考虑潮汐的多港池港口船舶调度优化

针对多港池港口船舶调度优化问题,重点考虑大型船舶乘潮进出港口的影响,兼顾单向航道下进出港船舶间需保持安全航行距离、进出港时段交替条件及连续泊位靠泊限制等现实约束,以所有船舶总等待时间最小为目标,构建了混合整数线性规划模型.基于船舶调度问题的特点,提出了启发式规则,将原问题分解为五个子问题进而获得初始解,并设计了改进和声搜索算法求解.在数值实验中,将该算法的求解结果同下界对比,平均相对偏差为2.19%,且求解耗时均少于1分钟,验证了算法的有效性;将方案的求解结果同两种现行调度规则对比,不同算例规模下平均目标值优化率分别为13.30%和27.35%,可显著提高港口船舶服务效率,验证了方案的有效性.     

成像卫星集成调度的变邻域禁忌搜索算法

探讨了一类涉及多星、多地面站的成像卫星系统集成调度问题,要求从可能过度订购的卫星观测需求中,选择一个能够无冲突完成的任务子集,并为相应的观测和数据下传活动安排资源和时间,以最大化对所有用户需求的总体满足程度.建立了该问题的变体形式车辆路线问题模型,设计了改进型和调整型两类邻域结构,并提出了一种变邻域禁忌搜索算法.通过交替使用两类邻域结构,增强了算法对解空间的探索能力和规避局部极值的能力.测试算例的计算结果和与其它算法的比较表明,该算法能够在相近的计算时间内显著改善求解质量.     

随机活动工期下基于总不确定成本的项目前摄性调度与反应性调度集成优化

从成本经济角度研究活动工期随机中断下前摄性调度与反应性调度在应对不确定因素干扰中的集成优化问题,目标是最小化项目计划与实施过程的总成本.构建以总成本最优为目标的前摄性与反应性调度集成优化模型;针对模型特征设计混合变邻域随机禁忌搜索启发式算法,并在ProGen生成的算例上进行全因子测试.结果表明:基于随机属性的混合启发式...     

考虑多事故点的海上重大事故应急物资优化调度

应急物资的高效调度是整个应急系统服务效率的保障,为提升海上应急系统的救助效率,针对固定海域内多起重大事故随机发生情景下的应急物资优化调度问题展开了研究.综合考虑物资运输受需求时间窗限制、物资需求存在时变特性以及海陆物资协同调度存在耦合关系等一系列复杂约束后,为统筹优化海上应急物资调度与陆上补给应急物资调度,构建了一个两...     

集装箱码头集成调度模型与混合优化算法

为提高集装箱码头作业中各种设备的协调性,提高整体作业效率,建立了集成调度模型,模型集成了装卸桥、集卡与龙门吊的调度问题.同时,设计了求解模型的混合优化算法,此算法集成了神经网络良好的近似估计功能与模拟退火算法有效的搜索能力.算法流程是:初始化集装箱装卸序列;基于一定的分配规则为集装箱分配作业设备;采用模拟退火算法搜索解空间,更新装卸序列.在算法过程中,用神经网络预测目标函数,并且过滤明显的劣质解.最后,通过算例分析验证了模型与算法的有效性.结果表明,混合优化算法可以提高模型求解效率,对于规模为400个集装箱的调度问题,平均偏差为7.52%,计算时间为8.9s,模型与算法可行.     

面向复杂关联测控需求的冲突规避调度算法

对卫星测控资源调度问题的现状进行了分析, 根据现有场景、需求和任务建立了目标约束满足模型。在系统阐述测控资源、可见弧段、任务需求的基础上, 考虑到测控任务需求间复杂的相互关联关系, 提出了一种基于任务冲突规避的测控资源调度算法。相比其他传统方法, 该算法考虑了全局任务对资源的需求和任务间复杂的关联性, 引入了可行解接受度函数, 避免了传统启发式算法过分贪婪的缺点。实验结果表明, 该算法应用于大规模测控任务资源调度时, 能有效提高任务调度的成功率。     

单跑道混合起降飞机排序问题的优化算法研究北大核心CSCD

针对单跑道混合起降飞机排序问题,考虑着陆队列的优先性以及最小时间间隔的复杂性,建立最小化队列完成时间的混合起降模型.为求解该模型,提出两种基于着陆优先的两阶段算法,即TPLP算法和M-TPLP算法.该两种算法的第一阶段均是将着陆队列从起降队列中分离,并用蚁群算法对其求解;在第二阶段,TPLP算法和M-TPLP算法分别在不允许和允许着陆飞机偏移已安排着陆时间的情况下,将起飞队列插入到已排着陆队列中,即确保了着陆飞机的不同优先性,在一定程度上能够为实际的空中交通流量管理提供理论依据.最后,通过仿真实验验证所提算法的有效性.     

基于两阶段鲁棒优化的无人机载机平台调度问题

基于"载机平台+无人机"服务模式,研究需求不确定情形下的载机平台调度问题.以调度期总成本最小为目标,建立两阶段鲁棒优化模型.第一阶段,在需求不确定的情况下提前确定载机平台的使用数量和调度路径;第二阶段,基于第一阶段的决策结果和不确定需求集,确定最差情形下的需求分配方案.模型采用L型算法求解.数值实验表明,鲁棒优化的效率优于随机规划,通过适当放松模型鲁棒性可以大幅提高决策经济性.面对不确定需求,系统会优先调整载机平台的调度路径,其次考虑增加载机平台的数量,调度方案呈现出渐进式调整的特点.     

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.     

基于集成粒子群优化的复线旅客列车优化调度

列车优化调度是一个大规模、复杂的数学优化问题。在优化过程中，考虑了特快旅客列车中途离开时间、普快列车中途离开时间和特快、普快和货车等三种列车的整个运行时间等因素。提出将模拟退火优化方法嵌入粒子群优化算法中，以此构建集成粒子群优化算法．在搜索过程中还加入变异探作来增加种群多样性，以避免早熟收敛．通过对青岛至广东高速轨道线738公里段的研究表明，集成粒子群优化算法局部搜索能力有显著提高，且搜索到全局最优解的概率更大。     

突发事件应急救援前摄性调度与反应性调度的集成优化

突发事件应急救援具有高度的不确定性与动态性,稳定可靠的救援计划及其合理有效的动态调整,对于应急救援的顺利实施具有重要影响.本文以企业生产事故与突发事件为主要对象,研究应急救援的前摄性调度与反应性调度的集成优化问题.作者首先对问题进行界定,构建前摄性调度优化模型以求得一个鲁棒性最大的基准计划,然后以此为基础建立调整损失最小的反应性调度优化模型.针对问题的NP-hard属性,设计专门的禁忌搜索启发式算法.最后,通过对一个实际井喷事故救援过程的求解分析对研究进行说明,得到如下结论:前摄性调度的鲁棒性与反应性调度的损失值之间,并不存在一个绝对的单调关系,通过反复多次的求解运算,可以找到二者之间平衡点,实现两种调度方式的集成优化.本研究可为突发事件应急救援基准计划的制定与动态调整提供定量化决策支持.     

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。     

基于时间槽的敏捷供应链集成调度模型及优化

针对市场需求出现后敏捷供应链需要选择各级部件供应商并安排对应的生产运输调度问题,以准时满足市场需求为基本约束,以供应链库存、生产和运输总成本最小为目标函数,建立了基于供应商可用时段时间槽表示方式下的敏捷供应链集成调度INLP模型;基于该模型具有大量的时间和数量约束,设计了以时间槽实数编码作为基因编码的混合遗传算法,在解码过程中引入贪婪-序的解码方法保证产生满足约束的解,加速算法收敛和寻优; 最后以算例验证模型和算法的有效性和稳健性.     

考虑适时倒箱的进口重箱区多场桥调度优化

为提高进口重箱区的提箱作业效率,减少提箱外集卡的等待时间,研究固定时段内该类箱区的多场桥调度优化.重点考虑场桥作业过程中待提箱上压箱翻倒时机及落位的影响,兼顾作业场桥之间不可跨越和保持一定安全距离等现实约束,以所有外集卡总等待时间和超过等待容忍限度总时间的加权和最小为优化目标,构建了一个非线性规划模型,设计了融入交叉变异策略和禁忌搜索算法的改进和声搜索算法.通过数值实验,验证了方案及算法的有效性.     

含释放时间的同类机问题的可变邻域搜索算法

研究了目标函数是最小化完成时间和的同类机调度问题,其中作业释放时间可能不同.此问题被证明是强NP-hard问题.为此问题构造了一种启发式算法HRS,进而以HRS算法求解结果为初始解构造了问题的可变邻域搜索算法HRS-VNS.大量的随机数据实验用于验证算法的性能和效率.     

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.     

作业车间调度问题的随机邻域交换算法

针对作业车间调度问题提出了一种随机邻域交换算法RNSA(random neighborhood swapping algorithm).算法由几个紧密衔接的执行阶段组成,其核心思想是如何设计生成多样性调度以及如何判断新调度的可行性.为此,采用了一种组合随机邻域交换策略并证明了一个调度可行性判定定理.为了验证算法的有效性,对一批Benchmark算例进行了测试并与国内外现有研究结果做出了比较.     

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.