穿梭车仓储系统复合作业路径优化

将入库任务和出库任务进行合理搭配构成复合作业是穿梭车仓储系统常用的作业模式,合理的复合作业路径优化对于提升作业效率,降低作业成本具有重要意义。为提高穿梭车仓储系统的出入库效率,将系统复合作业路径优化归结为任务指派问题,以完成一批拣货任务的总时间最小为目标建立优化模型。设计了一种改进的离散粒子群优化算法,重新定义了粒子的位置和速度及运动方程,将循环交叉和交换变异引入速度的加法运算,实现算法的快速收敛,同时通过排斥算子保持粒子群的多样性,减小算法陷入局部最优的可能性。仿真结果表明,该算法性能优于遗传算法,有效地缩短了复合作业的时间,提高了拣货效率。     

集装箱码头ALV调度与堆场位置分配集成优化模型

针对自动化集装箱码头水平搬运作业和堆场作业,提出一种集成调度优化方法,以最小化最大完工时间为目标,同时考虑船舶装、卸作业,建立自动升降车(automated lifting vehicles,ALV)调度与堆场位置分配集成优化模型,提出求解模型的优化算法,设计基于遗传算法的启发式算法,利用算例对模型与算法的有效性进行了验证.计算结果表明,提出的启发式算法可以提高运算效率,能够在很短的时间内对大规模算例求出高质量的解.另外,集成优化模型同时考虑码头多个作业环节,有利于提高自动化集装箱码头的装卸作业效率.     

平顺移动下等量分批FJSP多目标优化研究

为解决平顺移动下等量分批柔性作业车间调度问题多目标优化的困难,对平顺移动下等量分批柔性作业车间调度多目标优化方法进行了深入研究。首先,针对平顺移动方式下等量分批柔性作业车间调度的特点,建立了一类以完工时间最短和制造成本最低为优化目标的等量分批柔性作业车间调度多目标优化模型。其次,提出并设计了一种改进的NSGA II算法对模型进行求解。算法中引入面向对象技术处理复杂的实体逻辑关系,使用一种基于工序及设备编码的分段编码技术进行编码,采用分段交叉和变异的特殊遗传算子实现遗传进化,应用4种精细化调度技术于解码过程以提高设备利用率。最后,通过案例分析验证了方法的有效性。     

遗传算法在企业铁路取送调车作业优化中的应用

如何合理安排企业铁路取送车作业是企业铁路调车作业中的一个重要环节.本文针对调车作业方式＂送取分离＂的企业铁路货运站,参照3车列的取送车仿真时序,建立了取送车作业优化问题的数学模型.同时,提出一种带启发式知识的进化增强型遗传算法用以求解这类大规模组合优化问题.算法一方面通过启发式知识产生优良个体并有效保存,加速算法寻优;另一方面通过有效的交叉和变异操作保证算法的多样性,避免算法早熟;从而最终有效提高算法的寻优效率.实例计算结果验证了模型和算法的有效性和工程实用性.     

基于深度强化学习的云作业调度及仿真研究

针对复杂瞬变的多用户多队列多数据中心云计算环境中作业调度困难的问题,提出一种基于深度强化学习的作业调度方法.建立了云作业调度系统模型及其数学模型,并建立了由传输时间、等待时间和执行时间三部分构成的优化目标.基于深度强化学习设计了作业调度算法,给出了算法的状态空间、动作空间和奖赏函数.设计与开发了云作业仿真调度器,完成作...     

提箱作业优化问题的嵌套启发式算法

针对集装箱堆场进口集装箱的提箱作业计划问题,建立了以作业总成本最小为目标的多阶段决策优化模型,构造了内外嵌套两层结构的优化算法,内层算法实现最短路径搜索子模型,外层算法实现倒箱策略优化子模型.对内外层优化算法,设计了基于启发式A*与GA算法分别组合的4种方案.实例分析表明:各算法组合方案具有相同的有效性,当问题规模较小时,A* A*较好,但问题规模增大时,GA GA较好.     

考虑保障装备可用度的舰载机作业调度优化

为了在保证较高水平的保障可用度前提下提高舰载机出动效率, 提出一种支持可用度约束的统计优化模型及其对应的启发式求解算法。能够同时生成舰载机的保障作业调度方案和保障装备计划性维护的时间安排, 并通过基于仿真的优化方式, 在启发算法的适应度评价中增加对视情维修和事后维修的仿真, 提高了舰载机作业调度方案的鲁棒性。仿真结果表明，所提算法能够提供一个稳定可靠的基准调度方案, 避免不必要的重调度。     

带时间窗的多式联运作业整合优化算法

快速、低成本的货物运输已成为现代物流的发展趋势,多式联运及多作业整合是物流企业减少运输时间和成本的有效方法.为此,首先建立了基于图状结构的带时间窗的多式联运及多代理人作业整合优化模型;然后提出了代理商选择和路径及运输方式协同优化的两层优化算法:第一层采用转移、交换和环形移动三种移动策略实现作业的分配,第二层采用基于正交试验的混合田口遗传算法实现路径及运输方式的组合优化;最后用具有不同时间约束的算例来考察模型和优化算法的有效性.结果表明,受时间约束的影响,作业整合只能在部分作业之间进行,并且随着时间窗约束的增强,物流运输总费用将增加,与实际情况基本相符,说明了模型及优化算法的可行性和有效性.     

基于改进狼群算法的柔性作业车间调度研究

将一种改进的狼群算法用于解决柔性作业车间多目标调度优化的难题。以工件的最大完工时间和机器能耗为优化目标建立了多目标柔性作业车间调度模型；针对传统狼群算法容易陷入局部最优的缺点提出了一种改进的狼群算法，通过对狼群算法智能行为的改进，从工序和机器2个层面设计个体编码，引入POX (precedence operation crossover)交叉操作，保证解的合法性，提高算法的全局搜索能力；通过对2个车间实例的对比实验来验证改进狼群算法的有效性。实验结果表明，提出的改进狼群算法不仅具有良好的全局搜索能力，寻优能力较其他算法也有所提升，能够为制造业提高生产效率提供新的解决思路。     

基于模糊评判的单机多目标作业排序问题的优化方法

以往对单机作业排序的研究大都限于单目标问题，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。本文运用模糊综合评判方法，提出一种单机多目标作业排序的遗传优化算法。     

GAPSO：一种高效的遗传粒子混合算法及其应用

在粒子群算法和遗传算法融合的基础上提出了一种新的算法(GAPSO).该算法模仿自然界的个体成熟过程,对遗传算法中的每一代群体中的优秀个体,采用粒子群算法获得进一步的提高,使算法获得比遗传算法和粒子群算法更加好的优化效果.在FCRNN设计应用中表明该算法确实比遗传算法和粒子群算法有更加好的效果.     

基于学习机制的退火并行遗传算法应用研究

本文综合并行遗传算法(PGA)和模拟退火算法(SA)的优点,提出一种新的退火并行混合优化策略(PGASA).该算法克服了并行遗传算法局部搜索能力弱的缺点,在子种群的搜索中引入SA作为GA种群的变异算子,增强和补充了PGA的局部进化能力;同时将机器学习原理引入到混合算法中,增加了种群的平均适值,有效地避免了最优解的丢失,加快了进化速度.针对车间调度中的典型问题进行了仿真,结果证明了新算法的有效性.     

一种小种群自适应遗传算法研究

分析了变异算子在标准遗传算法和自适应遗传算法中的作用和当前研究的不足,提出一种新颖的能够大大提高遗传算法性能的变异策略,并进而提出一种小种群自适应遗传算法.该方法在采用赌轮选择和单点交叉的情况下,利用一种可伸缩的变异策略使得算法在探测和开发之间取得很好的平衡,从而能够用小规模的种群进行有效的全局搜索和局部搜索,避免早熟收敛,并能够以较快的速度收敛到全局最优解.对多峰函数的仿真实验表明了算法的有效性.     

基于Elmore模型的Steiner树问题的求解

建立了一种求解基于Elmore延迟模型的Steiner树问题的遗传算法。针对Steiner树问题的特点,在引入一种新的具有自适应性的杂交概率和变异概率的基础上,提出了面向Steinet树问题的遺传算法和一种构造染色体的新方法。提供了遗传算法的结构并讨论了遗传算子。分析了基于时间和空间的算法复杂性。     

基于嵌入混沌序列的遗传算法

将混沌序列引入遗传算法中,获得了一种新的算法．该算法有效地克服了标准遗传算法中的“早熟”现象,并具有更快的收敛速度．计算机模拟验证了上述特征．同时还将改进了的算法用于多重小波神经网的训练．     

遗传算法与旋转正交设计的结合应用

将遗传算法与旋转正交法结合起来 .在对种群进行操作的过程中 ,通过旋转正交法将问题可行域的不同正交子空间的最优个体不断引入到种群中 ,提高遗传算法的搜索效率和稳定性 ,同时有效的避免了多峰情况下经常出现的非成熟收敛现象.     

基于效果的常规导弹火力分配模型智能求解算法

基于效果作战已成为现代信息化战争的一种新的作战模式。以基于效果作战思想为基础,通过引入射击有利度这一新要素,建立了基于效果作战模式下常规导弹火力最优分配模型。针对该类组合优化模型求解的复杂性,通过遗传算法与模拟退火算法的有机融合,提出了基于动态收敛准则的遗传模拟退火算法。仿真实验表明:该算法具有优良的全局收敛性,有利于提高常规导弹火力分配的有效性和准确性。研究结果可为常规导弹作战中的火力指挥决策提供支持,对提高常规导弹力量火力打击效果具有参考价值。     

利用多群体DNA遗传算法求解线性规划问题

针对经典遗传算法存在的问题 ,提出了多群体DNA遗传算法。该方法在经典遗传算法的基础上 ,通过借鉴生物学及社会学 ,引入了多群体及DNA片断等概念 ,并提出迁移与自适应变异算法 ,可以提高遗传算法的有效性与收敛性。为了验证算法的有效性 ,将该算法应用于线性规划问题的求解。在求解过程中 ,首先利用熵障碍对偶方法对原问题进行转换 ,然后使用多群体DNA遗传算法对转换后的目标函数进行求解。仿真结果表明 ,该方法具有良好的全局搜索能力和较快的收敛速度。以上工作为解决大规模线性规划问题的求解提供了全新的思路和方法 ,对遗传算法应用的发展具有重要意义     

利用混沌搜索全局最优解的一种混合遗传算法

首先系统分析了遗传算法与其它算法混合的几种策略 ,详细讨论了遗传算法与混沌优化算法的混合问题后 ,给出一种新的混合遗传算法。仿真结果表明 ,新算法能在很短的时间内 1 0 0 %地搜索到全局最优解     

基于遗传禁忌混合搜索算法的设备布局研究

针对设备布局影响制造系统的总体功效的问题,但同时遗传算法在实际应用中,出现早熟现象,爬山能力弱,等一系列缺点提出遗传禁忌混合搜索算法,该算法将遗传算法和禁忌搜索相结合,遗传算法的交叉算子中增加记忆功能,避免迂回搜索,以禁忌搜索作为遗传算法的变异算子。通过实例计算,证明遗传禁忌混合搜索算法是一种行之有效的算法,对解决设备布局这类组合优化问题具有实用价值。