差分进化算法求解自动堆垛起重机调度问题

[目的]研究了自动化码头双自动堆垛起重机(Automatic stacking crane,ASC)调度问题,为了提高堆场的作业效率,考虑ASC作业过程中的干扰和冲突,以极小化所有作业的总完工时间为目标,建立自动化码头双ASC调度问题的混合整数规划模型.[方法]通过CPLEX求解器对模型进行求解.为了解决中等规模问题,设计了基于任务编码的离散差分进化算法进行求解,并把求解结果与遗传算法求解结果进行对比分析.[结果]所设计的离散差分进化算法能够在要求的时间内解决自动化码头双ASC调度问题;[结论]相较于遗传算法,本文提出的算法寻优能力更强.     

基于蚁群算法的并行任务分配与调度

蚁群算法是近年出现的一种新启发式算法,在求解NP完全问题中具有较大优势.针对如何在满足任务约束关系的条件下用蚁群算法求解任务分配与调度问题,首先对任务的分配与调度问题建立数学模型,然后在满足子任务之间的约束关系的条件下用蚁群算法求出最优解,最后把用蚁群算法与遗传算法的最优解进行比较.通过仿真实验表明,蚁群算法比遗传算法在任务分配与调度求解中有较高的解的质量,但蚁群算法的求解速度要慢于遗传算法.     

集装箱码头连续泊位与岸桥联合调度

为提高集装箱码头运作效率,在计划周期内,将有限的泊位和岸桥资源合理的分配给船舶,并在船舶上的装卸任务间进行动态调度,提出了基于任务的连续泊位与岸桥协调调度的模型,通过遗传算法对该模型进行求解。本文通过实例,验证了该模型和算法的有效性。     

改进量子遗传算法求解MDVRPPD问题

带集货和送货的多站点VRP问题作为VRP问题的一个分支,有着重大的研究价值.本文采用量子遗传算法求解MDVRPPD问题,并提出一种新的旋转门策略使得量子遗传算法的进化速度大大加快.实验证明,本文提出的改进算法和优化策略对比过去使用的启发式求解以及传统的量子遗传算法有较大优势,在时间控制上以及最优解的求解上都取得了满意的效果.     

自动化集装箱码头堆场内双起重机调度模型与算法

为提高自动化集装箱码头堆场的作业效率,针对堆场同一箱区的两端作业(堆存或取出),考虑双起重机时空同步约束条件,以最小化作业总完成时间为目标,建立双起重机调度混合整数规划模型,确定起重机在每个时间点上所处贝位及其作业状态(移动或装卸),设计遗传算法对大规模任务数量问题进行求解.算例分析结果表明,在大规模问题上,GA在解的质量上逐渐优于CPLEX算法,且运算时间远小于CPLEX,证明了该双起重机调度模型与算法的有效性及合理性.     

干涉存在下自动化集装箱码头穿越式双起重机同步调度优化

针对穿越式双起重机作业过程中的干涉问题,分析并界定干涉的存在形式,以最小化任务完成时间为目标,建立穿越式双起重机同步调度下的混合整数规划模型,确定装卸任务的分配与每台起重机的作业序列.用状态转移函数描述起重机的作业过程,提出基于任务优先级的随机键遗传算法,求解所提出的优化问题.根据现实自动化集装箱码头的特征参数,设计不同规模的算例并进行计算实验.实验结果表明,模型满足同步调度的约束条件,所得的解均为无冲突调度,验证了模型的有效性.算法求解结果显示,所得结果能够规避干涉实现同步调度,验证了算法的合理性与有效性.此外,所提算法具有良好的求解性能,能够提升穿越式双起重机同步调度问题的求解速度.     

退火单亲遗传算法求解随机需求VRP问题

为了有效求解随机需求的车辆路径问题,在单亲遗传算法中加入模拟退火选择操作,构建了退火单亲遗传算法;并实现了以虚拟自然数代表中心点,可直接利用求解随机需求VRP问题的有效遗传算子。在选择操作中,采用三复本锦标选择的方式,保持了种群的多样性。计算结果表明,该方法可有效求解随机需求车辆路径问题,算法的搜索效率、收敛概率均得到大幅度提高,取得了比一般遗传算法更优的结果。     

求解MDVRP问题的混合蚊子追踪算法

针对现实生活中应用广泛的多车场车辆路径优化问题,建立相应的数学模型。根据"就近原则"将MDVRP问题分解为VRP问题,再根据约束条件的限制将VRP分解为TSP问题,提出一种蚊子追踪算法对TSP求解,详细介绍了蚊子追踪算法的理论基础和求解模型。仿真结果表明,该算法是有效可行的,并优于遗传算法、禁忌搜索和蚁群算法,且证明了该算法对求解这类NP完全问题有一定的指导意义。     

改进遗传算法求解VRP问题

用遗传算法(GA)求解车辆路径问题,但总体上他们所得解的质量都不高,这是由GA本身局部搜索能力不强所致,针对GA这一缺陷,该文对标准遗传算法改进,用于求解VRP问题,并通过实验计算证明了该算法具有良好的寻优性能.     

考虑任务偏序关系的AGV路径优化

考虑岸桥卸船作业环节中任务集装箱之间的偏序关系,针对AGV运输环节建立混合整数规划模型,并设计考虑偏序关系的遗传算法和禁忌搜索算法求解模型.实验部分包括遗传算法参数设置实验和两种启发式算法的性能对比实验.结果表明,考虑任务偏序关系的AGV运输调度占用更多的计算资源,但是经济成本上的增加并不明显;本文建立的模型在合理刻画问题的同时,可在较短时间内找到可行解,为码头路径优化问题建模提供了参考.     

集装箱港口装卸作业设备集成调度

为提高集装箱港口的装卸效率,采用混合Flow Shop调度理论,将集装箱任务的装卸过程看作岸桥装卸、集卡运输和场桥装卸的三阶段混合Flow Shop调度问题,建立装卸任务完工时间最小化为目标的集成调度混合整数规划模型.使用矩阵编码方式的遗传算法对模型和算例进行求解,结果表明:集成调度方法比岸桥、集卡、场桥协调调度方法更具有现实意义,通过扩大任务规模,遗传算法求解结果与模型下界进行比较,当集装箱任务规模在100个以上时,求解结果与模型下界之间差距都在5%以内,证明了算法有效性.     

有垃圾量变动的生活垃圾收运车辆调度干扰管理研究

为解决由垃圾收集点垃圾量变化引发的生活垃圾收运车辆调度干扰问题,提出基于干扰管理思想的扰动恢复策略和方案.通过分析干扰事件对垃圾收运系统的扰动,构建垃圾收运车辆调度的扰动辨识和扰动度量,并以新方案与原方案偏差最小为目标,建立扰动恢复数学模型.设计基于车辆收运路径编码方式的遗传算法,求解该类问题.为统一车辆收运状态,引入虚拟收集点概念,并对干扰管理目标函数中的惩罚参数进行研究.最后,通过实例进行仿真实验,并与重调度结果进行比较,验证干扰管理模型和遗传算法的有效性.研究结果表明,干扰管理可以有效降低计划偏离度,并合理控制成本.     

基于HFSS的集装箱码头集成调度模型的建立与求解

集装箱码头作为连接水陆两方的集装箱运输枢纽,在物流环节中起着重要作用.集装箱码头的装卸作业过程可以看成一个由岸桥、集卡、场桥组成的三阶段混合流水车间调度系统.为了提高集装箱码头的装卸作业效率、缩短船舶的靠泊时间,本文根据混合流水车间调度策略(HFSS),建立了以最小完成时间为目标函数的三阶段集成调度模型.求解过程中将集卡的因素考虑进去,使用基于改进的johnson法则的启发式算法来求解该模型.最后与遗传算法求解结果进行对比,发现在相同条件下,基于改进的Johnson规则的启发式算法相比于传统的遗传算法得到的结果更优,得到的最优解距离下界只有4.1%的差距.     

一种基于遗传算法的网格任务调度算法

任务调度问题是一类NP问题,经典调度理论一般仅能获得问题的近似最优解.尽管已有用于任务调度的遗传算法的求解质量优于传统方法,但多数是考虑单任务或独立多任务调度的遗传算法.采用理论分析与仿真实验相结合的方法,提出了一种改进的遗传算法解决网格的任务调度问题.这种遗传算法所处理的任务不仅可以包含多个有前后约束关系的子任务,并且每个子任务可以需要多种资源.通过对比实验可以看到本文所提出的算法在网格任务调度方面要优于传统的HEFT和DLS算法.     

基于云遗传算法的不确定性环境下平台资源调度适应性优化方法

针对战场环境中不确定因素对平台资源调度方案的影响,提出了一种面向不确定事件的平台资源调度适应性优化方法。考虑平台损耗和任务处理时间2个方面的不确定性,建立以最大任务执行效率为目标函数的平台资源调度的适应性优化问题的数学模型,根据不确定事件对平台资源能力或任务属性的影响来判断是否触发调度方案的适应性优化,并基于云遗传算法设计了平台资源调度适应性优化问题数学模型的求解方法,最后通过算例进行了验证。仿真结果表明,使用云遗传算法对平台资源调度方案进行适应性优化调整,能得到更加优化的平台任务匹配关系,并从整体上缩短使命完成时间。     

求解Hadoop作业调度问题的混合遗传算法

将自适应遗传算法和改进的蚁群算法融合用以求解Hadoop作业调度问题。首先利用自适应遗传算法的全局搜素能力产生任务所分配的资源列表,在遗传算法的搜索速度逐渐降低时,适时切换到蚁群算法,由自遗传算法求解的最优解生成蚁群算法的初始信息素分布。改进蚁群算法的目标节点选择策略,考虑节点完成任务的成功率,加快蚁群算法求解最优解的速度。仿真结果表明,与遗传算法和蚁群算法相比,混合遗传算法用时较少,并且任务数越多,优势越明显。     

数控加工中心任务与刀具集成调度模型及改进自适应遗传算法

为解决数控加工中心任务与刀具的集成优化调度问题,以生产总成本最小为优化目标,建立了考虑任务交货期和工步并行加工的数控加工中心任务与刀具集成调度模型,产生面向数控加工中心任务与刀具的协同优化调度结果。为实现对该调度模型的优化求解,提出了一种改进自适应遗传算法,设计了合理的编码方式和自适应进化操作,并通过任务-刀具关联矩阵保证搜索过程中解的可行性,从而显著提高了算法的收敛性能和求解效率。算例结果表明,该模型能够最大限度地降低加工成本和拖期率,同时算法的收敛速度和稳定性也得到了明显提高,大大降低了问题求解的迭代次数。     

动态车辆路径问题的算法研究

借鉴动态问题中的时间点、时间段等概念,建立了动态车辆路径问题模型,将动态VRP转化为在若干连续的时间段内的相对确定性的静态VRP,为动态VRP的研究提供了一种新的方法.并设计了基于节约法和禁忌搜索的混合算法,从而提高了对动态车辆路径问题求解的效率.     

基于改进遗传算法的车间调度原型系统

为了提高遗传算法求解作业车间调度问题的初始解质量和简化遗传操作过程,提出基于幻方变幻的互换编码规则改进遗传算法;同时利用该算法基于.NET平台建立了车间调度问题和柔性车间调度问题的混合原型系统。实验结果表明:采用幻方变换的互换编码规则,提高了遗传算法的求解能力;基于该算法的原型系统实现方便,求解效率高,能够有效应用于作业车间调度系统的开发。     

基于遗传算法的半导体生产调度问题

本文系统介绍了半导体生产车间调度问题以及遗传算法的基本原理,并针对半导体生产车间调度问题的特点,设计了一种遗传算法。最后使用Matlab编写程序求解半导体生产车间调度问题。并通过对不同的问题的仿真对程序性能进行分析。