基于混合电磁算法求解置换流水车间调度问题

为了求解置换流水车间调度问题,提出了一种基于混合电磁算法的调度算法。首先,采用最小位置值法将算法中连续向量转换为工件排列顺序。其次,对随机生成的一部分初始解用基于启发式信息的贪婪随机自适应算法得到的结果加以改造,使其质量得到提高。最后,加入局部搜索增强算法性能。通过对Car系列和Rec系列基准测试结果表明,提出的算法性能优良。另外,还讨论了一些参数对算法优化性能的影响。     

基于稳定性的生产调度建模

针对传统调度模型得出的方案由于决策参数变化而不能应用于实际生产等问题,分析了在实际生产环境中可能导致重调度的各种不确定因素,从调度稳定性的角度使用两阶段随机规划方法重新设计了包含随机参数的模型,不仅使调度可以稳定在某置信水平上,而且允许调度结果以一定的风险获取更好的性能指标。最后,应用一个化工调度模型讨论了新方法的特点。     

混合粒子群算法在柔性工作车间调度中的应用

混沌是一种新颖的优化技术,具有随机性、遍历性的特点和易跳出局部极值的能力。为了提高粒子群优化算法(PSO)的性能,在PSO中引入混沌,优势互补,提出了一种混合PSO算法,并应用于柔性工作车间调度问题的求解。首先基于混沌对PSO的参数进行自适应优化,实现全局搜索与局部搜索间的有效平衡;然后,在PSO的搜索过程中引入混沌局部搜索策略,来提高解的精度和收敛速度。实验比较结果验证了该算法的全局搜索性能。     

协同微粒群算法及其在炼钢生产调度中的应用

给出了炼钢生产调度问题的最优炉次0-1数学规划模型.结合0-1空间优化问题的特点,通过逻辑运算将基本微粒群算法的进化搜索限定在0-1空间,并针对0-1整数规划的约束条件,提出一种协同微粒群算法CPSO.即分别构造两个微粒群,一个以目标函数的最小化为目标,另一个以满足约束条件为目标,同时,两个群体间进行信息交换,协同完成0-1整数规划的求解.该方法已成功应用于炼钢生产调度问题中最优炉次的求解.     

连铸连轧和冷装热轧并存环境下的炼钢2连铸生产调度模型与算法

针对连铸连轧和冷装热轧并存环境下的炼钢-连铸生产调度问题,建立了基于浇次开浇时间的炉次指派和作业排序模型.在该模型中,通过浇次开浇时间单位提前/拖期成本的惩罚值的控制可以协调炼钢-连铸和热轧生产环节之间的匹配关系.对所建立的模型,提出了基于遗传算法和线性规划的实用算法,并给出了源于实际生产数据的计算实例.     

实现船舶稳性的多油舱自适应调度算法及仿真

针对油舱对船舶浮态与稳性的影响,研究了保持船舶稳性的多油舱自适应调度控制算法,并用WinCC (Windows Control Center)组态软件编写了船舶自动浮态调整仿真系统。在系统架构上,采用布尔逻辑表构建了油舱、泵、管路之间的连通关系,并根据浮态方程计算出舱群之间的调驳油量,再根据多变量多约束的自适应优化调度算法实现了油舱驳油过程中浮态的平衡。仿真结果表明调度算法可以对船舶的浮态进行有效调整,并保持船舶稳性,避免了由油舱油量分布不均给船舶带来的不利影响,保障了航行安全。     

间歇生产中过程调度的建模与分析

过程调度在间歇生产过程中起着非常重要的作用。针对过程调度的特点,我们建立了UIS中间存储策略下的间歇过程调度的混合整数规划(MILP)模型和时间Petri网模型,并分别采用Lindo和Hpsim1_1仿真工具对模型进行仿真实现。结果表明,对小规模问题,两种模型都能较好地解决,但前者约束多且描述复杂,而后者以图形化的工具描述单元间的逻辑关系,更适合调度系统的性能分析。     

基于最短时间碎片的在线生产调度算法研究

针对订单型企业的在线生产调度问题,文章通过统计每个设备上允许插入工序的时间区间,提出了基于最短时间碎片的启发式在线生产调度算法.该算法的主要思路是将工序的先后约束关系和在同一设备上的先后执行关系统一建模为无圈有向图,从而依据最短时间碎片将新订单的调度过程转化为在有向图中添加顶点和有向边的过程.仿真实验结果表明该算法可以在保证订单交付期的前提下实现排产任务,并尽可能少地变更已排产工序在设备上的相对位置;在订单频繁到达时,调度的设备利用率较高,达到了约94%;此外,算法运行较快,适用于较大规模在线生产调度问题的求解.     

基于菌群自适应觅食的公交调度建模仿真与优化

提出了一种新型群体智能优化方法—菌群自适应搜索算法（Adaptive Bacterial Foraging Optimization,ABFO）。ABFO算法在细菌觅食算法（Bacterial Foraging Optimization,BFO）研究工作的基础上,将细菌的趋化行为,群体感应机制和自适应搜索策略相集成,体现细菌个体通过信息交流与合作在群体层面表现出更高智能行为的特性。此外,ABFO算法的自适应策略动态地控制人工细菌的趋化步长,从而能够在运行时有效地平衡算法的探索和开发能力。然后,基于ABFO进行公交调度模型的求解,以便快速地集散交通流,实现站点、客流、车流的优化配置。仿真试验结果表明,与其它智能算法相比ABFO算法具有收敛速度快,寻优能力强和较强的鲁棒性等优越性能。     

在线订餐生产配送联合调度模型及算法

The delays of online mealordering delivery are currently serious. How to coordinate the production anddistribution to minimize arrival time has become an urgent problem for onlinemeal ordering during the peak period. Considering the fact that the order informationare unknown in advance, a parallel machine production and multi-trip vehicledistribution joint optimization model was established to minimize the makespan oftotal orders. Besides, a three phase heuristic algorithm was proposed. Througha series of experiments where the orders were generated based on Poissondistribution (),the results were compared with those of the traditionalalgorithm. Several enlightening findings are discovered: when the order arrivalrate, the makespan of total orders of the three phase heuristicalgorithm is shorter. Meanwhile with the growth of order arrival rate, the improvement amplitude increases gradually. The modeland algorithms proposed are conducive to generating efficiently production anddistribution joint scheduling solution during the peak period.     

基于贪婪随机自适应过程的多类型卫星联合任务规划技术

对地观测卫星任务规划问题需要考虑侧视、星上能量、数据容量和数据传输等多种约束,是一类复杂的组合优化问题,现有研究大多对问题进行了不同程度的简化。面向多种载荷类型卫星的联合任务规划问题,考虑上述多种约束,基于贪婪随机自适应搜索过程提出了一种新的混合算法对问题进行求解。实验结果表明,该混合算法在多星联合任务规划领域是可行有效的。     

一种求解作业车间调度问题的混和遗传算法

作业车间调度问题(JSSP)是组合优化问题中的NP难问题。本文提出了以适用于JSSP问题的二进制编码遗传算法为基础,在算法中增加了两种启发式算子:激活算子和瓶颈修复算子,并相应调整算法结构,形成混和遗传算法解决JSSP问题。激活算子以GT算法为依据,将种群中部分个体转化为活动调度个体,是一种较有独创性的新算子;瓶颈修复算子对所得结果进一步优化。算例运行结果表明与其它算法相比,该算法在全局搜索能力和运行效率上都有突出的表现。     

面向多核任务调度的混合遗传算法

多核处理器的并行任务调度一直是研究的热点话题,属于NP-hard问题。针对此问题,本文提出了一种集启发式算法、禁忌搜索算法、模拟退火算法于一体的改进混合遗传算法(modified hybrid genetic algorithm,MHGA)。MHGA改进如下:首先,采用启发式的分层调度来初始化种群,提高初始种群质量;其次,提出基于禁忌搜索(tabu search,TS)的随机编号交叉算子,提高种群的多样性;最后,采用基于模拟退火(simulated annealing, SA)的变异,提高个体质量。实验结果表明,与其他遗传算法(genetic algorithm,GA)相比,MHGA可以得到更小的任务调度时间和更快的最优解搜索能力。     

三层级设施选址-路径规划问题建模及算法研究

基于有向图针对物流网络三层级设施选址——路径规划问题(3E-LRP),建立了数学模型,并提出了量子进化算法(QEA)与遗传算法(GA)协同的双智能算法集成求解方案.QEA算法负责设施选址(FLP)和设施分配(FAP)优化问题,将得到的FLP和FAP方案传递给GA进行路径规划(VRP)优化,GA将优化后的路径规划方案反馈给QEA,双智能算法协同完成3E-LRP系统优化.本文提出了基于可达配送区域的搜索策略和基于路径长度为权重的设施分配优化策略以提高算法效率.实例计算表明,提出的数学模型和组合智能算法可有效解决3E-LRP,为ME-LRP提供了理论与方法指导.     

基于粒子群-遗传的混合优化算法

提出了一种基于实数编码的粒子群优化和遗传算法的混合优化算法,该算法首先由粒子群优化进化一定代数后,将最优的M个粒子保留,去掉适应度较差的pop_size M个粒子。然后以这最优的M个粒子的位置值为基础,选择复制得到pop_size M个个体,并进行交叉、变异等遗传算法运算。最后将保留的M个粒子位置值与遗传算法进化得到新的pop_size M个体合并形成新的粒子种群,进行下一代进化运算。该算法在进化过程中能进行多次信息交换,使两种算法互补性得到更充分的发挥。通过5个函数优化实例与其他多种算法的对比研究,表明该算法收敛性能好,运算速度快,优化能力强。此外,还研究了最优粒子保留规模M以及粒子群优化进化较少代数规模对算法性能的影响。     

钢箱梁生产的提前/拖期调度问题研究

本文以港珠澳大桥钢箱梁生产供应过程为研究对象,建立了钢箱梁生产的提前/拖期优化调度模型,并且针对模型的特点提出了一种基于启发式规则的改进遗传算法,在最优开工时间的基础上加入了拖期工件的剔除规则,有效地解决了工序不确定情况下的提前/拖期优化调度问题,并与无剔除规则的遗传算法进行比较,发现改进的方法在最优成本和收敛速度方面都有较大的改善.     

带有活动重叠的资源受限项目调度问题建模与求解

在新产品研发项目中,常常通过活动重叠缩短工期,但是重叠会带来返工风险,进而造成额外的时间和资源的消耗.将活动重叠分为自然重叠和强制重叠,采用设计结构矩阵、紧前重叠活动时间因子矩阵、紧后重叠活动时间因子矩阵和重叠返工影响矩阵量化重叠返工对时间和资源的影响.以最小化研发项目工期为目标,建立了带有活动重叠的资源受限项目调度问题优化模型,并设计了改进的遗传算法进行求解.该算法采用基于优先规则的编码机制,并将考虑活动重叠的进度生成机制作为解码方法.实例研究结果表明,提出的考虑活动重叠的模型与算法,不仅可以缩短项目工期,而且同时使项目资源的使用更加均衡.最后在随机生成的算例集合上测试了算法的有效性.     

遗传算法求解旅行推销员问题时算子的设计与选择

主要讨论了在用遗传算法求解ＴＳＰ时,在算子的设计和选择方面应该注意的一些问题,并且给出了一些算子的分析和设计实例。     

Method for electromagnetic detection satellites scheduling based on genetic algorithm with alterable penalty coefficient

The electromagnetic detection satellite （EDS） is a type of earth observation satellites （EOSs）. The Information collected by EDSs plays an important role in some fields, such as industry, science and military. The scheduling of EDSs is a complex combinatorial optimization problem. Current research mainly focuses on the scheduling of imaging satellites and SAR satellites, but little work has been done on the scheduling of EDSs for its specific characteristics. A multi-satellite scheduling model is established, in which the specific constrains of EDSs are considered, then a scheduling algorithm based on the genetic algorithm （GA） is proposed. To deal with the specific constrains of EDSs, a penalty function method is introduced. However, it is hard to determine the appropriate penalty coefficient in the penalty function. Therefore, an adaptive adjustment mechanism of the penalty coefficient is designed to solve the problem, as well as improve the scheduling results. Experimental results are used to demonstrate the correctness and practicability of the proposed scheduling algorithm.     

基于激励遗传算法的动态时间/费用优化

人们在处理网络计划的优化问题时,往往忽视了资金的时间价值,而且取得项目最大净现值的技术开发已经大大落后于对资源配置与资源优化的分析.本文建立了动态时间/费用优化的数学模型,提出了改进的激励遗传算法,并且将激励遗传算法应用于模型的求解.最后,通过分析比较,得出动态时间/费用优化的结论才更为可靠与准确的结论.