基于萤火虫算法的学习遗忘效应BFSP问题研究

对于以最小化最大完工时间为目标的阻塞流水车间调度问题(BFSP),现有研究较少同时考虑学习效应及遗忘效应对生产调度的影响,为此构建了BFSP问题的学习遗忘调度模型,结合基于Pairwise的局部搜索策略,应用萤火虫算法对小批量生产时的学习遗忘效应BFSP问题进行求解.对Car类问题及其学习遗忘调度模型的大量仿真测试,表明了改进萤火虫算法求解该类问题的可行性和有效性.同时,证明了学习效应能够降低最大完工时间,从而提高生产效率;而遗忘效应会使得学习效果减弱,从而导致最大完工时间的增加,学习效应和遗忘效应在生产调度中的影响是客观存在且不可忽略的.     

具有学习退化效应的TFT-LCD面板成盒多目标调度问题研究

针对薄膜晶体管液晶显示器(TFT-LCD)面板成盒生产规模性、多产品混线生产、机台特性复杂的特点,引入学习效应和退化效应,以最小化最大完成时间、机器等待时间、工件加权延期时间为目标函数,构建具有学习退化效应的TFT-LCD面板成盒多目标调度模型。基于两段式及IMM编码,采用多目标布谷鸟算法,结合双元锦标赛及动态淘汰规则,依据聚集距离密度评价指标构建帕累托非劣解集,对TFT-LCD面板成盒多目标调度问题进行求解。仿真结果表明,布谷鸟算法寻优能力优于精英保留贪婪解码遗传算法与工序期望最短完成时间调度规则等。通过实验,分析不同学习率和退化因子对调度结果的影响。     

成组生产条件下考虑学习和遗忘效应及设备维护的调度策略

以成组生产的单机系统为对象,将学习和遗忘效应及维护策略融入调度模型,以使建立的调度模型更加符合实际.在考虑学习效应时,既考虑了同种零件本身的学习效应,又考虑了同一零件族内各零件间相互的学习效应,并采用相似度表示加工零件类型的转换对学习程度的影响,即遗忘效应;在考虑维护策略时,采取完美预防维护策略来减少设备发生故障的概率,预防性维护仅在加工完一个批量后进行,并采用小修处理批量中出现的设备故障.在此基础上,以总完工时间最短为目标,建立了调度和预防维护决策的整合模型,并通过算例分析验证了模型的有效性.
     

员工学习-遗忘效应对O2O超市订单分批拣选效率的影响研究

该文将员工的学习-遗忘效应引入O2O超市订单分批拣选问题中，研究学习-遗忘效应对拣选效率的影响，以总服务时间最小为目标建立订单分批优化模型，分析构建考虑学习-遗忘效应的三阶段服务时间表达式，并采用改进种子算法求解.该研究设计两种典型的员工排班方案S1和S2,并通过仿真实验深入探讨学习-遗忘效应对S1和S2拣选效率的综合影响.实验结果表明，S2方案的拣选效率优于S1;当员工休假天数固定时，安排长休假并减少休假次数有利于降低遗忘效应的负面影响；提高员工的学习能力比减弱遗忘效应更能有效提升拣选效率.论文拓展了学习和遗忘效应在订单拣选领域的研究，并为管理者制定员工排班策略提出实质性建议.     

含装配约束的作业调度问题及遗传解码算法

传统上加工与装配是分开研究的,而且很少涉及作业装配问题.为此,描述了一种包含加工与装配的作业调度问题.利用FT10基准调度问题的工序数据构造了调度问题及其产品结构.初步进行了以经典作业调度问题(JSSP)为对照的研究.采用基于字符串直接解码的遗传算法,解决了染色体对应不可行调度解的问题.仿真实验验证了遗传解码算法的可行性和有效性,而且进一步表明装配约束改变了JSSP;近优值2 046也优于关键路径规则算法的结果.     

云计算资源优化问题求解的萤火虫算法

为了提高云计算资源利用率,结合云计算资源优化问题的特点,设计一种云计算资源优化问题求解的萤火虫算法.首先建立云计算资源负载调度问题的约束条件,以用户任务完成时间最少作为云计算资源负载调度优化的目标函数;然后通过萤火虫算法找到目标函数值最优的资源调度策略;最后在CloudSim平台上实现云计算资源负载调度仿真实验.实验结果表明,萤火虫算法减少了云计算任务完成的时间,均衡了云计算资源的负载,使云计算资源得到合理分配,且比其他算法优势明显.     

具有学习效应的间歇批生产的单机排序问题

本文研究了目标函数为总完工时间,具有Dejong学习效应和遗忘效应的间歇批生产的单机排序问题.考虑了批与批之间没有学习效应的传递、有部分学习效应的传递和有总的学习效应传递3种模型.首先,在批与批之间没有学习效应传递的模型中,给出了复杂性为O(nlog n)的最优算法.其次,在批与批之间有部分学习效应传递的情形下,对批在...     

面向高效精准柔性混装作业的智能元胞调度方法研究

柔性混装生产多目标调度系统的动态性、开放性和大规模性导致常规算法失效,因此迫切需要研究新的调度算法。在推理其他算法局限性基础上提出使用Agent形成智能元胞自动机ICA使之具有自学习功能,并基于装配投产序列调度和工位任务分派目标,首次建立智能元胞调度ICAS三维网络模型及构造“弹簧邻居”特殊邻域和“弹跳”和“层跃”特别行为,实现混装作业微观自适应调度。仿真实践证明,该智能元胞调度ICAS方法可靠,计算复杂性降低,为复杂调度问题提供了新手段。     

基于预测机制的装配作业重调度问题建模优化

飞机移动装配中因作业质量问题增加的修复作业会打乱装配计划并造成经济损失,为解决该问题提出了一种预测-重调度形式的闭环框架,该框架的前端利用质量相关部件衰退以及作业质量特性偏差的历史数据训练了作业质量预测模型,基于预测结果,重点针对后端建立了装配作业重调度模型并设计了改进型免疫算法(I-I-A)用于生成新的装配计划。数值实验部分从不同角度验证了I-I-A的有效性,同时也对所提闭环框架的性能优劣进行了对比分析。     

极小化两种目标函数的具有学习效应的单机排序问题

本文研究具有学习效应和遗忘效应的间歇批生产的单机排序问题,目标函数分别为极小化最大完工时间和总完工时间．考虑了批与批之间没有学习效应的传递、批与批之间有部分学习效应的传递、批与批之间有总的学习效应的传递三种情形．我们分别对所考虑的问题给出了多项式时间算法并且证明了算法的最优性．     

TFT-LCD制造cell阶段多目标绿色调度问题研究

针对薄膜晶体管液晶显示器(TFT-LCD)制造cell阶段的多目标绿色调度问题,构建了最小化最大完工时间、总能耗和总生产成本为目标的优化模型。采用基于机器和工序的两段式编码,使用在步长因子前加入动态系数的改进布谷鸟搜索算法,结合双元锦标赛和动态淘汰制,根据聚集距离法筛选Pareto最优解来获得Pareto最优解集,对TFT-LCD制造cell阶段多目标绿色调度问题进行求解。结果表明,改进布谷鸟搜索算法优于标准布谷鸟搜索算法和带精英策略的快速非支配排序遗传算法,可以提高TFT-LCD制造cell阶段多目标绿色调度问题的求解效率和质量。     

基于离散型鲸鱼优化算法的AGV与机器集成调度方法

针对制造系统中考虑路径冲突的AGV(automated guided vehicles)与机器集成调度问题,提出一种基于时间窗和Dijkstra算法的离散型鲸鱼优化算法。首先,以最小化最大完工时间为目标,建立AGV与机器集成调度的数学模型,并采用一种三段式编码实现AGV和机器的集成编码,建立连续空间与离散空间之间的映射关系;然后,为了保证初始种群的质量和多样性,设计一种结合混沌映射和对立学习的扩展型GLR(global, local, random)种群初始化方法;运用Levy飞行算子和阈值重启操作进一步提高算法的全局搜索能力;最后,为了提高算法的局部搜索能力,引入结合问题特点的变邻域搜索算法。标准算例仿真实验和柔性仿真实验证明了该算法解决AGV和机器集成调度问题的可行性和优越性。     

带准备时间的任务单机学习效应排序问题

具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响．研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间．这个问题是NP-难问题．用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界．计算结果表明分支定界法和启发式算法求解此问题非常有效．     

具有学习效应和遗忘效应的间歇批生产的单机排序问题

本文研究具有Dejong学习效应和遗忘效应的间歇批生产的单机排序问题,考虑了批与批之间没有学习效应的传递、有部分学习效应的传递和有总的学习效应传递的三种模型.对目标函数为最大完工时间的情形,指出机器在批与批之间没有学习效应的传递和有部分学习效应传递的情形下是多项式可解的,并进一步对机器在批与批之间有总的学习效应传递的两种特殊情形给出了多项式时间算法.     

集散区域快递物流车辆调度模型及其算法

在分析集散区域快递物流运输特点的基础上,研究了固定时间窗内多车型车辆往返运输的车辆调度问题,建立以运输总成本最小为目标的数学模型,并给出遗传算法求解办法。实例表明,该模型和算法能有效地满足物流车辆调度需求,降低企业的物流成本。