热轧批量计划模型及其混合求解算法

分析了热轧批量计划编制问题,建立了基于奖金收集车辆路径问题的计划数不确定的热轧批量计划模型.模型中考虑了热轧生产的多种工艺约束和生产目标.针对该模型提出了一种基于模拟退火算法和蚁群算法的混合算法,混合算法中利用模拟退火算法得到热轧批量计划的一个初始解来生成蚁群算法中的初始信息素分布,利用蚁群算法寻找全局最优解.在蚁群算法中又嵌入了模拟退火算法进行局部搜索,避免蚁群算法陷入局部最优.实验结果表明所提出的模型和算法是有效的.     

热轧批量计划编制模型及其算法

针对钢铁企业生产调度中的热轧生产批量计划编制问题,建立了以提高平均单元计划轧制长度和热装比为目标的数学模型,在实际生产中两个优化目标具有不同的优先级。提出了一种两阶段变邻域搜索算法,该算法按照先优化平均单元计划轧制长度后优化热装比的顺序求解该问题。基于生产实际数据的仿真试验表明了所提出的模型和算法的有效性。     

不确定条件下的flow shop问题的免疫调度算法

生产调度是企业生产过程中一个重要部分，而且实际的生产过程中会存在各种各样的不确定性，针对不确定条件下的flow shop（流水车间作业）调度问题，采用模糊数学的方法来处理数据的不确定性，在基于模糊规划理论的基础上建立了相应的调度模型，并结合免疫算法的特点，提出了解决此类问题的模糊免疫调度算法．通过仿真试验，证明了模型和算法的可行性和有效性．     

PSO算法求解基于PCVRP的热轧批量计划问题

将热轧批量计划编制问题归结为奖金收集的车辆路径问题,按照热轧工艺规程,同时考虑轧制计划中钢板宽度、厚度的反跳约束,设计了反跳惩罚表,提出一种多目标数学规划模型,即最小化轧制计划数、最小化惩罚值、最小化未轧制板坯数.应用粒子群(PSO)算法进行求解,对PSO算法的求解过程进行了改进,使其适用于热轧批量计划问题,在实验中测试了算法的参数(惯性权重、加速因子)对解的影响,并进行了实验分析,获得了满意的结果.实验表明,经过改进的PSO算法所获得的最优解以及平均使用时间上都是有效的.     

基于改进狼群算法的柔性作业车间调度研究

将一种改进的狼群算法用于解决柔性作业车间多目标调度优化的难题。以工件的最大完工时间和机器能耗为优化目标建立了多目标柔性作业车间调度模型；针对传统狼群算法容易陷入局部最优的缺点提出了一种改进的狼群算法，通过对狼群算法智能行为的改进，从工序和机器2个层面设计个体编码，引入POX (precedence operation crossover)交叉操作，保证解的合法性，提高算法的全局搜索能力；通过对2个车间实例的对比实验来验证改进狼群算法的有效性。实验结果表明，提出的改进狼群算法不仅具有良好的全局搜索能力，寻优能力较其他算法也有所提升，能够为制造业提高生产效率提供新的解决思路。     

基于改进搜索策略的混合蜂群算法

针对人工蜂群算法搜索效率低、易陷入局部最优和精度低等缺点,提出混合蜂群（hybrid bee colony, HBC)算法。将人工蜂群（artificial bee colony, ABC）算法局部收敛性与模拟退火（simulated annealing, SA）算法全局收敛性结合,为ABC算法提供了一种新机制。根据SA算法中Metropolis接受准则, 通过调整温度依概率确定全局最优解的替代值,并利用全局最优解的替代值和个体极值来改进ABC算法的引领蜂搜索模式。其次,改进侦察蜂搜索方式,根据迭代次数非线性减小侦察蜂搜索范围和以一定概率反向搜索更新方式,能够有效地提高算法的全局搜索能力,并加快算法的后期收敛速度。通过对8个复杂函数仿真测试,结果表明,HBC算法在搜索性能和精度方面均有明显提高。     

基于改进遗传算法的流水车间调度求解方法

流水车间调度问题是一类经典的NP完全问题,为此提出了一种求解极小化总完工时间的流水车间调度问题的改进遗传算法.该算法采用构造型启发式算法和随机方法共同产生初始种群,结合禁忌搜索算法的局部搜索性能和遗传算法的全局搜索性能.仿真实例的结果表明该算法对问题求解的可行性和有效性.     

NWHFS多扰动调度问题的干扰管理方法

针对多扰动并发工况下无等待混合流水线生产调度问题,构建了多重约束下兼顾初始调度目标（最小化工件完工时间加权和）和扰动修复目标（最小化工件完工滞后时间加权和）的干扰管理调度模型,设计了搜索方向动态可变的多目标随机加权处理策略。并将基于高斯变异的全局寻优改进策略与基于随机邻域结构的局部精细搜索策略相结合,提出了一种混合微粒群优化求解算法。数值算例仿真实验结果表明,包含高斯变异算子和随机邻域结构的混合微粒群优化算法求解本文干扰管理调度模型是有效的。     

改进哈里斯鹰算法的仓储机器人路径规划研究

为提高静态环境下仓储移动机器人路径规划效率,解决传统哈里斯鹰（Harris Hawks optimization, HHO）算法在路径规划中存在收敛速度慢且易陷入局部最优的问题,提出了一种基于Tent混沌映射融合柯西反学习变异的哈里斯鹰优化算法（HHO algorithmbasedon Tentchaotic mapping hybrid Cauchy mutation and inverse learning, TCLHHO）。通过Tent混沌映射增加种群多样性,以提高算法的收敛速度;提出指数型的猎物逃逸能量更新策略,以平衡算法的全局搜索和局部开发能力;通过柯西反学习变异策略对最优个体进行扰动,扩大算法的搜索范围,增强全局搜索能力。根据真实仓储环境搭建二维栅格环境模型,并在Matlab中进行仿真对比实验。结果表明：该算法的规划速度、最优路径长度以及最优路径转折次数较对比算法具有较好的效果,验证了应用于智能仓储环境下改进的HHO路径规划问题的可行性和鲁棒性。     

基于分布式免疫进化算法的函数优化

针对遗传算法在寻优过程和多峰值函数求解中出现的“早熟”问题以及免疫算法收敛速度较慢问题,将免疫算法和进化算法进行优势融合,并结合改进的进化算法的并行模型,提出一种新的算法--分布式免疫进化算法（distributed immune evolutionary algorithm,DIEA）。新算法主要包括记忆种群进化模块和子种群进化模块两个部分,子种群的主要功能是找出各个区间的局部最优解;主种群主要是进行全局搜索,寻找全局最优解。仿真实验表明,该算法具有很高的全局寻优能力和很快的收敛速度,适合求解复杂多峰函数优化问题。     

改进分布估计算法在热轧生产调度中的应用

在热轧生产调度数学模型的基础上,提出一种改进的基于小生境技术的分布估计算法。采用Hebb学习规则来更新概率模型,增强了小生境之间以及整个群体间的相互学习能力。在对新种群采样时,引入了一种竞争选择机制,使得父代中的优秀个体在进化过程中得以保留,从而保证了进化持续有效的进行。为将该算法用于热轧生产调度,设计了一种新的解码方式,并采用某钢厂实际生产数据进行仿真实验,验证了算法的有效性。     

面向多核任务调度的混合遗传算法

多核处理器的并行任务调度一直是研究的热点话题,属于NP-hard问题。针对此问题,本文提出了一种集启发式算法、禁忌搜索算法、模拟退火算法于一体的改进混合遗传算法(modified hybrid genetic algorithm,MHGA)。MHGA改进如下:首先,采用启发式的分层调度来初始化种群,提高初始种群质量;其次,提出基于禁忌搜索(tabu search,TS)的随机编号交叉算子,提高种群的多样性;最后,采用基于模拟退火(simulated annealing, SA)的变异,提高个体质量。实验结果表明,与其他遗传算法(genetic algorithm,GA)相比,MHGA可以得到更小的任务调度时间和更快的最优解搜索能力。     

时变路网下考虑时空距离的同时配集货车辆路径优化

针对道路行驶速度时变且软时间窗条件下的同时配集货车辆路径问题,以车辆派遣成本、时间窗惩罚成本以及车辆运输成本之和最小化为目标建立路径优化模型。根据问题特征设计了考虑时空距离的混合变邻域搜索遗传算法,采用时空距离对客户进行聚类生成初始解,提高算法求解质量;将变邻域搜索算法的深度搜索能力运用到遗传算法的局部搜索策略中,增强算法的局部搜索能力;提出自适应邻域搜索次数策略以及模拟退火的新解接受机制,平衡种群进化所需的广度和深度。通过多组不同规模的算例验证了本文模型及算法的有效性,研究成果不仅深化和拓展同时配集货车辆路径问题的相关研究,也为物流企业优化车辆调度方案提供理论依据。     

基于时延Petri网与BSO的铝挤压线排产调度优化

针对工业生产中铝挤压生产线存在的工序繁杂、排产量大等导致的生产工期较长、效率低等问题,建立了铝挤压生产线的时延Petri网(timed Petri net,TdPN)模型并进行合理性分析;将头脑风暴优化算法(brain storm optimization,BSO)引入TdPN模型,提出了基于变迁序列个体编码解码方式的铝挤压排产调度问题优化调度算法。算法中采用模拟退火局部搜索机制改善BSO算法在后期的寻优性能,实现最小化批次完工时间的排产调度目标;仿真结果表明该方法能够缩短生产线排产工期提高生产效率,为工业生产排产调度问题提供了新的解决方法。     

求解Job Shop调度问题的粒子群算法研究

为解决单一粒子群算法求解Job shop调度问题存在的不足,提出一种基于交换序的混合粒子群算法,提高了这类问题的求解质量.在混合粒子群算法中,采用粒子群算法进行大范围全局搜索.根据Job Shop调度问题解的特征,提出基于关键工序的邻域选择方法,并将基于这种方法的禁忌搜索算法作为局部搜索算法,增强了粒子群算法的搜索能力.采用混合粒子群算法对13个难解的benchmark问题进行求解,在较短的时间内,得到的最优解和10次求解的平均值优于并行遗传算法和粒子群算法.由此说明本文所提出的混合粒子群算法是有效的.     

基于遗传算法的混合Flow-shop调度方法

混合Flow-shop调度问题（Hybrid flow-shop scheduling problem,HFSP),是一般Flow-shop调度问题的推广，由于在某此工序上存在并行机器，所以比一般的Flow-shop调度问题更复杂。本文提出了遗传算法求解混合Flow-shop调度问题的方法，给出了一种新的编码方法，设计了相应的交叉和变异操作算法，能够保证个体的合法性，同时又具有遗传算法本身所要求的随机性。最后给出了某汽车发动机厂金加工车间的生产调度实例，表明了此算法的有效性。     

Multi-satellite observation integrated scheduling method oriented to emergency tasks and common tasks

Satellite observation scheduling plays a significant role in improving the efficiency of satellite observation systems.Although many scheduling algorithms have been proposed,emergency tasks,characterized as importance and urgency(e.g.,observation tasks orienting to the earthquake area and military conflict area),have not been taken into account yet.Therefore,it is crucial to investigate the satellite integrated scheduling methods,which focus on meeting the requirements of emergency tasks while maximizing the profit of common tasks.Firstly,a pretreatment approach is proposed,which eliminates conflicts among emergency tasks and allocates all tasks with a potential time-window to related orbits of satellites.Secondly,a mathematical model and an acyclic directed graph model are constructed.Thirdly,a hybrid ant colony optimization method mixed with iteration local search(ACO-ILS) is established to solve the problem.Moreover,to guarantee all solutions satisfying the emergency task requirement constraints,a constraint repair method is presented.Extensive experimental simulations show that the proposed integrated scheduling method is superior to two-phased scheduling methods,the performance of ACO-ILS is greatly improved in both evolution speed and solution quality by iteration local search,and ACO-ILS outperforms both genetic algorithm and simulated annealing algorithm.     

热轧无缝钢管生产作业计划研究

某钢管企业现有计划工作完全由手工完成，计划不够及时准确。ERP虽然能够有效改善企业的生产作业性能，但因热轧无缝钢管生产具有复杂生产工艺和多品种小批量的特点，使得该企业引进的ERP软件其标准计划流程又不完全适用于钢管企业的生产作业计划和实际。本文对谊企业的现有手工计划流程进行了分析，对生产作业计划流程进行了重新设计，指出钢管生产作业计划实质是组批、划分炉次和确定各炉次的生产日期(班别)，并提出了组批的原则以及划分炉次和确定各炉次的生产日期(班别)的方法与公式。     

Differential evolution algorithm for hybrid flow-shop scheduling problems

Aiming at the hybrid flow-shop(HFS) scheduling that is a complex NP-hard combinatorial problem with wide engineering background,an effective algorithm based on differential evolution(DE) is proposed.By using a special encoding scheme and combining DE based evolutionary search and local search,the exploration and exploitation abilities are enhanced and well balanced for solving the HFS problems.Simulation results based on some typical problems and comparisons with some existing genetic algorithms demonstrate the proposed algorithm is effective,efficient and robust for solving the HFS problems.