缓冲区间有限条件下的作业车间调度方法

针对缓冲区间有限条件下的作业车间调度问题,以最小化make-span为目标建立了非线性混合整数规划模型,提出了基于邻域搜索的两阶段算法对问题进行求解.算法的第一阶段为迅速找到可行解,第二阶段为基于非连通图,通过邻域搜索对得到的可行解进行优化.针对benchmark算例进行测试并与已有的算法进行对比,验证了算法的有效性.对比分析发现,如果工件的加工时间符合均匀分布,当缓冲区间容量与工件数量的比例达到20%,缓冲区间大小对调度结果的影响将会迅速变小.     

一类带缓冲区的混合Flowshop生产过程的Makespan生产调度

就最早完工(Makespan)指标为一类带缓冲区的混合Flowshop生产过程建立调度模型.针对混合生产过程调度的缓冲区及生产能力约束,定义由连续生产过程为离散加工而生产半成品原料所需的延迟时间为预备时间.假设在预备时间不为零时,判定原调度结果是否仍保持最优,并给出将原调度结果作为次优调度时的误差范围.仿真算例表明了文中算法的可行性.     

考虑缓冲区容量的岸桥、AGV和堆场起重机集成调度

为了提高自动化集装箱码头装卸设备之间的协调程度和作业效率,针对码头卸船过程中岸桥、自动化导引车(automated guided vehicle,AGV)和堆场起重机的集成调度问题,考虑了堆场交接缓冲区的容量约束,以最小化卸船任务完工时间为目标,建立了考虑缓冲区容量约束的集成调度混合整数线性规划模型,确定各装卸设备作业序列并优化缓存位-任务的分配关系.设计了优先级偏随机密钥遗传算法和贪婪插入启发式对问题求解.实验结果验证了模型和算法的有效性,并得出适当的缓冲区容量能够缩短船舶在港时间,降低码头水平运输区域压力,提高AGV利用率.     

成对自动堆垛起重机在集装箱码头中的实时调度研究

【目的】通过对成对自动堆垛起重机在堆场调度问题的研究,为自动化集装箱码头中的运输问题的解决提供理论依据。【方法】针对成对自动堆垛起重机,建立了以最小化外集卡和船舶延时为目标函数的不对称的多旅行商模型,引入了接力、缓冲、干扰等关键约束,并利用并行实时调度策略对多组情景进行案例研究分析。【结果】模型设立了多个缓冲区以及使用接力作业,结果表明这些对减少外集卡和自动引导小车的等待时间,从而提高作业效率有着重要作用。【结论】设主缓冲区以及接力区可以减少作业延时,并且在海侧作业量较多时,增加缓冲区的容量可以更有效地增加作业效率。
     

成对自动堆垛起重机在集装箱码头中的实时调度研究

【目的】通过对成对自动堆垛起重机在堆场调度问题的研究,为自动化集装箱码头中的运输问题的解决提供理论依据。【方法】针对成对自动堆垛起重机,建立了以最小化外集卡和船舶延时为目标函数的不对称的多旅行商模型,引入了接力、缓冲、干扰等关键约束,并利用并行实时调度策略对多组情景进行案例研究分析。【结果】模型设立了多个缓冲区以及使用接力作业,结果表明这些对减少外集卡和自动引导小车的等待时间,从而提高作业效率有着重要作用。【结论】设主缓冲区以及接力区可以减少作业延时,并且在海侧作业量较多时,增加缓冲区的容量可以更有效地增加作业效率。     

集散区域快递物流车辆调度模型及其算法

在分析集散区域快递物流运输特点的基础上,研究了固定时间窗内多车型车辆往返运输的车辆调度问题,建立以运输总成本最小为目标的数学模型,并给出遗传算法求解办法。实例表明,该模型和算法能有效地满足物流车辆调度需求,降低企业的物流成本。     

实际约束条件下多配送中心物流车辆调度优化

传统方法难以解决有时间窗等具有实际约束条件,且调度结果并非最优,提出一种基于变邻域搜索算法的多配送中心物流车辆调度优化方法。对多配送中心物流车辆调度优化问题进行分析,在分析结果的基础之上构建实际约束条件下多配送中心物流车辆调度数学模型;利用变邻域搜索算法求解物流车辆调度模型的最优解,完成实际约束条件下多配送中心物流车辆的调度优化。实验结果表明,采用所提方法进行多配送中心物流车辆调度,其总运输时间短、运输总费用低,调度结果较优,且符合实际约束。     

融合唤醒阈值与半休眠模式的云虚拟机调度策略

为了满足云用户请求响应要求的同时进一步提高云平台能量效率,融合唤醒阈值与半休眠模式,提出一种新型的云虚拟机调度策略。在一个半休眠周期结束时刻,如果缓冲区中等待的云用户请求数达到阈值N,虚拟机则由半休眠状态转入唤醒状态,以正常速率为云用户请求提供服务;否则,虚拟机将重新开始一次新的半休眠周期,持续为云用户请求提供低速服务。根据云虚拟机调度策略的原理,建立一个具有N策略和多重异步工作休假的多服务台排队模型。利用拟生灭过程和矩阵几何解方法,推导云用户请求平均逗留时间与系统节能率等性能指标。综合数值分析实验和系统仿真实验,评估云虚拟机调度策略的系统性能。构造成本函数,利用蚁群智能寻优算法,给出云虚拟机调度策略的优化方案。     

随机型装配线平衡与缓冲区配置集成优化

线平衡问题和缓冲区配置问题在装配线设计中常被分开独立研究,二者之间存在复杂的交互影响关系.随机型装配线由于操作时间波动加剧了二者之间的相互作用与影响,先平衡再缓冲区配置的串行优化模式难以得到全局最优结果,因此需要在线平衡的同时协同解决缓冲区配置问题.针对随机型装配线规划问题,在基于操作时间状态熵的工位复杂度定义基础上,以生产率最大,整线工位复杂度均衡指数、标准操作时间均衡指数和缓冲区总量最小为优化目标,构建线平衡和缓冲区配置集成优化模型.采用参数化建模仿真获取整线生产率,通过改进的遗传算法获取集成优化方案.最后对变速箱装配线实例进行计算验证,证明了该方法的有效性.     

车间多载自动导引车绿色物流调度

随着现代制造业的飞速发展,企业在生产效率和生产能耗方面有越来越高的要求,智能生产车间的自动化程度逐渐提高。主要研究作业车间自动导引车(automated guided vehicle,AGV)的智能绿色物流调度问题。首先,建立以降低AGV能耗和最优AGV路径为目标的AGV物流调度优化模型;然后,提出一种以任务排序为约束的改进遗传粒子群算法;最后,以某针织车间的实际物流调度为例对文中方法进行验证。计算结果表明,文中提出的AGV物流调度模型能够较好地模拟AGV绿色调度耗能问题,提出的改进遗传粒子群算法具有较快的收敛速度和较好的寻优能力。     

带机器准备时间的两台机器半在线排序

研究了两台机器的两个半在线排序问题.当机器为有准备时间的同类机时,总加工时间已知;当机器为有准备时间同型机时,最大加工时间已知.对这两个问题,给出了各自的半在线算法,证明了他们的竞争比分别至少为b 1/2b 1和2/3,其中b,为机器速度,b1=1,1＜b2=b.     

磁带库随机I/O缓冲调度算法的性能

为了提高磁带设备的在线存储效率,提出了一种磁带库缓冲调度算法.该算法采用磁盘驱动器做缓存,将磁带库设备虚拟为逻辑块设备使用.同时,提出了主动写回以及读预取方法,将磁带库的随机读写操作顺序化,以改善系统随机读写性能.文中还对算法性能进行了详细分析,并利用仿真方法对算法进行了测试,结果证明系统集合I/O和单I/O响应时间能够得到明显改善.     

具有预约到达时间的平行机在线排序问题研究

以现代服务业预定系统中的实际问题为背景,研究了一类具有预约到达时间和最迟完工时间的在线排序问题;论证了两台机器时该问题的在线算法竞争比下界为2;在传统在线排序算法的基础上提出了针对该问题的在线贪婪算法,并分析了该算法的竞争比.     

集装箱港口集疏运调度系统作业模式的仿真分析

为解决复杂的集装箱港口集疏运系统多阶段动态调度的问题,借鉴柔性制造系统(FMS)生产调度问题的研究方法,提出了由集装箱集疏运问题向FMS生产调度问题转化的方法和模型;分析了各个阶段动态调度的决策点和决策规则,提出了基于规则的方法实现集装箱集疏运系统的实时动态调度,为集装箱码头调度问题的研究提供了新思路和新方法.利用WITNESS仿真工具分别模拟了面向作业线的静态调度和面向作业面的动态调度两种集装箱集疏运调度模式,结果表明,动态调度模式的效率提高了约9.66%.     

军事融合式物流运输调度节点规划模型分析

为有效提高军事融合式物流运输效率,从物流运输节点入手,设计一种新的物流运输调度节点规划模型。首先确定各节点物流需求,以需求子集的形式进行数字化模拟操作,通过确定需求子集,排除当前物流的独立需要; 通过对应匹配集进行需求聚类简化,确认当前节点的优先性特征; 根据聚类结果,对当前未指定物流顺序的物流节点和不存在的物流约束点进行排序; 根据约束条件,确定最佳物流路径,实现物流运输调度节点规划。实验结果表明,应用该节点规划模型后,军事融合式物流冲突率降低超过20%,无阻路径长度差距为37%,证明该模型可以有效提高物流效率,应用优势较强。     

局内车辆选线问题的比较策略及其竞争比分析

对现实物流配送中遇到的无法预测的线路堵塞问题，建立了具有堵塞点的局内车辆选线问题的数学模型，并分别介绍了局内运输车辆调度的贪婪策略和复位策略．在全面分析了这2种基本策略在竞争性能上的优劣之后，给出了比较策略及其算法模型．最后，讨论了该策略的竞争性能．结果表明，比较策略实现了对局内运输车辆的优化调度．     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.