具有优势机器和恶化工件的流水作业排序问题

针对流水作业排序问题,建立了具有优势机器和恶化工件并且有无空闲限制的排序模型.在该排序模型中,机器加工工件时,工件的相邻加工工序之间不允许出现空闲,工件的加工时间是其开工时间的严格增加线性函数.其中讨论的优势机器有2种情况:机器形成增减增优势关系和机器形成减增减优势关系.考虑了多台机器的流水作业排序问题,其中,目标函数分别为极小化最大完工时间和极小化总完工时间,对于这两类问题分别给出了求解最优排序的多项式算法和它们的计算复杂性,并通过证明证实了算法的有效性.     

关于一类两台机器自由作业的排序问题

以工件完工时间的总和为优化目标的两台机器自由作业问题是NP-hard问题.本文针对加工时间仅依赖于机器并且机器连续加工的问题,给出了机器排序是可行排序的充分必要条件,引入可行排列的极小子排列的概念,运用组合优化方法,研究了最优排序中极小子排列的性质,并由此得到了该问题的最优时间表的一般构造方法.     

具有学习效应的总完工时间流水作业问题

研究工件具有学习效应的2台机器流水作业排序问题.工件的学习效应指工件的加工时间为所排位置的指数函数.目标函数为极小化总完工时间.给出该问题的数学规划模型.同时对大规模问题给出3个启发式算法,计算结果表明,用这3个算法解决所研究问题比较有效.     

装配型流水作业排序问题3MAF的两个可解情形

３机器装配型流水作业排序问题３ＭＡＦ是近年来新提出的一种排序论模型。本文探讨了该问题的两种新的可解情形，并给出了相应的多项式算法。     

单台机器多目标作业排序问题的探讨

以往对单台机器排序问题的研究大都限于单目标排序，而在实际的生产调度和计划管理中绝大多数情况需要进行多目标作业排序。本文运用模糊数学的方法，提出一种单台机器多目标作业排序的算法。     

带有学习效应和机器可用性限制的排序问题

针对单机和两台机器的平行机排序问题,建立了机器具有学习效应和可用性限制的排序模型。在这个模型中,机器具有学习效应。在学习效应下,工件的加工时间与所排位置有关,对于需要在同台机器上加工的工件,工件随位置的靠后其实际的加工时间减少。同时由于定期维修等原因而导致机器在某段时间内不能加工工件。考虑了目标函数为极小化总完工时间的单机和两台机器的平行机问题。对于机器在任意时间进行维修的一般情况给出了动态规划算法,通过数值例子说明了算法的有效性,对机器在使用前进行维修的特殊情况给出了多项式算法。     

带公共交货期窗口的提前/拖期非等同多机调度问题

提出了公共交货期窗口下提前 /拖期惩罚的多台不同设备情形的零件排序模型 .在分析相应单机问题最优排序和最优交货期性质的基础上 ,证明该多机零件问题实际上蕴含着使系统 makespan达最小的多机零件排序问题 .由于使系统 makespan达最小的并行多机零件排序问题已被证明是 NP完全问题 ,因此提出了求解该零件排序问题的一个启发式算法 ,该算法计算复杂性低且对并行多机零件排序问题同样适用 .最后给出了两个数值例子 .     

同类机的供应链排序

研究同类机环境的供应链排序,即研究如何安排工件在同类机器上加工,把加工完毕的工件分批发送给下游客户,使得生产排序费用和发送费用总和最少.生产排序费用是用工件送货时间的函数表示,发送费用是由固定费用和与送货路径有关的变化费用组成.研究以工件最大送货时间和平均送货时间为生产排序费用的不同目标函数下的同类机供应链排序问题,用动态规划算法构造了多项式时间近似算法,并分析算法的性能比.     

并行多机加权成套订单数极大化的混合遗传算法

从实际应用出发,提出了在相同的并行机上加权成套订单数极大化的排序问题,建立了该问题的整数规划模型,并设计了一种有效的混合遗传算法.还通过一个算例对这类排序问题和所提出的算法进行了说明,计算结果表明了该算法的有效性.     

用单亲遗传算法解具有窗口式交货期的多机加工排序问题

具有窗口式交货期的加工排序问题是一个强NP困难问题,传统方法的计算效果往往不能令人满意.采用基于整数编码的单亲遗传算法较成功地解决了这类窗口式交货期的单机和多机加工排序问题,并讨论了该算法的计算复杂性是属可计算的.文中的算例表明,该算法是实际有效的.