车间作业计划的全局动态调度算法

分析了ＪｏｂＳｈｏｐ作业计划中两个比较困难的约束条件，即缓冲区容量与刀具容量的限制，得出了通用型的刀具容量计算公式和调度系统的目标函数。     

混合遗传算法求解车间作业调度问题

分析了生产调度问题,提出一种更为有效的动态混合遗传算法,成功地解决了复杂的FT10×10问题.研究过程中引入自适应遗传算法思想,结合一种能够很好解决调度问题的编码规则和适应度值函数,对该算法进行了详细分析.为防止在遗传操作过程中非法染色体导致程序运行失败,给出了非法染色体合法化的规则.仿真结果表明,该算法和编码规则非常适合调度问题,且所提出的动态混合算法优于其它算法.     

柔性作业车间调度的精确邻域结构混合进化算法

为解决现有基于关键路径的邻域搜索存在无效移动多、盲目性大以及仅优化单一目标的问题,设计了更加明确精准有效的邻域结构,包括同机器移动和跨机器移动两步操作;在此基础上,给出相应的关键工序精确移动条件,并将其从优化最大完工时间推广到多目标优化;为兼顾算法局部搜索和全局搜索,将其与进化算法进行混合,实现局部与全局的优势互补,并给出相应的混合算法框架;最后,通过两个国际通用的案例集进行测试,并将测试结果与成熟的算法进行对比,验证了所设计算法的有效性和高效性。     

求解柔性作业车间调度问题算法综述

柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)是一类典型的组合优化问题,也是几个经典的NP-hard问题之一.由于其应用的广泛性和求解的复杂性,这一问题受到了众多学者的关注.基于此,针对现有的关于FJSP的相关研究进行归类总结,将已有的求解方法分为精确算法、启...     

基于免疫粒子群算法的车间作业调度问题

本文提出了一种基于人工免疫原理的改进粒子群优化算法,从而克服了粒子群算法在求解优化问题过程中易陷入局部最优解的缺点。实例验证了该算法的有效性。     

求解作业车间调度问题的混合QPSO算法

文章使用混合量子粒子群优化算法求解作业车间调度问题,并设计了一种基于工序的编码方式;为了克服量子粒子群优化算法容易陷入局部最优的缺点,将模拟退火算法引入量子粒子群优化算法,使算法具有跳出局部最优的能力并增强其全局搜索能力,形成量子粒子群-模拟退火调度算法;仿真结果表明,混合算法具有良好的全局收敛性能.     

柔性作业车间调度的动态禁忌粒子群优化算法

针对复杂的多目标柔性作业车间调度问题(FJSP),提出一种基于全知型粒子群优化(FIPS)和动态禁忌搜索(TS)的混合Pareto算法,它在利用FIPS的全局搜索能力确定搜索方向后,通过TS进行有效的局部搜索以提高算法的搜索性能.该算法采用基于强度的适应度函数来评价粒子,以使非劣解均匀分布于Pareto前沿;采用基于公共关键块的多种邻域结构,既保持了种群的多样性,避免算法陷入局部最优,又有效提高了算法的收敛速度.算法中还引入了基于变异的自适应扰动策略来进一步增加解的多样性.对不同规模实例的比较实验表明,文中所提出的算法具有较好的搜索性能,是一种求解大、小规模多目标FJSP的有效算法.     

有顺序约束的单件车间调度问题的逆序算法

研究了部分工件在加工顺序上存在逻辑优选顺序约束的单件车间调度问题.针对工件之间存在的加工顺序关系,构造了以交货期为基准,以寻求最长加工路径加工时间最短为目标的逆序算法,求解问题.通过实例分析,说明了这一算法在工程中的可行性.     

有顺序约束的单件车间调度问题的逆序算法

研究了部分工件在加工顺序上存在逻辑优选顺序约束的单件车间调度问题 .针对工件之间存在的加工顺序关系 ,构造了以交货期为基准 ,以寻求最长加工路径加工时间最短为目标的逆序算法 ,求解问题 .通过实例分析 ,说明了这一算法在工程中的可行性     

基于鲸鱼群算法的柔性作业车间调度方法

针对以最大完工时间为目标的柔性作业车间调度问题,在鲸鱼群算法(WSA,Whale swarm algorithm)基础上,提出一种改进的鲸鱼群算法。首先,设计了一种基于工序加工顺序的个体位置表达方式及相应距离计算方法,使鲸鱼群算法能够直接应用于求解离散型问题。其次,在寻找"较好及较近"鲸鱼过程中引入协同搜索机制,提高"较好及较近"鲸鱼的质量和数量,扩大鲸鱼个体的搜索范围。同时,引入基于关键路径的变邻域搜索算法,搜索当前最优鲸鱼个体的邻域解,提高种群局部搜索能力。最后采用BRdata基准算例进行测试,验证了算法的可行性和有效性。     

动态规划算法在小浪底水库优化调度中的应用研究

采用运筹学中的动态规划法建立水库优化调度模型,并利用此模型对小浪底水库调度问题进行建模并求解.     

基于协同进化遗传算法的水库群供水优化调度研究

针对水库群供水优化调度问题,介绍了一种改进的协同进化遗传算法。该算法针对求解高维、复杂的水库群优化调度时多约束条件难以处理、计算机时长、易陷入局部最优解等缺陷,建立了相应的罚因子的评价机制,生成了两类进化子种群,运用改进遗传算法同时对不同种群进行操作,并将其应用在滦河下游六水库联合供水优化调度中。实例计算结果表明,用该算法求解水库群供水优化调度问题,结果可靠、合理,计算效率高。     

单件车间排序问题的一个启发式算法

本文提出了一个启发式算法,经计算表明,这个方法对于以加工周期为目标函数的单件车间排序问题,效果是比较好的。     

多资源消耗应急系统调度模型及算法

结合应急系统多点出救的特征,研究了在资源消耗速率为非负可积函数的情况下,构建基于应急时间最早的连续型应急资源调度模型,并给出相应算法.对模型及所提出的求解算法进行实证研究,结果表明:模型与算法有效,并能对突发事件应急资源调度起到积极的作用.     

改进遗传算法在公交车优化调度中的应用

公交车调度是智能公共交通系统的重要一环,关系到公交公司的经济效益与社会效益.通过对公交车调度的分析,建立了以乘客等车时间最小、公交运营利润最大为优化目标的公交车优化调度模型.然后应用遗传算法对模型进行求解,改进了优化过程,既加快了进化速度又具有抗早熟的优点,得到比较合理的公交车发车时刻表.     

基于遗传算法的离散型并行生产的调度排优

在分析了CIM体系结构中离散型并行生产调度问题的基础上,基于遗传算法,针对调度排优问题,建立了以总加工完成时间最短为优化目标的数学模型,并设计了遗传算法的编码、交叉、变异算子,详细描述了遗传算法的各个组成部分·利用数据库技术,开发了实现该算法的可视化软件,并在实际应用中实现了调度系统与CIMS其他模块之间的集成·理论分析与实践表明,遗传算法简明、有效并且实用,所求解得到的优化作业排序对于并行生产的车间作业调度具有很好的指导意义·     

水火电混合系统经济调度的双链态遗传算法

遗传算法（GA）为求解电力系统经济调度问题提供了一条新的途径．研究了基于双链态基因模型的遗传算法（DGA），给出了显性基因和隐性基因选优准则．应用DGA建立了电力系统经济调度的遗传算法模型，该模型易于考虑系统负荷平衡、用水限制和梯级水电厂之间的水流流达时间等约束条件．在pentium计算机上对由两个火电厂和含有四个梯级水电厂组成的系统进行了仿真计算，取得了满意的效果．     

订单可分解多柔性作业车间协同鲁棒调度

针对企业多车间协同生产需求,对多柔性作业车间协同调度问题展开研究,提出了一种订单可分解多柔性作业车间协同鲁棒调度方法。给出多车间协同调度的求解方案,设计了两级决策树生产订单分配模型,其中,第一级决策树进行分配策略选择,第二级决策树进行生产订单拆分。在第一级决策树中设计了基于遗传算法的拖期检测方法,提高车间产能评估的准确性,同时,将新订单加入视为动态调度过程,通过染色体的层次选择增强调度的鲁棒性。在第二级决策树中基于线性规划提出了生产订单分解的上下界准则。最后,通过一个基准案例以及部分生产实例对订单可分解多柔性作业车间协同鲁棒调度方法进行测试。测试结果表明,该方法具备可行有效性,可供企业实际应用参考。     

基于同贝同步装卸的岸桥与集卡协同调度

集装箱码头岸边装卸桥同贝同步装卸船模式下,岸桥装卸作业序列决策和集卡调度协同优化是保障同步装卸率的关键,属NP难问题。考虑集卡和岸桥作业之间的紧密衔接、堆场翻箱影响、船舶舱盖等空间约束,构建以岸桥装卸总次数及堆场翻箱次数最小化、岸桥最大完工时间最小化、集卡等待时间最小化为目标的岸桥装卸序列决策与集卡调度联合优化数学模型。设计改进遗传算法-改进非支配排序多目标遗传算法（IGA-INSGA-Ⅱ）两阶段算法,利用IGA求解船舶贝位内岸桥装卸集装箱作业序列;基于装卸作业序列优化方案和INSGA-Ⅱ,提出岸桥最早可作业时间优先的集卡任务指派策略,设计分段式编码及解码方法,求解集卡任务分配与指派问题。通过算例,将设计的算法与常见智能算法进行对比分析,验证了模型与算法的有效性。