基于差分进化算法的FMS中机器与AGV同时调度方法

针对柔性制造系统中机器与AGV（automated guided vehicle）同时调度问题，提出一种混合变邻域搜索的改进离散差分进化算法。以最大完工时间最小为优化目标，考虑机器与AGV双资源约束，建立相应的数学模型。为了同时调度机器与AGV，采用基于工序、机器、AGV的3层编码结构。通过改进差分进化（differential evolution，DE）算法的变异、交叉算子产生新个体以提高算法的全局搜索能力，并引入模拟退火算法中解的接受准则选择下一代。同时，为了增强算法的局部搜索能力，对算法每次迭代的最优个体进行变邻域搜索。通过算例计算和对比，证明了提出的改进DE算法的有效性、稳定性和优越性。     

无缓存流水线生产系统中AGV调度问题的研究

针对无缓存流水线生产系统中的AGV(automated guided vehicle)调度问题提出了复合评分的启发式调度算法,降低了系统中AGV执行任务的间隔等候时间.首先,通过建立数学模型,对目前主流的AGV规模估计方法做出了改进.其次,提出了一种新的基于复合评分禁忌搜索的AGV前瞻调度算法.不同于目前主流的以空驶距离为优化目标的调度算法,该算法能够以最小化工件延误时间、最小化AGV空驶距离等多目标来统筹调度AGV.最后,为验证所提算法的有效性,从多个角度与已有算法进行了实验对比.仿真实验结果表明,相较于其他算法,提出的前瞻调度算法能够更有效地解决无缓存流水线生产系统这一新场景的AGV调度问题.实车实验也证明了该算法在实际生产中的有效性.     

基于离散粒子群优化的MPSoC节能调度算法

为了降低多核片上系统MPSoC在应用中的能耗,在MPSoC上提出了基于优化离散粒子群算法的节能任务调度算法.通过比例选择算子生成初始种群,以任务在MPSoC上不同内核执行的能耗作为解空间,粒子群在整个解空间上搜索最低能耗调度方案,并在算法中优化了粒子群算法的局部早熟问题,使算法性能进一步提升.仿真实验表明:基于优化离散粒子群算法的节能调度算法与常用的3种调度算法相比,能耗得到了降低,且算法的截止期错失率并没有升高,保证了算法的整体性能.     

基于混合遗传算法的柔性作业车间机器和AGV规划

为解决柔性作业车间多自动导引小车(AGV)配送的调度问题,以加工过程中AGV运送工件从毛坯库到成品库总时间最短为目标,提出基于时间表和A~*算法的混合遗传算法.提出两种方案分别解决AGV路径规划中的冲突碰撞问题和AGV在机器位置等待时的占用问题.将机器和AGV调度集成在划分好的任务单元中,设计了基于任务单元的染色体编码方式,改进了种群初始化方案,交叉变异算子和精英保留策略,在解码操作中根据时间表信息,使用A~*算法和冲突解决方案规划出每个任务单元中小车无碰撞和占用冲突的最佳路径.最后,算例对比验证了该算法的可行性和有效性.     

求解中间存储有限Flow Shop调度问题的离散群搜索优化算法

针对中间存储有限的Flow Shop调度问题,提出了一种离散群搜索优化算法来最小化工件加工的总流水时间。该算法首先采用基于工件排列的离散编码方式,使得能够直接求解离散的调度问题;其次提出了新的初始化方法,确保了初始种群既具有一定的多样性,又有较好的性能;还引入了离散差分进化的思想,增强了算法的运算效率与搜索能力。最后使用正交设计的方法设置算法参数,通过对Taillard算例的仿真计算,验证了本文算法的优越性。     

基于改进粒子群算法的柔性制造系统无死锁优化调度

柔性制造系统的优化调度问题是一个复杂的组合优化和NP-hard问题。以赋时Petri网为模型、最小化最大完工时间为优化目标,利用改进粒子群算法对一类柔性制造类系统建立了一种新的无死锁优化调度方法。该方法首先采用2层编码方式对路径和工序进行编码,建立工序与粒子位置之间的一一映射关系;其次,基于实时在线的死锁避免策略对粒子进行死锁检测与修复,保证所搜索的粒子均能解码为无死锁的可行调度序列;然后,设计了2种改进策略：粒子工序定向调整策略和局部搜索策略,以提高算法的寻优效率和局部搜索能力,保证快速得到最优或次优的可行序列;最后,利用2个仿真实验验证所提算法的有效性。实验结果表明：与其他已有算法相比,改进粒子群算法在求解柔性制造系统无死锁优化调度问题上具有较好的寻优能力。     

基于改进狼群算法的AGV路径规划

针对自动引导小车(automated guided vehicle, AGV)全局最优路径的求解问题，文章利用栅格法对环境进行建模，提出一种基于改进狼群算法(improved wolf pack algorithm, IWPA)的AGV路径规划方法。该算法采用混沌映射形成初始种群，增加种群多样性；对探狼游走行为引入随机策略，扩大搜索范围；对头狼的选择引入Metropolis准则，增强算法跳出局部最优能力；改进猛狼奔袭策略，提高算法后期寻优效率。通过8个典型测试函数的仿真实验结果表明，改进的算法在寻优速度和精度上均有较大的提高。将改进的算法应用于路径规划仿真实验，结果表明，相比于传统狼群算法，改进的狼群算法在解决AGV路径规划问题上更有效。     

混合蛙跳算法在云计算资源调度的策略改进

混合蛙跳算法已在云计算资源调度有所运用。针对青蛙种群初始化随机性大、局部搜索盲目、容易陷入局部最优的问题,提出了一种混合蛙跳算法在云计算资源调度的改进策略。该改进策略首先运用SY-MM算法和随机生成方式结合的方法对种群进行初始化,生成适应度较好且保持多样性的青蛙种群;然后对传统蛙跳算法局部搜索中步长公式进行改进,使得能够自适应的去更新步长,进而提升局部搜索能力。通过实验证明改进算法对于云计算中资源调度的时间和负载平衡方面有良好的优化性能。     

基于DICA的存储受限流水车间调度

针对缓冲区空间和时间同时受限的流水车间调度问题,以最小化完工时间为优化目标建立了数学模型,并提出了求解方法。由于中间存储策略的限制,相对于普通流水车间调度问题,约束条件更加苛刻,且随着调度问题规模的增大,求解难度成倍增长,但却更加具有实用性和研究意义。帝国竞争算法具有求解精度高、收敛速度快的特点,在帝国竞争算法的基本框架上,提出了一种改进的离散帝国竞争算法。针对存储受限的流水车间调度问题,采用随机键编码的方式初始化种群;同化过程采取交叉替换的方式,并控制一定的同化概率,削弱帝国的势力,防止算法过早收敛;引入历史最优解机制,记录殖民的历史最优位置;革命过程中引入变异算子,以增强搜索能力;采用正交试验方法确定算法参数。在经典算例的基础上加入缓冲区约束并进行仿真实验,实验结果表明,离散帝国竞争算法求解质量高,收敛速度快。     

面向作业车间调度问题的改进型蝙蝠算法

针对作业车间调度问题(Job shop scheduling problem,JSP),提出了一种改进型蝙蝠算法(Improved bat algorithm,IBA)以优化车间内工件的最大完工时间.根据作业车间调度问题的特点以及基本蝙蝠算法的搜索机制,首先对个体位置向量进行了设计,实现了蝙蝠算法中离散问题的连续编码;然后分别采用GT算法和随机生成两种方法对算法种群进行初始化,以提高初始解的质量.此外,采用三种邻域结构,并在此基础上设计了变邻域搜索策略作用于最优个体,以避免算法出现早熟收敛,提高IBA算法的性能.最后,针对JSP问题的基准算例进行了大量的仿真实验,计算结果验证了本文所提出的IBA算法的可行性和有效性.     

求解具有时空约束的板坯库天车调度问题Memetic算法

研究了钢铁企业板坯库天车调度问题,考虑了时间和空间以及热轧计划等实际限制,建立了一个板坯出库天车调度模型.针对天车调度问题具有实时性和不可交叉性的特点,设计了基于优先关系的天车分配编码方式、离散事件动态仿真解码、自适应交叉算子以及在交叉和变异后进行模拟退火局域搜索的Memetic算法.通过某钢厂板坯出库过程中天车调度的实际数据对模型和算法进行仿真测试,实验结果表明:该算法具有很高的收敛性和稳定性,满足实际生产需要.     

基于深度学习神经网络和量子遗传算法的柔性作业车间动态调度

针对柔性作业车间动态调度问题构建以平均延期惩罚、能耗、偏差度为目标的动态调度优化模型,提出一种基于深度Q学习神经网络的量子遗传算法。首先搭建基于动态事件扰动和周期性重调度的学习环境,利用深度Q学习神经网络算法,建立环境■行为评价神经网络模型作为优化模型的适应度函数。然后利用改进的量子遗传算法求解动态调度优化模型。该算法设计了基于工序编码和设备编码的多层编码解码方案;制定了基于适应度的动态调整旋转角策略,提高了种群的收敛速度;结合基于Tent映射的混沌搜索算法,以跳出局部最优解。最后通过测试算例验证了环境-行为评价神经网络模型的鲁棒性和对环境的适应性,以及优化算法的有效性。     

基于改进烟花算法的以太网通信链路调度方法

针对工业以太网通信链路调度延时大及效率较低的问题, 提出一种基于改进烟花算法的实时周期消息任务调度(CVFWA)方法. 以降低网络传输时延为目标, 首先, 将传统烟花算法的连续解空间映射到实时周期序列调度问题的离散解空间； 其次, 为增加种群的多样性, 在高斯变异过程中引入变异系数； 最后, 采用基于中位数锦标赛的选择策略代替欧氏距离选择策略. 仿真结果表明, 该方法能使实时周期消息序列在最短时间内完成队列调度, 有效降低了网络时延, 提高了全局搜索效率.     

基于混合蜂群算法的柔性作业车间调度优化

针对柔性作业车间调度求解问题,提出一种新型混合蜂群智能优化算法.该算法采用独特的编码方式和位置更新策略来避免不合法解的产生,在蜂群算法的基础上增加了有利于局部搜索的混沌算子提高了算法搜索精度,实现了全局搜索与局部搜索能力的有效平衡.最后将此算法在不同规模的实例上进行了仿真测试,并与最近提出的其他几种具有代表性的算法进行了比较,验证了该算法的有效性和优越性.     

基于改进哈里斯鹰优化算法的配电网动态重构

针对风光荷不确定性的配电网重构问题,建立分布式电源和负荷出力模型,以系统运行成本和电压偏移构建多目标函数。提出一种改进粒子群算法融合K-means(improved particle swarm optimization and K-means, IPSO-Kmeans)聚类算法来划分典型日负荷曲线,将改进哈里斯鹰优化(improved Harris hawk optimization, IHHO)算法应用于配电网重构,进行寻优计算。为了改善哈里斯鹰优化(Harris hawk optimization, HHO)算法种群分布不均、无法完整搜索到最优解空间范围、易于陷入局部收敛等问题,引入佳点集生成种群初始化,提高种群搜索空间的均匀性。将麻雀搜索算法中的探索者位置更新公式与哈里斯鹰优化算法探索阶段的位置更新公式结合,以提高算法的全局搜索能力。利用柯西-高斯变异扰动策略跳出局部最优解。最后在IEEE33节点配网系统仿真,结果表明所提方法的有效性。     

一种求解柔性作业车间调度问题的改进灰狼优化算法

针对柔性作业车间调度问题,以最大完工时间最小化为目标提出了一种改进灰狼优化算法(IGWO),采用两段式的编码方式来构造算法个体位置与调度方案之间的关系,使用基于启发式规则的初始化种群方法来提高初始解的质量.为了平衡算法的全局搜索与局部搜索,提出一种基于双曲正切函数的非线性收敛因子公式,并在算法的个体更新阶段提出了一种基于适应度值的加权方法,在算法决策层嵌入了变邻域搜索算法.通过仿真实验表明,算法在求解柔性作业车间调度问题上是有效的.     

基于改进DPSO非退出故障下多无人机任务规划

针对非退出故障下多无人机协同任务规划问题,提出了一种基于混合策略改进的离散粒子群算法。该方法首先采用Sobol序列进行种群初始化,提高解空间的覆盖率;然后,提出非线性时变策略,加快算法的收敛速度;并引入柯西算子,增强离散粒子群算法的搜索空间;同时,还提出自适应交叉学习策略,丰富种群多样性,进而提升算法的全局寻优能力。综合改进的离散粒子群算法不仅加快了收敛速度,并且解的最优性也得到了提高。此外,运用三次样条插值算法进行无人机航迹规划,最后,将改进算法在三维空间中进行无人机故障前后的对比仿真实验,结果表明所设计的算法具有显著的寻优有效性,为部分无人机发生轻微故障后,多机协同执行任务规划的问题提供了理论依据。     

基于带随机网络的多种群粒子群优化算法求解多资源受限柔性作业车间调度问题

多资源受限柔性作业车间调度问题(MRC-FJSP,multi-resource constrained flexible job shop scheduling problem)是一类复杂的组合优化问题。针对以最小化最大完工时间为目标的MRC-FJSP,提出了一种带随机网络的多种群粒子群优化算法(MPSO-RDnet, multi-population particle swarm optimization algorithm with random network)。首先,设计了一种半主动解码和基于启发式规则解码相结合的新型解码方式,对原有解空间进行有效裁剪。其次,提出了基于关键路径的两种邻域结构,提高算法局部搜索能力;引入了基于随机网络的多种群策略,提高算法全局搜索能力;提出了面向算法搜索停滞问题的重新初始化策略,增强算法的鲁棒性。最后,采用MRC-FJSP基准算例SFTSP进行测试,验证了算法的可行性和有效性。