软计算求解并行多机成组工件调度问题

自从Zade将模糊理论引入求解组合优化问题以来，出现了很多基于模糊规则与智能优化算法相结合的软计算方法，文章尝试将这种方法用于解决并行多机成组工件flow-time问题，本问题中，设有n个工件计划在M台并行一致的机器上加工，这n个工作根据相似性分为b组，开始加工时，需要一个准备时间，当工件接续在同组工件之后加工时，不需要准备时间，反之，接续在不同组工件之后加工时，需要一个准备时间，本问题的目标是找到一个工件加工的调度顺序序列，使M台机器总的流水时间最小，在文章中，作者首次利用模糊规则量化结合遗传算法的软计算方法求解这类复杂的组合优化问题，最后给出计算实例及仿真结果。     

用遗传算法解决并行多机调度问题

对最小化完工时间的并行多机调度问题提出了一种遗传算法,并在问题形成、遗传算法编码、变异方法等方面作了研究,并用计算实例表明遗传算法能适用于大规模并行多机调度问题。     

模糊作业时间的并行多机调度问题与算法研究

结合抚顺钢厂实际,利用模糊数学理论,对生产实际中的模糊作业时间进行处理,通过定理将模糊作业时间问题转换为非模糊的精确问题,利用禁忌搜索智能优化方法,对问题进行了求解,使调度计划具有一定的柔性,让管理者能够掌握调度时间范围,从而使计划调度更接近现实,大大缩短总完工时间,对于钢厂一体化管理,使连铸生产的高温铸坯,能够在允许时间范围到达热轧厂,降低了能源消耗,缩短生产周期。     

零工工厂多机多目标调度

本文根据零工工厂生产系统的特点，研究多机多目标调度问题，提出并建立了多机多目标调度问题的一般模型，应用模拟退火方法进行仿真实验。     

基于模糊规则的GA求解成组调度

研究并行多机成组工件flow-time问题,利用模糊规则量化,使用遗传算法内嵌入模糊控制规划的智能化算法求解这类复杂的组合优化问题,最后给出计算实例及仿真结果,证明了该算法具有解决大规模实际问题的能力。     

面向两客户的差异工件平行机批调度问题

将差异工件的批调度问题扩展到两客户生产环境,建立了两个客户分别以最小化制造时间跨度和最小化最大工件延迟时间为生产目标的差异工件平行机批调度模型.首先提出了一种启发式算法TSEDD(two-set earliest due date)对分批方案进行排序并安排到平行机,然后设计了一个多目标蚁群优化算法MOACO(multi-objective ant colony optimization)对不同客户中的工件进行分批并结合TSEDD完成对问题Pareto最优解集的求解.实验结果表明,与经典的多目标问题求解算法NSGA-Ⅱ和SPEA2算法相比,MOACO具有较好的求解效果,且随着问题中工件规模的增大,算法的优势更加明显.     

一种求解两机成组作业流水车间优化调度问题的遗传算法

当优化目标是总的流时间时,两机成组作业流水车间调度问题是NP难解的.本文提出了一种两机成组作业流水车间优化调度的遗传算法.该遗传算法分两层一层优化组内作业排序,一层优化组排序.仿真结果表明该方法的有效性.     

面向两客户的差异工件单机批调度问题

将差异工件批调度问题扩展到多客户生产环境,建立了优化两客户各自生产时间跨度的差异工件单机批调度模型.不同客户的工件集合具有自己的优化目标,为了满足不同客户的要求,需要多种不同的生产方案.针对该特点提出了一种面向两客户的单机批调度问题的多目标蚁群算法(MOACO),通过存储算法每次迭代产生的非支配解集,对人工蚁的搜索和信息素的更新提供指导,保证了搜索的效率.实验结果表明,与经典的多目标问题求解算法NSGA-Ⅱ和SPEA2算法相比,多目标蚁群算法具有较好的求解效果,且随着问题规模的增大,算法的优势更加明显.     

考虑故障状态劣化的并行多个电力设备的预测性维护调度

为解决电厂中多个并联设备的维护问题,提出一种基于故障状态的预测性维护调度方法。首先,结合设备当前状态和故障自身劣化特点的影响,改进时变函数预测故障的劣化状态;依据故障状态划分维护优先级,考虑维护资源、供电持续性和电能产量等因素的约束,以总维护成本的最小化为目标构建调度模型;考虑可维护时间的连续性特点,提出两阶段算法对模型求解,先划分维护时间窗将该问题转化为时间段的组合优化问题,再结合全枚法和经济性原则确定最优维护方案。最后,以云南电网中多台变压器的维护为例,对该方法的有效性进行测试和分析。结果显示,相较于传统的基于先故障先维修原则的事后维修模式,本文以故障状态为基础的预测性维护方法在降低维护成本和提高系统稳定性方面具有明显的优越性。     

航天器发射多任务并行调度模型及算法

航天器发射高频度常态化和航天产品可靠度的增加,客观上要求航天器发射采用并行调度模式以提高发射资源利用率。针对工序迭代可能引发的航天器发射系统死锁,构建了死锁预测和损失评价机制,建立了最小化任务时间和最小化加权滞后时间综合的目标函数,设计了多任务并行调度模型,开发了多类agent协同工作的优化算法,并使用调度实例验证了模型和算法的可行性和有效性。模型和算法在“天宫一号”和“神舟八号”发射任务中得到初步应用,效果较好。     

基于时间序列分析的井灌水稻需水量预测

应用时间序列分析法，分析富锦试区1994－1998年的气温资料建立了气温预报模型，同时寻求出井灌水稻需水量ET与平均气温T的相互关系，进而预报出1999年该地区水稻需水量ET。通过对实测资料比较，精度较高，可在灌溉用水管理中应用。图2，表7，参4。