基于物聯網的在線智能調度方法的相關思考

胡祥培，孫麗君，王 征

1 大連理工大學 管理與經濟學部，遼寧 大連 116023 2 大連理工大學 軟件學院，遼寧 大連 116023

1 引言

物聯網技術的飛速發(fā)展和普及給人類社會的生產、生活方式帶來重大的變革，特別是生產調度領域首當其沖。物聯網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的實現則根據其應用領域的不同而需要不同的方法，在線智能調度方法是物聯網在生產調度領域實現智能服務功能的關鍵。物聯網的應用與發(fā)展使在線實時實現生產監(jiān)控和調度成為可能[1]，而如何充分利用物聯網數據，克服其內在的復雜性和數據規(guī)模問題，最終提供有用的決策支持，是未來該領域研究的關鍵問題[2]。因而，基于物聯網的在線智能調度方法的研究是當前產業(yè)界和學術界共同關注的熱點和難點問題。

傳統的調度優(yōu)化方法往往是基于經驗的、數學模型的或者是兩者的結合，這些方法在物聯網環(huán)境下的缺陷凸顯。①基于經驗的方法能夠快速地對問題特征進行判斷，并定性地產生處理問題的方案，但是用該方法得到的調度方案的優(yōu)化度、可靠性和科學性得不到驗證，且當前的物聯網使調度環(huán)境呈現出透明性、可知性、感知性、預知性，在這樣的環(huán)境中人工經驗變得無所適從；②基于數學模型的方法是對現實問題進行變量假設，建立數學模型，并求解得到一個優(yōu)化的調度方案，但是建模和求解是一項耗時、復雜、困難的工作，當面對物聯網下的信息過載性和大數據時，如何實時抽取出有用的數據，實時實現數據→信息→模型→調度策略這一建模和求解過程，是當前基于物聯網的調度系統建模的難點；③數學模型與人工經驗相結合的方法雖然能夠克服方案優(yōu)化程度不足的問題，但這種方法產生調度方案時也必須基于固定的問題模式，而基于物聯網的服務需具有自適應性、自學習性和自組織的能力，即無需外部的激發(fā)而自動產生服務的能力，其產生依賴于系統運行過程中內部典型情景的涌現，因而，基于固定問題模式的方法無法適應這種決策支持的模式。另外，這些傳統的調度優(yōu)化方法針對的問題邊界通常是清晰的或者固定的。在物聯網環(huán)境下，數據的多源異構和連續(xù)涌入性、信息的透明性，導致調度過程涉及到的人、物料、設備、生產過程、產品等眾多對象呈現出連續(xù)動態(tài)存在性特征，問題邊界的界定很困難；而這種連續(xù)動態(tài)性特征又會導致調度結果的時效性極短，因而必須實現調度過程的智能連續(xù)性反應。這要求調度優(yōu)化方法在情景適應性和實時響應能力等方面必須有較高質量的表現。因此，情景感知、情景表達以及基于情景的推理技術成為基于物聯網的在線智能調度優(yōu)化方法研究中不可或缺的部分，而如何實現基于情景的在線實時模型構建、提高決策的實時性和科學性是當前亟待解決的問題。

綜上所述，隨著物聯網技術的快速發(fā)展以及應用領域的日漸廣泛，傳統的調度理論方法很難應用于物聯網環(huán)境下涌現出的眾多問題。因此，有必要在理論方法上進行有針對性地創(chuàng)新，以應對這些新挑戰(zhàn)。本研究正是在這樣的背景下，分析物聯網環(huán)境下生產調度問題面臨的機遇和挑戰(zhàn)，提出一種基于物聯網的在線智能建模方法，并對未來的相關研究問題進行分析和闡述。

2 相關研究評述

基于物聯網的在線智能調度方法研究將涉及3個問題，①物聯網的相關應用及其研究，②調度優(yōu)化方法，③基于情景的建模方法的相關研究。下面將分別分析其研究進展。

2.1 物聯網的應用及研究進展

物聯網(Internet of things,IoT)是互聯網和移動通信網的應用延伸和進化，被譽為繼個人計算機、互聯網和移動通信網后的第三次全球信息化浪潮。中國工程院院士鄔賀銓總結當前物聯網的應用領域主要包括智能電網、智能交通、智能物流、生態(tài)監(jiān)視、電子保健、智能家居、生產與運營安全監(jiān)控等[3]。在中國，自從2009年8月溫家寶總理提出感知中國后，物聯網一時成為中國國內的熱點，迅速得到廣泛關注[4]。2014(第五屆)中國物聯網大會的通知文件中明確指出[5]：當前物聯網發(fā)展的中國背景是，各部委針對物聯網領域的支持政策紛紛出臺，各省市積極推出物聯網產業(yè)發(fā)展規(guī)劃，各地方物聯網產業(yè)聯盟紛紛成立。相關企業(yè)和投資機構積極介入，嘗試推出物聯網各類行業(yè)解決方案，涌現了不少優(yōu)秀應用案例和示范項目，推動了物聯網的廣泛應用。但整體而言，目前無論中國還是國外，物聯網的研究和開發(fā)都還處于起步階段[6]。

物聯網的概念最初由美國麻省理工學院Ashton于1999年提出[7]。隨著技術和應用的發(fā)展，物聯網的內涵不斷擴展，Miorandi等[8]總結其概念主要包含3方面：①通過對現有Internet技術的擴展和應用，實現智能對象的全球化網絡相互連接；②實現這一愿景所必須的所有支持性技術的集合(包含無線射頻(RFIDs)技術、傳感器、執(zhí)行器、機-機通訊設備等)；③應用上述這些技術開拓新的業(yè)務或市場機會的所有應用程序或者服務[9]。物聯網與環(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算能力的系統構成，而前者區(qū)別于后者的地方在于，物聯網中的嵌入設備需要具有自我產生新功能、新能力或者新服務的能力，這些新產生的東西在網絡或者設備設計之初并未涉及到，即物聯網更加強調自適應性、自學習性和自組織的能力[8]。

圍繞上述物聯網的概念、內涵及其特征，國內外學者的研究主要涉及4個方面：①智能對象的身份識別及數據傳輸技術，②異質設備之間的通訊技術，③對用戶情景的理解技術，④隨著用戶情景變化而產生自適應調整服務的技術。第1個方面的研究主要集中在RFID技術[11-13]和無線傳感器網絡技術[14-15]上，第2個方面的研究主要集中在開發(fā)標準虛擬平臺以及普適計算方法上[16-18]，第3個方面的研究主要集中在情景感知技術[19-21]和基于語義的推理技術上[22-23]，第4個方面的研究主要集中在基于情景的推理方法[24-25]和面向服務的計算上[26-27]。已有研究極大地推動了物聯網的研究進展及其應用推廣，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，需要與特定應用領域的問題特征相結合，進行進一步的深化研究。因此，針對特定生產領域、特定生產環(huán)節(jié)的調度決策問題，必須做相應的針對性研究。

2.2 調度優(yōu)化方法的研究進展

已有的調度方法可以分為3類：①基于經驗的方法，這類方法一般以專家系統的方式得以實現；②基于運籌學優(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)調度方案；③人工智能與運籌學優(yōu)化技術相融合的方法，這類方法通常以開發(fā)人工智能算法為手段，實現定性與定量相結合的更為智能的調度過程。

Byrd[28]的研究發(fā)現，20世紀90年代，專家系統在生產調度領域應用的廣泛性僅次于醫(yī)療診斷領域。專家系統在調度優(yōu)化上主要用于分解復雜問題[29]、選擇調度規(guī)則[30-31]、產生調度策略[32]等環(huán)節(jié)，其優(yōu)勢在于可為非專家用戶使用、知識是一致的，并且可廣泛集成多個專家的知識[33]。然而，專家系統是否成功取決于其知識庫中包含了多少知識以及這些知識的質量[33]，因此，專家系統的應用也存在很多爭議。Framinan等[34]在其文獻綜述中指出，許多研究者對調度中是否真正有專家持懷疑態(tài)度，這是因為現實的調度環(huán)境相當復雜，大部分都超出了調度者的認知能力范圍。還有些研究者認為，即便有調度專家的存在，專家系統也僅僅是對這些調度專家的決策過程進行了自動化而已。

運籌學優(yōu)化模型的方法是針對問題的特征，對現實問題進行變量假設，建立數學模型，并用適當的算法求解，得到一個優(yōu)化的調度方案。根據問題參數是確定性的還是非確定性的，建立的調度模型也相應地分成確定性調度模型[35-37]以及處理不確定性[38-39]的隨機規(guī)劃模型[40]和模糊規(guī)劃模型[41]等。建立運籌學優(yōu)化調度模型的優(yōu)點是能夠對調度方案進行定量評價和優(yōu)化，但建立數學模型是一項復雜而困難的工作，需要專業(yè)的建模知識。因此，該方法依賴于建模專家，一般的調度人員很難使用。另外，由于建模時模型對現實情況做了很多假設，當結合實際問題的具體要求和情況后，求解的結果與現實的相符程度相差較遠。所以，模型在實際問題中的應用不可能是直接的，必須結合大量的領域知識和專家知識[42]，即人工智能與運籌學優(yōu)化技術相結合才能夠得到最實用的結果[43]，這也是目前該方法更為流行的主要原因。

人工智能與運籌學優(yōu)化技術結合的調度優(yōu)化方法主要是針對復雜調度問題，尤其是NP-hard問題，開發(fā)人工智能模型及相應算法，分解問題的復雜性并可在有限的時間內發(fā)現較好的解。Akyol等[44]綜述了神經網絡和進化的神經網絡及其與各種啟發(fā)式算法的混合算法在生產調度優(yōu)化中的研究現狀；Tuncel等[45]綜述了Petri網建模及其與多種啟發(fā)式的人工智能搜索算法結合解決生產調度問題的研究現狀。上述這些方法極大地推動了調度優(yōu)化決策理論和方法的發(fā)展，但Shen等[46]的觀點認為，由于這些方法都是由一個中央計算單元實現所有的計算，屬于集中式的優(yōu)化決策運算，因此，在應用到實際問題上時也產生了很多困難，而基于agent的方法則以其分布式優(yōu)化運算的方式彌補了這一缺陷；Toptal等[47]全面綜述了多agent調度系統中的分布式算法，并比較了分布式調度系統與集中式調度系統在理論和應用方面的區(qū)別，提出分布式調度系統需要考慮的4個重點問題，①將問題分解為子問題，②將子問題指派給agent，③為agent設計求解子問題的算法，④允許agent之間集成解、解決沖突的算法以及交互機制。近年來中國學者在該領域也有相關的研究，徐新黎等[48]用多agent動態(tài)調度方法解決染色車間調度問題。隨著問題規(guī)模的擴大，分布式決策的優(yōu)勢更加凸顯，尤其是在物聯網環(huán)境下，為了充分利用相互連接的智能體的分布式計算能力，分布式的調度優(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算領域的情景感知系統[19]，情景建模與推理技術是情景感知系統的核心，一個好的情景建模方法能夠降低應用軟件的復雜性，提高其可維護性和進化性[49]。Bettini等[49]認為，當前有3種占主導地位的情景建模方法，即基于對象角色的方法、空間法和基于本體的方法?；趯ο蠼巧姆椒ù硇缘难芯渴荋enricksen等提出的情景建模語言[50](context modelling language,CML)及其改進版本[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言OWL-DL[54]以及該語言的一些變體，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，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研究方向之一。如Henricksen等[56]嘗試將CML與基于本體的方法結合，構建混合的情景建模方法。該方法結合了CML處理不完備情景信息的能力、本體推理對情景模型一致性檢驗的能力以及本體可以對不同的情景模型進行語義映射的能力，使它們優(yōu)勢互補、揚長避短。

2.4 國內外研究現狀小結

綜上所述，國內外學者在物聯網技術、調度優(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和研究基礎。但是，已有的研究成果仍無法滿足物聯網環(huán)境下的調度優(yōu)化要求，主要原因如下。

(1)正如前文所述，從關于物聯網技術方面的研究不難看出，已有的一般性理論方法的研究成果，如果應用到實際問題上以實現在線智能建模過程，需要結合具體的優(yōu)化調度領域問題的特征做更深入的探討和研究。

(2)已有調度優(yōu)化方法均是為求某一可清晰界定邊界、可完全描述的結構化問題的最優(yōu)解或者次優(yōu)解而設計的，而在物聯網環(huán)境下，由于數據采集的廣泛性和實時性，調度面對的決策環(huán)境呈現高度的動態(tài)復雜性，問題邊界難以清晰界定，其非結構性特征明顯，如何針對此類調度問題設計優(yōu)化方法是當前面臨的主要困難。

(3)已有情景建模方法為情景感知系統的開發(fā)和實踐提供了理論基礎和技術，但現有的情景建模方法各有優(yōu)缺點和適用的問題類型。因此，進一步的研究需要結合具體的調度優(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、大量的數據中獲取典型情景并加以表示，以支持推理過程對情景信息的充分利用，實現基于情景的在線智能建模及后續(xù)的決策支持過程。

3 基于物聯網的在線智能調度方法的關鍵科學問題：基于情景的在線智能建模

在調度領域，物聯網技術的應用可以獲取人、物料、設備、生產過程、產品等眾多調度對象的基本資料、位置、時間、自然環(huán)境、計算環(huán)境等情景信息，通過情景感知技術實時捕捉系統狀態(tài)，通過情景模型恰當描述此時、此情、此景等現實情況，通過基于情景的推理對當前的活動進行綜合判斷，為調度決策提供精準的服務支持，實現智能的優(yōu)化調度過程。此過程中的情景感知技術、情景獲取技術以及基于情景的推理技術三者共同實現基于情景的在線智能建模方法這一關鍵科學問題，見圖1。基于情景的在線智能建模方法采用以下的學術思想實現情景的獲取→情景的表達模型→基于情景的推理：情景的獲取是當調度系統運行過程中有典型情景涌現時，獲取與其相關的數據；情景的表達模型包含了相關數據的標準化格式及其語義，其作用是將數據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生調度策略用于決策。這一過程即完成了數據→信息→模型→調度策略這一過程的實現和轉變。

圖1中，基于情景的在線建模方法中的情景獲取技術可實現調度對象識別、調度對象狀態(tài)信息捕捉、調度對象地理信息獲取和調度對象關系識別等過程；然后，情景表達技術用情景模型對這些獲取到的情景進行表示；最后，情景推理技術通過情景模型對情景信息加以利用，實現智能調度決策過程，得到科學可靠的調度策略。

4 未來研究的思考

通過上文分析和總結可以發(fā)現，基于物聯網的在線智能調度研究工作仍任重道遠，其目標是針對物聯網環(huán)境下調度對象狀態(tài)的動態(tài)連續(xù)變化性，提供一種在線實時的智能優(yōu)化調度方法，以最終實現調度優(yōu)化過程的連續(xù)性以及調度優(yōu)化決策的科學性、有效性和實用性。針對國內外研究的現存問題、物聯網環(huán)境下調度系統的特征和關鍵科學問題，未來的研究主要應該圍繞基于情景的建模方法、基于情景的模型實時求解方法和基于情景的在線調度決策支持方法三方面展開。

4.1 基于情景的建模方法

在物聯網環(huán)境下，情景要素之間的關系復雜而且往往隨著時間發(fā)生變化。因此，利用物聯網環(huán)境下的時空相關數據實時判定情景要素及其之間的關系，形成情景序列，對情景序列進行恰當的表示，以支持動態(tài)建模過程，這是研究的首要問題。物聯網使調度環(huán)境呈現數據暴增、數據非結構化等特征，調度優(yōu)化過程若要實現連續(xù)的反應，則需要分布式建模處理，以滿足實時處理大數據的需求。綜上所述，在基于情景的建模方法方面，主要研究內容包括：

圖1 物聯網環(huán)境下在線智能調度的關鍵科學問題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建方法。

4.2 基于情景的模型實時求解方法

物聯網環(huán)境下的優(yōu)化調度模型依賴于情景模式，其參數和函數分布往往無法預知或事先指定，因此，需要在優(yōu)化時針對不同情景的特點對物聯網數據進行學習，而這一學習過程受實時性的要求，很可能需要與決策過程同時進行。除了物聯網帶來的外部動態(tài)因素，調度管理者的決策也會導致情景更換，影響數據的收集和觀測。如物流調度中的車輛路線調整會影響顧客服務的先后順序，從而影響決策者所能觀測到的在途任務狀態(tài)。在這種情況下，需要考慮優(yōu)化與學習相互依賴的特點，設計快速有效的“邊學習邊優(yōu)化”算法。另外，在物聯網環(huán)境下，數據是以一種連續(xù)的方式瞬間涌入的，一方面數據量十分龐大，另一方面數據呈現出明顯的非結構化特征，數據的復雜性遠遠超出了任何集中式處理方式下的調度理論和方法所能解決的問題范圍。因此，在解決物聯網環(huán)境下復雜的在線調度優(yōu)化問題時，無法像傳統調度管理理論那樣，通過設置決策中心對整個系統進行全局式的優(yōu)化，而必須采用在線、分布式的處理方式，將計算任務實時分派到多臺處理節(jié)點，通過各個節(jié)點的相互協同與交互，實現對超大規(guī)模數據實時在線求解的有效突破。物聯網環(huán)境下的這些新特點需要與之相匹配的在線實時學習與優(yōu)化相結合的調度優(yōu)化方法以及動態(tài)決策理論支持，這一動態(tài)學習與優(yōu)化相結合的決策理論，在處理物聯網背景下的調度問題時可以發(fā)揮更大作用。綜上所述，在基于情景的優(yōu)化調度方法方面，主要研究內容包括：

(1)基于情景的在線學習反饋方法；

(2)在線實時分布式模型求解算法；

(3)分布式模型求解結果的自適應調整算法。

4.3 基于情景的在線調度決策支持方法

在物聯網環(huán)境下，海量、非結構化數據瞬間爆發(fā)和涌入，不僅使應用問題的情景瞬息萬變，使數據處理與反饋必須具備實時性、在線性等特征，而且各類應用問題只有在分布式的條件下才有可能得以有效計算，每個終端設備必須要與其周邊的設備或者人進行實時的協同和交互，才能最終實現對各類應用問題在線調度決策的有效支持。因此，設備與設備之間、設備與人之間應該如何進行有效的協同和交互以及交互之后決策結果的有效性和穩(wěn)健性分析就成為該領域亟待解決的關鍵問題。另外，傳統的決策機制設計和決策方法針對的調度問題中，數據實時性和數據采集的范圍有限，調度決策并不具有很強的在線性和實時性特征，各個終端設備進行在線自主決策的必要性往往并不十分明顯。因而，傳統的決策機制很難滿足物聯網環(huán)境的動態(tài)實時性要求，也無法應用于物聯網環(huán)境下各類應用問題瞬息萬變的情景序列。因此，如何基于情景序列實現相應的調度優(yōu)化方法，使設備與設備之間、設備與人之間能夠根據實時信息進行有效的協同、交互、合作，實現智能地優(yōu)化、控制和決策，達到智能、高效、低耗的調度目標，也是物聯網環(huán)境下在線智能調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度決策支持方法方面，主要研究內容包括：

(1)協同與交互的決策方法；

(2)基于情景序列的人機交互方法；

(3)調度決策的有效性和穩(wěn)健性分析；

(4)調度決策支持系統的應用研究。

5 結論

隨著科技的發(fā)展，物聯網正在改變著企業(yè)的生產方式、經營模式和管理模式，將帶來企業(yè)的又一次信息化革命，而基于物聯網技術的決策也正日益成為提高管理決策的科學性、有效性與實用性的核心和關鍵問題，也是當前學術界和產業(yè)界關注的熱點問題。

本研究在綜述物聯網技術、調度優(yōu)化方法和基于情景的建模方法的國內外研究進展的基礎上，分析并提出基于物聯網的在線智能調度方法的關鍵科學問題是基于情景的在線智能建模，并進一步分析提出該問題未來的研究目標和研究內容。未來的研究成果可為基于物聯網的調度優(yōu)化管理決策支持系統的開發(fā)和研究奠定理論基礎，該項理論成果將在生產調度和物流調度等領域具有廣闊的應用前景。

[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.物聯網的應用與挑戰(zhàn)綜述[J].重慶郵電大學學報:自然科學版,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.全球物聯網發(fā)展及中國物聯網建設若干思考[J].電子學報,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]中國電子學會.關于召開“2014(第五屆)中國物聯網大會”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.物聯網:概念、架構與關鍵技術研究綜述[J].北京郵電大學學報,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,王萬良.多Agent動態(tài)調度方法在染色車間調度中的應用[J].計算機集成制造系統,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.