基于蚁群算法的虚拟企业生产任务调度优化研究

描述了虚拟企业生产任务调度的层次框架,该调度框架包括虚拟企业全局调度和合作伙伴局部调度两个层次.针对虚拟企业调度层的优化问题,综合考虑虚拟企业生产任务的时序逻辑关系、作业时间和生产任务集等影响因素,建立了以任务总作业时间最小化为目标的数学模型,并基于蚁群算法对上述优化模型进行了求解.应用实例与算法比较验证了优化模型与求解算法的有效性.     

基于遗传算法的主生产计划优化模型

文章针对生产与销售多种产品且每个产品具有多级装配结构的典型离散型生产制造企业,研究了其主生产计划调度优化问题;以全生命周期中生产与库存费用最小为目标,通过引入提前和拖期惩罚费用因子,建立了加工能力受限情况下的主生产计划优化数学模型;将遗传算法和启发式方法相结合,提出了一种新型的企业资源计划的主生产计划优化的求解策略;对典型实例进行仿真,并对求解性能进行了比较,结果表明该算法模型是有效和可行的。     

改进粒子群算法在作业车间调度问题中的应用

调度问题是一类典型的NP-hard问题,传统粒子群优化算法在解决该类问题上具有一定的局限性.通过分析其优化机理,提出了改进粒子群算法,结合了粒子群优化算法的全局搜索能力和交换粒子位置的局部搜索能力,提出了新的粒子编码方法--基于粒子坐标值排列编码(PPP),发展了一种快速、易实现的新的混合启发式算法.大量实验仿真结果表明本算法可以有效求解作业车间调度问题,通过与遗传算法比较,验证了改进粒子群算法是求解Job-shop调度问题可行而高效的方法.     

基于准时制的时间成本双目标作业调度优化

提出了一种基于混合遗传算法的以生产周期和生产成本为优化目标的作业调度方法，该方法采用Giffler-Thompson启发式调度算法产生活动的调度，基于工序编码的染色体决定了工序调度的优先级，在启发式调度算法产生的冲突集合中，根据工序的优先级选择下一步安排加工的工序，混合遗传运算在全全局范围内搜索具有最优调度工序优先级的染色体，同时，在GifflerThompson的启发式算法中，采用了反向调度的策略，即从工件的交货期开始，先安排最后一道生产工序，然后依次安排前一道生产工序，直到工件的第一道工序调度完毕，形成一个完整的调度方案，在算法中，不仅考虑了工件的生产周期和多个工艺计划，而且考虑了库存费用和加工费用，设计了基于生产周期和生产成本的双目标适应度函数，算例结果表明该方法是可行的。     

启发式GA调度算法的研究与应用

将遗传算法与现有的启发式调度算法相结合,运用合适的遗传算子和调度规则,对现有的调度算法进行了改进.调度规则的引入使该算法具有较高的搜索效率,遗传算法的引入保证了解的全局最优性.对照算例表明该算法是可行的和有效的.     

飞机移动生产线物料配送与空箱回收集成建模

为了解决飞机移动生产线中作业物料的供给问题,构建了飞机移动生产线物料配送与空箱回收集成决策的模型并设计了求解算法.在物料组批和小车调度的基础上,引入了空箱的回收决策,建立了以小车出行次数最小化为目标的数学模型并设计了一种以遗传算法为框架的启发式算法.在遗传算法较优的全局搜索能力下,综合考虑小车的运载能力与线边空间的存储能力,设计了启发式算法对物料与空箱的组批方式以及小车出行时刻三类变量联合进行决策,并结合了局部搜索算法进行再优化.对提出的算法进行了数值实验,实验结果证明了模型与算法的有效性.     

多维编码遗传算法在城市供水管网优化调度中的应用研究

从供水管网系统整体优化和最小供水费用的角度出发,结合复杂供水系统的生产调度特点,提出了城市供水系统整体优化调度的遗传算法,对其编码规则、染色体的评估以及遗传操作进行了深入的研究,并给出了详细的求解步骤.采用Matlab软件编写了基于遗传算法的优化调度程序,并应用该程序对某市供水管网系统的生产调度进行了仿真研究.仿真结果表明,应用遗传算法求解管网系统优化调度,可以得到问题的全局最优解,采用优化调度程序进行生产调度可以节省运行费用.图2,表1,参11.     

基于遗传粒子群混合的可重入生产调度优化

可重入生产调度优化问题是个NP难问题,针对可重入生产调度的特点,对该优化问题进行数学规划建模,并通过一些定义将模型映射为有向图,以便于智能搜索算法的应用.结合粒子群算法收敛速度快与遗传算法全局搜索能力强的特点,进行优势互补,并优化设计相关参数,构造了一种混合算法.运用混合算法对供应链优化调度问题模型进行求解,与标准遗传算法、粒子群算法的求解结果进行比较,结果表明混合算法有着更好的优化性能.     

基于改进遗传算法的Flow Shop调度算法研究

给出了Flow Shop调度问题的数学模型，介绍了三种用于求解该问题的启发式算法，根据普通遗传算法与启发式算法的互补特性，提出了结合两者各自优势的改进遗传算法．通过两个不同规模的经典算例对算法的优化性能进行了对比分析，结果表明，采用了保优策略的改进遗传算法的搜索能力优于启发式算法及普通遗传算法，并具有较强的鲁棒性．     

集成生产与预防性维护的流水线车间调度算法

为使机器的可利用率最大化,建立了机器预防性维护的优化周期模型.为同时考虑生产调度与预防性维护调度,以最小Makespan为调度优化目标,提出了一种结合优化预防性维护周期模型的集成启发式调度算法.仿真结果表明,集成启发式算法对流水型车间进行生产与预防性维护调度是有效的和实用的.     

车间多载自动导引车绿色物流调度

随着现代制造业的飞速发展,企业在生产效率和生产能耗方面有越来越高的要求,智能生产车间的自动化程度逐渐提高。主要研究作业车间自动导引车(automated guided vehicle,AGV)的智能绿色物流调度问题。首先,建立以降低AGV能耗和最优AGV路径为目标的AGV物流调度优化模型;然后,提出一种以任务排序为约束的改进遗传粒子群算法;最后,以某针织车间的实际物流调度为例对文中方法进行验证。计算结果表明,文中提出的AGV物流调度模型能够较好地模拟AGV绿色调度耗能问题,提出的改进遗传粒子群算法具有较快的收敛速度和较好的寻优能力。     

基于猫群优化算法的云计算虚拟机资源负载均衡调度

为了提高虚拟机资源调度的利用率, 实现虚拟机资源合理调度, 提出一种基于猫群优化算法的虚拟机资源调度优化方法. 首先根据虚拟机资源调度优化目标构建数学模型; 然后综合考虑最短时间与最优负载构建猫群优化算法的适应度函数, 并通过模拟猫的日常行为实现虚拟机资源调度最优方案的寻优; 最后在CloudSim平台上对该算法的有效性进行测试. 测试结果表明, 该算法能获得更优的虚拟机资源调度方案, 保证了虚拟机资源的负载均衡, 可以满足用户需求的偏好性.     

改进遗传算法及其在矿山生产调度中的应用

基于多目标生产调度的特点和不足,从采掘运输成本和矿石品位两个角度出发,考虑矿石种类、铲位出矿量及卡车调度等因素,构建了多目标矿山生产调度模型.结合遗传算法解决多目标优化问题的优势,提出了基于改进遗传算法的矿山生产调度策略以及实现过程,并将改进前后遗传算法对模型的求解进行对比.模拟实验结果表明,运用改进遗传算法对矿山资源...     

企业生产计划模型优化的环境进化算法

根据企业生产计划模型的特点,提出了一种将专家系统方法和线性规划方法结合于其中,以模型的部分关键约束参数作为遗传囵子的遗传优化算法,即环境进化算法．并以纺织企业生产计划模型为例,介绍了环境进化算法的具体实现．     

多目标柔性作业车间调度的多交叉策略元胞进化算法*

针对经典Job-shop调度问题的局限性,构建了以加工成本、瓶颈机器负荷、机器总负荷及制造工期为目标函数的柔性作业车间调度多目标优化模型,提出了基于多交叉策略的元胞多目标遗传算法。在分析优化模型的基础上,使用双层编码方式,并采用多个交叉算子协同进化,提出一种多交叉策略的进化算子。针对元胞多目标遗传算法的特点,提出一种改进的精英策略,保证更多的精英个体参与进化,从而提升算法收敛速度。通过2个基准实例求解对比分析,表明所提方法的有效性。将新算法应用于实际生产企业的车间调度问题中,得到了一组Pareto解集,并采用层次分析法得到一种满意度最大的方案。数据结果表明,该算法在解决多目标FJSP的工程有效性。     

虚拟单元跨单元动态调度问题研究

针对虚拟单元生产过程中随机扰动所导致的资源冲突、虚拟单元协同生产及共享资源的特点,结合时间约束网络和图论的相关知识,对虚拟单元跨单元动态调度问题进行研究。同时考虑设备资源约束和交货期时间约束,建立具有虚拟单元特色的虚拟单元跨单元动态调度的时间约束网络模型,并运用协同优化思想,提出双层时间约束网络的单元间协同优化算法和基于度的反应式人机协同算法用于模型的求解。最后对算法进行了实例验证,结果表明,该方法可为生产计划制定人员快速调整原生产调度计划方案提供便利和一定的理论基础。     

带有学习效应的多目标置换流水车间调度问题研究

在综合考虑经济指标和环境因素的基础上,提出了以最小化最大完工时间和总能耗为优化目标的置换流水车间调度问题,并着重考虑学习效应对该问题的影响。针对该问题的特点,构建了带有学习效应的多目标置换流水车间调度模型,并设计了一种嵌有批量处理和扰动算子操作的混合蛙跳算法对模型进行求解。利用扩展的标准测试问题验证了该算法的性能,并与非支配排序遗传算法、强帕累托进化算法进行了对比分析,实验结果表明改进的混合蛙跳算法具有较好的寻优能力。利用此算法得到了不同学习率下的优化目标值,并运用敏感性分析探讨了学习效应对优化目标的影响程度,从而为企业制定合理的生产调度方案提供参考。     

云计算环境下基于热力学演化算法的任务调度与虚拟机分配算法研究

在云计算环境下的云任务调度和虚拟机分配过程建立了数学模型,并将其转换为整数编码形式的组合优化问题,并提出了一种热力学演化算法进行问题求解。算法根据整数编码形式定义了基因熵和个体能量,并引入了温度的概念,算法中提出了两种选择策略,算法利用自由能极小值原理驱动种群向最优化方向演化。实验结果表明热力学演化算法可以有效地解决云任务调度和虚拟机分配问题,可以为云环境调度问题提供依据。