集成生产与预防性维护的流水线车间调度算法

为使机器的可利用率最大化,建立了机器预防性维护的优化周期模型.为同时考虑生产调度与预防性维护调度,以最小Makespan为调度优化目标,提出了一种结合优化预防性维护周期模型的集成启发式调度算法.仿真结果表明,集成启发式算法对流水型车间进行生产与预防性维护调度是有效的和实用的.     

多目标Flow Shop调度问题的改进TA求解算法

提出一种根据搜索进展自适应设定门槛值和邻域搜索次数的改进TA算法．对无优先级双目标FlowShop问题进行求解,并与现有启发式算法进行了比较．计算比较结果表明：所提算法可以求得稳定、高质量的解．     

一类流水车间批量流与混排序的集成优化

讨论了一类多产品多机流水车间等规模子批量流与混排序的集成优化问题,以最小完工时间为目标函数建立了非线性混合整数规划模型,利用遗传算法 仿真的策略求解。算法采用上下两层遗传算法共同进化,上层遗传算法优化每种产品子批量的数量,同时确定各子批量的规模,下层遗传算法优化不同产品子批量的混排序,仿真程序采用多代理技术模拟生产过程得到完工时间。数值仿真实验的优化结果证明了算法有效性,同时分析了缓冲区空间和机器准备时间对模型的影响。     

一种混合嵌套分区算法及其在车间调度中的应用

设计了一种嵌套分区算法框架下的局部搜索算法,即基于最优计算量分配技术的序遗传算法,该算法采用序优化思想保证在有限计算量条件下得到局部最优解,并用遗传算法的进化搜索能力和学习能力对解空间进行搜索.将设计的局部搜索算法与嵌套分区算法相结合提出一种新的混合优化算法,用该混合优化算法求解几个标准的随机车间调度问题,数字仿真的结果表明该混合算法的优化性能好于遗传算法及基于最优计算量分配技术的序优化方法.     

Observation and Evaluation of Bridge Settlement in Beijing-Tianjin Intercity Railway

Specific requirements and methods of settlement monitoring which were used in bridge of unballasted track passenger dedicated line or high-speed railway are introduced systematically,and mathematical model and determinant conditions of settlement were proposed simultaneously,taking Beijing—Tianjin intercity railway as an example.     

考虑工人疲劳和学习效应的装备制造车间动态调度

针对大型装备制造车间人机双资源调度中工人疲劳和学习效应集成优化难的问题,基于指数型疲劳表征和DeJong学习曲线,构建混合整数规划模型。根据双资源调度问题的编码特征,结合排序规则生成初始调度方案,结合移除和插入操作设计自适应大邻域搜索算法,以求解人机双资源分配、工件排序、动态调度等子问题。同时,围绕紧急插单、机器故障、工人离岗等扰动设计重调度策略,基于原有算法实现动态调度,并进行算法测试。结果表明,与求解器、规则、遗传算法等相比,所提算法找到了完工时间更短的调度方案,且在紧急插单、机器故障、工人离岗等动态调度场景下,也能够给出更好的结果。所研究的装备制造车间调度问题同时考虑了工人疲劳与学习效应,对应算法可为大型装备制造排产系统开发提供参考。     

考虑多种时间因素的作业车间调度优化

为了简化模型和研究的需要,在大部分作业车间调度研究中,加工时间是主要考虑对象,但是统计表明非加工过程时间在生产制造过程中的占比超过90%。车间生产过程的调整时间、运输时间和故障时间等辅助时间在调度中有着重要作用,时间因素的忽略导致很多调度结果不能在实践中得到良好的应用。针对这个问题,根据作业车间生产实际过程,从调度的应用出发,综合分析了运输时间、调整时间、等待时间、故障时间、加工时间等多种作业车间时间,研究了多种辅助时间条件下的作业车间调度问题,建立其调度模型并设计了改进遗传算法进行求解。最后验证和比较了作业车间经典调度用例,结果显示,考虑时间因素对作业车间调度优化性有较好的改进。     

基于混合遗传算法的柔性作业车间机器和AGV规划

为解决柔性作业车间多自动导引小车(AGV)配送的调度问题,以加工过程中AGV运送工件从毛坯库到成品库总时间最短为目标,提出基于时间表和A~*算法的混合遗传算法.提出两种方案分别解决AGV路径规划中的冲突碰撞问题和AGV在机器位置等待时的占用问题.将机器和AGV调度集成在划分好的任务单元中,设计了基于任务单元的染色体编码方式,改进了种群初始化方案,交叉变异算子和精英保留策略,在解码操作中根据时间表信息,使用A~*算法和冲突解决方案规划出每个任务单元中小车无碰撞和占用冲突的最佳路径.最后,算例对比验证了该算法的可行性和有效性.     

基于改进遗传算法的Flow Shop调度算法研究

给出了Flow Shop调度问题的数学模型,介绍了三种用于求解该问题的启发式算法,根据普通遗传算法与启发式算法的互补特性,提出了结合两者各自优势的改进遗传算法．通过两个不同规模的经典算例对算法的优化性能进行了对比分析,结果表明,采用了保优策略的改进遗传算法的搜索能力优于启发式算法及普通遗传算法,并具有较强的鲁棒性．     

一种基于动态聚合方法的网格任务调度算法

网格中的资源都是动态的,传统的静态任务调度算法不能适应网格的动态特性。通过对资源在未来一段时间内的状态进行预测,可以提高调度算法的性能。文中提出了一种用动态聚合进行调度的算法。首先对处理器的负载进行取样,然后根据网格任务的执行时间,对处理器的取样值进行动态聚合,再利用AR(p)模型进行预测,最后利用预测到的值作为参数对网格任务进行调度,把网格任务分配给每个处理器,使得每个处理器完成子任务的时间都相同,从而使得整个任务的执行时间最短。实验表明,这种算法能很好地适应处理器负载高度变化的情况。