炼钢-连铸生产调度模型及启发式算法

在炼钢-连链生产工艺的约束条件下，针对多阶段均有并行机的生产环境，建立综合考虑炉次的设备指派和作业排序的混合整数线性规划（MILP）模型。在探讨炉次设备指派规则、缓解资源冲突的方法的基础上，提出面向实际应用的启发式算法。算例表明该算法行之有效的。     

通信延迟约束下多无人机任务指派冲突消解

以复杂战场环境下多无人机任务指派为研究背景,针对分布式结构下通信延迟可能导致指派冲突的问题,设计了通过设置比较阈值和对无人机(unmanned aerial vehicle,UAV)进行优先级排序的方法,以极小的通信代价预测潜在指派冲突;之后开启编队内通信,通过比较各UAV的指派方案确定当前可执行的最优任务,从而达到冲突消解的目的。通过MultiUAV2仿真平台对提出的方法进行验证。仿真结果表明,该冲突消解机制能够准确高效地预测和消解指派冲突,具有可行性与合理性;且由于采用动态的阈值设定,对不同的作战环境有较好的适用性。     

海铁联运中心站堆场箱位指派优化

海铁联运中心站堆场的箱位指派策略直接影响着中心站堆场的作业效率.本文研究中心站装卸作业过程中的箱位指派问题,以堆场压箱量最小为目标,建立动态箱位指派模型,优化集装箱在堆场的位置.基于指派问题自身的特点设计了启发式算法进行优化,将优化指派策略与堆场现有的最矮指派策略进行比较,通过对不同情况的算例进行求解,表明优化指派策略优于最矮指派策略.验证了模型的可行性和算法的有效性,并分析了作业箱规模、贝位大小、班列和集卡到达频率这三个影响因子对优化效果的影响,为中心站堆场提供决策支持.     

有重叠两抓钩周期性排序问题的搜索求解方法

提出了一种搜索求解方法以求解有重叠两抓钩周期性排序问题 ,该方法把问题分解成相应序列的子问题 ,通过序列空间中好的序列的搜索以得到比较好的排序。示例表明该方法是有效的。     

一类排序问题的通用模型与最优解

讨论把ｎ个零件安排给ｍ台机床加工的一类排序问题。在建立了该问题的通用数学模型基础之上，巧妙地把这个排序问题的求解问题转化为指派问题的求解问题，为该排序问题找到了一个理想的通用求解方法。     

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.     

炼钢连铸混合智能优化调度方法及应用

针对多阶段、多设备以及精炼工序重数不同的炼钢连铸生产调度问题,建立了综合考虑工序设备指派和作业时间安排的非线性规划模型,提出了基于专家系统的设备指派、基于人机交互的邻域搜索与基于模型转换的时间优化相结合的三阶段炼钢连铸混合智能优化调度方法.该调度方法应用于国内某大型钢厂的生产调度,在减少钢水冗余等待时间、提高设备负荷率方面获得显著成效.     

不同装卸作业模式下的集卡指派问题

以集装箱码头的进出口作业流程为研究对象,探讨了码头岸边与堆场间的集卡指派问题,即规划每个集装箱堆存/提取的位置,及确定完成箱次装载任务的集卡。以最小化总装卸完工时间为目标,构建了非线性整数规划模型,并开发了符合实务作业的启发式算法进行求解。数值实验表明,提出的模型与算法不仅可为码头预先制定集卡指派计划与估算完工时间,还可为码头长期规划中机械数量的部署决策提供参考。     

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。     

柔性机器加工排序问题中的遗传算法

现代制造系统中，计算机辅助加工计划(CAPP)起着非常重要的作用，它是从计算机辅助设计(CAD)到计算机辅助制造(CAM)不可缺少的中间环节。在允许作业柔性加工的基础上，本文提出一种新的两目标机器加工排序问题。由于该加工排序是一个NP-完全问题，进而构造了一个新的遗传算法求解该问题的非劣解解集。数值计算表明，该方法对两目标的柔性加工排序问题是有效的。     

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。     

求解多目标作业排序问题的遗传算法

利用联合进化遗传算法 ( CEGA)建立了求解多目标排序问题的一般框架 ,采用目标权衡分析诱导出决策人的偏好关系 ,并将其引入求解过程 ,以确定满意排序 ,在搜索寻优过程中 ,将启发式与遗传算法相结合 ,以提高搜索效率 .最后 ,利用该算法框架求解了一个含调整时间的一般 Job Shop排序问题 ,以表明算法的有效性.     

基于改进BPSO算法求解一类作业车间调度问题

针对某一大型机械厂结构车间的作业调度问题(JSP),考虑技术工人操作熟练度影响因素,以及离散型并行生产的特点,建立新的符合实际生产情况的数学模型,提出利用离散二进制粒子群(BPSO)算法来解决如何安排m位工人加工n个结构件,以达到加工时间最短的一类JSP调度问题,并依据求解的特殊性对该算法进行了改进.制定新的初始粒子产生策略,保证在可行解空间内开始进行寻优;引入"记忆库"、修改Sig函数和加入判断条件,确保粒子每次更新后都满足模型中的等式约束.通过实例验证,证实该算法是有效的,并能够得到较好的结果.同时,该数学模型在离散制造业中也具有广泛的应用价值.     

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。     

柔性作业车间AGV与机器双资源集成调度研究

针对含有AGV(automated guided vehicle)的柔性作业车间调度问题,建立了以最小化最大完工时间为目标的双资源集成调度优化模型.在种群初始化过程中提出一种启发式初始化方法,提高种群初始解的质量,加快算法的收敛速度.针对离散粒子群算法易早熟的弊端,结合竞争学习机制和随机重启机制提出一种可有效避免早熟的...     

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.     

设备具有恶化特性的多目标流水车间调度模型与算法

考虑到现实流水车间调度中设备具有恶化特性,针对作业处理时间是其开始时间的线性递增函数的流水车间调度问题,建立了最小化最大完成时间和总延迟时间的多目标优化模型;进而设计了一种基于分解的自适应多种群多目标遗传算法进行求解.该算法将多目标优化问题分解为多个单目标子问题,并分阶段地将这些子问题引入求解过程.在每次迭代时,根据种群在目标空间和解空间的分布情况,自适应地为当前求解的子问题分别构造子种群进行求解.通过对数值算例仿真实验,验证和分析了所提出的算法在解决该问题上能够获得较好质量和分布性的非支配解集.     

交货期窗口下的并行机调度问题的遗传算法

给出了一种求解不同交货期窗口的并行机调度问题的混合遗传算法，根据问题的特征采用扩展排列编码方式表示工件的分配和排列，利用给出的调度优先级规则和最好适应值规则相结合的启发式算法对每台机器上工件的顺序进行调整，实验表明所给的算法是有效的。     

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.