智能制造系统采用大量先进的信息技术,为车间实时调度提供技术基础.各类信息技术在生产制造过程中的广泛应用使得制造系统积累了大量与生产调度相关的数据,因此,通过利用历史生产调度数据和智能装备收集到的实时生产数据,建立基于数据驱动的生产实时调度方法成为新型制造环境下实现高效调度的新思路.针对智能制造环境下的混合流水车间实时调度问题,提出基于BP神经网络的数据驱动的实时调度方法,从历史近优的调度方案中提取用于调度知识挖掘的样本数据,通过BP神经网络训练学习获取生产系统状态与调度规则的映射关系网络,并将其应用于生产在线实时调度.数值实验表明,所提出的方法优于固定单一调度规则,在不同的调度性能指标下其效果均稳定且良好.

Linux实时调度算法研究.pdf

多目标约束的电动汽车实时调度策略.pdf

多处理器和实时调度复习题，操作系统

Real-time scheduling based on optimized topology and communication traffic in distributed real-time computation platform of storm

minix内核修改，增加实时进程和实时调度： 1 增加系统调用chrt  函数格式 s = chrt(long deadline)  函数功能 设置进程为实时进程并在deadline秒后结束。如果deadline为0，则将进程设置为非实时进程。设置成功返回0，否则返回1. 2 实现EDF(Earliest-Deadline-First)实时调度算法  EDF deadline越近的进程越先执行  实时调度 设置进程的优先级，保证进程的优先级高于其他用户进程，以保证它的实时性。但要考虑不会影响系统进程的执行。