三目标单机随机调度问题

讨论一类具有随机加工时间的单机调度问题 ,目标是确定 n个独立工件的最优排序 ,使工件提前完工时间之和 ,延误时间之和及守工时间之和的线性组合之期望值最小 .在一定条件下得出最优排序的形状.     

基于改进DP算法的具有优先序的变速机最小化成本调度

研究了工件具有任意标准优先序、一台机器在同一时间只可加工一个工件、最小化工件加工成本与机器使用成本之和的变速机调度问题.为该问题建立了DP模型,通过启发式规则和常规动态规划方法相结合、引入工件完工时间界限并保存每一步函数值,得到改进的DP算法,数值实验显示该算法具有较强的寻优能力和稳定性.     

极小化加权总完工时间的同时加工排序问题

讨论了平行机串联工件同时加工排序问题。目标函数是极小化加权总完工时间,并假设满足每批均含有k个工件,并且每批的加工时间为该批中所有工件的加工时间之和。对平行机的情况,该问题是强NP难的。本文主要针对该问题的两种特殊情况:(1)所有工件的权相等;(2)所有工件的加工时间相等,分别给出了最优算法,分析了算法的时间复杂性,同时用数值例子作了说明。     

工件带有温降的生产与前运输协调调度问题

研究单机环境下生产与生产前运输的协调调度问题,目标函数是最大完成时间最小化.具有热状态的工件等待加工时温度降低会导致处理时间的增加,从而假设具有热状态工件的实际处理时间为等待时间与初始处理时间之和,温度无变化工件的处理时间不变.对于车辆数为1,被调度工件均温度不变化问题,给出最优算法;证明了车辆数为1,同时存在热状态工件和温度不变化工件的调度问题和车辆数为2,同时存在热状态工件的调度问题是强NP困难问题.     

软计算求解并行多机成组工件调度问题

自从Zade将模糊理论引入求解组合优化问题以来，出现了很多基于模糊规则与智能优化算法相结合的软计算方法，文章尝试将这种方法用于解决并行多机成组工件flow-time问题，本问题中，设有n个工件计划在M台并行一致的机器上加工，这n个工作根据相似性分为b组，开始加工时，需要一个准备时间，当工件接续在同组工件之后加工时，不需要准备时间，反之，接续在不同组工件之后加工时，需要一个准备时间，本问题的目标是找到一个工件加工的调度顺序序列，使M台机器总的流水时间最小，在文章中，作者首次利用模糊规则量化结合遗传算法的软计算方法求解这类复杂的组合优化问题，最后给出计算实例及仿真结果。     

线性加工时间的树约束单机排序问题

研究工件具有线性加工时间、工件间优先约束为树约束的单机排序问题。目标函数为极小化加权完工时间和。在工件加工时间是其开工时间的线性函数的条件下，本文证明了最大家庭树中的工件优先于家庭树中的其它工件的加工，并且其工件连续加工所得到的排序为最优排序。     

一类带有安装时间的单机成组排序问题

针对一类带有准备时间和安装时间的单机成组排序问题,给出了求解最优排序的多项式算法。其中每个工件都具有自己的准备时间,组和组之间具有安装时间,并且安装时间和已经加工完工件的加工时间有关。所有工件在机器上加工时,一次只能加工一个工件,工件不可中断,组内工件连续加工,组和组之间需要安装时间。对目标函数为极小化最大完工时间的单机成组排序问题,给出了求解最优排序的多项式算法。原问题不是成组问题,为此在原问题的基础上添加了工件的成组问题且组内每个工件都具有自己准备时间,其结果是依然能给出求解最优排序的多项式算法。     

一类单机维护调度问题研究

在单机维护调度中，研究如何权衡工件在系统中停留所产生的费用与附加费用，以使两者之和为最小这一问题，给出解决该问题的一个方案。实验结果表明，此方案不仅使目标函数值得到明显改善，也缩短了许多工件的完成时间，从而使更多的工件能够按时交付，提高了企业的竞争力。     

一类单机随机调度问题解的特征

讨论了加工时间随机的单机调度问题，工件的加工时间服从指数分布，目标函数具有一般形式，涉及工件完成时间与交货期偏差的正规和非正规目标函数，如工件关于交货期拖后时间期望和，工件完成时间关于交货期绝对偏差的期望和等，都是其特殊情形．给出了最优解的特征，包括SEPT(shortest expected pro—cessing time)调度，LEPT(largest expected processing time)调度和关于加工时间参数的A形调度,这些特征可用于确定问题的最优解。     

JOB SHOP投入控制与调度研究

在生产系统中，有效地控制工件生产指令的下达可降低库存水平，提高企业对市场的反应能力．本文将投入控制定义为一个双目标问题，即在满足工件交付期的条件下，使工件的投放时间之和达到最大．对上述双目标问题，给出了两个启发式方法和一个将分支定界法与活动调度构造算法相结合的混合最优算法．计算结果表明利用本文所提出的方法可极大降低库存水平