[00706401]基于AI的生产过程智能仿真平台及调度优化

一、课题研究属于供应链、管理信息系统相关领域: 供应链是由多个企业组成的复杂供需网络，随着信息技术的发展和产业不确定性的增加，供应链这种动态、自组织的复杂网络系统愈加复杂。该课题研究针对跨企业供应链生产运作协调，大规模定制生产应用环境，选择了供应链管理中的关键技术点进行系统研究，构建了基于Multi-Agent理论与深度学习技术的仿真、预测、优化方法，并在企业实践应用中得到了效果验证。 二、该课题的研究内容简介: 从2004年到2014年，项目组致力于研究Agent理论与复杂网络理论的在供应链中的应用与实践。 在Agent理论与复杂网络理论的指导下，经过多次技术攻关与优化调试，构建了基于Multi-Agent理论的供应链运作的网络协同平台。该平台能够通过多层次的仿真模型和分布式实验框架、模拟、优化来控制企业供应链运作与实施，并能够对企业供应链运作、信息共享等动态变化过程进行模拟与预测。 在构建在网络协同平台的同时，该项目考虑到Multi-Agent应用的信息安全保护方法方面的需求，针对白盒攻击环境下移动Agent的安全需求，在信息的完整性和机密性保护两方面开展了深入研究。 在信息完整性保护方面，首次将前向安全、密钥隔离、入侵回弹等密码保护技术引入不可拆分签名领域，设计了一系列具有较强抗攻击能力的保护方案；在信息机密性保护方面，提出了适用于移动Agent的轻量级白盒密码算法，代码体积小的特点迎合了移动Agent需求。这些安全保护方法为使用Multi-Agent构建的虚拟企业联盟与供应链管理系统提供了安全保障。 面对动态变化的市场和生产环境，供应链企业需要时刻关注环境变化以采取及时且正确的决策。从2014年以来，该项目组基于快速发展的深度学习技术，针对供应链企业业务规模大、运输网络复杂、准确性与实时性要求高等特点，提出了基于深度学习与价值网络的需求与产能预测模型、运力资源与仓储资源优化模型等，为供应链企业生产计划的实时制定与动态控制提供了决策支持，提高了供应链企业的运作效率以及应对市场变化的能力。 三、课题研究成果: 该课题基于上述研究内容，取得的成果包括：获得包括国家自然基金项目在内的该领域相关立8项；在国内外核心刊物上发表学术论文80篇以上，其中30篇以上被SCI或EI检索；引用量超过20的文章共有7篇，此外，经国家知识产权局批准获得2项软件著作权。 四、课题创新点: 构建基于Multi-agent的供应链运作分布式仿真平台，为供应链建模、仿真与分析提供了支持；建立大数据动态驱动的基于深度学习的供应链决策优化系统；适用于跨企业集成的、抗攻击的Agent的数字签名和数据加密技术研究。