不确定环境下舰载机保障预反应式动态调度优化

针对舰载机机务勤务保障过程中的不确定性和动态特性,研究舰载机保障预反应式动态调度优化问题。在预调度阶段设计双种群遗传算法,融合左右种群双向对齐迭代技术提高解的全局最优性,结合设定的保障期限求得带有工期保护缓冲的鲁棒性预调度方案。在反应性调度阶段,建立以最小化保障完工时间和最小化调度调整损失成本为目标函数的反应性调度模型,设计针对单一个体的自适应分层双目标变邻域优化算法,对预调度方案进行局部调整,优化反应性调度的效率和稳定性。提出5种不同反应性调度调整策略,对多种扰动类型下的不同保障机组的预调度方案进行局部调整和分析。为不确定环境下舰载机基准预调度计划的制定和反应性调度方案的调整提供了决策支持。     

多目标置换流水车间调度的混沌杂草优化算法

针对最小化最大完工时间,总流程时间及总延迟时间的多目标置换流水车间调度问题,提出一种改进的混沌杂草优化算法,该算法采用基于熵值权重的灰熵关联度适应值分配策略,引入快速非支配排序法生成外部档案,并将进化种群的更新和最优位置的混沌搜索相结合,用于维护外部档案,提升算法的寻优性能.通过与NSGA-Ⅱ算法进行OR-Library典型测试算例的对比实验,验证该算法的有效性.     

在轨空间智能制造:分布式调度建模与优化

在轨空间制造系统是在行星大气层外的需要地面工厂、在轨空间工厂、天地运载工具协同的以进行空间设施建造为目标的一类分布式制造系统.分布式调度建模和高效优化求解技术是实现在轨空间智能制造的关键技术之一.本文针对一类具有组件地面分布式制造及运输、地空分批次运输、组件在轨装配等典型特点的在轨空间智能制造系统,将其分解为分布式同质流水线调度,考虑运输时间的同速并行机调度,考虑工件释放时间、机器可用时间、机器处理能力的单机批调度以及考虑组件释放时间、优先约束的单机调度等问题,并基于模型协调思想建立以最小化组件生产到产品装配总时长为目标的分布式多阶段调度模型.进而,将用于求解连续优化问题的易理优化算法扩展到离散调度问题,提出求解该分布式调度问题的基于易理优化的模因算法.基于中规模、大规模算例的仿真结果和算法分析比较表明:相较于粒子群算法、教学算法、水波算法等智能优化算法,所提算法是一种求解分布式多阶段调度问题的可行、有效算法.值得一提的是,这是第一篇关于在轨空间智能制造系统调度优化的研究.     

基于微服务架构的云制造调度仿真系统设计与开发

针对当前缺乏低耦合和高扩展的云制造调度仿真系统,无法方便地对调度算法性能进行测试的问题,以成本和完工时间最小化以及服务质量最大化为调度目标,提出一个可扩展的云制造调度模型,并在此基础上设计和开发了一个基于微服务架构的云制造调度仿真系统,实现了系统管理、资源管理、任务管理和仿真管理等功能,具有灵活自治、稳定、可扩展等特征。该仿真系统能够对调度算法的性能进行仿真、测试和优化,从而为云制造调度算法性能测试和参数优化提供了一个仿真平台。     

支线航运网络下集装箱分配与船舶调度联合优化北大核心CSCD

将产生集装箱运输任务的货源点加入至轴辐式航运网络的支线运输网络中,构建了三级支线运输网络.考虑货源点集装箱在不同喂给港的分配对支线船舶运输成本的影响,以三级支线网络的总运输成本最小为目标,建立了集装箱分配与支线船舶调度联合优化模型.针对模型,首先设计两阶段算法进行求解;然后,基于列生成的思想设计了整合优化求解算法.算例实验表明对于小规模算例,整合优化算法的求解结果与Gurobi的计算结果仅相差1%左右;对于大规模算例,整合优化算法的求解结果均优于Gurobi,从而验证了整合优化算法的效率;此外,整合优化算法的求解结果相比于两阶段算法有显著提高,证明了整合优化集装箱分配与支线船舶调度的重要性.     

社会系统MAS分布仿真中的Agent优化调度算法

针对分布式多Agent系统在复杂社会系统仿真应用中的运算特性,设计了一个基于分布式结构的Agent调度框架并提出了Agent的动态优化调度算法.该算法综合考虑了仿真过程中仿真节点运算负载和Agent通信结构的变化,通过优化Agent的调度和分配实现各仿真节点负载的动态均衡以及多Agent系统中跨节点全局通信量的减少.仿真实验分析表明提出的算法能够有效提高此类仿真应用的运算性能以及减少仿真执行的时间.     

多资源约束下改进NSGA-II算法的手术调度

针对手术调度涉及因素众多难以优化的问题, 在考虑手术台、执刀医师等资源约束,构建了以病人满意度及手 术总流程时间为目标函数的模糊调度数学模型. 针对传统的加权系数方法不能很好地解决手术多目标优 化问题,提出改进的非支配排序遗传算法(non-dominated sorting genetic algorithm II, NSGA-II),采用改进的拥挤密度排序法改善同一非劣等级内个体的排序; 提出自适应交叉和变异策略, 克服了种群早熟化,改善算法收敛速度; 采用改进精英策略保持种群多样性, 改善算法搜索性能. 最后, 将该算法应用于某三甲医院手术模糊调度中,仿真结果证明该方法的有效性和可行性.     

交互策略改进MOFA进化的多UAV协同航迹规划

针对无人机(unmanned aerial vehicle, UAV)多目标优化协同航迹规划方法中Pareto最优解集规模随迭代增长, 难以选择适合UAV任务特点的协同航迹等问题, 提出一种基于交互策略改进多目标萤火虫(multi-objective firefly algorithm, MOFA)进化的多UAV协同航迹规划方法。首先,采用变量分解策略将萤火虫算法中大规模变量分解成多个子种群, 以降低算法搜索的复杂度; 然后, 利用Tent混沌初始化和多种群循环分裂合并策略提高多目标萤火虫算法的搜索性能; 采用双极偏好占优机制、并设计协同度指标在Pareto最优解集中选取适合任务需要且协同度较高的UAV协同航迹。仿真实验表明, 所提方法能够根据任务设定生成对应侧重点、且满足协同性的相对最优航迹集, 证明了该方法的有效性。     

基于均匀设计的多目标遗传算法在柔性工作车间调度中的应用

采用均匀设计技术合成多个适应度函数以提高搜索方向的空间均匀性,并针对多目标柔性工作车间调度问题的特点,设计了基于工序顺序和基于机器分配两种交叉变异的操作以及小生境技术、精英保留策略和遗传操作自适应调整策略来提高种群的多样性和搜索的效率。实验证明,本文提出的算法所得结果比较理想。     

基于弹复性的交通网络应急恢复阶段策略优化

重大灾难的灾后恢复一般分为应急恢复阶段和全面恢复阶段,前者面临时间、资金、资源有限等多重困难.传统交通网络灾后恢复研究缺乏结合应急恢复阶段特点的针对性研究.为此,提出一种基于弹复性的交通网络应急恢复阶段策略优化模型.首先,提出两个弹复性度量指标,分别从网络性能恢复速度和累计损失两方面度量弹复性.然后,针对应急恢复阶段,同时考虑上层系统弹复性和下层用户行为的交互,建立交通网络恢复策略双层优化模型.结合并行机调度问题算法和用户均衡配流问题算法,设计一种特殊的交互式双层算法.最后,通过案例验证了模型有效性,表明模型和算法能根据资源、资金、恢复目标、决策者偏好等因素,有效求解大规模交通网络应急恢复阶段的最优恢复策略.     

改进Q学习算法在作业车间调度问题中的应用

为解决动态环境下作业车间调度问题,提出了一种基于改进Q学习算法和调度规则的动态调度算法。以“剩余任务紧迫程度”的概念来描述动态调度算法的状态空间;设计了以“松弛越高,惩罚越高”为宗旨的回报函数;通过引入以Softmax函数为主体的动作选择策略来改进传统的Q学习算法,使改进后的Q学习算法在前期选择不同动作的概率更加平等,同时改善了贪婪策略在学习后期还会选择次优动作的现象。仿真结果表明：该调度算法相较于改进前,性能指标平均提升约6.5%;相较于IPSO算法和PSO算法,性能指标平均提升分别约为38.3%和38.9%,调度结果明显优于使用单一调度规则以及传统优化算法等常规方法。     

网络化制造模式下基于改进蚁群算法的供应链调度优化研究

为制定网络化制造（networked manufacturing,NM）模式下供应链合作成员间的动态调度策略,构建了由制造商、协同设计商以及客户组成的三层动态调度模型;在生产能力约束、多目标优化约束等制约因素下,采用时间函数、成本函数和延期惩罚函数三个目标函数对调度问题进行描述;使用改进蚁群算法（improved ant colony optimization algorithm,IM-ACO）,对调度路径可行解节点添加不同的信息素,并将信息素浓度约束在τ_min和τ_max之间,使得供应链客户个性化需求服务、运作时间、成本等综合收益达到最优. 实例仿真表明本文提出的动态调度优化算法求解具有较快的搜索速度、收敛性好,算法具有较好的稳定性;同时,也表明本文构建调度模型合理,可以为实际生产调度提供优化的策略.     

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。     

分布式车间生产维修联合调度仿真优化方法

分布式车间生产调度是企业实现高效生产的一个核心问题,而预防性维修作为保证车间设备安全性和可靠性的重要手段,应纳入生产决策的范围.针对设备维修导致的生产延迟问题,提出了一种辅助校正的仿真优化方法,建立了联合生产和预防性维修调度问题的数学模型和仿真模型,将基于序列交换的遗传算法与仿真校正的优化方法相结合,形成了快速仿真优化...     

基于Pareto改进VNS-MMAS的定点修理任务多目标动态调度

针对战时定点修理任务重、修理时间有限、约束复杂的问题,进行了面向定点修理的战时装备维修任务多目标动态调度研究。提出了战时定点修理装备维修任务调度军事问题,考虑修理时间窗、非遍历性等约束,构建了战时装备维修任务多目标动态调度模型。采取分步求解思路处理修理小组分配以及修理任务排序两阶段优化问题,并从状态转移规则、信息素更新规则、先验信息获取3个方面对最大最小蚂蚁系统(max-min ant system, MMAS)算法进行改进,结合变邻域搜索(variable neighborhood search, VNS)算法增强算法的局部搜索能力,设计了基于Pareto改进VNS-MMAS算法实现模型求解,并通过示例仿真验证了模型及算法的科学性与有效性。     

半导体设备预防性维护建模与优化方法研究

半导体生产线造价昂贵,制造工艺复杂.其维护具有维护费用高、维护难度大等特点.为了降低生产系统的整体维护成本,保证整个生产系统的稳定运行,本文通过伽马过程描述设备退化规律,对设备的衰退情况进行分类维护.针对随机退化的生产线提出考虑机会维护的预防性维护建模方法.以总维护费用最小化为目标,建立了维修费用模型,结合更新定理给出了模型求解的方法,对检测周期等参数进行优化分析.并分析了检测成本、间隔时间相互影响关系.仿真结果表明建立的预防性维护模型可行且有效.     

基于冲突搜索算法的多机器人路径规划

针对冲突搜索法（conflict-based search,CBS）在多机器人路径规划（multi-agent path finding,MAPF）过程中规划路径过长、单向搜索运行时间长等缺陷,从搜索方向和搜索方式提出一种改进的双向A*焦点搜索来优化冲突搜索算法。将次优因子ω引入冲突搜索算法的底层搜索函数中,以提高路径搜索的效率;将冲突搜索算法中的单向搜索优化为双向A*搜索。实验结果表明：改进的冲突搜索算法的路径成本缩短了14.82%,总运行时间缩短了10.63%。     

动态需求下考虑订单聚类的外卖配送路径优化

外卖配送路径优化包括骑手间订单分配和骑手配送路径规划两部分。针对其中订单动态产生和骑手位置不断变化的问题,基于预优化后动态调整的思想建立以最小化超时订单比例、单均配送时间和单均行驶距离为目标的两阶段优化模型。在预优化阶段,设计改进变邻域搜索算法获得初始配送方案;在动态调整阶段,采用周期性优化策略,将不断变换的骑手位置转化为虚拟配送中心车辆问题进行求解;在每一阶段采用不同的聚类方法对订单进行聚类,优化初始解的质量以更快求解。结果验证了本文策略和算法在求解动态外卖配送路径问题时的有效性和可行性。研究成果不仅深化拓展了PDVRP(pickup and delivery vehicle routing problem with time window)相关理论研究,也为外卖平台提供一种科学的优化方案。     

基于教学优化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,将连续算法与离散策略相结合,提出一种多班级教学优化算法。采用基于置换变异改进的NEH (nawaz enscore ham)种群初始化方法,兼顾初始解的质量和多样性。在教学阶段,引入离散的自适应教学,并给出去重的操作,避免了无意义的教学过程。新增了基于莱维飞行的自学策略,同时以变邻域搜索的方式模拟离散阶段的自学。将相互学习与班级交流合并,在保证优秀个体交流的基础上,提高学习的效率。通过对标准测试集Rec进行测试,并与其他算法比较,验证了算法的有效性和稳定性。     

自动导引车调度优化研究综述

制造系统中自动导引车（Automated Guided Vehicles,AGV）调度对于提高制造系统效益和降低制造成本具有重要作用,同时AGV调度也是十分复杂的组合优化问题,将AGV调度优化问题分为3类：AGV静态调度、AGV动态调度、AGV同时调度（与其他资源联合调度）进行了概述,并对其研究方法进行了分析与总结,包括传统分析方法、建模与仿真方法、智能优化算法、混合优化方法,分析了各类方法的优缺点,指出了当前AGV调度优化研究中存在的不足,并提出了未来的研究方向和建议。