软计算求解并行多机成组工件调度问题

自从Zade将模糊理论引入求解组合优化问题以来，出现了很多基于模糊规则与智能优化算法相结合的软计算方法，文章尝试将这种方法用于解决并行多机成组工件flow-time问题，本问题中，设有n个工件计划在M台并行一致的机器上加工，这n个工作根据相似性分为b组，开始加工时，需要一个准备时间，当工件接续在同组工件之后加工时，不需要准备时间，反之，接续在不同组工件之后加工时，需要一个准备时间，本问题的目标是找到一个工件加工的调度顺序序列，使M台机器总的流水时间最小，在文章中，作者首次利用模糊规则量化结合遗传算法的软计算方法求解这类复杂的组合优化问题，最后给出计算实例及仿真结果。     

用遗传算法解决并行多机调度问题

对最小化完工时间的并行多机调度问题提出了一种遗传算法,并在问题形成、遗传算法编码、变异方法等方面作了研究,并用计算实例表明遗传算法能适用于大规模并行多机调度问题。     

并行多机成组工件调度的禁忌搜索方法

本文讨论的是并行多机成组工件的极小化最小通过时间调度问题。在没有ＧＴ假设下,它是一个非常复杂的组合优化问题,是ＮＰ难题。在本文中,为了解决此类问题,作者尝试采用了两种禁忌搜索的智能优化算法方法：１）利用单机条件下的最优解的性质,提出了禁忌搜索结合启发式的算法（ＴＳ－ＨＥＵ）;２）禁忌搜索结合支定界法的算法（ＴＳ－Ｂ＆Ｂ）。作者作了大量的仿真实验,将两种方法进行了比较。实验结果证明：虽然两种算法都可     

含作业到达时间的同类机调度问题启发式算法

研究了目标函数是最小化完成时间和的同类机调度问题,其中作业到达时间可能不同.此问题被证明是强NP-hard问题.由于同类机调度是一种重要的平行机调度问题,而最小完成时间和目标是最常见的正则目标之一,因此完成时间和的同类机调度问题在相关研究领域具有非常重要的地位.为此问题建立数学模型,通过对单机和同型机的相应问题研究成果的推广,提出6个启发式算法,给出算例及其计算结果,并通过实验对算法的性能及算法适应的情形进行了分析.     

模糊加工时间调度问题的研究

提出模糊加工时间调度问题,隶属函数建立在工件的模糊加工时间上,隶属度表示工件在一段加工时间下属于完工集合的程度,在假设工件的隶属函数是单调递增的情况下,的多个工件所迭加的联合隶属函数所对应的性质,根据迪些性质研究了一种单机模糊加工时间的调度模型。     

一类有动态时间窗的并行多机启发式调度算法

航班过站服务中的货邮装卸作业调度是一类有时间窗和作业调整时间的多目标多设备并行作业动态排序问题，其特点是作业时间窗和服务作业时间动态变化。在分析区别于一般制造业生产作业排序特点的基础上，建立了服务作业的调度模型．提出了设备能力差的概念．给出一个考虑不同设备加工能力的启发式分配法。当时间窗或服务时间发生变化时，算法只需要修改判断矩阵中的一行或一列数据，而对算法运行的效率没有影响。算例分析显示，能力差分配算法在减少航班延误数量、时间压设备生产能力平衡上均优于目前使用的先到先服务和最小负荷调度的混合算法。     

小生境免疫算法解决作业车间调度问题

针对免疫算法在解决组合排序问题时一般表现不佳的问题,采用多克隆算子以及独特的浓度控制机制形成具有增强搜索能力的新型免疫算法。多克隆算子与遗传算法中的交叉算子近似,它拓宽了普通免疫算法仅凭高变异方式形成的狭窄搜索空间;基于小生境的浓度控制机制借鉴生物学上的小生境概念,通过相似个体群中选择概率的不均衡分配有效避免算法掉入局部陷阱。所构造的小生境免疫算法在对多个作业车间调度算例的仿真过程中体现了较好的效果。     

含有到达时间的最大完成时间同类机调度算法

研究了目标函数是最小最大完成时间的同类机调度问题,其中作业到达时间可能不同。此问题被证明是NP-hard问题。通过对单机和同型机的相应问题研究成果的推广,提出5个启发式算法,给出算例及其计算结果,并通过实验对算法的性能及算法适应的情形进行了分析,与现有Koulamas＆Kyparisis的算法进行了比较。     

具有模糊信息的多目标指派问题求解

针对具有模糊信息的多目标指派问题提出了一种求解方法。首先利用专家意见通过模糊算法集结模糊综合效益矩阵,然后利用一种对模糊数排序的方法,将问题转化为传统的单目标指派问题,从而用著名的匈牙利算法求解。最后给出了一个数值例子。     

作业车间调度问题的随机邻域交换算法

针对作业车间调度问题提出了一种随机邻域交换算法RNSA(random neighborhood swapping algorithm).算法由几个紧密衔接的执行阶段组成,其核心思想是如何设计生成多样性调度以及如何判断新调度的可行性.为此,采用了一种组合随机邻域交换策略并证明了一个调度可行性判定定理.为了验证算法的有效性,对一批Benchmark算例进行了测试并与国内外现有研究结果做出了比较.     

基于最短时间碎片的在线生产调度算法研究

针对订单型企业的在线生产调度问题,文章通过统计每个设备上允许插入工序的时间区间,提出了基于最短时间碎片的启发式在线生产调度算法.该算法的主要思路是将工序的先后约束关系和在同一设备上的先后执行关系统一建模为无圈有向图,从而依据最短时间碎片将新订单的调度过程转化为在有向图中添加顶点和有向边的过程.仿真实验结果表明该算法可以在保证订单交付期的前提下实现排产任务,并尽可能少地变更已排产工序在设备上的相对位置;在订单频繁到达时,调度的设备利用率较高,达到了约94%;此外,算法运行较快,适用于较大规模在线生产调度问题的求解.     

Job Shop调度问题的遗传退火算法

针对作业车间(JobShop)调度问题,提出了一个遗传退火算法。该算法构造了基于工作的遗传算子,因而保证了遗传进程中生成个体的可行性,有效地解决了工件机器顺序的约束限制。通过对最佳个体进行模拟退火,把模拟退火机制引入到遗传进化过程中,将模拟退火和遗传算法两者的优点有机地结合起来,从而进一步提高了算法的全局寻优能力。仿真计算表明了该算法的良好收敛性和有效性。     

病毒遗传算法在柔性工作车间调度中的应用

针对柔性工作车间调度问题的特点,设计了基于工序顺序和基于机器分配两种交叉,变异方法对主群体进行传统的遗传操作。并引入病毒群体来感染主群体,将主群体的全局进化和病毒群体的局部进化进行动态结合,克服传统遗传算法早熟和收敛慢的缺点。实验证明此算法的有效性。     

FUZZY MULTI-LEVEL WAREHOUSE LAYOUT PROBLEM： NEW MODEL AND ALGORITHM

1. Introduction As we know, in most manufactory, above all in large-scale manufactory, warehouse operation is an important part of a manufacturer's material handling operation. Effective warehouse planning can not only reduce material handling cost but also increase productivity. Hence, it is very important for the manufacturer to make the best plan to manage the warehouse. The warehouse layout problem concerns how to place different items into the warehouse so that people resources, equipment…     

用禁忌算法求解第四方物流作业整合优化模型

建立了考虑时间和风险因素约束的面向第四方物流的物流平台作业整合优化模型,在研究基本变量邻域、作业步邻域、批量整合邻域和柔性禁忌策略的基础上,建立了求解该模型的柔性禁忌算法.本文随机产生20例算例,将禁忌算法的计算结果与分枝定界法的计算结果进行比较,说明了本算法的可行性.     

基于遗传算法的模糊柔性工作车间调度优化

首先给出了模糊生产环境下柔性工作车间调度模型,然后以最小化最大完工时间为目标函数,提出了一种基于遗传算法的通用模糊调度算法。此算法针对解决柔性工作车间调度问题采用工序顺序偏码的局限性,设计了基于顺序和基于机器分配的编码方法并据此给出了相应的交叉变异操作。仿真结果表明了算法的可行性和有效性。     

平顺移动模式下考虑加工时间与调整时间可分离的多目标流水车间批量调度

对平行顺序移动模式下考虑加工时间与调整时间可分离的多目标流水车间批量调度问题展开研究.构建以加工制造设备总停机次数、批量工件生产周期以及搬运批量工件的总次数为决策目标的基于分层序列法的多目标决策模型,利用该模型可确定批量工件的最优加工排序方案.建立平行顺序移动模式的加工与调整时间模型,该模型是求解生产周期的基础,也是为批量工件的最优调度方案制定生产作业计划的依据.提出并设计平行顺序移动模式下考虑加工时间与调整时间可分离的禁忌搜索算法对问题进行求解.研究结果表明:本研究可为平顺移动模式下考虑加工时间与调整时间可分离的批量生产流水车间选出批量工件的最优调度方案,同时可为批量工件的加工和加工制造设备的调整制定精确的生产作业计划.     

求解柔性作业车间调度问题的多策略融合Pareto人工蜂群算法

为克服单一算法在求解多目标柔性作业车间调度问题时最优性和多样性方面的缺陷,提出了一种多策略融合的Pareto人工蜂群算法(multi-strategy integration Pareto artificial bee colony algorithm, MSIPABC).算法在初始化阶段采用混合启发式策略产生质量较高的初始化种群;雇佣蜂采用多种探索操作实现蜂群自主邻域搜索;观察蜂选择较优食物源执行交叉操作,实现蜂群协作搜索,扩大搜索范围,并执行柔性作业车间关键路径相关局部搜索操作,进一步加强蜂群寻优能力;最后侦查蜂对种群重复解进行多样性重构.多种搜索策略的融合使算法不仅实现了人工蜂群的自主与协同搜索,而且达到了全局探索与局部寻优的平衡.通过验证,所提算法在求解质量和获取基准算例Pareto最优解数目方面具有优势.     

求解模糊资源受限项目调度问题的遗传算法

本文研究了以排序健壮性最大为优化目标的具有模糊加工时间和模糊交货期的资源受限项目调度问题,采用六点模糊数表示模糊加工时间和模糊交货期,引入了2种模糊数的弱比较方法,即重心距离法和积分值法.针对这一优化问题设计了一种基于任务链表编码形式的遗传算法.数值实验结果表明该算法优于文献中的相关算法,同时实验结果也表明基于2种模糊数的弱比较方法对算法性能影响较弱.