排序方式: 共有69条查询结果,搜索用时 203 毫秒
1.
针对薄膜晶体管液晶显示器(TFT-LCD)制造cell阶段的多目标绿色调度问题,构建了最小化最大完工时间、总能耗和总生产成本为目标的优化模型。采用基于机器和工序的两段式编码,使用在步长因子前加入动态系数的改进布谷鸟搜索算法,结合双元锦标赛和动态淘汰制,根据聚集距离法筛选Pareto最优解来获得Pareto最优解集,对TFT-LCD制造cell阶段多目标绿色调度问题进行求解。结果表明,改进布谷鸟搜索算法优于标准布谷鸟搜索算法和带精英策略的快速非支配排序遗传算法,可以提高TFT-LCD制造cell阶段多目标绿色调度问题的求解效率和质量。 相似文献
2.
针对高铁制动机维修难、维修成本高等问题,建立了周期性预防维修优化模型。首先,基于可靠性理论,以最低成本为目标函数,引入改善因子来描述故障率演化规则;其次,以故障率服从威布尔分布为例,并用Matlab工具进行求解,求得设备最佳预防性维修次数,以及可靠度与成本、可靠度与改善因子间的关系;最终通过算法编程得出的结果验证了该模型在实际中的有效性。 相似文献
3.
为了解决MRO服务提供商的预维修调度问题,提出了基于设备故障预期的预维修人员优化调度方法。在该研究方法中,分析了MRO服务提供模式及其优点,建立了基于设备故障统计分布的预维修计划时间优化模型,根据模型确定设备的预维修计划时间,建立了设备预维修调度模型,采用量子粒子群算法对模型求解,并比对基于预维修计划时间的先来先服务方法。最后,通过实例示例了基于MRO服务提供商的预维修调度的求解过程,并对结果进行了分析,保证了模型的合理性及算法求解的有效性。 相似文献
4.
配送系统优化问题的分析与建模——以多对一配送网络为研究对象 总被引:1,自引:0,他引:1
在VMI模式下,物流配送系统中,供需双方的库存与运输的全面整合优化问题是获得配送系统总成本最优化的重要问题.通过运用双层规划法,为物流配送系统中典型的多对一配送网络建立具有随机需求的、多产品的库存与运输整合优化数学模型;用改进启发式算法分析其解法;并确定配送系统优化问题的最优成本下限以验证所用启发式算法的有效性;最后,运用算例验证模型与算法在实践中对改善库存与运输系统总绩效的重要作用. 相似文献
5.
在学习曲线理论和遗忘曲线理论的基础上,结合学习遗忘效应的模型,通过网络计划技术中的双代号网络图,引用案例来阐述员工的学习及遗忘行为对工期及关键路径造成的影响。与不考虑学习遗忘行为的情况相比,考虑员工的学习遗忘效应会使工期缩短、关键路径发生改变,且不同的学习比例会带来不同的效果。 相似文献
6.
针对作业车间调度问题,为了克服早熟收敛和容易陷入局部最优等不足,提出一种基于Lévy飞行的改进飞蛾扑火优化模型(LMFO)。首先,采用MFO算法求解作业车间调度问题,并与粒子群算法(PSO)、遗传算法(GA)进行对比研究,证明了MFO算法求解此类问题的有效性;然后,采用改进的随机键编码,引入Lévy飞行对MFO算法进行改进;最后,仿真实验表明,LMFO算法在求解作业车间调度问题时优于MFO、PSO和GA算法,能够跳出局部最优找到更好的解,且具有一定的鲁棒性。 相似文献
7.
针对教与学优化算法寻优精度低、收敛速度慢以及局部最优避免性弱的问题,提出了一种改进教与学优化算法(MTLBO)。在算法的教学和学习阶段,分别引入了非线性收敛因子调整策略和标杆管理策略。基于2种策略的随机组合形成了3种不同的MTLBOs,与标准教与学优化算法(TLBO)的对比实验结果表明,3种MTLBO均优于TLBO,其中,引入2种策略的MTLBO3取得了最佳的数值实验结果,其远优于原始TLBO。为进一步验证提出算法的有效性,与其他著名的群智能优化算法进行了数值实验对比。数值结果和收敛曲线表明,MTLBO3的寻优性能明显优于其他对比方法,具有更高的求解精度、更快的收敛速度以及更佳的局部最优避免能力。最后,使用有约束的工程优化问题进一步验证了提出算法的有效性。 相似文献
8.
[目的]针对2M1B生产系统,提出了一种可用度约束条件下的设备预防维修模型,以预防维修周期和缓冲区库存量为自变量,以系统最低可用度要求为约束条件,以周期内单位时间总成本最小为优化目标,获得系统最优预防性维修周期以及最佳的缓冲区库存量.[方法]首先,针对2M1B生产系统的上游设备,通过更新酬劳理论计算设备周期内平均总维修费用;其次,通过分析缓冲区内库存的变化,得到周期内缓冲区库存的持有费用和缺货费用,建立系统周期内总费用模型;最后,在系统最低可用度要求的约束条件下,运用离散迭代对模型优化求解,得到最优预防性维修周期以及最佳缓冲区库存.[结果]通过案例分析,验证了模型的有效性.[结论]所建立的模型对2M1B生产系统确定最优预防维护周期和最佳缓冲库存是有效且实用的. 相似文献
9.
针对半导体晶圆节能分布式制造与预维护联合优化问题,构建了同时考虑制造阶段和检测修复阶段,以最小化最大完工时间、总碳排放和总预维护成本为优化目标的两阶段绿色调度模型,提出了改进的混合多目标灰狼优化(improved hybrid multi-objective grey wolf optimization,IHMGWO)算法,设计了工厂分配策略、机器分配策略以及考虑维修工人柔性的同步调度维护策略的解码方案。通过设计初始化种群融合策略、捕食行为搜索策略、子种群变异策略,提高了算法的寻优性能。360个测试算例的对比实验表明,所提出的IHMGWO算法针对SP指标能够实现大部分占优,针对IGD和 指标能够实现全部占优,对于解决该类问题具有显著的优势和竞争力。 相似文献
10.
针对复杂的生产环境,建立基于学习效应的多目标置换流水车间调度问题模型。设计嵌套有萤火虫算法的膜算法,改进其邻域搜索策略,对构建的模型进行寻优求解。利用Car类基准测试问题测试萤火虫膜算法的性能,并通过与萤火虫算法和粒子群算法的对比,验证了萤火虫膜算法在求解置换流水车间调度问题中的可行性和有效性。利用膜算法求解得到的不同学习率下置换流水车间调度问题的最大完工时间及总流经时间,构建Pareto最优解集,分析不同学习效应因子对多目标置换流水车间调度问题的影响程度。 相似文献