海绵城市低影响开发设施多目标优化设计

低影响开发技术设计中,为了能够有效地降低经济成本并使得低影响开发技术的效果最大化,以低影响开发方案的总费用作为经济性判断的目标函数,以年径流总量控制率作为控制目标函数,以低影响开发雨水设施的面积作为约束条件,建立低影响开发设计的多目标优化数学模型,并采用第二代非支配排序遗传算法(NSGA-Ⅱ)对该多目标数学模型进行求解分析.最后以一个实际区域的低影响开发项目作为案例加以分析,得出总费用和年径流总量控制率的帕累托最优曲线,可为设计决策者提供多套不同的优化方案.不同低影响开发技术的组合方案,更加科学,使决策更加清晰合理.     

基于规则及多色集合的多品种订单调度方法

针对多品种订单生产企业多工序、多品种、中小批量的生产特点,以最小化订单总完工时间和平均流程时间为目标建立了订单调度模型.提出了一种按规则分配订单以及作业排序相结合的调度思想,并利用改进的非支配排序遗传算法——NSGAⅡ对问题进行求解.考虑到多品种订单的多重约束性,采用多色集合理论中的围道布尔矩阵对多品种订单中各作业加工关系作了约束化处理;同时,以双层染色体进行编码,可以有效降低染色体的空间和时间复杂度;采用置换和反转变异两种算子,缩小了算法搜索范围,避免了早熟现象.最后以典型的订单生产实例进行仿真实验,结果表明应用该算法收敛快、运算效率高,可以获得满意的Pareto解集.     

基于模拟遗传退火的印花厂计划调度算法

由于印花厂订单调整频繁,订单的不确定因素很多,因此其计划调度的编制比较困难.本文分析了印花厂的一般生产流程,在此基础上为印花厂建立了一个计划调度的数学模型与目标函数,以期获得生产时间的最优.并使用模拟遗传退火算法对该问题的实例进行求解,结果显示该方法有效.     

基于非支配排序的机场特种车辆调度

在机场过站期间,航空器需要依靠特种车辆来提供多项地面保障服务,包括燃油加注、配餐、装卸行李货物、清洁和拖车牵引等。这些服务由相应的特种车辆完成,特种车辆的调度对于提高地面保障服务水平和资源利用率至关重要。目前机场普遍采用基于人工的单车单航班服务的特种车辆调度方式,这种方式成本高、效率低,成为导致航班延误的重要因素之一。为解决机场地面拖车保障服务调度的问题,本文根据拖车服务运行特点,建立拖车行驶总路程和航班延误最小化的车辆路径问题模型。与传统固定算法不同,为适应拖车调度的问题,本文采用了基于启发式算法的非支配排序思想对模型求解。通过利用国内某机场的实际航班数据进行验证,研究结果显示,该算法较实际运行情况下延误数量减少了27%,有效地降低了航班延误率。     

基于多规则资源分配的柔性作业车间调度问题多目标集成优化方法

针对柔性作业车间调度问题中多种资源分配的复杂特性,建立了以最小完工时间、最优人工分配方案、设备最大负荷以及最小生产成本为目标的集成优化模型,并设计了一种具有多重资源约束的多目标集成优化方法;针对组合模型的爆炸性特征,为降低模型的复杂度,采用多规则资源分配的集成调度思想,通过调整规则概率使概率大的规则被优先选中,使用多规则导向机制"推动"搜索过程向指定目标方向移动,并结合动态规划法求解最优人员分配方案;采用改进的非支配排序遗传算法——NSGAⅡ可以获得不同规则概率值的Pareto解集;最后,通过仿真对比与应用验证了所提方法的有效性.     

基于Petri网和GASA的双资源JSP动态优化调度

以带有控制器的Petri网为建模工具对柔性生产调度中的离散事件建模.该模型不仅能够反映柔性生产线上待加工产品的多条工艺加工路径及其资源约束,还可以对系统的设备维护、各种优先级等特性进行描述.利用遗传算法和模拟退火算法(GASA)获得调度结果,用于解决作业车间在机床、操作工人等生产资源制约条件下的动态优化调度.该调度以生产周期为目标,通过多种交叉、变异、概率更新、再分配策略等遗传和模拟退火操作,得到目标的最优或次优解;尤其重要的是该算法能够在扰动发生后迅速提供新的调度计划.对算法进行了仿真研究,结果表明该算法是可行、有效的.     

基于改进遗传退火算法的高速公路巡逻车路径优化调度

为了合理分配有限的高速公路巡逻车资源,构建了确定型高速公路巡逻车路径及调度优化模型。探讨了有限巡逻车资源路径、调度优化建模问题;构建了以全覆盖模型为基础,以事故响应时间最小为目标的优化模型。将连通的路径作为染色体,基于MATLAB对改进的遗传退火算法进行编码,采用动态交叉及变异概率,在交叉变异后子代更新中引入模拟退火算法Metropolis准则;并在改进的遗传退火算法中加入动态规划算法对巡逻车进行分配。以Sioux Falls路网及数据,对MATLAB编码的遗传退火算法进行验证,计算结果与两种情景假设及模拟退火算法优化结果作比较。结果表明:改进的遗传退火算法求解结果比相应的情景假设求得事故响应时间分别减少了23. 35%与28. 28%;与模拟退火算法求解结果相比,该方法具有更好的寻优效果及计算效率。MATLAB编码的改进遗传退火算法对中大型路网路径、调度寻优效果较好。     

基于模拟退火算法的生产调度问题

介绍了Metropolis准则,给出了模拟退火算法解决生产调度问题的基本方法和步骤,并对算法的有效性进行了验证.     

综合考虑服务水平和资源占用的平行机调度问题

【目的】对综合考虑服务水平和资源占用的平行机调度问题进行研究,建立以最小化总延误和机器使用数量之和为优化目标的优化模型。【方法】针对该问题的特点,设计了一种改进的模拟退火算法进行求解。采用不同规模的数值实验测试算法的性能,并对问题参数展开灵敏度分析。【结果】改进的模拟退火算法具有良好的求解效率和求解质量。【结论】灵敏度分析表明,增加资源储备可以使企业更好地平衡服务水平和资源占用。模型能够对企业实现资源节约型制造提供指导和决策支持。     

基于模拟退火算法的集装箱场桥调度优化

为了降低码头的运营成本,提高客户满意度,在分析集卡送箱进场作业流程的基础上,运用时间窗函数,建立以场桥与集卡相互等待时间最短以及场桥移动距离最短为目标的数学模型,根据模型特点设计模拟退火算法,实例数据代入的结果验证了该模型及算法的有效性。     

一种用于车间调度的基于熵的混合遗传算法

为提高车间调度算法的寻优性能,通过对模拟退火遗传算法收敛图的研究,提出了评价算法种群有序性（差异性）的种群熵,基于种群熵,提出了改进的模拟退火遗传算法,该混合算法通过种群熵动态地改变算法的交叉和变异概率,使之适应种群的变化,提高种群的多样性,有效地克服算法的过早收敛,从而达到提高算法寻优性能的目的。仿真实例表明,所提出的算法的寻优性能有了显著的提高。     

多订单项目生产任务并行调度的遗传算法研究

在MTO(Make to Order)生产模式的制造企业中,经常存在多订单项目并行的情况。以满足资源约束为前提,优化多订单项目生产任务并行调度过程,成为该类企业关心的焦点问题。针对这一问题,根据任务并行调度的特点,建立了任务调度的目标函数,并采用一种改进了的遗传算法求解目标函数。该遗传算法用矩阵式染色体表示资源与生产任务之间的调度关系,采用突变机制来解决进化过程停滞问题,提高算法的搜索能力,并保留父代种群的优秀染色体,防止遗传过程中祖代优秀染色体丢失。     

车辆的优化调度

建立露天矿生产及车辆安排问题的多目标规划模型,综合考虑卡车、铲车、卸点、铲位等生产设备的利用,并给出了其相应的遗传算法和最大熵算法。     

基于NSGA算法的公交车辆调度优化模型

公交车辆调度方案的优化对于提高公交服务水平,促进公交事业的快速发展至关重要.在乘客与公交公司利益博弈的基础上,基于极小极大思想,考虑公交车车辆容量的限制及城市道路信号控制的干扰因素,建立公交发车间隔优化模型,并利用非支配排序遗传算法(NSGA)进行模型的求解.以河南省焦作市的公交线路为例进行验证,优化结果显示乘客的平均等车时间相对减少48.3%,公交车的全日平均满载率下降了3.8%,公交服务水平有所改善.     

基于综合需求侧响应的多能存储系统优化配置

相比单一储能和需求响应(demand response,DR),多能存储和综合需求响应(integrated demand response,IDR)可显著改善多能源系统的经济性.首先构建基于激励手段的综合需求响应模型,接着对多能存储系统进行分析及建模,同时引入用户用能舒适度指标模型.最后,基于典型日负荷轮廓,以系统年...     

NSGA-II与改进粒子群算法相结合的储能优化配置

储能系统的选址定容在接入新能源的电力系统中具有重要意义,合理选择储能容量可以很好地平抑风电接入后的系统有功功率波动,同时减少能源浪费。本文提出了一种混合智能优化算法(Hybrid Intelligent Optimization Algorithm,HIOA),以电压偏差、负荷波动最小及最少储能配置容量为目标进行优化配置。该算法将多目标粒子群算法改进后(IMOPSO)与精英非支配排序算法(NSGA-II)结合,与常规多目标粒子群算法相比,大幅提高了算法的寻优性能,保证了Pareto 解的多样性和分布性。通过非支配排序求解获得Pareto 最优解集,采用逼近理想解排序(technique for order preference by similarity to an ideal solution,TOPSIS)选出储能的最优接入方案。通过IEEE-33 节点测试系统的仿真实验验证了本文所提算法的准确性及有效性,在求解配电网储能选址定容问题中有很好的收敛性和全局寻优能力。     

风电场储能系统的多目标优化调度策略

为了实现风电与储能联合运行的优化调度策略,首先综合考虑风电功率预测效果、并网功率波动和储能系统的出力水平等多个目标,建立风储联合运行的多目标优化仿真模型。然后运用马尔可夫模型预测风功率,同时基于有精英策略的非支配性排序遗传算法(non-dominated sorting genetic algorithm-Ⅱ,NSGA-Ⅱ)滚动优化风储并网功率,来获得风储系统不同运行策略。并通过优选储能系统运行参数,避免储能系统的过度充放电和进入死区。最后,将决策者的偏好嵌入到多目标优化过程中,针对优化解集的分布进行了对比分析,验证了偏好情况下的储能的针对性和有效性,实现了风储系统多目标偏好下的优化调度。     

基于遗传算法的机场调度优化算法

随着航班数量的不断增长,航空管理系统已不堪重负,机场容量将成为航空运输发展的瓶颈.为了解决机场容量不足问题,本文将机场调度问题分为杌位分配和滑行道分配两个过程,设计了适合于求解机位分配和滑行道分配问题的遗传算法.对停机位分配问题,在遗传进化过程中为促进算法收敛,采用贪婪算法对种群进行优化,并引入模拟退火思想对适应度函数进行修正.对滑行道分配问题,为适合遗传算法求解,首先将问题转化为图的形式,并设计了相应的遗传编码方式.数值模拟实验表明所提算法能够比较有效地解决机位分配和滑行道分配问题.     

基于神经网络的FMS动态调度决策

提出用ＢＰ神经网络建立ＦＭＳ动态调度模块．以ＦＭＳ的生产状态和多优化目标作为神经网络的输入,多优化目标条件下的动态调度策略作为网络的输出．给出了系统的设计方法与实例,并通过仿真验证了神经网络所作出的动态调度策略是较优的．