加工时间依赖于资源消耗量的平行机调度问题

研究了一类平行机调度问题,其中假定作业加工时间是资源消耗量的线性减函数,调度的目标是在限定最大完工时间时最小化资源消耗总量. 分析了对应单机问题的最优算法和下界构造方法,进而提出了两个优化策略用于构造模拟退火算法和禁忌搜索算法.考虑了多种最大完工时间限制情形, 构造了大量随机实验数据,对算法解的精确度及计算效率进行了测试.实验表明所构造的模拟退火算法能够在合理的时间内提供高质量的满意解.     

交货期服从指数分布的单机随机调度问题

工件完成时间与交货期差的绝对值加权和最小化单机随机调度问题是JIT（just-in-time)生产环境下的典型调度模型，是NP－hard问题，然而，当工件权值与加工时间成正比时，LPT（largest processing time）工件调度是问题的最优解，讨论了该问题加工时间和交货期都为随机变量，其中交货期服从指数分布，且工件权值与加工时间成正比的情形，给出了问题的最优解，并在一定条件下将结果推广到机器随机故障的情形。     

具有交货期限的占线订单加工

探讨一类占线订单加工问题，具体分析当订单交货时间具有一定上限约束时的不可中断和可中断两种模型。对于不可中断模型，证明先到先服务策略在两种不同交货期限约束时分别是最优策略与最优占线策略；对于可中断模型，提出了基于先到先服务原则的可中断策略，并证明当交货期限小于3倍加工时间时该策略具有竞争比3／2。     

分布式环境下批处理机调度启发式算法求解

将批处理机调度问题扩展到分布式环境下,提出了批调度问题的一个新模型.模型中,工件动态到达各批处理机,且在加工之前和之后需要有运输时间.证明了该模型是NP难的,并通过问题的一个下界来衡量各算法性能.给出了分布式环境下批分配的一个启发式算法AR(assignment rule)以及一个分批准则BR(batching rule),在此基础上对问题的求解提出了若干启发式算法.仿真实验表明各算法均可以对问题进行有效的求解,加入分批准则对于算法有进一步的优化作用.     

THE SINGLE MACHINE STOCHASTIC SCHEDULING WITH THE WEIGHTED JOB TARDINESS MINIMIZATION

This paper considers scheduling n jobs on a single machine where the job processing times anddue dates are independent random variables with arbitrary distribution functions.We consider the casethat the weighted job tardiness in expectation is minimized.It is assumed that job's due dates arecompatible with processing times and weights.We show that the jobs should be sequenced indecreasing stochastic order of their due dates.     

求解模糊资源受限项目调度问题的遗传算法

本文研究了以排序健壮性最大为优化目标的具有模糊加工时间和模糊交货期的资源受限项目调度问题,采用六点模糊数表示模糊加工时间和模糊交货期,引入了2种模糊数的弱比较方法,即重心距离法和积分值法.针对这一优化问题设计了一种基于任务链表编码形式的遗传算法.数值实验结果表明该算法优于文献中的相关算法,同时实验结果也表明基于2种模糊数的弱比较方法对算法性能影响较弱.     

具有恶化效应的新工件到达生产调度干扰管理

在工件加工时间具有恶化效应的单机环境下,研究初始计划执行中计划外多个新工件到达的干扰管理问题.将加工成本作为初始目标,将工件相对于初始完工时间的延迟作为扰动目标,构建多目标干扰管理模型.结合归档式多目标模拟退火算法在全局寻优方面的优势,与非支配排序遗传算法在快速收敛到Pareto有效前沿的局部搜索优势,设计了混合元启发式算法在全局搜索和局部搜索之间进行平衡.通过分析问题Pareto最优解特性,可以进一步有效降低混合元启发式算法的搜索空间,提高收敛速度和输出有效前沿的质量.最后,通过随机生成算例进行数值实验,验证混合算法对求解干扰管理问题的有效性和Pareto最优解特性对于算法性能的改进.     

基于事件驱动的Job Shop仿真调度系统

解析模型通常难以适用于ＦＭＳ调度中，本文提出了一种事件驱动的仿真模型，并结合滚动调度策略介绍了这种模型的仿真原理。在此仿真模型的基础上，研究了工件连续到达，且在加工过程中有机器件损坏和修复及工件到期时间可改变这样的动态环境下的ＪｏｐＳｈｏｐ调度问题。最后给出了仿真结果。     

一种求解带资源约束的并行机器多目标调度问题的遗传算法

探讨了双目标下,带一种资源约束的,工件成类别的并行机器调度问题.针对该问题,提出了一种遗传算法.该算法采用了两两竞赛的选择算子、聚集度、违约度来处理多目标约束优化.通过随机订单的测试,计算结果显示:对于各个单目标值,该算法比修正的EDD、LPT、SPT能改善3%~37%.     

成像卫星协同任务规划模型与算法

作为一类重要的对地观测卫星,成像卫星多星组网协同工作可提高处理复杂任务的能力,其中的任务规划属于多时间窗口、多优化目标和多约束条件的组合优化问题。针对任务协同规划技术,主要完成两项工作：第一,建立协同规划模型,引入了元任务间的3类协同作用关系,并进一步考虑了风险控制的要素;第二,在阐述引入启发式信息的遗传禁忌选择的求解算法基础上,提出算法协同进化模型求解技术。最后,利用卫星工具箱（satellite tool kit, STK）提供仿真数据,评价几种典型的求解算法,并验证了本文算法在收敛速度和鲁棒性上的有效性。     

加工时间带恶化和指数学习效应的成组排序

本文研究了成组技术下带依靠时间的线性恶化效应和依靠位置的指数学习效应的排序问题.模型中,组安装时间是开始安装时间的线性函数,工件的加工时间带线性恶化和指数学习效应,对最小化时间表长问题和最小化总完工时间问题分别给出了多项式算法.     

含作业到达时间的同类机调度问题启发式算法

研究了目标函数是最小化完成时间和的同类机调度问题,其中作业到达时间可能不同.此问题被证明是强NP-hard问题.由于同类机调度是一种重要的平行机调度问题,而最小完成时间和目标是最常见的正则目标之一,因此完成时间和的同类机调度问题在相关研究领域具有非常重要的地位.为此问题建立数学模型,通过对单机和同型机的相应问题研究成果的推广,提出6个启发式算法,给出算例及其计算结果,并通过实验对算法的性能及算法适应的情形进行了分析.     

Batching Scheduling in a Two-Level Supply Chain with Earliness and Tardiness Penalties

This paper studies the batch sizing scheduling problem with earliness and tardiness penalties which is closely related to a two-level supply chain problem. In the problem, there are K customer orders, where each customer order consisting of some unit length jobs has a due date. The jobs are processed in a common machine and then delivered to their customers in batches, where the size of each batch has upper and lower bounds and each batch may incur a fixed setup cost which can also be considered a fixed delivery cost. The goal is to find a schedule which minimizes the sum of the earliness and tardiness costs and the setup costs incurred by creating a new batch. The authors first present some structural properties of the optimal schedules for single-order problem with an additional assumption (a): The jobs are consecutively processed from time zero. Based on these properties, the authors give a polynomial-time algorithm for single-order problem with Assumption (a). Then the authors give dynamic programming algorithms for some special cases of multiple-order problem with Assumption (a). At last, the authors present some structural properties of the optimal schedules for single-order problem without Assumption (a) and give a polynomial-time algorithm for it.     

用遗传算法解决一类模糊流水车间调度问题

对同时考虑模糊加工时间和模糊交货期的模糊流水车间调度问题进行了研究 ,模糊加工时间用三角模糊数来表示 ,模糊交货期用梯形模糊数来表示。应用遗传算法搜索最优排序 ,在适应度函数处理中引入模糊数处理方法 ,以平均满意度最大作为优化目标。最后给出了实验结果和结论     

随机需求下双产品混合生产的Markov决策过程研究

基于按订单生产(make to order,MTO)和按库存生产(make to stock,MTS)两种生产模式的产品,考虑可以忽略生产方式转变带来的安装费用及其它固定费用的情况,建立混合MTO/MTS模式下有限期的Markov决策过程(finite Markov decision process,FMDP)模型.比较研究随机需求下同一生产系统混合生产MTO和MTS产品时,MTO优先模式、MTS优先模式与基于FMDP模型的混合MTO/MTS模式(FMDP混合模式)的效率问题.结果表明,MTO订单量、MTS库存量和产品需求强度是影响FMDP混合模式决策的关键因素,而剩余决策期数、单位MTO订单延迟交货罚金和MTS处理成本则只会在短期内对生产决策产生影响;同时,当企业MTO订单量减少或者MTS产品需求强度降低时,FMDP混合模式比MTS优先模式更优;当MTS产品库存量降低或者MTO产品需求强度降低时,FMDP混合模式同样优于MTO优先模式.     

The Effect of Worker Learning on Scheduling Jobs in a Hybrid Flow Shop: A Bi-Objective Approach

This paper studies learning effect as a resource utilization technique that can model improvement in worker’s ability as a result of repeating similar tasks. By considering learning of workers while performing setup times, a schedule can be determined to place jobs that share similar tools and fixtures next to each other. The purpose of this paper is to schedule a set of jobs in a hybrid flow shop (HFS) environment with learning effect while minimizing two objectives that are in conflict: namely maximum completion time (makespan) and total tardiness. Minimizing makespan is desirable from an internal efficiency viewpoint, but may result in individual jobs being scheduled past their due date, causing customer dissatisfaction and penalty costs. A bi-objective mixed integer programming model is developed, and the complexity of the developed bi-objective model is compared against the bi-criteria one through numerical examples. The effect of worker learning on the structure of assigned jobs to machines and their sequences is analyzed. Two solution methods based on the hybrid water flow like algorithm and non-dominated sorting and ranking concepts are proposed to solve the problem. The quality of the approximated sets of Pareto solutions is evaluated using several performance criteria. The results show that the proposed algorithms with learning effect perform well in reducing setup times and eliminate the need for setups itself through proper scheduling.     

不确定加工时间下同型并行机的鲁棒排程

在现实作业排程中,工件加工时间常常是不确定的。考虑到同型并行机的现实和理论意义,本文研究了加工时间不确定情况下以工期(最大完工时间)为目标的同型并行机排程问题。为了确定最优鲁棒排程,采用最小最大遗憾准则。其中,加工时间没有给出概率信息,而是用区间表示。经证明,该问题是一个NP-难问题且求解困难。为简化问题便于求解,本文给出了最大遗憾的计算公式,还证明出最坏情景出现在端点值,即各工件加工时间不是取区间上界就是下界。然后,提出了一种可以求出该问题最优解的迭代松弛算法并分析了其计算量。最后总结了本文的主要研究工作以及未来的研究方向。     

加工时间为连续随机变量的Job Shop调度问题

针对实际调度问题中存在的不确定现象,提出了加工时间服从正态分布、最大完成时间的期望值作为目标函数的随机Job Shop问题;然后提出了解决该问题的智能优化算法:采用随机模拟的方式产生输入输出数据,利用遗传算法训练神经网络,将训练过的神经网络嵌入到另一遗传算法中,用该遗传算法来优化Job Shop调度问题;最后给出了仿真实验,通过仿真实验证明,该算法对于解决加工时间为随机变量的Job Shop调度问题是行之有效的。     

有模具约束的平行机台最小拖期和调度问题

针对某电器企业的一个瓶颈工序来制定调度方案，该问题归纳为平行机台具有模具约束，目标为最小拖期和的调度问题．本文提出了如下的启发式算法：根据模具情况运用成组技术对工作成组并生成运行表：按运行表顺序对各个运行中的工作进行指派机台，设置禁忌模具集合，避免对运行的短视性；根据工作的交货期和加工时间选择适当的机台进行加工；在各个机台运用ＮＢＲ（ＮｅｔＢｅｎｅｆｉｔｏｆＲｅｌｏｃａｔｉｏｎ）算法调节顺序以减少拖期和．该算法在厂家的实际测试中，通过三个不同的实例与手工排程进行了比较，各项指标均有明显优势．     

单机订单接受与加工调度问题的拉格朗日松弛算法

针对不同类型订单加工切换时机器需要准备时间的实际生产情况，研究了单机订单接受与加工调度优化决策问题，旨在最大化企业净收益。鉴于研究问题的强NP难属性，设计了基于拉格朗日松弛理论的启发式算法。首先，该算法通过加入相邻订单相异性约束以提高松弛解质量；其次，应用动态规划递推公式求解拉格朗日松弛问题；最后，利用问题的优化性质并基于贪婪规则构造原问题可行解。不同规模问题的实验结果表明，该算法能在合理计算时间内得到满意的近优解。