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．     

带组换装时间的单机调度问题

在某钢铁线材企业的实际调度问题的基础上,研究了一类带有组换装时间的单机调度问题. 根据该调度问题的实际需求,以最小化作业的最大延迟为优化目标. 由于该问题是NP难的,提出了一类启发式算法来求解该问题,并进一步通过引入问题的性质,提高算法的寻优性能,降低算法运行时间. 该算法在随机产生的测试问题和企业的实际调度上均进行了测试,实验结果表明该启发式算法能在短时间内获取近优解.     

一种实用的启发式资源平衡优化算法的改进

资源平衡优化问题即资源有限项目调度问题,是一个NP难问题,现在商用项目管理软件系统中的资源平衡优化问题多采用基于优先规则的启发式算法.通过定义一个新的作业集合和一个巧妙的修改动态参数的方法,使算法在实现上极大地减少了调度时间,进一步增强了启发式算法的实用性.     

目标函数为加权完成时间和的单机维护调度问题研究

讨论了带有可控性维护的单机调度问题,目标是实现工件加权完成时间和的最小化．此问题是强 NP难的,因此给出了三个启发式算法和一个分枝定界算法,并通过实验对这些算法进行评价．实验结果表明其中的两个启发式算法(WSPT算法和综合算法)能得到比较好的近似最优解,分枝定界算法对小规模(n≤10)的问题很容易得到最优解．     

求解布局问题的混合萤火虫群优化算法

为了充分发挥萤火虫算法的优点,将人工萤火虫群优化算法与启发式策略相结合,设计了一个新的求解布局问题的高效萤火虫优化算法.实例测试和实验对比结果表明:相对于已有文献中的算法,提出的混合布局方法更加有效.     

基于析取图考虑物料搬运的Job Shop调度算法

为有效解决考虑物料搬运设备的Job Shop调度问题,建立了非线性规划模型及改进析取图模型.在此基础上,以最小化最大完工时间makespan为调度目标,构造了两阶段结构式启发式调度算法.第一阶段,将析取图分解为机床调度析取子图和搬运设备调度析取子图,提出一个双层递进启发式算法.上层利用分支思想求解机床调度析取子图,根据上层结果,求解搬运设备调度析取子图.在第一阶段解的基础上,第二阶段构造了基于块理论的调度优化启发式算法.最后对算法进行了仿真分析,结果表明所提出的算法是有效、可行的.     

对多级生产调度中有限容量存储器的研究

通过带有有限容量存储器的多级生产调度模型，分析了存储器的作用和性能以及对多级生产调度的影响，在确定目标函数全部任务加工完毕的时间为最小的情况下，提出一种启发式算法，解决带有限容量存储器的多任务生产加工的排序及各段时间间隔的加工量问题。     

求解带性能约束凸多边形布局的混合算法

针对带性能约束的凸多边形布局问题,设计了一种波纹探测启发式定位算法(REHA),并将其与广义模拟退火算法(GSA)相结合,形成混合算法.波纹探测启发式算法模拟波纹的现象,以圆形容器的圆心为中心,构造同心圆,逐步增大同心圆半径向外探测,根据同心圆与质心临界多边形的交来确定布局物的放置位置.该算法同时兼顾布局问题的紧凑性和静平衡约束,是一种定位启发式方法,其解的质量受布局顺序的影响.利用广义模拟退火算法优化布局顺序,形成混合算法,并将其与经典的模拟退火算法作分析对比,数值试验验证了提出算法的有效性.     

热轧调度的数学模型及解法

研究了钢铁厂的热轧调度问题 ,将其转化为带有能力约束的多旅行商问题 ,并对此给出一个启发式算法 .     

有模机配合约束的平行机台调度方法

所描述的问题为在平行机台上具有单一模具约束的调度问题,以实现最小化拖期和为目标·描述了该问题的数学模型,并提出了如下的启发式算法,依据模具成组构成工作表,在对工作指派时根据一定条件允许改变工作的指派顺序,最后运用启发式算法ＮＢＲ(ＮｅｔＢｅｎｅｆｉｔｏｆＲｅｌｏｃａｔｉｏｎ)对调度方案进行局部调整以减少拖期和·通过一个应用实例,测试了该算法的有效性·     

Aheuristic Algorithm for Berth Scheduling Problem in Container Ports

In this paper,the berth scheduling problem is transformed into a special two-dimensional packing problem with some constraints.A nonlinear programming model for the problem is established,and a heuristic algorithm is proposed to solve the model.Simulation results show that the algorithm can improve the utilization of berths on discrete berth scheduling in the container port.     

时间表理论中LPT算法在装箱问题中的应用

本文利用二分搜索法和时间表理论中LPT算法求解装箱问题的近似最优解;给出了一个直观性算法,并研究这个算法的最坏情形,最后说明此算法在某些方面优于著名的FFD算法。     

基于改进蚁群算法的应用与研究

针对传统蚁群算法在构造解的过程中收敛速度慢且容易陷入局部最优问题,提出了一种改进蚁群算法。在蚁群搜索路径过程中,通过建立信息素启发式因子α和期望启发式因子β的互锁关系,动态自适应调整α和β;结合车辆运输调度问题,对距离启发式因子ηij（t）进行重新定义,引入不同客户间的“偏好力”,提高算法的搜索效率及实用性。将改进蚁群算法分别应用到机器人路径规划及车辆调度问题并进行仿真,取得了较好实验效果,验证了该方法的可行性和有效性。     

JSSP基本约束特点分析及调度算法

车间作业调度问题(JSSP)具有两类基本约束,即工件工艺路径约束和资源(机台)独占性约束;如何解决"死锁"是以工件加工次序为决策变量的JSSP调度算法需要研究的重要问题之一。该文研究了JSSP基本约束的特点,在此基础上,提出了一种基于操作顺序的可行解生成方法,以及基于此方法的遗传算法(GA),并进行了数值计算;针对不同实例,该GA可以稳定地得到满意解,并具有较好的动态性能。该文所提出的方法易于实现,运算量小,与其他搜索算法结合后,可用于求解许多更一般的JSSP。     

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.     

再制造系统能力约束下拆卸批量计划优化方法

针对再制造系统中能力约束下的拆卸批量计划问题,应用两阶段启发式遗传算法进行了优化求解.首先对再制造产品结构进行了描述,建立了再制造系统中能力约束下的拆卸批量计划优化模型;其次在不考虑能力约束情况下应用遗传算法求解出初始的拆卸批量计划,其中,染色体编码采用拆卸决策变量来表示,同时对适应度函数进行了线性变换,设计了具有自适应的交叉概率和变异概率;然后应用转移算法对初始得到的批量计划进行了修正,使其符合拆卸能力的约束.大量随机算例的仿真实验说明所提出的算法不论在寻找最优解方面还是在求解速度和稳定性方面,都要大大优于精确算法,能够较好地解决实际生产中面临的拆卸批量计划问题.     

基于和声搜索算法的应急资源筹集优化

在应急资源调度过程中,资源的筹集问题是其解决的核心问题之一,在应急点较多的情况下,采用穷举法等传统方法求解速度较慢,不能满足应急资源快速准确调度的需要.和声搜索算法是一种启发式全局搜索算法,在许多优化问题得到很好的应用.本文将采用和声搜索算法对此类问题进行求解,并通过实验结果验证其可行性和高效性.     

A Decision Support Method for Truck Scheduling and Storage Allocation Problem at Container

Truck scheduling and storage allocation, as two separate subproblems in port operations, have been deeply studied in past decades. However, from the operational point of view, they are highly interdependent. Storage allocation for import containers has to balance the travel time and queuing time of each container in yard. This paper proposed an integer programming model handling these two problems as a whole. The objective of this model is to reduce congestion and waiting time of container trucks in the terminal so as to decrease the makespan of discharging containers. Due to the inherent complexity of the prob-lem, a genetic algorithm and a greedy heuristic algorithm are designed to attain near optimal solutions. It shows that the heuristic algorithm can achieve the optimal solution for small-scale problems. The solutions of small-and large-scale problems obtained from the heuristic algorithm are better than those from the genetic algorithm.     

基于双层启发式遗传算法的三维装箱问题

三维装箱问题是一类组合优化问题,多用于物流运输业的货物装载,具有重要的实践意义。它的最优解受多种条件因素的影响,求解形式复杂且计算量较大,所以常用启发式算法来解决。以空间分割为原则的启发式算法融入遗传算法中并结合二层规划的思想,提出一种基于双层启发式遗传的三维装箱算法。通过双层启发式遗传策略分别对可行解进行广度和深度的搜索来提高寻优效率,从而得到最优的三维装箱方案。在此基础上利用具体算例进行运算和分析,证明该算法在空间利用率和稳定性上都有较好的效果,同时装箱方案可以依托计算机技术进行三维可视化,可为三维装箱问题的信息可视化提供理论依据。