多产品批处理过程调度的MILP建模

基于时间间隙的概念和连续时间描述，将设备、产品分配给时间间隙分别表达为两类0-1变量。采用一个时间轴，建立了具有并行生产线的单阶段多产品批处理过程的调度数学模型。模型表达为一个混合整数规划（Mixed Integer Linear Programming,MILP)问题。相对于已有的基于时间间隙描述的调度模型，该模型0-1变量少，且能处理顺序相关建立时间。求解采用分支定界法（BAB）。计算表明，该模型求解速度快，松弛线性规划和MILP的最优解之差（Integraligy Gap)小，尤其对包含多个相同批次的调度问题求解效果更为显著。     

粗粒度并行遗传算法收敛性分析及优化运算

提出了一种新型的粗粒度并行遗传算法(CGGA)，该算法利用多个子种群基于不同的编码方式进行进化计算．首先各子群体独立进行交叉、变异和选择遗传操作，每代进化后迁移算子被引入用来进行种群问的信息交流，迁移算子将各个子种群的最优个体替换相邻种群最差个体后继续进化．基于时齐遍历马尔可夫链理论，给出了CGGA各个子种群的概率转移矩阵与其进化概率转移矩阵，证明了以概率1全局收敛．对典型的测试函数CGGA进行了求解．仿真结果表明，本算法的收敛性能优于经典遗传算法(CGA)，可以有效解决CGA的过早收敛问题．     

单生产线序贯多目的批处理过程短期调度的MILP建模

基于连续时间描述,在考虑订单的最早生产时间和到期时间的基础上,建立了单生产线序贯多目的批处理过程的短期调度数学模型,模型表达为一个混合整数规划(MILP)问题.该模型不但能优化订单,减少了模型的整数变量.求解使用了分支定界法(BAB),实例计算表明了该模型的适用的生产时间,而且还能最小化订单生产的提前完成时间和拖延时间.本文将预先排引序入到模型中性和有效性.     

多目的批处理过程的优化周期调度

基于状态任务网络（State Task Network,STN)描述批处理过程，提出了多目的批处理过程的混合整数规划（Mixed Integer Linear Programming,MILP)周期调度数学模型。建模采用连续时间描述，并将任务和设备分配结合事件点集决表达为一类0-1变量。相对于已有的多目的批处理过程周期调度数学模型，该模型规模小，计算速度快。