单件车间生产作业计划再生方法研究

针对单件车间生产作业计划的再生问题，用Ｖｉｓｕａｌ Ｆｏｘｐｒｏ开发了一个时间调整算法和实现了禁忌搜索算法。当干扰发生时，前者用于无可替代机床情况下对受影响工序的开工时间和完工时间的调整；后者用于有可替代机床情况下对在替代机床上加工工件的排序。实验表明，它们能较好地解决各种情况下生产作业计划再生问题。     

基于多工艺方案的车间作业计划方法研究

对工艺设计与生产调度集成的必要性和可行性进行了分析，讨论了工艺设计与车间作业计划之间的关系．针对多品种小批量的单件生产车间提出启发式的车间作业计划方法，其决策基于多工艺方案、可替代机床和调度规则，生成车间作业计划，并能及时对车间作业计划进行评价和调整．在此基础上，建立了基于多工艺方案的车间生产作业计划决策系统     

基于多工艺方案的车间作业计划方法研究

对工艺设计与生产调度集成的必要性和可行性进行了分析，讨论了工艺设计与车间作业计划之间的关系，针对多品种小批量的单件生产车间提出启发式的车间作业计划方法， 决策基于多工艺方案，可替代机床和调度规划，生产车间作业计划，并能及时对车间作业计划进行评价和调整，在此基础上，建立了基于多工艺方案的车间生产作业计划决策系统。     

车间生产作业计划再生的模糊神经网络方法

研究了将模糊神经网络用于生产作业计划实际执行中遇到干扰时的再生方法．针对模糊的、难以表述和处理的干扰,设计了一个模糊神经网络,包括模糊子网和主体网络,前者根据隶属函数,将定性的模糊“干扰”量化后,参与网络的运算;后者根据模糊规则,将“干扰”定义为网络部分结点的作用函数．较好地解决了“干扰”知识的获取与处理问题．     

车间生产作业计划再生的模糊神经网络方法

研究了将模糊神经网络用于生产作业计划实际执行中遇到干扰时的再生方法。针对模糊的、难以表述和处理的干扰,设计了一个模糊神经网络,包括模糊子网和主体网络,前者根据隶属函数。     

基于时间倒推和流程仿真炼钢生产计划的制定

合理的生产计划制定与执行是生产顺利进行的有效保证．通过对炼钢连铸生产特点分析,提出基于时间倒推法和流程仿真相结合的用于炼钢连铸生产计划的制定方法,利用时间倒推法快速生成满足一定生产目标的生产作业计划,并作为炼钢物流仿真模型的仿真输入条件,通过模型仿真可进一步制定出考虑了生产过程的时间随机性、运输设备限制,并满足无设备冲突、连浇生产等约束条件的生产计划,提高计划在实际生产的可执行性．应用实例证明了该方法的可行性．     

面向生产作业计划与控制的模拟技术研究

提出了将计算机模拟技术用于生产作业计划与控制所遇到的问题和解决问题的三种模拟计算方式,包括分布式方式、基于Ｃ／Ｓ的网络方式和基于Ｗｅｂ 的交互式方式．设计了三种计算方式的网络结构．     

一各新型的单件小批量生产车间调度方法

提出了解决具有开完工限制的约束Job-shop生产调度问题的一种新方法,该方法将粗细排算法有机结合起来,在粗排算法中,系统优先安排机床虚拟工序队列集合中剩余加工时间最大的工序,得到一个初始可行方案,该方案使工件在系统中的流通时间最短。细排算法以粗排算法所得方案的基础,以工件的提前／拖期时间最大的工艺块为调整目标,通过交换工艺块中相邻工序位置的调整策略,得到一个优化的生产作业计划。经分析实例验证,该算法易于实现,具有一定的优度,并且在工程中是可行的。     

计算机辅助作业计划的启发式方法及其应用

分子了平行顺序移动方式下零件在工序间的运动过程和特性，据排序问题理论分析建立了数学模型，对ｎ／ｍ／Ｐ／Ｆｍａｘ问题，构造了优度较高的启发式算法，实现了计算机辅助编制作业计划，该法适于流水车间或成组单元，开发的相应软件可用以编制零件加工进度计划，机床负荷计划，同时绘制生产作业计划图，仿真效果较好。     

钢厂炼钢-连铸生产调度及重计划方法

为解决炼钢-连铸生产调度中扰动情况下的重计划编制问题,提出一种按扰动时的作业计划是否已开始执行进行作业计划的分类,并分别采用正向时间并行顺推算法与反向基于遗传算法和时间并行倒推的混合优化算法进行炉次计划的重计划。利用某钢厂8 h的实际生产作业计划数据进行的验证结果表明:该方法能快速得到高质量的可执行炼钢-连铸生产重计划与调度方案。     

分配问题的启发式算法求解

禁忌搜索算法和蚁群算法是近几年优化领域中出现的两种启发式算法.简单介绍了这两种启发式算法的基本原理,给出了应用这两种算法以及其混合算法解决分配问题的求解过程.仿真结果表明混合算法取得的结果较好.     

一种基于遗传优化的路由控制策略

遗传算法是通过模拟自然进化过程有效解决最优化问题的计算模型,在实际操作中得到广泛应用.但由于遗传算法的选择策略使每一代的优良个体大量的遗传到下一代,且适应度函数设定的差异,使最优个体很快充斥整个群体,缺少物种多样性,导致算法很快收敛于局部最优解,达不到全局优化.针对遗传算法存在的这一问题,结合禁忌搜索算法能够禁忌搜寻过的最优解而引入裂解、增加种群多样性的特性,提出了一种基于遗传优化的路由控制策略.该策略将遗传算法得到的最优解作为禁忌搜索的初始解,提出将染色体模版作为禁忌对象,并以此模版为基础建立邻域的方案.仿真实验表明,该策略能够有效的抑制遗传算法过早收敛的问题,减少了全局能量的消耗,从而延长了网络生命周期.     

FSFIS问题的基于随机kick的ILS&TS混合算法

提出了一种基于随机kick的迭代局域搜索算法(ILS)求解存储容量受限的流水车间问题(FSFIS)·该算法使用新颖的多对不交叉的交换移动构成kick移动,并采用回溯机制保证搜索在有利的空间内进行·通过应用4种邻域结构,每种情况下产生480组随机数据的试验证明该新型算法是快速有效的近优算法·设计了一种在原有的静态禁忌搜索算法中引入了基于随机kick的迭代局域搜索算法的混和算法,这种混合算法可以充分发挥原有的2种算法的各自优势,使目标函数进一步改进·     

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。     

用遗传-禁忌搜索混合算法求解组合投资问题

提出了一种基于遗传算法和禁忌搜索的混合算法,用遗传算法提供并行搜索的主框架,用禁忌搜索作为遗传算法的变异算子.遗传算法中变异过程解空间的搜索由禁忌搜索实现,并且用混合算法求解了概率准则意义下的组合证券投资模型.实例证明,遗传/禁忌混合算法有较强的爬山能力,较遗传算法有更高的计算效率,为组合证券投资者提供了一种高效的决策方法.     

基于GATS算法的城市交通网优化问题研究

遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法是求解大规模任意目标函数优化问题的强有力工具,二者各有优势,又都存在不足,本文根据香港城市交通网优化问题的特点及遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法自身的优势与不足,提出一种将二者混合使用的求解网络优化问题的算法．这是第一次将遗传算法和Ｔａｂｕ Ｓｅａｒｃｈ 算法应用于实际的网络设计问题．最后用香港２００６ 年规划数据进行实例研究．     

基于禁忌搜索的混沌蚁群算法在SLAM数据关联中的应用

为解决SLAM的数据关联问题,提出了基于禁忌搜索的混沌蚁群算法,利用蚁群算法的正反馈和并行搜索能力构建初始解并进行优化.在全局信息素更新时加入混沌扰动,以跳出局部极值,利用禁忌搜索算法的特性,扩大解的搜索空间,得到全局最优解.在无人机SLAM仿真环境下进行试验,仿真结果表明该方法极大地提高了数据关联率,该算法是有效可行的.     

最小化总完工时间的流水作业调度混合算法

针对有效求解NP难的总完工时间最小流水作业调度问题,提出了一个有效的混合启发式算法产生初始解,并使用禁忌搜索算法对初始解邻域进行搜索的算法框架.基于不同的启发式算法,获得了3个混合禁忌搜索算法HA1,HA2和HA3.使用Taillards基准程序随机产生的大量实例,进行模拟实验,结果表明,所提出的3个算法通过扩大搜索范围提高了解的质量,在性能上均优于目前最有效的启发式算法.与目前最有效的算法相比,产生最好解的平均百分比偏差均下降至少30%,最优解所占比例皆有显著提高.     

基于混合遗传算法和关键链的多资源多项目进度计划优化

多项目多资源项目进度计划是一个NP难问题。应用关键链思想与方法,分析建立了一种多项目多资源进度计划模型。设计了基于混合遗传和禁忌搜索算法的模型求解算法。对遗传算法的编码、选择、交叉、变异等操作以及禁忌搜索算法的相关操作进行了讨论;并通过实例的求解,验证了关键链方法在研究多资源约束多项目问题上的有效性,以及混合遗传和禁忌搜索算法在求解该问题上的可行性。     

人工免疫网络算法的改进及免疫优化应用

基于人工免疫网络算法(aiNet)模型,借鉴禁忌搜索算法(TS)的思想,提出一种禁忌搜索与人工免疫的混合算法,即人工免疫网络算法(TS-aiNet).在算法中引入禁忌表,禁忌那些在网络迭代中亲和度连续不再增加的细胞,并通过特赦准则赦免一些被禁忌的优良状态;增加1个记忆表,用于保存成熟的记忆细胞;重新定义高斯变异方式,以保证多样化的有效搜索.利用Markov链证明算法全局收敛性,通过对多个典型系统测试函数的仿真实验定量分析该算法的性能,并与经典克隆选择算法和opt-aiNet算法进行比较研究,分析特征参数对算法性能的影响.实验结果表明,该算法在多模态搜索空间中具有更强的全局收敛性、稳定性和寻找极值点能力,能够克服早熟现象,是一种有效的全局优化搜索方法.