提前/拖期的批量和计划问题研究

本文研究的问题是确定生产批量的数量和加工顺序,以至于使得存储成本和延期成本最小化.本文解决的问题是如下情形,准备处理n个订单,每一个订单都拥有自己的截止日期,提前惩罚,拖期惩罚.生产过程是按批处理的,不允许提前发货,每个订单都只能有一次发货日期,在订单的截止日期发货或生产完成以后立即发货.本文提出了一个算法,使用该算法能很好地解决不考虑装设成本的提前/拖期的批量计划问题.     

一种改进的人工免疫算法在模糊Flow-shop调度问题上的应用

为了克服传统的遗传算法和人工免疫算法的不足,提出一种改进的人工免疫算法.此种算法在进行亲合力计算前利用生成的亲和度矩阵排除相似抗体,大大减少运算量.用此种改进的人工免疫算法优化寻优过程,研究了处理时间不确定并且具有不同交货期窗口的Flow-shop的提前/拖期调度问题.最后,仿真实验验证了算法的有效性.     

交货期窗口下的多目标作业车间调度问题

研究交货期窗口下的多目标作业车间调度问题.如果任务在交货期窗口内完工,则不受提前/拖期惩罚;如果在交货期窗口外完工,将导致提前/拖期惩罚.设计了基于协同多群体的多目标遗传算法（CMGA）,最后将此算法应用于作业车间调度的多目标优化问题,并和其他算法进行了比较.计算结果验证了CMGA在调度方面良好的搜索性能.     

带有交货期时间窗的生产与维护联合调度优化

为探讨拉式生产环境下设备故障对准时交货的影响,建立了单设备预防性维护和生产调度联合优化模型.提出一种提前/拖期惩罚成本隶属度函数,同时选用简单维修和更换2种不同的维护方式,以具有交货期时间窗的提前/拖期惩罚成本与维护成本之和为优化目标,决策工件加工顺序和维护周期.提出一种新的算法LSA(LongestShortest Processing Time Based Algorithm),与遗传算法(GA)结合,采用GA-LSA对模型优化求解,与枚举算法和改进GA比较,证明其有效性.通过不同问题规模下联合优化分别与独立优化和单一维护方式联合优化方法进行对比,结果表明,相对其他2种方法,所提出的方法更加有效.     

考虑提前／拖期成本的计划提前期确定

研究了随机提前期情况下物料计划提前期的确定问题。以提前／拖期成本最小为目标，通过构造遗传算法的适应值函数寻求一组最优的计划提前期，用参数设置模拟应用中的实际情况，使物料的提前／拖期成本最小。最后通过算例证明了算法的有效性。     

基于改进型多目标粒子群算法的晶圆制造系统瓶颈工作站调度

为了尽可能提高瓶颈工作站利用率,在获得较高系统产能的同时得到一个合理的制造周期,构建了以最小化瓶颈工作站的平均加权提前/拖期时间和最小化瓶颈工作站流程时间为优化目标的改进型多目标粒子群算法,并对瓶颈工作站进行了性能分析.将准时交货和快速生产要求分别映射为瓶颈工作站平均加权提前/拖期时间和流程时间,并构建了多目标优化模型.通过改进速度和位置的更新机制,对陷入局部最优的粒子进行交叉操作,设计了用于瓶颈工作站调度的改进型多目标粒子群算法.在不同作业规模下从算法的稳定性、Pareto前沿质量、收敛速度及运行时间出发,进行了调度仿真试验.结果表明该算法对提高瓶颈工作站的调度性能是有效的、可行的.     

退役产品拆解车间逆向生产与物流集成调度优化

针对退役产品拆解工艺与物流存在的不确定性,提出一种逆向生产和物流集成调度拆解车间优化方法.分析退役产品拆解车间作业过程中生产与物流相互影响因素,以优化逆向生产与物流过程中的最大完工时长和提前/拖期成本为目标构建车间多目标调度模型.基于物流路径决策,设计一种带基因修复的变异算子改进NSGA-Ⅱ算法的变异准确性,提升算法的求解有效性.以某公司的手机拆解线为例,分析多尺寸的生产、物流算例.结果表明,随着自适应引导车数量的增加,大、小尺寸算例的拖期成本分别减少了57.1%和58.3%,验证了模型的有效性.     

JIT系统下的单机提前/拖期调度问题

分别研究了交货期及交货期窗口下的单机调度问题，目标是寻找一个最优调度极小化提前／拖期任务数。假设如何任务在交货期或交货期窗口内完工，则不受处罚；否则，就要受到一个固定的提前／拖期惩罚；提出了在交货期及交货期窗口下的寻找最优调度的多项式算法，并以两个实例说明了算法。     

一种改进的人工免疫算法在模糊Flow—shop调度问题上的应用

为了克服传统的遗传算法和人工免疫算法的不足，提出一种改进的人工免疫算法。此种算法在进行亲合力计算前利用生成的亲和度矩阵排除相似抗体，大大减少运算量。用此种改进的人工免疫算法优化寻优过程，研究了处理时间不确定并且具有不同交货期窗口的Flow-shop的提前／拖期调度问题。最后，仿真实验验证了算法的有效性。     

不确定性条件下存储时间有限型Flow Shop问题的提前/拖期调度研究

研究了具有不同交货期窗口的Flowshop提前／拖期调度问题,并考虑处理时间的不确定性以及存储时间的有限性,在模糊规划理论基础上,建立了带有提前／拖期的存储时间有限型Flowshop的调度模型,通过中间值最大隶属度算法,将原有的模糊调度模型转化为清晰的调度模型,并应用了遗传算法进行优化求解。仿真实验验证了算法的有效性。     

基于QoS云计算任务调度优化

由于云计算技术快速发展,为了满足日益多样化的云计算用户服务质量(QoS需求)以及提高云计算资源调度的效率,提出基于改进蚁群算法的云计算资源调度优化算法,包括建立云计算资源模型和用户QoS需求模型.为了得到更准确的结论,针对传统蚁群算法过快收敛造成的局部最优解现象,在传统的蚁群算法的基础上加入随机选择机制,时间、成本和结果有效可用性适应度因子进行了优化改良,以求得全局最优解.通过仿真实验将传统的蚁群算法、Mi n-Mi n调度算法和改进的蚁群优化算法进行比较,实验表明,改进的蚁群优化算法在调度效率、节约成本、减少任务执行时间和任务得到结果质量方面有明显的优势.     

基于遗传-蚁群算法的云计算任务调度优化

为了找到最佳的云计算任务调度方案, 缩短云计算任务完成时间, 通过综合考虑遗传算法和蚁群算法的优势, 提出一种遗传 蚁群算法的云计算任务调度优化算法. 首先采用遗传算法快速搜索到云计算任务调度的可行方案, 然后采用可行方案初始化蚁群算法的信息素分布, 解决初始信息素匮乏的难题, 加快算法收敛速度和搜索能力, 提高云计算任务求解效率. 在CloudSim平台的实验结果表明, 相对于遗传算法, 遗传 蚁群算法更适合于大规模云计算任务问题的求解, 可缩短任务完成时间, 获得更高的用户满意度.     

基于改进蚁群算法的炼铁原料混匀过程调度优化

通过将炼铁原料混匀过程转化为一种带有顺序相关准备时间、有限中间存储和组装过程的流水车间问题,建立了以最小完成时间为目标的离散调度模型,并针对炼铁原料混匀过程提出了一种改进蚁群算法.该算法通过为单个蚂蚁设置禁忌定时器,将中间存储的状态变化用于修正蚁群路径选择的可行集,减少了调度过程中阻塞造成的时间浪费,构造出质量更好的可行解.数值仿真实验表明,该算法比遗传算法和一般蚁群算法具有更高的计算效率和更好的求解效果.     

战时车辆调度问题算法及应用分析

战时车辆调度是精确后勤的核心内容之一,对提高部队机动性和后勤保障能力具有重要作用.对战时车辆调度问题进行分析研究,提出一种快速、高效的算法.对战时多任务车辆调度组合优化问题,即NP-Hard问题进行求解.构造了一个两层搜索结构的遗传禁忌混合算法,该算法充分利用了不同领域搜索方法的优点,增强了算法在解空间中的搜索能力和运行效率.试验分析结果表明:所提算法能有效地解决战时多任务车辆调度问题;与基本遗传算法相比,该算法的优化能力、运行效率、可靠性均得到了提高.     

云计算下均衡负载的差异性资源调度算法优化研究

随着云计算的逐渐发展,云计算下容易出现虚拟机负载不均衡和差异性资源调度时间长的问题,当前调度算法大多无法有效解决均衡负载问题,影响调度性能。为此,提出一种新的云计算下均衡负载的差异性资源调度算法,对云计算下资源调度问题进行描述,针对云计算下虚拟机差异性资源负载问题设定参数。设计蚁群优化算法,蚂蚁爬行的每一步代表指派的一个差异性资源任务,引入挥发因子对信息素更新规则进行改进,获取全局信息素。利用蚁群优化算法对云计算下负载的差异性资源进行均衡调度,给出详细实现过程。实验结果表明,所提算法有较好的收敛性,均衡负载效果好,且时间复杂度低。     

An Ant Colony Optimization Algorithm to Satellite Data Transmission Scheduling Problems

数据传输资源调度是空间资源管理的重要内容之一。为了有效求解数据传输资源调度问题,基于蚁群算法构建了一种数据传输资源调度方法。实验结果表明,蚁群算法能有效求解数据传输资源调度问题。本文方法可推广应用到其他资源调度领域。     

无线传感器网络基于改进遗传算法的节点调度

节点调度问题是经典的NP-hard组合优化问题之一。为解决该问题提出了诸如蚁群算法、粒子群算法和遗传算法等智能算法,以遗传算法(genetic algorithm,GA)更为有效,但经典的遗传算法在解决节点调度问题时,其算法自身存在寻优速度慢,容易陷入局部最优。提出一种改进的轮盘赌优化方法,该方法基于适应度比例的选择,即用全部个体的选择概率来计算累计概率,产生完整的子代个体并保留其基因,避免陷入局部最优,进而快速精确地求出节点调度问题的最优解,实验结果表明,经过改进的遗传算法求解的路径长度、收敛性和运行时间等指标均有明显改善。     

基于蚁群粒子群优化算法的云计算资源调度方案

通过对蚁群算法和粒子群算法分别进行改进,利用两种算法自身优势相结合的方式建立一种蚁群粒子群算法,以提高云计算资源调度效率,解决云计算中资源调度方案优化问题.实验结果表明,该算法所消耗的时间更少,效果更好.     

基于蚁群算法的船舶过闸计划优化模型

针对船舶过闸计划生成的难题,提出了基于蚁群算法的船舶过闸计划生成方案,建立了船舶过闸排档问题的优化模型(包括目标函数和约束条件),给出了基于蚁群算法的船舶排档问题求解算法和船舶过闸排档计划生成的蚁群算法的构造过程,包括信息素策略、概率转移策略、约束条件的处理和算法步骤.依据该算法并结合三峡南线船闸的实际调度数据,给出了实验结果,证明船舶过闸计划生成方案是有效的.     

基于GATS混合算法的最优作业切换不相关并行机成组调度研究

不相关并行机调度问题是车间调度中的典型问题,而单件小批量生产模式导致频繁的作业切换和大量的作业切换时间,降低了设备利用率和生产效率。文中提出了基于成组技术的排序依赖作业切换时间的不相关并行机调度问题研究。根据工件加工所需资源的相似性进行工件聚类成组,满足机器约束条件确定所有工件组在各机器上的分配,以及确定同一台机器上的各工件组以及组内的排列顺序。以最小化总拖延时间为优化目标构建了数学模型,应用了遗传禁忌搜索(GATS)算法进行求解,针对不同规模的问题分别对比人工蜂群(ABC)算法和遗传模拟退火(GASA)算法进行案例研究。对比结果显示文中提出的算法具有较好的寻优能力。