考虑工艺顺序和组合分段的多堆场调度方法

为了解决船舶分段多堆场调度过程中工作效率低、运输成本高的问题,针对多堆场调度任务执行顺序、进场及阻挡分段移动等环节,综合考虑堆场的工艺属性、分段形状组合等要素,建立以最小化运输成本为目标的分段多堆场调度模型.通过对比分析2种进场分段堆位分配策略,提出阻挡分段跨堆场调度的移动策略;改进传统的任务顺序调整策略,并用禁忌搜索算法进行优化;最后,分析堆场占用率及各个调度策略组合对实验结果的影响.实验结果表明,堆位分配策略和阻挡分段的跨堆场调度策略能有效降低多堆场调度的运输成本,减少阻挡分段产生的比例,进而达到提高运输效率的目的.     

带有进场时间窗的船舶分段堆场调度

为改善船舶分段堆场调度主要依靠经验的现状,建立了带有分段进场时间窗约束,以最小化分段移动度为目标的堆场调度模型.提出采用多链DNA遗传算法对分段的移动顺序、放置位置和运输路径进行优化,并分别采用5种阻挡分段移动策略进行求解.最后,以船厂实际生产数据作为输入,检验遗传算法的有效性和5种移动策略的调度效果.实验表明,多链DNA遗传算法具有较好的收敛性,通过不同输入参数下各种移动策略的对比,可知移动策略2的调度结果最优,能够有效减少分段的非增值运输.     

分布式两阶段混合流水车间调度

针对分布式两阶段混合流水车间调度问题(DTHFSP),提出一种教学优化算法(TLBO)求解工厂分配问题并设计一种启发式算法解决机器分配问题,以最小化最大完工时间.首先,采用均衡工厂负载的方法生成初始班级;然后,引入淘汰机制以加强对优势解的局部搜索效率,并在自学阶段增加反思过程强化教学结果;最后,通过大量实例实验验证了教学优化算法在求解分布式两阶段混合流水车间调度问题时的搜索优势.结果分析表明教学优化算法在求解分布式两阶段混合流水车间调度方面具有更好的稳定性和求解质量.     

基于不同分配策略的云计算任务调度性能比较与分析

形式化描述了云计算环境下的负载均衡任务调度问题,借助动态规划方法形式化推导了最早完成时间的启发式优先分配策略,给出了基于先易后难优先分配策略、先难后易优先分配策略的启发式云计算任务调度算法。阐述了基于顺序调度策略、先易后难优先分配策略、先难后易优先分配策略等启发式任务调度算法和基于禁忌搜索策略、元胞演化策略等智能任务调度算法。针对不同分配策略的云计算任务调度进行性能比较与分析,提出了完成时间可改进百分比和资源负载平衡因子的调度性能评价指标,实验数据对比充分表明:与启发式调度算法相比,智能调度算法能减少任务执行时间,优化资源负载均衡性能。     

成组集中策略下滚装汽车堆场车位分配优化

滚装汽车堆场车位分配的合理性直接影响到滚装运输过程中汽车装卸滚装船舶的周转率.为提升装卸作业效率,研究了堆场车位最优分配问题;按照成组集中分配原则,以提高堆场内成组汽车停放集中度为目标,建立了衡量成组汽车停放集中度的混合整数规划模型;进而设计了基于网格随机搜索的启发式算法对模型进行求解.通过数值实验与分支定界法作比,验证了模型的合理性及网格随机搜索算法的有效性,拓展了汽车滚装码头堆场车位分配管理的理论研究.     

基于CSA和PSO的多目标优化任务调度算法

针对现有云计算环境中任务调度算法资源利用率低、完成时间长和调度成本高的问题,提出一种基于布谷鸟搜索算法(Cuckoo Search Algorithm, CSA)和粒子群优化(Particle Swarm Optimization, PSO)混合的多目标优化任务调度策略.该策略以完成时间、成本以及最后期限违反率为目标函数,将布谷鸟搜索算法和粒子群优化有效地组合来执行智能优化任务调度问题,避免调度过程中出现局部最优现象.实验结果表明:相对于其他启发式调度算法,本文提出的方法明显具有优势,可以最大程度地降低完成时间、调度成本和最后期限违反率.     

集装箱堆场箱位分配及多场桥调度协同优化问题

为提高集装箱码头堆场作业效率和降低运营成本,对堆场箱位分配及多场桥调度协同优化问题进行了研究.采用分区域平衡策划方法进行场地策划,考虑场桥间安全距离和场桥作业量均衡,以场桥移动成本和空闲成本之和最小为目标,建立集装箱堆场箱位分配及多场桥调度协同优化模型.为增强遗传算法的全局搜索能力,将模拟退火思想引入到遗传算法进化过程中,设计模拟退火遗传算法进行求解.通过数值实验验证了算法的有效性,并针对箱区不同规模的出口箱量进行实验分析,结果表明分区域平衡策划方法可以更好地解决箱位分配及多场桥调度协同优化问题.     

考虑翻箱作业时出口箱堆场作业调度优化

基于出口箱的堆场操作实务,考虑堆场起重机取箱作业的现实约束,以作业过程中翻箱次数最少为目标,对堆场作业调度问题进行建模,提出了两阶段混合动态规划算法,将启发式规则嵌入动态规划算法中,以避免出现状态数"组合爆炸"增长的情况.通过仿真算例,并与实际调度规则及现有研究方法所得调度方案进行对比,验证了模型以及优化算法的有效性与实用性.结果表明,所提出的模型和算法可以在较短的求解时间内获得多组装船方案,且其翻箱次数显著降低.     

基于遗传算法的船舶分段堆场调度研究

针对船舶分段移动计划主要依靠经验以及缺乏有效调度的现状,研究建立以分段移动度最小为目标的优化模型,综合考虑了分段在堆场中的停放位置及进、出场路径.通过遗传算法选择分段在堆场中停放位置的最优方案,并构建启发式规则确定分段在堆场中的最优进、出场路径, 从而实现对模型的求解.最后以某船厂实际数据为例,对模型在堆场调度问题中的应用进行了实例验证,结果表明, 所研究方法可求解得出较优的堆场作业计划,并实现堆场资源的高效利用.     

基于Petri网与动态加权启发策略的FMS调度优化

为解决基于Petri网的柔性制造系统(FMS)调度方法搜索效率不高的问题,提出了一种调度优化算法。采用了改进的最优节点选择方法来提高算法节点搜索能力;在算法搜索进程中使用了动态加权启发函数,以保证最终找到某种最佳或较满意的调度结果;使用了启发式A*算法与深度优先算法相结合的方法以加快算法的收敛速度。这些策略减小了算法在Petri网可达图中节点的搜索范围,加快了算法的收敛速度,并且保证了调度结果质量的可控性。最后仿真结果证明了方法的有效性。     

多vCPU环境中基于容器的科学工作流调度策略

现有科学工作流调度研究较少考虑计算资源的多道程序设计,难以同时实现有效的容器共享并优化任务并行度与资源利用率。为了解决以上难点,文章提出了一种分布式多vCPU环境中基于容器技术的分段式工作流调度策略。该策略通过分段调度方法,降低启发式算法的解空间大小,使用带遗传算子的自适应离散粒子群优化算法(ADPSOGA),在设备使用成本的约束下优化各个工作流的完成时间,并制定一种容器与设备间的动态伸缩方案,实现容器的复用并解决单个设备中任务并行时的资源争用问题。结果表明：ADPSOGA的性能优于其他同类启发式算法,并且分段调度方法与容器伸缩方案在工作流调度方面表现出良好的性能,能很好地适应因任务并行度增加所带来的影响。     

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.     

基于遗传算法的复合式贴片机贴装过程优化

针对复合式贴片机的贴装过程优化问题,将其分解为元件分配、供料器布置和元件取贴顺序3个子问题.在分析实际工程应用的基础上,以动臂的负荷平衡和最小移动距离为目标,建立了双动臂转塔式贴片机的贴装过程集成优化模型,采用遗传算法和元件分配启发式方法相结合的方式实现了贴装过程的优化.算法中提出了一种分段二元实数编码方法,在一条染色体中同时描述了元件分配、供料器布置和元件取贴顺序.针对提出的编码方式,采用改进的顺序交叉和自适应的变异操作,结合轮盘赌选择和精英选择策略以及适应度函数的设计,在满足贴片机运动机构约束条件的情况下,使得遗传搜索能够快速地进入有效解空间进行搜索.实例计算结果表明,该算法能实现多动臂转塔式贴片机贴装过程的优化,从而提高印刷电路板的装配效率.     

集装箱码头的堆场管理优化问题

考虑卡车调度以及调度方案造成交通拥堵的影响下,研究堆场内部空间的分配和场桥(YC)的调度问题.将上述问题整合成一个整数线性规划模型,模型以YC及卡车的调度费用的总和最小为优化目标.设计和声搜索算法和约束满足算法求解上述模型.通过堆场空间的合理分配以及高效的调度方案,可以提高集装箱码头的运行效率,进而降低集装箱码头的运营成本.     

微粒群优化在Job-shop调度中的应用

Job-shop调度问题是典型的NP-难问题,利用微粒群优化的全局搜索能力和高搜索效率以及模拟退火算法的局部搜索能力,发展了一种快速、且易于实现的新的混合启发式算法,并将其应用于求解标准Job-shop调度问题,计算结果以及与其他算法的比较说明,该算法是一种求解Job-shop调度问题的可行且高效的方法。     

具有岸桥碰撞和甲板约束的岸桥混合装卸作业调度优化

针对具有岸桥间不可相互穿越及安全距离约束、甲板开闭约束的集装箱码头岸桥混合装卸作业的调度优化问题,分析了岸桥装卸与移动过程中的相关性质,并提出一种基于减小岸桥移动距离和均匀化岸桥负荷的启发式算法.在该算法基础上设计了一种遗传算法,进一步搜索最优解,并推导了问题的一个低界.数据实验表明,所提出算法的解具有良好的质量和较高的时间效率.     

基于改进马群算法的进场航班调度优化

进场航班调度优化问题是终端区管理效率提升中的关键问题,可以将其转化为组合优化问题求解.马群算法作为新型群智能算法,其收敛速度和寻优能力在高维函数优化问题中得到验证,为将其优势运用于进场航班调度问题中,基于排列编码,提出交换和翻转行为结合的并行2-opt搜索的启发式搜索策略和新型概率融合个体生成的进化策略.在OR-Library案例上的仿真结果表明,改进后的马群算法能够进一步提升进场航班运行效率,此算法在小规模算例中收敛速度和精度超过现有算法,在大规模算例中也能够有较好的结果,与当前最好结果最大差距仅为1.15%.     

基于蚁群算法和遗传规划的跨单元调度方法

针对运输能力受限的跨单元调度问题,提出了一种基于蚁群算法与遗传规划的超启发式算法.通过蚁群算法搜索合适的启发式规则,并且利用遗传规划生成可以适用于问题模型的启发式规则,用以扩充规则集;同时引入时间窗的概念,用来决策每个小车运输时的等待时间.实验表明,提出的算法可以搜索出优质规则,并且通过遗传规划很大程度上改善了候选规则集,提升算法性能.同时时间窗策略的采用可以提高小车的利用率以及最小化总加权延迟时间.      

一种求解带有阻塞限制的混合流水车间的禁忌搜索算法

针对带有阻塞限制的混合流水车间调度问题,提出一种禁忌搜索算法和优先级规则相结合的方法.开发了启发式调度算法求出问题初始解,应用禁忌搜索算法对工件在第一级的排序进行优化,采用优先级规则进行其他级工件的排序.实验结果表明,该方法大大缩减了搜索空间,能够较好地解决此类调度问题.     

集装箱码头同贝同步装卸调度的多阶段混合流水线模型

针对同贝同步装卸的无等待、阻塞和批处理等特征,将其抽象为一类特殊的混合流水线问题,建立同贝同步装卸的优化调度模型,并进行模型的下界推导.为求解模型,设计基于禁忌搜索与启发式分配规则的求解算法.最后,通过算例验证模型与算法的有效性.结果表明:所建立的模型有利于实现装卸、以及各环节的同步调度;所设计的求解方法,可以保证调度方案的科学性和有效性.