随机双目标焊接车间调度建模与仿真

针对一个生产大型机械产品(如架桥机等)的企业的焊接车间的调度问题进行研究,对m位工人加工n个结构件的随机调度问题建立数学模型,并以最小化最大的加工完成时间的期望与方差为优化目标.为求解该模型,对二进制粒子群算法(BPSO)进行改进,并采用动态领域策略、新的粒子个体板值选择以及一维优化方法求解双目标优化问题.通过实例仿真,结果证实修改后的算法是有效的,并能够找到Pareto前沿解.     

改进粒子群算法在考虑运输时间下的FJSP研究

在实际的柔性作业车间调度问题(Flexible Job-shop Scheduling Problem,FJSP)生产环境中,不仅存在工件的加工时间,而且还存在工件在机器之间的运输时间,因此考虑运输时间的柔性作业车间调度更具实际意义.提出混合离散粒子群算法求解考虑运输时间的柔性作业车间调度问题.针对粒子群算法的不稳定性...     

双资源JSP动态分类调度研究

针对作业车间的加工受到机床、操作工人等双资源制约条件下出现多种扰动的JSP调度问题,提出了基于不同的扰动进行分类处理的新方法。该方法以最小化最大完工时间为目标,首先基于机床故障修复时间、工人离岗时间及取消订单包含任务的多少进行分类调度,然后根据机床故障修复后以及工人回岗后剩余任务的多少决定是否进行再一次的调度。采用遗传算法和模拟退火算法相结合的算法获得调度方案,并进行分析和比较。     

基于PSO-H优化算法的单机E/T调度问题

经典的粒子群优化算法是一个有效的寻找连续函数极值的方法。其在离散空间的应用还很不成熟。主要针对公共交货期下E/T(Earliness/Tardiness)指标的单机调度问题进行研究,并基于粒子群与启发式集成的优化算法(Particle Swarm Optimization integrated with Heuristic:PSO-H)对该问题进行求解。启发式信息由工件加工时间和拖期惩罚构成,它对算法的寻优性能有明显的改善。同时,采用OR-Library中的标准算例对该算法进行仿真实验,显示出理想的寻优结果。     

基于Petri网和GASA的JSP动态分类调度研究

针对车间作业的加工受到机床、操作工人等双资源制约条件下出现多种扰动的JSP调度问题,提出了基于受控Petri网和GASA对不同扰动进行分类处理的新方法。首先通过构建带有控制器的Petri网模型使系统的运行满足期望的目标,然后基于该模型把遗传算法和模拟退火算法相结合,以最小化最大完工时间为目标,基于机床故障修复时间、工人离岗时间及取消订单包含任务的多少进行分类调度,然后根据扰动恢复后剩余任务的多少决定是否进行再次调度,避免大范围调整造成的生产不稳定状态,最大限度的维持车间的生产能力。最后通过实例验证了算法的有效性和可行性。     

具有跨工位操作的汽车总装车间调度仿真问题

研究了一类从汽车总装车间作业中提炼出的新的流水车间调度问题.该问题具有跨工位操作、停线操作以及加工时间波动的特点,这些特点使得调度问题变得相当复杂.首先,建立了该调度问题的数学模型;然后,针对此模型以最小化最大完工时间为目标,采用遗传算法和模拟退火算法相结合的方法确定出最佳调度方案;最后通过二维的动画仿真对调度结果进行验证与分析.利用北京某汽车企业总装车间实际生产数据测试和分析了上述方法,结果表明了该方法的有效性.     

面向预警卫星调度问题的改进粒子群算法

针对预警卫星调度问题的特点,提出了改进型粒子群算法。首先构建了粒子整数编码和解码机制,使粒子编码对应资源分配方案;其次,采用基于优先级的粒子群初始化机制,提高算法对可行解空间的遍历效率;其次对运算符进行重定义,解决基本粒子群算法无法处理离散变量优化问题。最后将改进的离散分群粒子群算法应用于预警任务—资源的调度问题中,实验结果表明,同其它算法相比,该算法具有较高求解性能。     

面向订单基于Agent的启发式产品组合生产计划研究

由于需求的不确定,很多企业在综合生产决策中渐渐采取面向定单的生产计划方式.当订单需求大于企业最大生产能力时,需要进行产品组合决策,以确定使利润最大的多产品混合生产的产量.本文针对一个面向订单生产的半离散制造型企业,结合Agent,建立了一个不依赖于特定成本和利润函数形式的基于作业流程和BOM结构的分布式生产决策模型,并给出了基于粒子群优化算法的启发式求解方法.该算法通过一维搜索调整粒子群"飞翔"的速度系数以解决寻优过程中粒子"飞出"可行域的问题,通过算例验证了求解算法的有效性.为将算法融合到所研究企业的ERP系统中,开发了试验性原型系统,并进行了模拟决策,结果表明所提出的模型和算法是可行的.     

水库调度PSO优化模型及求解方法

水库优化调度是水资源系统工程的一个典型,其实质是一个非线性的不等式约束优化问题,然而现行的求解方法中针对离散精度和复杂约束处理两个问题一直考虑不足,相关方面的研究也较少。将连续域寻优的粒子群算法引入到水资源系统工程中,建立水库调度的PSO优化模型,避免因离散而引起的寻优瓶颈,并针对传统粒子群算法的趋同性问题和复杂约束问题,提出退火罚函数法和混沌变异因子法,使改进后的粒子群能更有效地解决水库调度问题。通过实例分析,验证该方法的可靠性,为水库调度提供了一种新的求解途径。     

基于混合粒子群-NEH算法求解无等待柔性流水车间调度问题

针对以最小化最大完工时间为目标的无等待柔性流水车间调度问题,提出了一种混合粒子群-NEH算法.该算法 利用粒子群优化算法解决机器分配问题,并进行全局优化;利用改进的NEH算法确定工件加工顺序,并首次提出差值 平移算法计算问题目标值.在算法求解过程中,通过不断对停滞粒子实行变异操作,避免粒子群陷入早熟收敛状态.基 于典型算例的仿真实验,证明了所提算法求解该类问题的可行性和有效性.     

基于模拟植物生长算法的异速并行机调度 ——以汽车4S店维修车间瓶颈环节调度为例

汽车4S店维修车间的钣喷设备是整个维修服务系统的瓶颈, 通过对瓶颈的合理调度可以有效地提升系统效率. 首先, 用三元组α/β/γ方法, 将该问题描述为受准备时间和机器适用约束限制的, 以最小化加权滞后时间和为目标的异速并行机调度问题, 建立了对应的数学模型. 接着, 采用模拟植物生长算法求解此类调度问题, 提出了与问题相适应的生长点表示方法和迭代方法. 最后, 通过实例仿真简要分析了模型及算法的可行性和有效性.     

战场抢修资源重组决策方法

针对战时抢修资源不满足抢修任务需求时如何进行抢修资源重组决策的问题,首先,通过约束满足问题的方法建立了以总抢修效益最大为目标的抢修资源重组决策数学模型。然后,设计了一种结合基于总消耗率贪婪算法和粒子群算法的混合粒子群算法及相应的操作方案。最后,进行了仿真实验,结果表明了该方法解决抢修资源重组决策问题的有效性。     

基于时间反演的上行NOMA系统能效优化算法

为了解决上行非正交多址接入(non-orthogonal multiple access,NOMA)系统在多径环境下传输效率较低问题,提出了一种基于时间反演(time reversal,TR)的上行NOMA网络资源分配算法.首先,利用TR技术独特的空时聚焦特性,增大信号的接收强度.其次,考虑用户最小传输速率约束和用户最...     

基于多维特征差异的个性化学习资源推荐方法

协同过滤算法和二进制粒子群算法是目前学习资源推荐领域研究热点.然而,协同过滤算法推荐的学习资源过于随机化,不能满足学习者进行整体知识建构的要求.而基于二进制粒子群算法构建的资源推荐模型,以推荐所有学习者完整的学习资源为目标,且模型数据较难预测,不符合在线智能化学习的趋势.针对以上问题,提出了基于多维特征差异的个性化学习资源推荐算法:首先根据学习者和学习资源多维特征差异建立学习资源推荐模型,并考虑了学习偏好;其次引入协同过滤技术对模型数据进行预测;最后针对推荐模型的多目标优化特征,将协同过滤算法和二进制粒子群算法结合,提出了对惯性权重和种群多样性进行动态协同调整的自适应二进制粒子群算法,实现了个性化学习资源推荐.实验证明,该算法具有较好的准确性,能够满足个性化学习资源推荐的需要.     

基于CSP的Job shop调度算法研究

针对一类典型的约束满足问题——Job shop调度问题，提出一种CSP调度算法框架，详细讨论CSP调度算法中的工序开始时间窗、一致性预处理、搜索空间概率模型、工序排序启发、开工时间排序启发的求解方法。仿真结果表明CSP调度算法在较小的计算时间代价下，获得了FT10标准调度问题的近优解。     

基于改进遗传算法的多类测控资源调度方法

为了研究一类利用不同测控(telemetry, track and command, TT&C)网联合执行TT&C任务的多类TT&C资源联合调度问题, 首先对国有和商业TT&C网的不同特点进行归纳总结。其次，对问题中的约束条件进行分析和规范化描述, 并在满足所选约束的前提下, 建立问题的数学模型。进而根据问题特点, 以遗传算法为基础, 通过设计适当的编码方法和交叉、变异算子以及约束冲突处理方法, 提出一种改进遗传算法。最后，实例仿真表明, 引入的多类TT&C资源联合调度方法较传统未引入联合调度的方法能有效提高TT&C资源利用效率, 证明了所提算法求解此类TT&C调度问题具有较好的性能。     

大规模Job Shop调度的多级邻域变量排序算法

在基于约束满足的Job Shop调度问题求解过程中,变量赋值顺序是影响搜索效率的关键因素.根据问题的约束拓扑关系,提出了变量的多级邻域结构模型,在此基础上构造了一种新的变量排序算法,通过引导当前搜索介入临界区域来提高计算效率.数值实验表明该算法能够有效地改善大规模Job Shop调度问题的求解效率.     

基于改进紧致遗传算法的柔性流水车间组批排产优化问题研究

为了解决柔性流水车间组批排产优化问题(flexible flow shop scheduling problem with batch process machines,FFSP-BPM),对组批加工环节中工件加工方式的变化以及工件的组批方式进行了分析,建立了:FFSP-BPM的数学规划模型,并在标准紧致遗传算法的基础上,加入了基于汉明距离的个体选择机制,双个体概率模型更新机制和基于进化停滞代数的自适应精英继承策略三处改进,提出一种自适应协同进化紧致遗传算法(self-adaptive co-evolut,ion compact geneticr algorithm,SCCGA)作为全局优化算法.设计仿真实验,对算法中新引入的参数进行分析和探讨,确定了最佳参数值,最后通过实例测试,并与其他算法进行对比研究,验证了本算法对于解决实际生产中:FFSP-BPM这类排产问题的有效性.     

带服务优先级的煤矿物资配送车辆路径问题

以运输费用最小为目标,在考虑客户服务优先级和车辆装载率等约束条件下,构建了单车场单车型联合运输车辆路径问题模型和单车场多车型单点配送多趟服务车辆路径问题模型,并用改进的扫描算法和改进的遗传算法进行求解,最后,将郑州煤电物资供销有限公司的物资配送作为案例进行研究,从运输费用、运输里程和服务优先级三方面评价改进的扫描算法和改进的遗传算法的求解结果,得到在车辆装载率相同的情况下,两者各有所侧重:改进的遗传算法所求得的最优解在运输费用和配送里程上都优于改进的扫描算法,而改进的扫描算法则最大程度地保证了客户的服务优先级。     

求解作业排序问题的通用混合遗传算法研究

车间作业排序理论是生产管理与组合优化领域的重要研究方向 ,由于其固有的计算复杂性( NP-Hard) ,一般无法利用经典方法求出最优解。本文针对一般作业排序问题 ,将遗传算法与启发式方法相结合 ,建立了一种混合算法框架 ,利用遗传算法改进启发式方法的求解性能 ,同时利用启发式方法引导遗传搜索过程 ,以提高其搜索效率。通过对完工时间与平均延误时间等不同优化目标的计算分析与比较表明 ,该方法对不同类型的排序问题均具有相当满意的求解效果.