具有恶化效应的新工件到达生产调度干扰管理

在工件加工时间具有恶化效应的单机环境下,研究初始计划执行中计划外多个新工件到达的干扰管理问题.将加工成本作为初始目标,将工件相对于初始完工时间的延迟作为扰动目标,构建多目标干扰管理模型.结合归档式多目标模拟退火算法在全局寻优方面的优势,与非支配排序遗传算法在快速收敛到Pareto有效前沿的局部搜索优势,设计了混合元启发式算法在全局搜索和局部搜索之间进行平衡.通过分析问题Pareto最优解特性,可以进一步有效降低混合元启发式算法的搜索空间,提高收敛速度和输出有效前沿的质量.最后,通过随机生成算例进行数值实验,验证混合算法对求解干扰管理问题的有效性和Pareto最优解特性对于算法性能的改进.     

基于概率局域搜索的动车组平日运用计划编制算法

介绍动车组运用计划的含义、计划方案的评价准则;平日运用计划自动编制的启发式算法;算法将问题分为两个部分,即定期检修计划生成和动车组接续运用部分.将接续运用部分转化为某种旅行商问题,定义了动车组运用网络;在构造新的回路时能够考虑日常检修条件和动车组的利用效率.利用实际线路数据进行实验,证明算法有效.     

Scatter search算法求解无能力约束生产批量计划问题

多级生产批量计划(multilevel lot-sizing,MLLS)问题是物料需求计划(material requirements planning,MRP)系统中的关键问题已被证明是NP难问题.Scatter search(SS)算法是一种亚启发式算法,其应用范围已涉及优化领域中的许多NP难问题.扩展了SS算法的应用范围,采用结合变异算子的混合SS算法ybrid scatter search,HSS)对具有小规模和中规模的装配结构无能力约束MLLS问题进行了求解.仿真实验表明HSS算法能够有效地求解MLLS问题,其求解结果明显优于遗传算法的求解结果.     

蚁群最优化--模型、算法及应用综述

蚁群系统所具有的分布式组织模型对解决复杂组合优化问题、分布控制问题提供了很好的思路，因此对蚁群系统行为及其自组织能力的研究已经引起了许多研究者的兴趣．蚁群最优化(ant colony optimization，ACO)是蚁群系统的一个重要研究领域，新模型、新方法、新应用不断出现、论文对ACO的仿生学机理进行了描述．综合ACO在不同种类的组合优化问题上的应用，建立了ACO的一般化模型．对ACO的典型实现过程和关键实现要素进行了分析，指出了不同ACO算法的本质区别、结合旅行商问题、二次指派问题以及网络路由问题等典型组合优化问题，概述了ACO在静态组合最优化和动态组合优化问题中的应用．最后讨论了ACO在建模、实现以及理论研究等方面的未来方向。     

凸整数规划问题的混合蚁群算法

混合蚁群算法是基于群体的一类仿生算法, 适合于解困难的组合最优化问题. 本文对其做适当改进, 用于解凸整数规划问题. 结果表明: 用该算法求目标函数为正定二次型的整数规划问题的最小值, 找到的解比多起始点局部搜索方法好得多, 比原来的混合蚁群算法找到更好的解