带有学习效应的多阶段混合流水车间调度问题研究

[目的]研究考虑学习效应和顺序相关调整时间的多阶段混合流水车间调度问题.[方法]针对该问题的特点,建立以最小化最大完工时间和总能耗为目标的混合流水车间调度问题模型,同时设计一种改进的混合蛙跳算法进行求解.采用不同规模的测试问题对提出的算法进行测试,并与另外3种算法进行对比.[结果]提出的算法的效果均优于另外3种算法.此外,不同的学习率对调度目标的影响存在差异.[结论]该研究对企业提高生产效率和节能降耗的 目标有一定的指导意义,可为企业在制定生产调度方案时提供决策支持.     

求解置换流水车间调度问题的布谷鸟算法

分析了布谷鸟算法的优化机理和特点,针对最小化最大完工时间的置换流水车间调度问题,采用基于最小位置值规则的随机键编码方式,应用布谷鸟算法进行求解.通过选取的标准算例对算法进行了仿真测试,并与萤火虫算法和粒子群算法进行对比,测试结果表明了该算法求解置换流水车间调度问题的有效性和优越性.该方法可作为解决流水线生产调度问题的一种有效方法.     

自适应蚁群优化求解置换流水车间调度问题

基本蚁群算法的选择概率公式存在的缺陷,从信息素的更新策略方面入手,通过自适应地调整挥发系数对蚁群算法进行优化,并将自适应蚁群优化算法应用于置换流水车间调度问题.对几组仿真数据进行实验,结果表明该算法具有可行性,并且有一定的理论意义和较高的实际应用价值,是一种值得推广的求解置换流水车间问题算法.     

考虑序列相关调整时间的多目标置换流水车间调度算法

针对带有序列相关调整时间的多目标置换流水车间调度问题,将传统的迭代贪婪算法与非支配排序相融合,提出一种多目标迭代贪婪算法.设计了混合多种策略的启发式初始化方法,以得到综合性能较优的初始解集;设计了与问题规模以及非支配解在解空间的分布特点相适应的重启机制,能够在算法进化到一定程度时扩展搜索广度,从而提高算法性能.通过对多...     

基于多目标离散正弦优化算法的混合零空闲置换流水车间调度

针对以最小化最大完工时间（makespan）和最小化最大拖期（maximum tardiness）为目标的多目标混合零空闲置换流水车间调度问题（Mixed No-idle Permutation Flow Shop Scheduling Problem,MNPFSP）,提出了一种多目标离散正弦优化算法（Multi-objective Discrete Sine Optimization Algorithm, MDSOA）。首先,建立外部档案集（AS）存储Pareto解,并在每次迭代后对AS进行更新;其次,在正弦优化算法（Sine Optimization Algorithm,SOA）的基础上,引入迭代贪婪（IG）算法的破坏重构机制,重新定义了一种适用于离散调度问题的位置更新策略;最后,引入快速非支配排序和拥挤距离对种群进行筛选,在保留精英解的同时保证了解的多样性和分布性。选取Taillard Benchmark中11个不同规模的算例进行仿真实验,并将仿真结果与NSGA-Ⅱ和NSGA-Ⅲ算法进行比较,验证了MDSOA求解MNPFSP的有效性。     

面向节能的阻塞混合流水车间调度问题建模

针对能耗目标的阻塞混合流水车间调度问题(HFSP-B),分别构建了考虑调整时间及不考虑调整时间的阻塞混合流水车间调度问题(MILP)模型.为了减少机床待机能耗,在MILP模型中考虑关机/重启节能策略.针对MILP模型,从目标函数、目标函数的线性化过程、决策变量和约束方程进行介绍.最后,通过对具体实例的求解,验证了所提M...     

Blocking流水车间调度问题的MBT算法研究

针对目标函数为Makespan的Blocking流水车间调度问题,设计了一种构造启发式算法．初始排序的产生从减少下游工件的滞留时间入手,结合有向图中对关键路径的分析,采用插入规则进行搜索的方法得到工件序列的近优排序．通过大量典型算例的计算,实验结果证明了设计的算法具有优越的性能．     

强制工期相等的双机流水车间排序问题

讨论了强制工期相等的n个工件在双机流水车间的加工.在允许机器空闲的条件下,寻找一个工件排序,使得最大提前完工时间最小.由于工件不允许延迟,问题可能会不可行排序.先讨论问题的可行性,如果问题可行,找出一个可行序列作为预排序列,并给出一个算法计算出每个工件尽可能迟的开工时间,而后,给出一个多项式时间算法,在预排序列的基础上,通过调整最先加工的工件来获得最优排序.     

改进人工蜂群算法求解置换流水车间调度问题

针对置换流水车间调度问题（PFSP）,以最小化最大完工时间为优化目标建立数学模型,设计了一种改进人工蜂群算法。该算法采用反向学习方法和混沌映射来生成初始种群,为使算法能够求解离散的调度问题,采用LRV规则将位置数值映射成工件排列顺序;在雇佣蜂阶段,融入差分进化算法的思想,加入高斯变异算子,使收敛速度加快;在跟随蜂阶段,加入自适应策略,将算法的勘探和开发能力进行平衡;在侦察蜂阶段,加入柯西变异算子,避免陷入局部极值。最后通过比较几种不同的算法,对Car算例以及部分Rec标准算例集进行仿真测试,验证该算法的有效性和优越性。     

具有中断-继续机器故障的随机排序问题

在中断-继续模型中,如果一个作业正在被加工时发生了机器故障,故障前对作业进行的加工没有损失,一旦机器排除故障恢复工作,作业可以从故障中断处继续加工.为了得到目标函数的等价形式,首先导出期望完工时间的一个表达式.对单机问题给出了最优静态策略,对平行机证明了问题是NP-难的.     

具有学习退化效应的TFT-LCD面板成盒多目标调度问题研究

针对薄膜晶体管液晶显示器(TFT-LCD)面板成盒生产规模性、多产品混线生产、机台特性复杂的特点,引入学习效应和退化效应,以最小化最大完成时间、机器等待时间、工件加权延期时间为目标函数,构建具有学习退化效应的TFT-LCD面板成盒多目标调度模型。基于两段式及IMM编码,采用多目标布谷鸟算法,结合双元锦标赛及动态淘汰规则,依据聚集距离密度评价指标构建帕累托非劣解集,对TFT-LCD面板成盒多目标调度问题进行求解。仿真结果表明,布谷鸟算法寻优能力优于精英保留贪婪解码遗传算法与工序期望最短完成时间调度规则等。通过实验,分析不同学习率和退化因子对调度结果的影响。     

带有固定区间的双代理排序问题

【目的】研究带有固定区间的双代理排序问题。【方法】第一个代理的工件加工过程可以中断，考虑两种机器类型：单台机器时考虑的目标函数为总权误工损失或总权提前损失；两台平行机时考虑的目标函数为总完工时间，同时必须在规定的固定区间加工第二个代理的工件，目标是在满足第二个代理目标的可行性前提下寻找一个使第一个代理的目标函数值更小的排序方案。【结果】设计了单台机器固定区间工件损失问题的排序算法，也为两台平行机总完工时间问题设计了相应算法。【结论】设计的算法可在多项式时间内得到解决，且证明了算法的最优性，并用数值实验说明了算法的可行性。     

含运输时间的柔性作业车间调度问题研究

在工厂实际生产中,零件加工的运输时间占整个加工时间的比例是很大的,这个时间在生产调度时不可忽略。为了更合理的研究柔性作业车间调度问题,将运输时间考虑进调度模型之中,并在经典遗传算法的基础上进行改进,设计了一种新的启发式规则算法,嵌入在遗传算法中,用于该问题的求解。通过计算结果的比较,证明此调度模型更符合实际生产情况。改进后的算法能够得出解的效率更高。     

基于遗传算法多目标优化的工程项目调度

在建设工程项目管理中,施工周期和项目成本的综合均衡管控是项目调度管理的最重要内容之一。然而,实际中两者的关系即相互关联又矛盾对立,任一目标的优化必然以弱化另一目标为代价。因此,工程项目调度管理问题是一类组合优化问题。为此本文提出了一种基于遗传算法的多目标优化建设项目调度模型。模型为项目管理者制定和评估工程完成最佳时间和成本最小化的的工程施工进度计划。计算模型主要分为三个模块：开发实用的建设项目进程调度模块;计算项目成本的管控模块;多目标搜索和识别项目时间和成本之间最优或接近最优解的权衡模块。最后,应用该模型分析了一个应用实例,并证明了模型的有效性,为项目管理者提供理论参考。     

一类具有学习效果的单机排序问题

讨论一类具有学习效果的单机排序问题.在这类问题中,由于学习效果的作用,工件加工时间将逐渐减少.学习效果通过工件正常加工时间的分段线性函数来描述.基于对问题的分析,把目标函数为极小化总惩罚的工期确定问题转化成指派问题,从而得到问题的多项式算法.对于极小化完工时间和与完工时间偏差的双目标问题,其一般情况同样可以转化成指派问题.此外,对于某些特殊情况,给出了极小化最大完工时间问题与完工时间和问题的简便算法.     

同时具有学习和恶化效应的单机成组排序问题

讨论了一类工件的加工时间具有学习效应且安装时间带有恶化的成组排序问题,目标函数分别为极小化最大完工时间和极小化总完工时间,1｜pij=aij-bijt,S=δit,GT｜Cmax,1｜pij=aij-bijt,S=δit,GT｜∑Cij,并分别给出了求最优解的多项式时间算法,其中极小化总完工时间问题是在bij=b,δi=δ的特殊情况下给出的。     

具有前瞻区间和不相容工件族的流水车间在线排序问题

研究对多台单位流水车间上具有前瞻区间的不相容工件族无界批处理的在线排序问题。通过组合优化的方法分类讨论得到问题的下界，对算法Am（β）进行了竞争比分析说明这是该问题最好可能的在线算法。给出了该问题的下界为1+η，其中η是方程(2f－1)η2+(f+β)η+β－f=0的一个正根，这里0≤β<1。同时提供了一个最好可能的在线算法Am（β）。通过竞争比分析说明了算法的可行性。     

基于混沌多目标粒子群算法的综合能源调度

目的 针对当前综合能源系统中资源协同优化效率不足、微网运行经济性和环保性差的问题,提出了一种计及风电储能及不稳定因素的微网优化调度方法。方法 该方法在微网负荷侧需求响应对新能源消纳影响的基础上,以消纳新能源和削峰填谷为目的,提出了优化负荷曲线的方案;然后,考虑微网调度侧风电出力的不稳定性以及微网内部设备的耦合,进行优化调度以降低微网运行成本、减少环境惩罚费用并提高风电消纳平稳性;最后,采用混沌多目标粒子群算法对优化问题进行求解,并在风电不稳定度占比0%、5%、10%和15%时进行了算例仿真分析。结果 当风电不稳定度为10%和加入风电储能,系统运行成本和环境治理费用最少,比方案1和无风电储能少6 919.4元,风电平稳量也提高38 kWh。在电热冷网中,负荷侧加入需求响应后,系统得到稳定运行和能源合理利用,可以很好地满足负荷侧用能需求。从算法对比中,混沌多目标粒子群算法加入自适应权重和变异率后,具有较强的全局搜索能力和更好的准确性。结论 该方法通过合理设置风电不稳定度能够有效降低运行成本和环境惩罚费用,提高风电稳定性,其次,负荷侧的需求响应可以一定程度地削峰填谷和消纳新能源。     

用AGLA算法求解一类以TFT为目标的模糊Flow Shop调度问题

针对一类加工时间不确定的以总流经时间(TFT)为目标的置换Flow Shop调度问题,应用模糊数学的方法表示加工时间的不确定性,提出了一种改进的智能算法——异步遗传局部搜索算法(AGLA)。该算法初始种群的一个解由构造型启发式算法产生,其他解随机产生;通过引入一个加强的变邻域搜索机制和一个简单的交叉算子,对种群执行异步进化操作(AE);算法最后加入重启机制防止陷入局部极小。仿真实验结果验证了AGLA解决模糊Flow Shop问题的有效性。