基于序优化的嵌套分区算法

介绍了嵌套分区算法(NP)的基本思想,从理论上分析了NP算法的计算效率,提出了提高其优化效率的途径.介绍了序优化算法(OO),并将序优化的思想引入嵌套分区算法的可行域确定和希望指数选取算子中,给出了复合嵌套分区算法(OONP)的寻优思路.OONP算法将序优化思想集成到嵌套分区算法框架下,把两者的指数收敛能力结合起来,具有科学性和可行性.通过优化算例验证表明,该算法大大提高了优化效率.     

半导体制造系统改进Petri网模型的建立及优化调度

为了更有效优化半导体制造系统生产资源调度,提出了基于分层着色时间Petri网模型的分时段优化调度方案.通过增强基本Petri网的描述能力和引入分层Petri网的思想,根据半导体制造系统的结构建立其改进Petri网模型-分层着色时间Petri网模型,并在模型中引入调度库所将调度算法嵌入到模型中,该模型能有效地克服基本Petri网模型规模膨胀的缺陷;同时将每一生产周期分成若干时间段,利用遗传算法来寻找各时间段内调度规则组合来优化半导体制造系统的动态性能,实现分时段优化调度,编码时, 根据机器组的利用率来选择部分机器组为瓶颈机器组,重点调度瓶颈机器组, 提高算法的搜索效率;仿真实验结果验证了该调度方案的优越性.     

面向对象Petri网离散制造系统生产调度建模研究

将面向对象技术与Petri网结合作为建模工具,针对离散制造业的研究现状及其生产调度特点,进行离散制造系统生产调度建模;选用满足交货期的成本最低原则作为调度目标,运用最优化方法进行目标优化.通过对FMS的建模及目标优化,证明利用该方法建模能准确反映生产调度的加工路径及其资源约束,将复杂系统高度抽象,模型易于扩展.     

一种混合嵌套分区算法及其在车间调度中的应用

设计了一种嵌套分区算法框架下的局部搜索算法,即基于最优计算量分配技术的序遗传算法,该算法采用序优化思想保证在有限计算量条件下得到局部最优解,并用遗传算法的进化搜索能力和学习能力对解空间进行搜索.将设计的局部搜索算法与嵌套分区算法相结合提出一种新的混合优化算法,用该混合优化算法求解几个标准的随机车间调度问题,数字仿真的结果表明该混合算法的优化性能好于遗传算法及基于最优计算量分配技术的序优化方法.     

基于多目标萤火虫膜算法的学习效应生产调度问题北大核心CSCDCSSCI

针对复杂的生产环境,建立基于学习效应的多目标置换流水车间调度问题模型。设计嵌套有萤火虫算法的膜算法,改进其邻域搜索策略,对构建的模型进行寻优求解。利用Car类基准测试问题测试萤火虫膜算法的性能,并通过与萤火虫算法和粒子群算法的对比,验证了萤火虫膜算法在求解置换流水车间调度问题中的可行性和有效性。利用膜算法求解得到的不同学习率下置换流水车间调度问题的最大完工时间及总流经时间,构建Pareto最优解集,分析不同学习效应因子对多目标置换流水车间调度问题的影响程度。     

基于多目标萤火虫膜算法的学习效应生产调度问题

针对复杂的生产环境,建立基于学习效应的多目标置换流水车间调度问题模型。设计嵌套有萤火虫算法的膜算法,改进其邻域搜索策略,对构建的模型进行寻优求解。利用Car类基准测试问题测试萤火虫膜算法的性能,并通过与萤火虫算法和粒子群算法的对比,验证了萤火虫膜算法在求解置换流水车间调度问题中的可行性和有效性。利用膜算法求解得到的不同学习率下置换流水车间调度问题的最大完工时间及总流经时间,构建Pareto最优解集,分析不同学习效应因子对多目标置换流水车间调度问题的影响程度。     

改进蚁群算法求解单机总加权延迟调度问题

单机总加权延迟调度(SMTWTS)问题是一类由于任务完工时间超过交货期从而优化目标为加权延迟成本最小的单机调度问题,已被证明是NP难题.蚁群算法受自然界蚁群觅食机理启发而来,也曾被用于其它类型的单机调度问题研究,但SMTWTS被认为是实际生产中面临的主要问题.本文提出一种改进蚁群算法求解SMTWTS问题,该算法对信息素更新策略进行了改进,引入信息扰动及变异策略,并对参数进行了合理设置,对比实验表明搜索效率好于遗传算法.     

动态需求的多车型车辆调度问题及云遗传算法

根据动态信息产生的时间点不同提出时间轴概念,利用时间轴将动态车辆调度问题转化为一系列的静态车辆调度问题,建立考虑车载率和油耗的综合费用为优化目标的车辆调度模型.利用云模型云滴的随机性和稳定倾向性改进自适应遗传算法中交叉率和变异率设置方式,设计云自适应遗传算法对车辆调度问题进行实时再优化.最后,结合算例对模型和算法的有效性进行验证.     

基于改进蚁群优化的多目标资源受限项目调度方法

多目标资源受限项目调度是一类典型的NP难组合优化问题,具有广泛的实际应用背景.本文提出了一种带局部搜索的改进蚁群优化算法用于求解多目标资源受限项目调度问题,优化指标为最小化项目工期和资源投资.首先,采用改进的蚁群优化算法获取Pareto解集;其次,通过基于带逻辑约束的Insert和Swap邻域搜索方法对已获得的非支配解进行局部搜索,进一步提高算法的性能;最后,基于PSPLIB国际标准测试集的数值仿真实验与现有最好的算法比较,验证了所提算法的有效性和高效性.     

一类Petri网调度问题的符号求解技术

讨论了Petri网分析的符号有序二叉决策图(Ordered Binary Decision Disgram--OBDD)技术.对于一类赋时Petri网模型的生产调度问题,通过实施赋时位置(迁移)结构等价替换,建立了调度问题求解的符号算法.该算法可以在makespan步得到结果,从而有效改善了求解的效率,适合于复杂大规模Petri网模型调度问题的求解.     

基于粒子群算法的多目标车辆调度模型求解

车辆调度问题是具有复杂约束条件的组合优化问题,在理论上属NP-hard问题.考虑车辆数目最少和车辆运行时间最短,建立了具有时间约束的多目标车辆调度模型.并采用粒子群算法（PSO）求解车辆调度问题,以寻求最优车辆调度方案.在实例中通过运用粒子群算法和遗传算法进行比较分析,结果表明,PSO算法简单可行,在优化性能、收敛速度及鲁棒性等方面优于遗传算法,能较好地解决组合优化问题.     

基于改进齐套零件策略的车辆装配线新型物料配送调度

为了有效地解决汽车混流装配线物料供应的调度问题,提出了一种新型的基于线边超市的物料供应调度方法.首先,进行了问题域的形式化描述,同时确定了研究对象的一些假设,并建立了整数规划数学模型.而后,针对线边超市物料供应调度问题提出了改进齐套零件策略,为了求解该策略下物料超市补货任务的调度问题,构建了基于图论的模型以将调度问题转化为更容易精确定义和求解的数学问题,采用精确算法对目标函数进行优化.最后,对算法进行了仿真实验,结果表明调度算法是可行、有效的.     

关于带有传输时间的F2|perm|Cmax排序问题的一个新算法

考虑传输时间的同顺序排序问题是在机器人设计及柔性制造系统中有着广泛应用的一类排序问题。     

两阶段流水车间成组调度问题的迭代贪婪算法

针对两阶段流水车间成组调度问题，在同时考虑序列不相关准备时间和阶段间双向运输时间约束的情况下，以最小化最大完工时间为目标建立了混合整数线性规划模型，结合问题特征提出一种协同进化迭代贪婪算法.算法将工件组间排序和各工件组内工件间排序两个子问题进行统一编码，设计了不同的启发式规则产生问题的初始解，并提出一种协同导向迭代贪婪规则对两个子问题进行联合优化，进而给出了问题的三个下界以评估算法的性能.通过不同规模的数据实验和与对比算法的比较分析，验证了所提算法的高效性和稳健性.     

柔性作业车间动态调度问题研究

为了有效求解柔性作业车间动态调度问题,提出了一个基于多目标免疫遗传算法(MOIGA)的动态调度优化算法。首先定义了柔性作业车间动态调度问题,然后采用事件驱动和周期驱动相结合的调度策略,提出了基于MOIGA的动态调度优化模型,接着设计了面向交货期性能最优的柔性作业车间调度算法,并讨论了影响算法复杂度的因素,最后通过一个实例仿真,表明了算法的可行性和优越性。     

电子侦察卫星任务调度方法

基于电子侦察卫星任务规划问题的特殊性,提出了规划预处理的基本方法,并基于合理假设建立了问题的多目标规划模型;设计了一种改进的遗传退火算法对模型进行求解,为防止最优解的丢失,引入了基于精英保留的选择机制,同时该算法有效避免了遗传算法局部优化能力差及模拟退火算法易陷入局部最优等缺陷。最后,通过实例将该算法与遗传算法(genetic algorithm, GA)及模拟退火算法(simulated annealing algorithm, SA)相比较,结果表明该算法能有效解决电子侦察卫星的任务规划问题。     

基于改进遗传算法的多类测控资源调度方法

为了研究一类利用不同测控(telemetry, track and command, TT&C)网联合执行TT&C任务的多类TT&C资源联合调度问题, 首先对国有和商业TT&C网的不同特点进行归纳总结。其次，对问题中的约束条件进行分析和规范化描述, 并在满足所选约束的前提下, 建立问题的数学模型。进而根据问题特点, 以遗传算法为基础, 通过设计适当的编码方法和交叉、变异算子以及约束冲突处理方法, 提出一种改进遗传算法。最后，实例仿真表明, 引入的多类TT&C资源联合调度方法较传统未引入联合调度的方法能有效提高TT&C资源利用效率, 证明了所提算法求解此类TT&C调度问题具有较好的性能。     

反导预警作战资源调度方法

针对反导预警作战中多部预警资源协同探测多批弹道导弹目标的问题,根据反导预警作战资源调度的特点,提出了反导预警作战任务分解策略,并以调度效益、交接次数和资源负载均衡度为目标建立了多目标优化模型。通过重新设计粒子编码方式以及对重新定义粒子群优化算法中的位置更新公式,使其适用于求解离散变量优化问题。针对粒子群优化算法容易过早收敛的缺点,在进行局部搜索时使用变邻域搜索算法,从而增强算法的寻优能力。通过仿真实验验证,将两种算法相结合能够快速有效地解决反导预警作战资源调度问题。     

考虑合成机制的多星应急任务调度

以应急任务优先调度为原则,保证观测总收益的基础上最小化对原调度序列的扰动是多星应急任务调度领域急需解决的问题。首先,分析应急任务完成时间和观测收益关系,建立考虑时间依赖性收益的数学规划模型。其次,基于遗传算法,提出考虑合成机制的多星应急任务调度算法。设计任务合成、插入和替换算子完成应急任务插入,考虑任务观测收益、序列扰动和最短观测时间设计适应度函数,设计交叉、变异、全局修复算子迭代优化调度序列。最后,通过数值实验表明设计的算法能够显著提高调度质量,适用于多星应急任务调度问题。     

基于DQN的异构测控资源联合调度方法

以异构测控网资源联合调度为研究对象,提出一种基于强化学习的深度Q网络(deep Q network, DQN)算法。在充分分析异构测控资源联合调度问题特点后,用数学语言对影响问题求解的约束条件进行描述,建立了资源联合调度模型;从应用强化学习解决问题的角度,对求解的问题进行马尔科夫决策过程描述后,分别设计了2个结构相同的神经网络和基于ε贪婪算法的动作选择策略,并建立了DQN求解框架。仿真结果表明：基于DQN的异构测控资源调度方法较遗传算法能够找到调度收益更优的测控调度方案。