求解多目标柔性作业车间调度问题的两阶段混合Pareto蚁群算法

针对多目标柔性作业车间调度问题(FJSP)分解得到的作业分派、排序子问题仍是多目标优化问题的情况,提出了一种求解该问题的分层Pareto优化框架,并采用该框架构建了两阶段混合Pareto蚁群算法的求解算法,其中两个Pareto蚁群系统分别求解多目标作业分派、排序问题。结合GT算法、排产规则评估和过滤第一阶段的分派方案,将具有较好评估全局解的分派方案作为分派阶段的精英档案,并输入给排序蚁群系统获取其非支配调度解,进而获取问题全局非支配解。子问题算法混合了各目标相关的邻域搜索策略,与Pareto蚁群算法结合,以期提高解的质量。通过求解带有平均工件加权延迟时间指标的多个FJSP基准算例,验证了算法的有效性。计算结果表明,该分层Pareto优化框架对原问题进行分层分解,有利于降低原问题的复杂性,相比多数文献,算法能够获得各基准算例Pareto非支配解,从而为分解求解复杂多目标调度优化问题提供了一种途径。     

基于禁忌搜索的柔性作业车间分批调度

针对柔性作业车间的分批调度问题,提出了一种基于禁忌搜索算法的柔性分批调度算法.首先进行批次初始划分;然后利用禁忌搜索算法优化批次加工路线和子批加工顺序;最后在零件子批数不变的前提下,利用批量变化局部搜索进行批量分割的优化,实现了最小化完工时间和机床负荷的调度目标.实例分析结果证明了柔性分批调度算法的可行性、高效性和适用性.
     

基于Pareto最优的多目标集成柔性协作计划与分批调度

针对工件在实际批量生产模式下数量过多时其柔性协作计划、柔性批量分割和调度排序的集成优化难以进行同步决策的问题,构建了一种以平均交货期满意度、模糊总生产成本、模糊完工时间、平均拖期可信度等为目标的集成柔性协作计划与模糊柔性分批调度模型,设计了一种基于Pareto最优的多目标求解算法,并根据求解过程中的特殊性,提出了包括协作染色体、批量分割染色体和调度排序染色体的集成编码方案以及Pareto综合寻优方案,最后通过仿真结果验证了该方法的有效性.     

面向高效精准柔性混装作业的智能元胞调度方法研究

柔性混装生产多目标调度系统的动态性、开放性和大规模性导致常规算法失效,因此迫切需要研究新的调度算法。在推理其他算法局限性基础上提出使用Agent形成智能元胞自动机ICA使之具有自学习功能,并基于装配投产序列调度和工位任务分派目标,首次建立智能元胞调度ICAS三维网络模型及构造“弹簧邻居”特殊邻域和“弹跳”和“层跃”特别行为,实现混装作业微观自适应调度。仿真实践证明,该智能元胞调度ICAS方法可靠,计算复杂性降低,为复杂调度问题提供了新手段。     

基于遗传算法的模具电极调度问题求解

针对模具电极数控加工和电火花加工两个阶段的调度问题,建立了具有批处理和相关性特征的数学模型.以模具零件拖期量最小为目标,将模具电极调度问题的求解分为批处理和批调度两个层次,第1层提出根据相关性原则解决批处理问题,并设计出相关性优先分批算法;第2层提出采用遗传算法解决批调度问题,并提出一种基于动物配种的策略对传统的遗传算...     

基于遗传算法的Job Shop静态调度算法

研究了具有柔性加工路径的Ｊｏｂ Ｓｈｏｐ静态调度问题，并考虑了与操作序列有关的工件安装时间和工件到期时间的约束。提出了一种将遗传算法和分派规则相结合的调度算法，用遗传算法决定各工件的每个操作应分配到哪台机器上加工，而对每台机器则运用分派规则来决定相应工件在此机器上加工的次序和开始加工时间，遗传算法中的进化机理使得该算法有可能得到最优调度结果。最后给出了此调度算法的仿真结果。     

按需调度线性最优化网格资源分派算法

提出了一种基于经济的网格资源分派算法,并提出调度中各经济因素的线性最优化的思想,用户可以按自己所需动态地设置各经济因素的影响因子的值,算法根据用户需求得出相应的最优资源分派策略.给出了算法的数学模型和描述,在网格调度模拟工具GridSim中对算法进行了模拟试验和分析、评价,并与GridSim中自带的算法进行了对比.     

基于多Agent的柔性作业车间调度研究

针对多目标柔性作业车间调度问题,构造了基于多Agent的车间调度模型,研究了多Agent之间的交换协调机制．提出一种改进遗传算法并封装在策略Agent中,通过对编码规则、解码算法与交叉、变异算子进行改进,提高了调度优化算法的实用性和优化效果,实现了多目标动态调度,提高了系统的适应性和健壮性．某企业车间应用实例证明其可以满足车间调度高效、稳定的要求．     

基于设备驱动的综合柔性调度冲突调解算法

设备驱动时刻按最短加工用时确定工序设备,为避免两个设备选择同一工序发生冲突导致可调度工序延迟完成影响调度结果的问题,提出基于设备驱动的综合柔性调度冲突调解算法. 该算法分别从可调度工序集中为发生冲突的两个空闲设备选择加工时间次短的预调度工序,通过对可能加工的组合方案预调度,选择设备驱动时刻尽早结束的组合方案调度;当存在一个空闲设备有多个可调度最短加工工序时,采用实质短路径策略确定调度工序. 分析和实例表明,本文算法可缩短存在设备/工序选择冲突的综合柔性调度总加工时间.      

基于混合变邻域遗传算法的柔性车间调度研究

针对柔性作业车间调度的问题，以最大完工时间为目标建立数学模型，提出一种混合变邻域遗传算法。采用三种初始化方法保证初始解的质量，用遗传算法进行初步搜索，将搜索的结果通过迭代贪婪策略进一步搜索，以提高解的质量，再对关键路径进行邻域搜索，设计“跨机器工序搜索邻域”、“同机器工序搜索邻域”、“次优工序搜索邻域”三种邻域结构，加强局部搜索能力。引入迭代贪婪策略和改进的邻域结构可显著提高算法的稳定性与迭代速度。通过对国际通用的柔性作业车间调度基准算例进行测试，实验结果表明所提改进算法能够有效求解柔性作业车间调度问题。     

基于TOPSIS的卫星数传调度策略评价方法

卫星数传调度策略评价是一类多属性决策问题。对调度策略的选用和提升有重要的理论意义和实际价值。在介绍了卫星数传调度模型和调度策略原理的基础上,构建任务调度实例,获取了调度方案和算法运行的数据。根据所建评价指标体系,应用TOPSIS法综合评价卫星数传调度策略。评价结果表明,STK/Scheduler的五种调度策略的求解能力和适用范围存在较大差异。基于TOPSIS法对卫星数传调度策略进行评价,具有一定的可行性和科学性,能够为调度策略的选择提供参考依据。同时对复杂调度策略的评价有借鉴作用。     

分批次均衡处理的非对称三车间综合调度算法

针对复杂产品在非对称三车间生产调度的问题,提出分批次均衡处理的非对称三车间综合调度算法。该算法先按设备所在车间属性将设备分成非对称资源、局部对称资源和对称资源。对非对称资源上工序根据设备属性确定车间,局部对称和对称资源上可按加工工序采用批次处理,其中部分工序按提出的工序关联策略确定车间,不能确定车间的工序形成缓存集,按提出的排列均衡调整策略确定集中工序的车间。已确定车间工序采用长路径等策略确定调度次序,再根据工序约束条件确定加工时间。通过实例分析,该算法可在二次复杂度内解决非对称三车间综合调度,提高非对称设备利用率。      

异常网络环境下云计算资源需求策略

针对常规云计算资源预测算法不能在异常网络环境下做到精准预测的难题,提出一种基于改进蚁群算法的调度策略.该策略融入了信息数的概念,既能快速均衡负载,又能保障用户在多条件下云计算的需要,合理降低能耗,提高云计算性能.实验结果表明,基于改进的蚁群调度算法提高了云计算资源利用率,降低了能量消耗,使单节点处理任务量有较大提升,极大提高了云计算的性能和服务质量.     

基于滚动时域的遗传-免疫算法优化航班着陆调度

航班调度问题一直是空中交通管制(ATC)中的一个复杂而具有重要意义的任务,而航班着陆问题(ALS)是其中的核心问题.航班着陆调度是NP-hard问题,具有规模大、约束条件多的特点.因此,为了有效合理地解决航班着陆问题,本文提出了基于滚动时域的遗传-免疫算法(RHC HGIA)的航班着陆调度算法.RHC HGIA主要从两个方面解决航班着陆问题,一方面根据设定的滚动时域长度与大小选择需要进行优化的待降落航班;另一方面对选择的待降落航班使用遗传-免疫算法进行优化并确定其实际着陆时间.经过优化后的航班组成新的航班降落序列,从该序列中选择实际着陆时间在给定时域范围内的航班进行着陆.重新设置滚动时域长度,选择待降落航班进行优化,直到所有待着陆航班都已着陆为止.本文仿真实验以某机场一天内的20架待着陆航班数据为基础,并在机场管制仿真系统中进行模拟仿真.仿真实验表明,与传统航班着陆调度算法(FCFS)相比,经过RHC_HGIA算法优化后的待着陆航班的额外成本有明显的降低.     

基于光伏发电量预测的含氢储能微网分段优化调度

针对多储能微网如何高效、经济运行,搭建了基于光伏发电的含氢储能、蓄电池储能的微网系统,采用一种日前预测调度与日内实时调度相结合的分段调度策略。在日前预测调度阶段,采用基于麻雀搜索算法优化支持向量机模型提高对日前的光伏发电量和负荷预测的精度,以微网最小使用成本为目标,考虑系统运行的可靠性,采用改进粒子群算法制定微网的日前最优调度策略。在日内调度阶段,考虑氢储能系统的响应延迟特性,以蓄电池为灵活补充元件,制定实时调整微网运行策略,消除预测误差带来的影响。最后,结合实际算例分析,验证了分段优化调度的可行性。结果表明,提出的方法能够有效预测数据,减少微网调度的响应时间,提高系统运行的经济性和稳定性。     

面向云数据中心资源均衡分配需求的聚类调度算法研究

针对云数据中心资源利用率较低、能源消耗较高的问题,提出了基于资源需求差异的资源均衡调度策略。在包簇框架模型基础上,利用与资源需求相关的距离度量因子,将资源需求差异大的包通过改进的k-means算法进行聚类;利用资源之间的相关性作为包与簇之间的距离,在资源分配的过程中使包能够集中映射到簇中,从而减少簇的使用个数。实验结果表明,在包簇框架的概念下,基于资源需求差异的改进后的k-means聚类算法能够优化包聚类步骤,资源调度算法能够提高云数据中心各类资源利用率、降低资源分配过程中产生的能耗,具有有效性和可扩展性。     

QoS约束的云工作流调度算法

将云计算和工作流两者结合起来,并根据用户关心的QoS中执行时间和执行费用问题,针对工作流调度策略在云环境下调度实例密集型工作流时效率不高的问题优化资源调度策略,给出云工作流调度模型,提出一种基于QoS约束的云工作流调度算法MSCWQ(modifiedschedulingalgorithmforcloudworkflowbasedonQoS).该算法利用DAG(directedacyclicgraph)进行建模,优化资源策略,保证在最晚结束时间内使整个工作流实例的执行费用尽可能小.实验结果表明,在调度实例密集型云工作流时,该算法能有效提升科学工作流的执行效率,并能减少资源的使用费用.     

基于频谱系数和比例公平算法的网络调度优化策略

针对传统比例公平的无线网络资源调度优化策略无法有效保证用户的公平性, 存在无线网络通信系统资源利用率低等缺陷, 设计一种基于频谱系数和比例公平算法的无线网络通信系统资源调度优化策略, 以解决当前无线网络通信系统资源优化调度过程中存在的问题. 首先建立无线网络通信系统的信道模型, 通过自适应遗传算法确定合理的频谱系数; 然后根据比例公平算法计算调度优先级, 将无线网络通信系统的资源分配给用户, 并针对传统比例公平算法的不足进行改进; 最后在MATLAB 2016平台上对无线网络通信系统的性能进行分析. 结果表明, 该策略可更好地保证用户使用资源的公平性, 提升了无线网络通信系统的吞吐量, 改善了无线网络通信系统的资源利用率.     

工件排序的改进蚁群算法优化

就工件排序问题中的一种类型设计了融合局部改进策略的蚁群算法进行求解,并用Delphi在计算机上实现了相应的算法软件.经大量算例测试,获得了较好的效果,验证了算法的可行性和有效性.