基于混合流水作业组织的港口拖轮调度优化

在对拖轮调度问题进行分析的基础之上,将拖轮调度问题归结为一类具有多阶段共用机器特征的混合流水车间调度问题.建立了针对多停泊基地不同作业模式下、且考虑靠泊与停泊两阶段的拖轮调度优化模型,推导了基于混合流水作业组织的港口拖轮调度优化问题的理论下界值,并设计了启发式规则与模拟退火相结合的混合算法(HSA)求解该模型.通过运用该算法求解仿真算例,并将其结果与模型理论下界值、三种基于现行调度规则及基于Johnson规则的调度方案进行比较.结果表明,运用HSA求解的结果与理论下界值的平均偏差值为5.39%,且该结果远小于基于现行调度规则及Johnson规则的求解值,验证了模型与算法的高效性,可以为拖轮作业模式的选择以及调度方案的制订提供决策支持.     

基于折衷策略的Blocking流水车间调度构造启发式算法

针对目标函数为Makespan的Blocking流水车间调度问题,经过对目标函数结构的分析,提出了一种基于折衷策略对工件进行初始排序的启发式算法.通过对大量典型算例的计算,实验结果证明了设计的算法在解的质量上超越了NEH算法.     

基于蚁群优化的置换流水车间调度算法

针对置换流水车间调度问题,提出了一种基于蚁群优化的调度算法.该算法的要点是将NEH启发式算法和蚁群优化结合起来:首先,将蚁群优化中的能见度定义为NEH中所用的工作加工时间之和.其次,对于部分解采用了NEH中的步骤2和步骤3进行局部调整.最后,对构造出的解做插入型局部搜索.用所提算法对置换流水车间调度问题的基准问题进行了测试,测试结果表明提出算法的有效性.     

基于混合电磁算法求解置换流水车间调度问题

为了求解置换流水车间调度问题,提出了一种基于混合电磁算法的调度算法。首先,采用最小位置值法将算法中连续向量转换为工件排列顺序。其次,对随机生成的一部分初始解用基于启发式信息的贪婪随机自适应算法得到的结果加以改造,使其质量得到提高。最后,加入局部搜索增强算法性能。通过对Car系列和Rec系列基准测试结果表明,提出的算法性能优良。另外,还讨论了一些参数对算法优化性能的影响。     

基于MOMA的可重入混合流水车间调度问题研究

针对可重入制造系统多具有多品种、大规模、混流生产等特点,构建带批处理机的可重入混合流水车间调度问题（reentrant hybrid flow shop scheduling problem with batch processors, BP-RHFSP）模型,提出一种改进的多目标蜉蝣算法（multi-objective mayfly algorithm, MOMA）进行求解。提出了单件加工阶段和批处理阶段的解码规则;设计了基于Logistic混沌映射的反向学习初始化策略、改进的蜉蝣交配和变异策略,提高了算法初始解的质量和局部搜索能力;根据编码规则设计了基于变邻域下降搜索的蜉蝣运动策略,优化了种群方向。通过对不同规模大量测试算例的仿真实验,验证了MOMA相比传统算法求解BP-RHFSP更具有效性和优越性。所提出的模型能够反映生产的基础特征,达到减少最大完工时间、机器负载和碳排放的目的。     

多工件族无缓冲混合Flow Shop问题的模型和算法构建

旨在研究并解决一类从集装箱混合装卸作业环境中提取的多工件族无缓冲混合Flow Shop问题. 针对该问题的多工件族、无缓冲、部分专用机、与机器和顺序相关的准备时间和作业时间等特点, 构建了问题的混合整数线性规划模型. 鉴于问题的NP-hard特性, 构造型的启发式算法被构建, 核心思想是基于提出的机器库存和配额等概念, 动态构建含有三元副的调度列表, 三元副表示与其一一对应的工件在3阶混合Flow Shop中的加工轨迹. 通过仿真实验、下界分析, 发现算法能获得好的近优解和低的计算成本. 更为重要的是, 算法尤其适合解决大规模的实际问题.     

求解混合流水车间调度的改进贪婪遗传算法

针对最小化最大完工时间的带有不相关并行机的混合流水车间调度问题,提出了改进贪婪遗传算法。首先,该算法染色体编码采用基于工件加工顺序的编码,解码提出了两种设备分配方案,并考虑到不同阶段加工设备配置不同对算法的影响,采用了正序解码和逆序解码加再调度并用的解码策略。其次,提出贪婪交叉算子和贪婪变异算子,这些算子不仅承担改进种群,增加种群多样性的功能,同时还具有较强的局部搜索能力。最后通过正交实验确定算法的参数设置,与已有算法对已知案例的求解结果进行了比较,说明了该算法的有效性。同时实验表明了正序和逆序解码策略的必要性以及正序或逆序解码的时机。     

集装箱码头集成调度模型与混合优化算法

为提高集装箱码头作业中各种设备的协调性,提高整体作业效率,建立了集成调度模型,模型集成了装卸桥、集卡与龙门吊的调度问题.同时,设计了求解模型的混合优化算法,此算法集成了神经网络良好的近似估计功能与模拟退火算法有效的搜索能力.算法流程是:初始化集装箱装卸序列;基于一定的分配规则为集装箱分配作业设备;采用模拟退火算法搜索解空间,更新装卸序列.在算法过程中,用神经网络预测目标函数,并且过滤明显的劣质解.最后,通过算例分析验证了模型与算法的有效性.结果表明,混合优化算法可以提高模型求解效率,对于规模为400个集装箱的调度问题,平均偏差为7.52%,计算时间为8.9s,模型与算法可行.     

工艺路线可变车间作业调度的两级遗传算法

车间作业调度问题是一个著名的NP难题，而工艺路一可变的车间作业调度是一个更一航意义的问题，算法研究是车间作业调度问题的一个重要研究方向，最近几年，遗传算法开始在调度问题中得到广泛应用，分析了工艺路线可变的车间作业调度问题的特点，并建立了相应的优化模型，提出了一种两级遗传算法，重新设计了算法的遗传编码方案以及选择、交叉和交异算子，通过实例仿真，表明了用两级遗传算法求解工艺路线可变的车间作业调试问题是有效和可行的。     

一种求解两机成组作业流水车间优化调度问题的遗传算法

当优化目标是总的流时间时,两机成组作业流水车间调度问题是NP难解的.本文提出了一种两机成组作业流水车间优化调度的遗传算法.该遗传算法分两层一层优化组内作业排序,一层优化组排序.仿真结果表明该方法的有效性.     

基于大规模FSP问题Block性质的SA算法

对于大规模流水线调度问题(FSP),模拟退火算法(SA)中邻域候选解的被接受概率,因邻域增大和邻域中的劣解数的增多而大大降低,SA算法的性能因而大为降低。针对这一问题,提出一种基于FSP问题Block性质的SA算法。将邻域划分成若干个子邻域,用子邻域中的最好解作为候选解,以提高候选解被接受的概率。引入FSP问题的Block性质,减小邻域尺寸,将搜索集中在邻域中“最有希望”的区域,进一步增强算法性能。数值仿真实验表明,该算法能在较短时间内获得大规模FSP问题的近优解。     

求解同顺序加工调度问题的一种改进遗传算法

同顺序加工调度问题是一类典型的 NP-hard问题 ,具有广泛的工程背景 ,该问题的研究具有重要的理论意义和工程价值 ,同时开发有效的优化算法一直是该领域的热门课题 .结合启发式和随机方法产生初始解 ,对种群进行分解并用多种交叉操作进行进化 ,在整体替换后用模拟退火的 Metropo-lis抽样过程代替变异操作 ,本文提出了一种改进的遗传算法 ,算法保证了初始种群一定的质量和多样性 ,多种交叉操作有利于丰富搜索行为 ,在温度控制下的抽样过程成为概率可控的变异操作且搜索行为一定程度上可控 .基于典型算例的仿真研究验证了改进遗传算法的有效性和较好的初值鲁棒性 ,其优化质量大大优于传统遗传算法和著名的 NEH启发式方法 .     

带有滞留时间的流水作业计划排序方法研究

本文对带有滞留时间的流水作业车间以零件加工全长最小为目标的排序问题进行了分析和研究。分析证明了对于两台机床带有滞留时间的问题存在有效的多项式算法。本文还给出了三台以上机床带有滞留时间排序问题的启发式算法。     

作业排序模拟退火算法影响因素分析和一种多次淬火模拟退火法

研究了作业排序模拟退火法各要素对搜索结果的影响特性 ,给出降温函数概念及其解析特征和有关问题的适宜参数值 ,在此基础上 ,给出了一种多次淬火的模拟退火算法     

两阶段流水车间成组调度问题的迭代贪婪算法

针对两阶段流水车间成组调度问题,在同时考虑序列不相关准备时间和阶段间双向运输时间约束的情况下,以最小化最大完工时间为目标建立了混合整数线性规划模型,结合问题特征提出一种协同进化迭代贪婪算法.算法将工件组间排序和各工件组内工件间排序两个子问题进行统一编码,设计了不同的启发式规则产生问题的初始解,并提出一种协同导向迭代贪婪规则对两个子问题进行联合优化,进而给出了问题的三个下界以评估算法的性能.通过不同规模的数据实验和与对比算法的比较分析,验证了所提算法的高效性和稳健性.     

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。     

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。     

求解流量监测点最优部署问题的混合遗传算法

针对网络流量监测点最优部署(Optimal Deployment of Flow Monitors,ODFM)问题,提出了ODFM问题的通用模型。将遗传算法和模拟退火算法相结合,给出了求解ODFM问题的遗传模拟退火算法(GA-SA)。通过仿真实验,将GA-SA和标准遗传算法(Standard Genetic Algorithm,SGA)以及Suh等人提出的两步近似算法(Two-Stage Approximation Algorithm,TSAA)的求解性能进行了比较。实验结果表明,与SGA和TSAA相比,GA-SA可获得15%以上的求解性能提升。     

柔性Flow shop加权完成时间调度问题的启发式算法

使用单机松弛方法证明了,即使对于柔性F low shop加权完成时间调度问题,基于加权最短处理时间需求的启发式算法也是渐近最优的。