基于蚁群算法的无联系并行机调度问题的仿真研究

针对无联系并行机调度求解问题,引入了蚁群算法的思想.基于转移概率构建的信息素迭代模型,研究了无联系并行机调度问题的求解过程.基于Python的仿真实验结果表明:通过蚁群算法可以得到其近似解;更进一步探求了任务次序对解的影响;通过实验探索了此算法的时间性能.     

考虑多资源约束的非等效并行机节能调度算法

针对瓶颈工序光刻过程中考虑能源消耗、多类型多数量的掩膜资源、换模等约束的非等效并行机调度问题,进行了改进型免疫克隆选择算法的调度方法研究.首先对问题域进行描述,以最小化总加权完成时间与能源消耗量为优化目标,建立了数学模型;在此基础上提出了一种带精英策略的多目标免疫克隆选择算法,该算法融合了非支配排序遗传算法的排序规则,并引入深度邻域搜索算子、种群更新算子以提高算法搜索性能及挖掘性能.最后,对算法进行仿真实验,结果表明该算法是有效的、可行的.     

基于改进分布估计算法的带并行机模糊混合Flow Shop调度

针对处理时间不确定情况下带并行机的混合Flow Shop调度问题,基于模糊规划理论,采用一种模糊数排序的方法建立了调度模型;以最小化加权模糊最大完工时间的平均值和不确定度作为调度目标,提出一种改进分布估计算法(IEDA)求解上述问题。IEDA算法采用基于NEH(Nawaz-Enscore-Ham)和破坏重建策略的初始化方法,对较优个体进行变邻域局部搜索以提高算法的局部搜索能力,同时采用破坏重建策略增加种群多样性,在最优解连续若干代没有改进时对其进行基于破坏重建策略的变邻域局部搜索,增强算法跳出局部最优的能力,并用正交设计的方法调节算法参数。仿真实验结果验证了本文算法的优越性。     

求解分布式并行机调度的新型帝国竞争算法

提出一种求解异构工厂分布式并行机调度问题(DPMSP)的新型帝国竞争算法(ICA),以最小化最大完成时间作为优化目标.首先,将DPMSP的优化简化为对工厂分配子问题的求解,提出相应的编码方案并采用最大处理时间规则解码;然后,采用基于加工速度的概率分配方法构建初始种群,引入殖民国家同化以加强对优秀个体的搜索并在革命中运用基于工件-工速积的新型插入算子以改善解的质量;最后进行大量数值实验.计算结果表明该新型ICA在分布式并行机调度问题求解方面具有较强的搜索优势和较好的稳定性.     

并行机调度问题的最优公共交货期和最优调度

现有的提前／拖后调度问题主要针对单机情况，且大多采用启发式方法。为了有效地解决带有待定公共交货期的并行机提前／拖后优化调度问题，提出了一种分段编码的遗传算法，使遗传编码能同时反映调度方案和公共交货期，并对初始种群产生、交叉和变异方法作了研究。计算实例表明了该遗传算法有很好的性能，所得解的质量优于启发式算法，且适用于较大规模并行机提前／拖后优化调度问题     

考虑能耗约束的并行机组批调度

研究并行批处理机的组批调度问题,考虑炉容相同、功率不同的非等同并行机的总能耗约束,考虑工件尺寸和到达时间不同,以最小化最大完工时间为目标建立混合整数规划模型。并行机组批调度问题属于NP-hard问题,采用先组批后调度的两阶段方式求解。组批阶段采用基于FFLPT和BFLPT的启发式规则,调度阶段设计带邻域搜索的粒子群-遗传混合算法对模型进行求解。以轧辊生产企业并行热处理设备为研究案例进行模型和算法验证,分析不同能耗约束下最大完工时间优化值,并比较算法的优化性能。实验结果表明:本文算法提高标准遗传算法的收敛速度,且优于2种启发式算法;能耗与最大完工时间之间存在冲突关系,通过本文的模型和算法得到能耗与最大完工时间的近似Pareto前沿面,可为企业的实际生产提供指导。     

一种新的可调时间窗车辆调度问题研究

提出了一种新的时间窗可调整的车辆调度模型,设计了求解该问题的算法．设计了初始路径的构造算法、时间窗的分配以及动态调整策略和初始路径的禁忌搜索改进策略,实验计算表明,禁忌搜索算法能够显著改进初始解的质量,有效降低了运输成本,时间窗可调策略能够为顾客提供多个参考时间窗选择,增加了车辆调度的灵活性,与固定时间窗算法相比,本算法能够提高服务质量,不会产生拒绝顾客服务要求的现象．     

考虑能耗优化和学习效应的随机多目标并行机调度问题研究

针对具有学习效应且处理时间不确定的并行机调度问题,以最小化最大完工时间和能源消耗为优化目标,建立了该问题的随机多目标调度模型;设计和改进了非支配排序遗传算法和基于分解的多目标进化算法进行求解。通过采用覆盖率指标和逆世代距离指标对实验结果进行评价,分析了两种算法在求解该问题上的性能。研究结果表明,MOEA/D在C指标方面优于NSGA-II,而NSGA-II在IGD指标方面优于MOEA/D。     

一种有限空间区域的机群调度优化算法

 基于有限空间区域调度优化问题,针对机群调度具体问题,先将机群保障流程整体抽象建模,再把物理模型转化为典型调度问题模型,设计启发式规则提出优化算法。算法分为上、下两层次,上层负责在有限区域内选择合适的停机位和起飞位,下层负责对单机各作业进行调度,下层把调度结果返回给上层算法,上层根据该调度结果自适应调节某架机的停机位和起飞位,重新调用下层算法以验证该调整是否能改善解的质量。以典型出动任务作为输入算例,求解出有限空间区域的机群调度方案结果。相比之前人工排布的方式,本方法在求解时间和结果优劣两方面更具优越性,该方法使得机群调度指挥方式向智能自动化过渡,对提升机群出动架次率有重要意义。     

基于时间槽的并行机调度连续时间建模方法

采用基于时间槽的连续时间建模方法对匀速并行机调度问题建模以获得最优解.基于3-索引和2-索引的分配变量下标的不同定义方法,通过变换空时间槽在时间轴上的位置,分别提出了针对该并行机调度问题的不同的连续时间模型.为了进一步提高连续建模近似求解问题的效率,提出启发式算法用于减少时间槽数目.通过实验分析了所建立的不同模型的优势和缺点.实验结果表明:3-索引模型的求解速度快于2-索引模型,随机安排空时间槽在时间轴上的位置能够加快模型的求解速度.此外,提出的启发式算法提高了模型的求解效率.