，得到科學(xué)可靠的調(diào)度策略。

4 未來研究的思考

通過上文分析和總結(jié)可以發(fā)現(xiàn)，基于物聯(lián)網(wǎng)的在線智能調(diào)度研究工作仍任重道遠(yuǎn)，其目標(biāo)是針對(duì)物聯(lián)網(wǎng)環(huán)境下調(diào)度對(duì)象狀態(tài)的動(dòng)態(tài)連續(xù)變化性，提供一種在線實(shí)時(shí)的智能優(yōu)化調(diào)度方法，以最終實(shí)現(xiàn)調(diào)度優(yōu)化過程的連續(xù)性以及調(diào)度優(yōu)化決策的科學(xué)性、有效性和實(shí)用性。針對(duì)國(guó)內(nèi)外研究的現(xiàn)存問題、物聯(lián)網(wǎng)環(huán)境下調(diào)度系統(tǒng)的特征和關(guān)鍵科學(xué)問題，未來的研究主要應(yīng)該圍繞基于情景的建模方法、基于情景的模型實(shí)時(shí)求解方法和基于情景的在線調(diào)度決策支持方法三方面展開。

4.1 基于情景的建模方法

在物聯(lián)網(wǎng)環(huán)境下，情景要素之間的關(guān)系復(fù)雜而且往往隨著時(shí)間發(fā)生變化。因此，利用物聯(lián)網(wǎng)環(huán)境下的時(shí)空相關(guān)數(shù)據(jù)實(shí)時(shí)判定情景要素及其之間的關(guān)系，形成情景序列，對(duì)情景序列進(jìn)行恰當(dāng)?shù)谋硎?，以支持?dòng)態(tài)建模過程，這是研究的首要問題。物聯(lián)網(wǎng)使調(diào)度環(huán)境呈現(xiàn)數(shù)據(jù)暴增、數(shù)據(jù)非結(jié)構(gòu)化等特征，調(diào)度優(yōu)化過程若要實(shí)現(xiàn)連續(xù)的反應(yīng)，則需要分布式建模處理，以滿足實(shí)時(shí)處理大數(shù)據(jù)的需求。綜上所述，在基于情景的建模方法方面，主要研究?jī)?nèi)容包括：

圖1 物聯(lián)網(wǎng)環(huán)境下在線智能調(diào)度的關(guān)鍵科學(xué)問題Figure 1 The Key Scientific Issue of Online Intelligent Scheduling under Internet of Things(IoT)

(1)情景序列的判定與穩(wěn)健性分析方法；

(2)情景序列的表示方法；

(3)基于情景序列的分布式模型構(gòu)建方法。

4.2 基于情景的模型實(shí)時(shí)求解方法

物聯(lián)網(wǎng)環(huán)境下的優(yōu)化調(diào)度模型依賴于情景模式，其參數(shù)和函數(shù)分布往往無(wú)法預(yù)知或事先指定，因此，需要在優(yōu)化時(shí)針對(duì)不同情景的特點(diǎn)對(duì)物聯(lián)網(wǎng)數(shù)據(jù)進(jìn)行學(xué)習(xí)，而這一學(xué)習(xí)過程受實(shí)時(shí)性的要求，很可能需要與決策過程同時(shí)進(jìn)行。除了物聯(lián)網(wǎng)帶來的外部動(dòng)態(tài)因素，調(diào)度管理者的決策也會(huì)導(dǎo)致情景更換，影響數(shù)據(jù)的收集和觀測(cè)。如物流調(diào)度中的車輛路線調(diào)整會(huì)影響顧客服務(wù)的先后順序，從而影響決策者所能觀測(cè)到的在途任務(wù)狀態(tài)。在這種情況下，需要考慮優(yōu)化與學(xué)習(xí)相互依賴的特點(diǎn)，設(shè)計(jì)快速有效的“邊學(xué)習(xí)邊優(yōu)化”算法。另外，在物聯(lián)網(wǎng)環(huán)境下，數(shù)據(jù)是以一種連續(xù)的方式瞬間涌入的，一方面數(shù)據(jù)量十分龐大，另一方面數(shù)據(jù)呈現(xiàn)出明顯的非結(jié)構(gòu)化特征，數(shù)據(jù)的復(fù)雜性遠(yuǎn)遠(yuǎn)超出了任何集中式處理方式下的調(diào)度理論和方法所能解決的問題范圍。因此，在解決物聯(lián)網(wǎng)環(huán)境下復(fù)雜的在線調(diào)度優(yōu)化問題時(shí)，無(wú)法像傳統(tǒng)調(diào)度管理理論那樣，通過設(shè)置決策中心對(duì)整個(gè)系統(tǒng)進(jìn)行全局式的優(yōu)化，而必須采用在線、分布式的處理方式，將計(jì)算任務(wù)實(shí)時(shí)分派到多臺(tái)處理節(jié)點(diǎn)，通過各個(gè)節(jié)點(diǎn)的相互協(xié)同與交互，實(shí)現(xiàn)對(duì)超大規(guī)模數(shù)據(jù)實(shí)時(shí)在線求解的有效突破。物聯(lián)網(wǎng)環(huán)境下的這些新特點(diǎn)需要與之相匹配的在線實(shí)時(shí)學(xué)習(xí)與優(yōu)化相結(jié)合的調(diào)度優(yōu)化方法以及動(dòng)態(tài)決策理論支持，這一動(dòng)態(tài)學(xué)習(xí)與優(yōu)化相結(jié)合的決策理論，在處理物聯(lián)網(wǎng)背景下的調(diào)度問題時(shí)可以發(fā)揮更大作用。綜上所述，在基于情景的優(yōu)化調(diào)度方法方面，主要研究?jī)?nèi)容包括：

(1)基于情景的在線學(xué)習(xí)反饋方法；

(2)在線實(shí)時(shí)分布式模型求解算法；

(3)分布式模型求解結(jié)果的自適應(yīng)調(diào)整算法。

4.3 基于情景的在線調(diào)度決策支持方法

在物聯(lián)網(wǎng)環(huán)境下，海量、非結(jié)構(gòu)化數(shù)據(jù)瞬間爆發(fā)和涌入，不僅使應(yīng)用問題的情景瞬息萬(wàn)變，使數(shù)據(jù)處理與反饋必須具備實(shí)時(shí)性、在線性等特征，而且各類應(yīng)用問題只有在分布式的條件下才有可能得以有效計(jì)算，每個(gè)終端設(shè)備必須要與其周邊的設(shè)備或者人進(jìn)行實(shí)時(shí)的協(xié)同和交互，才能最終實(shí)現(xiàn)對(duì)各類應(yīng)用問題在線調(diào)度決策的有效支持。因此，設(shè)備與設(shè)備之間、設(shè)備與人之間應(yīng)該如何進(jìn)行有效的協(xié)同和交互以及交互之后決策結(jié)果的有效性和穩(wěn)健性分析就成為該領(lǐng)域亟待解決的關(guān)鍵問題。另外，傳統(tǒng)的決策機(jī)制設(shè)計(jì)和決策方法針對(duì)的調(diào)度問題中，數(shù)據(jù)實(shí)時(shí)性和數(shù)據(jù)采集的范圍有限，調(diào)度決策并不具有很強(qiáng)的在線性和實(shí)時(shí)性特征，各個(gè)終端設(shè)備進(jìn)行在線自主決策的必要性往往并不十分明顯。因而，傳統(tǒng)的決策機(jī)制很難滿足物聯(lián)網(wǎng)環(huán)境的動(dòng)態(tài)實(shí)時(shí)性要求，也無(wú)法應(yīng)用于物聯(lián)網(wǎng)環(huán)境下各類應(yīng)用問題瞬息萬(wàn)變的情景序列。因此，如何基于情景序列實(shí)現(xiàn)相應(yīng)的調(diào)度優(yōu)化方法，使設(shè)備與設(shè)備之間、設(shè)備與人之間能夠根據(jù)實(shí)時(shí)信息進(jìn)行有效的協(xié)同、交互、合作，實(shí)現(xiàn)智能地優(yōu)化、控制和決策，達(dá)到智能、高效、低耗的調(diào)度目標(biāo)，也是物聯(lián)網(wǎng)環(huán)境下在線智能調(diào)度急需解決的重要問題之一。綜上所述，在基于情景的在線調(diào)度決策支持方法方面，主要研究?jī)?nèi)容包括：

(1)協(xié)同與交互的決策方法；

(2)基于情景序列的人機(jī)交互方法；

(3)調(diào)度決策的有效性和穩(wěn)健性分析；

(4)調(diào)度決策支持系統(tǒng)的應(yīng)用研究。

5 結(jié)論

隨著科技的發(fā)展，物聯(lián)網(wǎng)正在改變著企業(yè)的生產(chǎn)方式、經(jīng)營(yíng)模式和管理模式，將帶來企業(yè)的又一次信息化革命，而基于物聯(lián)網(wǎng)技術(shù)的決策也正日益成為提高管理決策的科學(xué)性、有效性與實(shí)用性的核心和關(guān)鍵問題，也是當(dāng)前學(xué)術(shù)界和產(chǎn)業(yè)界關(guān)注的熱點(diǎn)問題。

本研究在綜述物聯(lián)網(wǎng)技術(shù)、調(diào)度優(yōu)化方法和基于情景的建模方法的國(guó)內(nèi)外研究進(jìn)展的基礎(chǔ)上，分析并提出基于物聯(lián)網(wǎng)的在線智能調(diào)度方法的關(guān)鍵科學(xué)問題是基于情景的在線智能建模，并進(jìn)一步分析提出該問題未來的研究目標(biāo)和研究?jī)?nèi)容。未來的研究成果可為基于物聯(lián)網(wǎng)的調(diào)度優(yōu)化管理決策支持系統(tǒng)的開發(fā)和研究奠定理論基礎(chǔ)，該項(xiàng)理論成果將在生產(chǎn)調(diào)度和物流調(diào)度等領(lǐng)域具有廣闊的應(yīng)用前景。

[1]Meyer G G,Wortmann J C,Szirbik N B.Production monitoring and control with intelligent products[J].International Journal of Production Research,2011,49(5):1303-1317.

[2]Whitmore A,Agarwal A,Xu L D.The Internet of things:A survey of topics and trends[J/OL].Information Systems Frontiers,2014(March):1-14.http:∥link.springer.com/journal/10796/onlineFirst/page/2.

[3]鄔賀銓.物聯(lián)網(wǎng)的應(yīng)用與挑戰(zhàn)綜述[J].重慶郵電大學(xué)學(xué)報(bào):自然科學(xué)版,2010,22(5):526-531.

Wu Hequan.Review on Internet of things:Application and challenges[J].Journal of Chongqing University of Posts and Telecommunications:Natural Science Edition,2010,22(5):526-531.(in Chinese)

[4]寧煥生,徐群玉.全球物聯(lián)網(wǎng)發(fā)展及中國(guó)物聯(lián)網(wǎng)建設(shè)若干思考[J].電子學(xué)報(bào),2010,38(11):2590-2599.

Ning Huansheng,Xu Qunyu.Research on global Internet of things′ developments and it′s construction in China[J].Acta Electronica Sinica,2010,38(11):2590-2599.(in Chinese)

[5]中國(guó)電子學(xué)會(huì).關(guān)于召開“2014(第五屆)中國(guó)物聯(lián)網(wǎng)大會(huì)”的通知[EB/OL].[2014-04-01].http:∥www.iotexpo.org/IOTMeetingIntro.aspx.

Chinese Institute of Electronics. Announcement on “The 5th conference of China′s Internet of things(2014)”[EB/OL].[2014-04-01].http:∥www.iotexpo.org/IOTMeetingIntro.aspx.(in Chinese)

[6]孫其博,劉杰,黎羴,范春曉,孫娟娟.物聯(lián)網(wǎng):概念、架構(gòu)與關(guān)鍵技術(shù)研究綜述[J].北京郵電大學(xué)學(xué)報(bào),2010,33(3):1-9.

Sun Qibo,Liu Jie,Li Shan,Fan Chunxiao,Sun Juanjuan.Internet of things:Summarize on concepts,architecture and key technology problem[J].Journal of Beijing University of Posts and Telecommunications,2010,33(3):1-9.(in Chinese)

[7]Ashton K.That ‘Internet of things’ thing[J].RFiD Journal,2009,22(May/June): 97-114.

[8]Miorandi D,Sicari S,De Pellegrini F,Chlamtac I.Internet of things:Vision,applications and research challenges[J].Ad Hoc Networks,2012,10(7):1497-1516.

[9]Atzori L,Iera A,Morabito G.The Internet of things:A survey[J].Computer Networks,2010,54(15):2787-2805.

[10] Aarts E,Wichert R.Ambient intelligence[M]∥Technology Guide.Berlin:Springer,2009:244-249.

[11] Roussos G,Kostakos V.RFID in pervasive computing:State-of-the-art and outlook[J].Pervasive and Mobile Computing,2009,5(1):110-131.

[12] Want R.An introduction to RFID technology[J].IEEE Pervasive Computing,2006,5(1):25-33.

[13] Nath B,Reynolds F,Want R.RFID technology and applications[J].IEEE Pervasive Computing,2006,5(1):22-24.

[14] Akyildiz I F,Su W,Sankarasubramaniam Y,Cayirci E.Wireless sensor networks:A survey[J].Computer Networks,2002,38(4):393-422.

[15] Yick J,Mukherjee B,Ghosal D.Wireless sensor network survey[J].Computer Networks,2008,52(12):2292-2330.

[16] Grimm R,Anderson T,Bershad B,Wetherall D.A system architecture for pervasive computing[C]∥Proceedings of the 9th Workshop on ACM SIGOPS European Workshop:Beyond the PC:New Challenges for the Operating System.New York,NY:ACM Press,2000:177-182.

[17] Chakraborty D,Perich F,Joshi A,Finin T,Yesha Y.A reactive service composition architecture for pervasive computing environments[C]∥Proceedings of the 7th Personal Wireless Communications Conference.Singapore,2002:53-62.

[18] Satyanarayanan M.Pervasive computing:Vision and challenges[J].IEEE Personal Communications,2001,8(4):10-17.

[19] Baldauf M,Dustdar S,Rosenberg F.A survey on context-aware systems[J].International Journal of Ad Hoc and Ubiquitous Computing,2007,2(4):263-277.

[20] Henricksen K,Indulska J.Developing context-aware pervasive computing applications:Models and approach[J].Pervasive and Mobile Computing,2006,2(1):37-64.

[21] Ngai E W T,Li C L,Cheng T C E,Lun Y H V,Lai K H,Cao J,Lee M C M.Design and development of an intelligent context-aware decision support system for real-time monitoring of container terminal operations[J].International Journal of Production Research,2011,49(12):3501-3526.

[22] Zhang D,Gu T,Wang X.Enabling context-aware smart home with semantic web technologies[J].International Journal of Human-friendly Welfare Robotic Systems,2005,6(4):12-20.

[23] Brumitt B,Shafer S.Topological world modeling using semantic spaces[C]∥Proceedings of the Workshop on Location Modeling for Ubiquitous Computing.Atlanta,2001:55-62.

[24] Bouquet P,Ghidini C,Giunchiglia F,Blanzieri E.Theories and uses of context in knowledge representation and reasoning[J].Journal of Pragmatics,2003,35(3):455-484.

[25] Brézillon P,Pasquier L,Pomerol J C.Reasoning with contextual graphs[J].European Journal of Operational Research,2002,136(2):290-298.

[26] Papazoglou M P,Traverso P,Dustdar S,Leymann F.Service-oriented computing:State of the art and research challenges[J].Computer,2007,40(11):38-45.

[27] Papazoglou M P.Service-oriented computing:Concepts,characteristics and directions[C]∥Proceedings of the Fourth International Conference on Web Information Systems Engineering.Rome:Institute of Electrical and Electronics Engineers,2003:3-12.

[28] Byrd T A.Expert systems implementation:Interviews with knowledge engineers[J].Industrial Management & Data Systems,1995,95(10):3-7.

[29] Fox M S,Smith S F.ISIS:A knowledge-based system for factory scheduling[J].Expert Systems,1984,1(1):25-49.

[30] Alexander S M.An expert system for the selection of scheduling rules in a job shop[J].Computers & Industrial Engineering,1987,12(3):167-171.

[31] Subramaniam V,Ramesh T,Lee G K,Wong Y S,Hong G S.Job shop scheduling with dynamic fuzzy selection of dispatching rules[J].The International Journal of Advanced Manufacturing Technology,2000,16(10):759-764.

[32] Zupan B,Cheng A M K.Optimization of rule-based systems using state space graphs[J].IEEE Transactions on Knowledge and Data Engineering,1998,10(2):238-254.

[33] Metaxiotis K S,Askounis D,Psarras J.Expert systems in production planning and scheduling:A state-of-the-art survey[J].Journal of Intelligent Manufacturing,2002,13(4):253-260.

[34] Framinan J M,Ruiz R.Architecture of manufacturing scheduling systems:Literature review and an integrated proposal[J].European Journal of Operational Research,2010,205(2):237-246.

[35] Ma Y,Chu C,Zuo C.A survey of scheduling with deterministic machine availability constraints[J].Computers & Industrial Engineering,2010,58(2):199-211.

[36] Lee C Y,Lei L,Pinedo M.Current trends in deterministic scheduling[J].Annals of Operations Research,1997,70:1-41.

[37] Pfund M,Fowler J W,Gupta J N D.A survey of algorithms for single and multi-objective unrelated parallel-machine deterministic scheduling problems[J].Journal of the Chinese Institute of Industrial Engineers,2004,21(3):230-241.

[38] Li Z,Ierapetritou M.Process scheduling under uncertainty:Review and challenges[J].Computers & Chemical Engineering,2008,32(4/5):715-727.

[39] Sahinidis N V.Optimization under uncertainty:State-of-the-art and opportunities[J].Computers & Chemical Engineering,2004,28(6/7):971-983.

[40] Birge J R,Dempstert M A H.Stochastic programming approaches to stochastic scheduling[J].Journal of Global Optimization,1996,9(3/4):417-451.

[41] Leu S S,Chen A T,Yang C H.Fuzzy optimal model for resource-constrained construction scheduling[J].Journal of Computing in Civil Engineering,1999,13(3):207-216.

[42] Li J Q,Borenstein D,Mirchandani P B.A decision support system for the single-depot vehicle rescheduling problem[J].Computers & Operations Research,2007,34(4):1008-1032.

[43] Slater A.Specification for a dynamic vehicle routing and scheduling system[J].International Journal of Transport Management,2002,1(1):29-40.

[44] Akyol D E,Bayhan G M.A review on evolution of production scheduling with neural networks[J].Computers & Industrial Engineering,2007,53(1):95-122.

[45] Tuncel G,Bayhan G M.Applications of petri nets in production scheduling:A review[J].The International Journal of Advanced Manufacturing Technology,2007,34(7/8):762-773.

[46] Shen W,Wang L,Hao Q.Agent-based distributed manufacturing process planning and scheduling:A state-of-the-art survey[J].IEEE Transactions on Systems,Man,and Cybernetics,2006,36(4):563-577.

[47] Toptal A,Sabuncuoglu I.Distributed scheduling:A review of concepts and applications[J].International Journal of Production Research,2010,48(18):5235-5262.

[48] 徐新黎,郝平,王萬(wàn)良.多Agent動(dòng)態(tài)調(diào)度方法在染色車間調(diào)度中的應(yīng)用[J].計(jì)算機(jī)集成制造系統(tǒng),2010,16(3):611-620.

Xu Xinli,Hao Ping,Wang Wanliang.Multi-agent dynamic scheduling method and its application to dyeing shops scheduling[J].Computer Integrated Manufacturing Systems,2010,16(3):611-620.(in Chinese)

[49] Bettini C,Brdiczka O,Henricksen K,Indulska J,Nicklas D,Ranganathan A,Riboni D.A survey of context modelling and reasoning techniques[J].Pervasive and Mobile Computing,2010,6(2):161-180.

[50] Henricksen K,Indulska J,Rakotonirainy A.Modeling context information in pervasive computing systems[C]∥Proceedings of the First Informational Conference on Pervasive Computing.Berlin:Springer,2002:167-180.

[51] Henricksen K,Indulska J.Modelling and using imperfect context information[C]∥Proceedings of the Second IEEE Annual Conference on Pervasive Computing and Communications Workshops.Los Alamitos,California:The IEEE Computer Society,2004:33-37.

[52] Nicklas D,Mitschang B.On building location aware applications using an open platform based on the NEXUS augmented world model[J].Software and Systems Modeling,2004,3(4):303-313.

[53] Millard I C,De Roure D,Shadbolt N.The use of ontologies in contextually aware environments[C]∥Proceedings of the First International Workshop on Advanced Context Modelling,Reasoning and Management.Nottingham:University of Southampton,2004:42-47.

[54] Horrocks I,Patel-Schneider P F,van Harmelen F.From SHIQ and RDF to OWL:The making of a web ontology language[J].Web Semantics:Science,Services and Agents on the World Wide Web,2003,1(1):7-26.

[55] Chen H,Perich F,Finin T,Joshi A.SOUPA:Standard ontology for ubiquitous and pervasive applications[C]∥The First Annual International Conference on Mobile and Ubiquitous Systems:Networking and Services.Boston,MA:Institute of Electrical and Electronics Engineers,2004:258-267.

[56] Henricksen K,Livingstone S,Indulska J.Towards a hybrid approach to context modelling,reasoning and interoperation[C]∥Proceedings of the First International Workshop on Advanced Context Modeling,Reasoning and Management.Southampton:The University of Southampton,2004:54-61.