具有学习效应和遗忘效应的间歇批生产的单机排序问题

本文研究具有Dejong学习效应和遗忘效应的间歇批生产的单机排序问题,考虑了批与批之间没有学习效应的传递、有部分学习效应的传递和有总的学习效应传递的三种模型.对目标函数为最大完工时间的情形,指出机器在批与批之间没有学习效应的传递和有部分学习效应传递的情形下是多项式可解的,并进一步对机器在批与批之间有总的学习效应传递的两种特殊情形给出了多项式时间算法.     

具有学习效应的间歇批生产的单机排序问题

本文研究了目标函数为总完工时间,具有Dejong学习效应和遗忘效应的间歇批生产的单机排序问题.考虑了批与批之间没有学习效应的传递、有部分学习效应的传递和有总的学习效应传递3种模型.首先,在批与批之间没有学习效应传递的模型中,给出了复杂性为O(nlog n)的最优算法.其次,在批与批之间有部分学习效应传递的情形下,对批在...     

具有学习与退化效应的单机排序问题

研究了具有学习效应与退化现象的单机排序问题,给出了目标函数为最大完工时间、总完工时间的多项式时间算法;并证明工件的权重与加工时间一致时加权总完工时间问题、工期与加工时间一致时最大延迟问题均有多项式时间算法.     

带准备时间的任务单机学习效应排序问题

具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响．研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间．这个问题是NP-难问题．用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界．计算结果表明分支定界法和启发式算法求解此问题非常有效．     

产品中各工件在单台机器上加工时的排序问题

本文考虑的是工件在单台机器上加工随后组装成产品的排序问题．每个产品由一个特殊工件和一个共同工件组成,机器从加工特殊工件转到加工共同工件有一个调整时间,目标是使所有产品完工时间在批可达或工件可达情况下的加权和最小．对两种情况我们都给出了多项式时间算法．     

一类具有学习效应的分批排序问题

本文讨论了分批排序中机器具有带学习效应,目标函数为极小化加权总完工时间的几个问题．就所有工件的加工时间都相等的这一特殊情况,给出几个算法,并证明了算法的最优性．     

同时具有学习效应和恶化效应的机器可用限制性排序问题

针对单机和两台机器的平行机排序问题,建立了工件同时具有学习效应和恶化效应,机器有可用性限制的排序模型.考虑了目标函数为极小化总完工时间的单机、两台机器的同型机问题和两台机器的同类机问题.对于机器在任意时间进行维修的一般情况给出了动态规划算法,通过数值例子说明了算法的有效性,对机器在使用前进行维修的特殊情况给出了多项式算法.     

带准备时间的任务单机学习效应排序问题

具有学习效应的任务的加工时间和带有准备时间的任务问题是排序论中的重要研究内容,它们对任务的完工时间有重要影响。研究了具有学习效应且带有准备时间的任务单机排序问题,其中学习效应指的是任务的实际加工时间是该已经排好的任务对数加工时间的递减函数,目标函数为最小化总完工时间。这个问题是NP-难问题。用分支定界法给出了此问题的最优解,为了提高分支定界法的运行效率,同时给出了一个启发式算法、几个优势性质和两个下界。计算结果表明分支定界法和启发式算法求解此问题非常有效。     

带有学习效应和加工时间可控的排序问题

考虑了带有学习效应和加工时间可控的交货期窗口的单机排序问题。工件的加工时间是关于所分配资源的线性函数或凸函数。其中每一个工件均有一个交货期窗口且窗口大小相同,若工件在窗口之前或之后完工则会产生相应的惩罚,若工件在窗口中完工则无惩罚,目标是通过极小化包括提前,误工工件数、窗口的开始时间、窗口大小和资源消耗的总惩罚函数确定工件的最优排序、最优加工时间和最优资源分配量。在加工时间是线性资源函数的情况下,通过将问题转化为一系列指派问题,构造一个多项式时间算法;在加工时间是凸资源函数的情况下,构造了一个在多项式时间内可解的动态规划算法。     

单机分批加工最大迟后问题的一个快速算法

本文考虑了下述单机分批加工问题，在时刻零同到达的ｎ个工件需分成若干批在同台机器上加工，同批中的工件相邻，任一工件的完工时间为所在批中全部工件完工时间的，机器每加工一批工件需一相同的调整时间，文中以工件的最大迟后为目标函数，对上述分别问题用动态规划技术给出了一多项式时间算法。     

带有学习效应的多目标置换流水车间调度问题研究

在综合考虑经济指标和环境因素的基础上,提出了以最小化最大完工时间和总能耗为优化目标的置换流水车间调度问题,并着重考虑学习效应对该问题的影响。针对该问题的特点,构建了带有学习效应的多目标置换流水车间调度模型,并设计了一种嵌有批量处理和扰动算子操作的混合蛙跳算法对模型进行求解。利用扩展的标准测试问题验证了该算法的性能,并与非支配排序遗传算法、强帕累托进化算法进行了对比分析,实验结果表明改进的混合蛙跳算法具有较好的寻优能力。利用此算法得到了不同学习率下的优化目标值,并运用敏感性分析探讨了学习效应对优化目标的影响程度,从而为企业制定合理的生产调度方案提供参考。     

基于萤火虫算法的学习遗忘效应BFSP问题研究

对于以最小化最大完工时间为目标的阻塞流水车间调度问题(BFSP),现有研究较少同时考虑学习效应及遗忘效应对生产调度的影响,为此构建了BFSP问题的学习遗忘调度模型,结合基于Pairwise的局部搜索策略,应用萤火虫算法对小批量生产时的学习遗忘效应BFSP问题进行求解.对Car类问题及其学习遗忘调度模型的大量仿真测试,表明了改进萤火虫算法求解该类问题的可行性和有效性.同时,证明了学习效应能够降低最大完工时间,从而提高生产效率;而遗忘效应会使得学习效果减弱,从而导致最大完工时间的增加,学习效应和遗忘效应在生产调度中的影响是客观存在且不可忽略的.     

考虑后续工序且批处理工序数为2的批综合调度算法

提出了考虑后续工序且批处理工序数为2的批综合调度算法.该算法根据复杂产品具有树状工艺结构的特点,对非批处理设备上的工序采用已有的优先级、调度长路径和长用时策略调度;对批处理设备上的工序,综合考虑先行工序和后续工序的加工时间对批处理的影响,当被等待工序非批处理延迟时间大于批处理时批处理工序的后续工序加工时间之差时,等待工序与被等待工序一同批处理.通过采用批处理判断策略、提前最大化策略以及并行最大化策略使批处理调度结果更合理.理论分析和实例证明,该算法可使批处理工序数为2的批综合调度结果更优,而且复杂度不超过二次多项式.
     

应用混合蚁群算法求解并行批处理机组批与调度问题

晶圆制造系统的批处理机具有长加工时间的特征,其调度性能指标对车间总体绩效有重要影响.批处理机调度分为组批与批次调度.针对工件的动态到达特性导致组批困难,提出了一种混合型蚁群算法.利用该算法的全局并行搜索能力对工件进行组批,并使用BATC算法对批次进行调度,可以解决多产品并行批处理机调度问题.以工件总拖期最小为性能指标,通过实例仿真,对蚁群算法性能进行分析评价和比较.结果表明,所提出的算法具有有效性和实用性.     

求解多目标单机分批排序问题

分批排序(Batch Scheduling)是在半导体生产过程的最后阶段提炼出来的一类新型的排序问题．单机分批排序问题就是n个工件在一台机器上加工，要将工件分批，每批最多可以同时加工B个工件，每批的加工时间等于此批工件中的最大的加工时间．目前只有Cheng-shuo Wang，Reha Uzsoy运用Random Key方法编码研究了单目标函数为Lmax的分批排序问题．给出组合优化中的多目标分批排序问题的一种新编码，结合模糊数学知识，运用遗传算法研究多目标分批排序问题．研究了多目标遗传算法的机制特征，进而给出求解多目标分批排序的遗传算法．     

面向饲料加工的排产优化方法研究

为了提高饲料企业在成本和质量上的优势,需要采用更加科学的方法制定排产计划。首先根据饲料加工排产的特点构建了基于批量组织生产的排产模型;其次,针对布谷鸟搜索(cuckoo search,CS)算法收敛速度慢与局部搜索能力弱的问题,提出不同的改进策略形成改进CS算法求解了排产模型,改进算法运用NEH方法、Logistic混沌映射方法以及随机方法生成初始解,使用了动态改变步长的策略以平衡算法探索能力与开发能力,增加基于差分进化的交叉阶段以增强最优解的挖掘能力。采用改进CS算法,以最小化总流经时间为求解目标,在40个Taillard测试集实例和实际饲料排产数据上进行了实验,验证了改进CS算法的寻优能力。结果证明了改进CS算法在求解流水线式生产车间排产问题上的有效性。     

机器具有可用性限制的加权总完工时间问题

研究一种带有学习和恶化效应,并且机器具有可用性限制的排序问题。讨论的目标函数为加权总完工时间的单机和两台机器的平行机问题。在某些实际生产过程中,工件加工时间的变化既受生产设备长时间使用,导致恶化现象的影响,也受生产设备或工人加工效率提高的影响。因此,在这种模型中,工件的实际加工时间不仅与它的所排位置有关,而且还与工件的开始加工时间有关。此外,由于机器发生故障或进行维护与保养等原因,导致其在某一区间内无法加工工件。针对某种学习和恶化效应模型下机器在任意时间段维修的单机和2台机器的平行机的某些情况,分别给出了拟多项式时间动态规划算法,分析了算法复杂性,并给出相应数值例子表明算法的有效性。