多Agent蚁群算法求解炼钢-连铸动态调度问题

为了求解炼钢-连铸动态调度问题,提出了多Agent系统与蚁群算法相融合的方法。建立了该问题的约束满足模型和多Agent协商机制;并将炉次与蚂蚁相对应,把调度过程看作路径寻优来处理,在满足约束的前提下搜索炉次全程占用时间最短的路线。针对国内某钢厂建立了仿真实验模型。结果表明,该方法能够缩短炉次在炼钢-连铸过程占用的时间,并能够在发生突发事件时做出快速合理的调整。     

多模式下装配式建筑工程资源受限调度方法

针对以往装配式建筑调度研究中,主要基于一个活动只有一种固定资源投入和固定工期的执行模式,而实际调度过程中多种资源投入和不同工期的多种执行模式普遍存在的问题,以及装配式建筑一体化建造建模方法的不足,建立以装配空间工期最短,以及在装配空间工期最短限定下的生产空间工期最短的多模式资源约束模型,在该多维空间调度模型的基础上,设计了一种搜索能力强、能有效求解该问题的布谷鸟算法(CS)。最后通过装配式建筑项目实际案例分析和遗传算法(GA)的性能对比,证明本文构建的调度模型和算法设计能有效的解决多模式下装配式建筑工程资源受限调度问题,丰富了装配式建筑项目调度这一领域的理论方法。     

专用炉混装模式下作业计划优化方法

针对钢铁企业热装作业中专用炉混装作业计划编制难题,建立了一体化作业计划优化模型,并提出基于优化与简单仿真相结合的多步骤优化方法进行模型求解.在给定工艺参数情况下,提出的算法可快速给出优化的、一体化专用炉混装作业计划及冷装、热装板坯的详细作业时刻.模型给出的优化结果满足工业实际需求,作业计划具有较强的可行性及可操作性.     

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。     

基于遗传算法的路径柔性作业车间调度优化

针对柔性作业车间调度问题中加工路径的多样性,以最长完工时间最短化为优化目标建立调度模型,采用遗传算法进行模型求解。提出一种基于工序与机器编码相融合的二维矩阵编码方法。在遗传进化过程中,通过附加方法产生新个体以扩展搜索范围,对交叉和变异算子进行了分析。通过算例验证了该算法的可行性和有效性。     

智能RGV的动态调度策略

针对2018年全国大学生数学建模竞赛B题,本文通过建立三种不同情况下的RGV动态调度模型,编写相应的求解算法,给出了RGV的调度策略和系统的作业效率,并对模型的实用性和算法的有效性进行了检验.任务1中,针对一道工序的情况,引入固定起点的最短路径问题和动态规划等数学思想,建立基于动态路径的调度模型和编写RGV实时路径仿真算法.针对两道工序的情况,在动态规划中增加相应约束条件的同时,通过增加RGV状态变量,优化了模型和算法.针对出现故障的情况,建立基于空闲时间插入法的故障扰动模型,缩小了RGV决策集,从而实现了相关算法.任务2中,通过算法程序,得到了RGV的旅行轨迹和一定时间内加工的工件数,从而得出了RGV调度策略和系统作业效率.     

考虑集卡到港时间延迟的堆场起重机动态调度研究

在集装箱码头的集港作业中,集卡延迟到港可能导致已制订堆场起重机作业计划变得次优甚至不可行.因此,及时为延迟到港任务更新作业计划具有必要性.考虑集卡到港时间延迟的堆场起重机动态调度问题,基于任务批次分配策略,将调度期划分为多个时段,在每个时段内生成作业计划.以完成时间最短为目标,建立起重机调度混合整数规划优化模型,并提出下界推导模型.提出迭代重优化框架,每当任务延迟到港,就会重优化相应批次的作业计划.在框架内,设计遗传算法求解各批次原有作业计划;设计贪婪插入算法重优化带延迟到港的任务,更新原有计划.实验结果表明,模型、下界推导模型具有正确性和有效性,算法具备良好的求解性能;缩短调度时段长度有利于快速生成起重机作业计划;延迟到港箱量占比越大,作业时间越长,且随着调度时段长度减小,这一影响逐渐弱化.     

基于蚁群算法的虚拟企业生产任务调度优化研究

描述了虚拟企业生产任务调度的层次框架,该调度框架包括虚拟企业全局调度和合作伙伴局部调度两个层次.针对虚拟企业调度层的优化问题,综合考虑虚拟企业生产任务的时序逻辑关系、作业时间和生产任务集等影响因素,建立了以任务总作业时间最小化为目标的数学模型,并基于蚁群算法对上述优化模型进行了求解.应用实例与算法比较验证了优化模型与求解算法的有效性.     

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。     

基于多工况分析的焦炉加热过程火道温度模糊控制

对于焦炉加热这一复杂工业过程,提出一种包括协调层和优化控制层的多工况火道温度优化控制方法.协调层根据对焦炉加热过程工艺参数的分析,采用多信息融合的二次决策方法,由荒煤气的温度识别焦炉加热过程的实时工况,针对不同的工况选择合适的优化控制模型.基于工况分析,在优化控制层采用一种基于自适应遗传算法的多目标模糊优化控制方法,针对不同工况下的模糊控制器量化因子和比例因子调节困难的问题,采用精英保留和赌盘算法相结合的选择策略,以及具有自适应交叉概率和变异概率的遗传算法对模糊优化控制模型的参数寻优,有效地提高了遗传算法的全局搜索能力和收敛速度,并且通过对控制精度、能量消耗和调节时间等各项指标适当加权,构造适应度函数,使优化后的模糊控制模型达到满意程度.采用具有多工况火道温度智能优化控制结构的方法取得了良好的控制效果,为焦炉加热过程的优化控制问题的解决提供了一条新的途径.     

一种用于车辆最短路径规划的自适应遗传算法及其与Dijkstra和A*算法的比较

提出了一种自适应遗传算法,并成功应用于车辆最短路径规划算法中. 所采用的编码方式、交叉及变异算子等均针对最短路径规划问题而专门设计;同时,提出了一种新的交叉概率、变异概率在线自适应调整策略,以便提高遗传算法的搜索速度和搜索质量. 将该算法同Dijkstra算法、A*算法进行了仿真比较. 对五种不同情况的仿真研究结果表明:同Dijkstra算法相比,该自适应遗传算法可以减少搜索到最短路径的时间;同A*算法相比,该自适应遗传算法则可以搜索到更多的最短路径.     

地图加权遗传算法的油井自动巡检机器人路径规划

针对油井巡检机器人与障碍物的接触率高,造成设备故障率高增加石油生产成本问题,提出基于地图加权的遗传算法。首先将地图进行栅格化,建立栅格地图模型,并进行加权设置。其次引入遗传算法模型进行路径规划,将每次路径规划结果存入染色体中并计算路径长度,最后筛选最大权值中的路径最短染色体,并绘制路线。在参数设定相同的条件下,采用基于地图加权的遗传算法、经典遗传算法进行比对实验,仿真结果表明,基于地图加权的遗传算法优先选择了不靠近障碍物的栅格的情况下完成了路径规划任务,机器人与障碍物的接触率下降了74.91%,时间和路程仅增加0.3179 s与32%。     

融合A-Star与DWA双优化算法的自动引导车路径规划

自动引导车的应用越来越广泛,为了达到自动引导车在路径规划中要达到全局最优,实时避障的要求,提出了一种优化A-Star算法与优化DWA算法相融合的自动引导车路径规划方案。A-Star算法能找到全局最优路径,根据A-Star算法进行优化,引入自适应启发函数,并进行路径关键点选取,删除冗余路径点。优化后的A-Star算法解决了传统算法规划效率低,路径不平滑的问题。动态障碍物躲避采用DWA算法,优化评价函数,提升了规划效率。仿真结果表明,融合优化后的A-Star算法与优化后的DWA算法,减小了搜索范围,提高了路径规划效率且能实现避障的效果。该融合算法相较其他融合算法在路径规划效率上有很大提升,最终实现全局最优路径规划和局部动态实时避障。     

复杂建筑火灾中的人员疏散路径多目标规划

针对复杂建筑火灾中的人员疏散动态路径优化策略问题,以火灾情境下的动态疏散网络数据模型为基础,结合网络流优化和群智能方法,构建以最短时间、最小风险水平和最大疏散容量为目标的路径优化模型.通过改进的自适应果蝇算法,实现了节点和路径容量受限的动态疏散路径规划.通过对所建模型的性能测试和疏散过程实验,验证了多目标路径优化模型的有效性.实验结果也反映了多目标路径规划策略更加贴近复杂建筑火灾中的人员疏散实际情况,对于规划不确定因素影响下的复杂空间疏散路径具有可行性.     

基于双层协调体系的多移动机器人路径规划方法

针对多移动机器人系统中路径规划全局最优与局部协调的兼容性需求,提出了一种基于双层协调体系的路径规划方法。结合路径组亲和度评价提出改进的免疫协同进化算法并完成全局路径规划,提高了规划效率和全局路径质量;根据初始条件和全局路径信息,判断系统中各机器人可能出现碰撞的位置,提出基于优先级机制的动态窗口法在相应位置附近完成路径的局部协调;最终在全局最优路径基础上实现机器人的局部路径协调避碰。试验结果表明,该路径规划方法使机器人沿全局最优路径行驶时,仍能进行灵活有序的局部路径协调,有效提高了系统的路径规划性能。     

一种基于预测信息的时间依赖网络路径规划算法

对时间依赖路网最短路径规划算法的研究是车辆动态导航技术领域研究的热点之一。针对最小时间规划算法存在的不足,在研究SPFA(Shortest Path Faster Algorithm)静态规划算法的基础上,结合两种算法的优点,提出了一种改进的基于路况预测信息的最小时间路径规划算法,并通过实例进行了验证。结果表明,新算法能够提供实时、高效、预测性强的规划路径,在城市交通中能较好满足用户需求。     

基于遗传算法的无人机航迹规划研究

本文研究了一种用遗传算法进行无人机航迹规划的方法,指出了无人机航迹规划的定义;提出了一种给定威胁及障碍分布下的无人机路径规划算法。根据威胁及障碍分布情况构造无人机可能飞行的航路集voronoi图,采用Dijkstra算法搜索威胁及障碍分布图,求解初始最短路径。在初始最短路径基础上,采用遗传算法优化初始路径。最后进行仿真实验,结果验证了遗传算法能提高航迹质量。     

基于A*算法优化的无人水面艇路径规划

为了解决A*算法在无人水面艇路径规划中无约束条件导致的安全问题,提出一种对A*算法的搜索优化和平滑优化方法。首先,对电子海图数据中的海洋环境信息进行提取,采用栅格法建立路径搜索空间的海洋环境模型,并使用坐标对栅格统一编号;其次,引入安全距离约束对A*算法进行搜索优化;最后,通过引入转向角约束,消除冗余节点达到平滑优化的效果。实验结果表明,通过对A*算法的优化处理,提高了无人水面艇路径规划的安全性,满足无人水面艇在复杂环境中全局路径规划的需求。     

A*算法的场面滑行动态规划方法

针对大型繁忙机场交通冲突频发、起飞延误等问题,在战略和战术层面分别对机场场面滑行路径规划方法展开研究。简化了机场路网结构,将滑行路径规划与进离场序列结合,建立了航空器总体滑行耗时最短,延误最少的动态优化模型。在比较了流行的机场滑行路经规划算法基础上,从战术规划的角度提出了一种新的基于A~*算法的场面滑行动态规划方法和冲突解脱策略。案例仿真结果表明该方法可以快速有效的减少航空器总体滑行时间和解决滑行冲突,实现机场场面运行效率提升和机场运营的自动化。     

基于多目标蚁群算法的复杂设备拆卸序列规划

针对复杂设备转化成混合图信息模型后面临的组合爆炸和搜索爆炸问题,提出了一种改进的Louvain算法,对其模型进行社团化处理。将拆卸工具、拆卸方向改变次数以及拆卸时间作为优化目标,构造了基于多目标蚁群算法搜索社团划分可行解;并得出由多个Pareto解构成的平衡解集。最后结合直升机旋翼,利用所提方法进行算法验证;对比未被社团化处理的多目标蚁群算法而得出的拆卸序列,在算法运行效率上提升了17.2%;且复杂设备中紧密度越小零件占比越多时,运行效率越高;对比单目标蚁群算法社团化后得出的拆卸序列,在迭代次数相同的条件下,更易得到较高效率的解。实验结果表明,在实际拆卸序列规划问题上,该方法为方案设定人员提供了更合理高效的选择。