基于CSP的Job shop调度算法研究

针对一类典型的约束满足问题——Job shop调度问题，提出一种CSP调度算法框架，详细讨论CSP调度算法中的工序开始时间窗、一致性预处理、搜索空间概率模型、工序排序启发、开工时间排序启发的求解方法。仿真结果表明CSP调度算法在较小的计算时间代价下，获得了FT10标准调度问题的近优解。     

加工时间为连续随机变量的Job Shop调度问题

针对实际调度问题中存在的不确定现象,提出了加工时间服从正态分布、最大完成时间的期望值作为目标函数的随机Job Shop问题;然后提出了解决该问题的智能优化算法:采用随机模拟的方式产生输入输出数据,利用遗传算法训练神经网络,将训练过的神经网络嵌入到另一遗传算法中,用该遗传算法来优化Job Shop调度问题;最后给出了仿真实验,通过仿真实验证明,该算法对于解决加工时间为随机变量的Job Shop调度问题是行之有效的。     

基于遗传算法求解Job Shop调度优化的新方法

针对Job Shop调度问题,提出了一种遗传算法编码新方法和矩阵解码方法.该方法根据问题的特点,采用一种按工序进行总体排序染色体编码方案,并采用矩阵解码,解码时体现了编码与调度方案一一对应,并且该编码方案有多种交叉操作算子可用,不需要专门设计算子.算例计算结果表明,基于该编码方案的遗传算法是有效的,能适用解决Job Shop调度问题,通过比较,用该编码方案的遗传算法优化Job Shop调度操作简单并且收敛速度快.     

求解Job Shop调度问题的改进禁忌搜索算法

提出一种改进的禁忌搜索算法,解决传统禁忌搜索算法优化效果对运行次数和初始解依赖的不足,提高这类问题的求解质量.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,采用此邻域选择方法构造禁忌搜索算法,当无邻域时,重新产生初始解进行禁忌搜索,将传统的禁忌搜索算法从单起始点搜索改进成多起始点搜索.采用改进的禁忌搜索算法对13个难的benchmarks问题进行10次求解,得到的平均值8个优于TSAB算法,得到的最优解6个优于TSAB算法、4个与TSAB算法相同.采用基于关键工序的邻域结构构造的改进TS算法具有较强的搜索能力.     

求解多目标作业排序问题的遗传算法

利用联合进化遗传算法 ( CEGA)建立了求解多目标排序问题的一般框架 ,采用目标权衡分析诱导出决策人的偏好关系 ,并将其引入求解过程 ,以确定满意排序 ,在搜索寻优过程中 ,将启发式与遗传算法相结合 ,以提高搜索效率 .最后 ,利用该算法框架求解了一个含调整时间的一般 Job Shop排序问题 ,以表明算法的有效性.     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

动态加强CPT解job-shop调度约束满足优化问题

带有相同到达期与交货期的job-shop调度问题(JSSP)作为多种实际生产调度问题简化模型,是一类典型强NP-hard问题.对优化目标是最小化最大完工时间的JSSP问题,建立了约束满足优化问题模型(JSSC-SOP).利用弧一致约束传播算法和深度优先启发式构造活动调度,逐步加入新约束,实现活动调度集的部分列举与寻优.提出3种动态加强约束传播技术(CPT),嵌入搜索过程,提高求解效率.最后通过随机生成的实例,验证了各方法可行性与有效性.     

加权约束满足问题的改进深度优先搜索算法

回顾了加权约束满足问题的基本概念，给出了求解的标准深度优先搜索算法，并探讨了利用变量间的约束关系，改进标准深度优先搜索算法的搜索上下界；在此基础上，给出了一种改进的深度优先分枝定界算法，该算法的一个特点是通过循环迭代求解子问题来改进上下界．针对随机约束满足问题模型生成的测试数据的数值计算结果显示，改进算法可以大大缩短求解时间。     

中继卫星动态调度问题研究

针对任务时间要求改变、增加新任务和资源故障三类扰动因素分别建立了中继卫星动态调度问题的动态约束满足模型;设计了动态扩展/删除树搜索算法对模型求解,算法利用动态扰动测度中删除任务权重和调整任务权重两个参数的比指导搜索过程,合理协调扩展搜索和删除搜索,从而将对动态调度方案的需求反映到搜索过程之中,提高了算法的可用性和效率;仿真结果验证了该方法的有效性。     

基于信息熵的自适应PBIL算法及其应用

分析了基于群体的增量学习(Population-based Increased Learning，简称PBIL)算法的基本原理和存在问题，提出了一种具有自适应学习和变异能力的改进策略。新的算法采用信息熵衡量种群的进化程度，并根据熵值的变化自适应地调整学习速率和变异率。应用该算法求解典型的Flow Shop调度问题，通过与简单PBIL算法和遗传算法的结果进行比较，表明该算法的计算效率和局部搜索能力得到提高，且收敛过程非常稳定。     

浸出过程浸出率预测与在线优化

本文建立了浸出过程浸出率混合预测模型;基于该预测模型及生产的实际需要,将一个动态浸出问题转化为带约束的优化问题;针对在线优化计算时间长,精度要求高的难题,提出了变邻域搜索PSO算法及基于该算法的动态生产过程在线优化策略.通过实际应用证明混合预测模型预测精度高;在线优化算法自适应性强、运算量小、精度高,具有较高的实际应用...     

时变路网下考虑时空距离的同时配集货车辆路径优化

针对道路行驶速度时变且软时间窗条件下的同时配集货车辆路径问题,以车辆派遣成本、时间窗惩罚成本以及车辆运输成本之和最小化为目标建立路径优化模型。根据问题特征设计了考虑时空距离的混合变邻域搜索遗传算法,采用时空距离对客户进行聚类生成初始解,提高算法求解质量;将变邻域搜索算法的深度搜索能力运用到遗传算法的局部搜索策略中,增强算法的局部搜索能力;提出自适应邻域搜索次数策略以及模拟退火的新解接受机制,平衡种群进化所需的广度和深度。通过多组不同规模的算例验证了本文模型及算法的有效性,研究成果不仅深化和拓展同时配集货车辆路径问题的相关研究,也为物流企业优化车辆调度方案提供理论依据。     

混合变邻域搜索算法求解大规模电动车辆路径优化问题

基于真实的物流场景,研究了带时间窗的多车型和多循环电动车辆路径问题.建立了一个基于路径的混合整数线性规划模型,可精确求解小规模算例.提出了将变邻域搜索算法和标签算法相结合的混合启发式算法,用以求解大规模情形.该算法提出了一种带随机因子的启发式算法构造初始解,并对时间窗和里程约束进行了松弛,使用邻域算子进行变邻域搜索,使...     

集货需求随机的同时配集货VRP及混合变邻域搜索算法

集货需求随机的同时配集货车辆路径问题(VRPSSPDD)是同时配集货车辆路径问题(VRPSPD)研究的进一步深化,由于该问题中集货需求的不确定性,使其较确定型VRPSPD问题更为复杂.基于预优化和重优化策略,构建了两阶段VRPSSPDD模型,预优化阶段基于随机机会约束机制以及车载量约束为客户点分配车辆,生成预优化方案;重优化阶段对失败点及其后续客户点进行线路调整.根据问题特征,结合变邻域深度搜索算法的深度搜索能力以及遗传算法的个体交流等优点,设计混合变邻域遗传算法,采用分离配送网络信息的编码方式,提出自适应种群搜索范围和自适应邻域搜索次数策略平衡算法迭代中的搜索深度和搜索广度的关系.通过多组算例以及企业配送实例验证了本文模型及算法的有效性.     

热轧批量计划编制模型及其算法

针对钢铁企业生产调度中的热轧生产批量计划编制问题,建立了以提高平均单元计划轧制长度和热装比为目标的数学模型,在实际生产中两个优化目标具有不同的优先级。提出了一种两阶段变邻域搜索算法,该算法按照先优化平均单元计划轧制长度后优化热装比的顺序求解该问题。基于生产实际数据的仿真试验表明了所提出的模型和算法的有效性。     

基于Pareto改进VNS-MMAS的定点修理任务多目标动态调度

针对战时定点修理任务重、修理时间有限、约束复杂的问题,进行了面向定点修理的战时装备维修任务多目标动态调度研究。提出了战时定点修理装备维修任务调度军事问题,考虑修理时间窗、非遍历性等约束,构建了战时装备维修任务多目标动态调度模型。采取分步求解思路处理修理小组分配以及修理任务排序两阶段优化问题,并从状态转移规则、信息素更新规则、先验信息获取3个方面对最大最小蚂蚁系统(max-min ant system, MMAS)算法进行改进,结合变邻域搜索(variable neighborhood search, VNS)算法增强算法的局部搜索能力,设计了基于Pareto改进VNS-MMAS算法实现模型求解,并通过示例仿真验证了模型及算法的科学性与有效性。     

基于邻域搜索的成品油多舱多目标配送路径优化算法研究

针对成品油配送中多车型,多车舱的优化调度难题,综合考虑路径安排,舱位指派及车辆指派等决策.以配送成本最小,路径风险最小以及油品准时送达为目标,建立了成品油配送多目标路径优化模型.基于邻域搜索的基本思想,提出求解成品油配送多目标路径优化问题的MOVNS算法框架,并结合不同的可行解运行策略和比较准则,衍生出三类MOVNS算法(MOVNS-1、MOVNS-2、MOVNS-3).采用12组算例进行数值实验,结果表明,三种算法均能有效的求解配送模型,提升成品油多舱配送问题的解决效率;且MOVNS-2算法具有较强的局部搜索能力,MOVNS-3算法容易跳出局部最优:同时,考虑节点关联性的可行解构造策略和并行邻域搜索策略能够增强算法的寻优能力.     

基于城市道路限行的多能源多车型车辆路径优化

针对日益严峻的城市汽车尾气污染问题和日趋严格的城市限行措施,本文首次将城市分区域、分车型等限行因素引入到车辆路径问题,并以碳排放、运输等费用总成本最小为目标,构建了基于城市道路限行的多能源多车型混合车辆路径优化模型.针对模型的NP难特性,本文提出了一种变邻域搜索算法(VNS-TR)求解该模型.最后,通过算例和基准测试集验证了模型及算法的有效性.     

求解非线性双层规划问题的混合变邻域粒子群算法

针对非线性双层规划难以获得全局最优的问题,汲取粒子群算法的快速搜索能力及变邻域搜索算法的全局搜索优势,提出了求解非线性双层规划问题的混合变邻域粒子群算法.首先利用Kuhn-Tucker条件,将非线性双层规划转化为一个单层规划问题,然后由粒子群算法得到一个较优的群体,通过审敛因子判断陷入局部最优的粒子,并进一步利用变邻域搜索算法的全局搜索能力对陷入局部最优的粒子进行优化,从而得到全局最优.测试函数的仿真实验对比分析证明了该算法的有效性.     

求解多车型车辆路径问题的变邻域搜索算法

多车型车辆路径问题（FSMVRP）是车辆类型不同的车辆路径问题（VRP）,基于变邻域搜索,提出一种启发式算法VNS_FSM求解FSMVRP。该算法设计了实现变邻域搜索中的＂抖动＂和局部优化过程的邻域结构组合,同时,还提出了一种新的车型调整策略。在通用的基准测试问题的实验验证了VNS_FSM算法的有效性,并给出问题G_07-G_12的正确解。实验结果表明,VNS_FSM算法能够获得大多数测试问题的已知最好解。与已有算法相比,VNS_FSM算法性能相当或更优。