基于遗传和禁忌搜索算法求解双资源车间调度问题

针对柔性生产环境下的车间调度问题,在考虑遗传算法早熟收敛特性和禁忌搜索法自适应优点的基础上,将遗传算法和禁忌搜索法结合起来,提出了基于遗传算法和禁忌搜索算法的双资源作业车间的调度优化问题算法,即不仅考虑到了每个工件有几条可行的工艺路线,而且考虑到了工件的调度受到机床、工人等资源制约的影响,并用实例对该算法进行了仿真研究.结果表明此算法有很好的收敛精度,是可行的,与传统的调度算法相比较,体现出其明显的优越性.     

基于Petri网和GASA的JSP动态分类调度研究

针对车间作业的加工受到机床、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,提出了基于受控Petri网和GASA对不同扰动进行分类处理的新方法。首先通过构建带有控制器的Petri网模型使系统的运行满足期望的目标,然后基于该模型把遗传算法和模拟退火算法相结合,以最小化最大完工时间为目标,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,然后根据扰动恢复后剩余任务的多少决定是否进行再次调度,避免大范围调整造成的生产不稳定状态,最大限度的维持车间的生产能力。最后通过实例验证了算法的有效性和可行性。     

基于Petri网和GASA的双资源JSP动态优化调度

以带有控制器的Petri网为建模工具对柔性生产调度中的离散事件建模.该模型不仅能够反映柔性生产线上待加工产品的多条工艺加工路径及其资源约束,还可以对系统的设备维护、各种优先级等特性进行描述.利用遗传算法和模拟退火算法(GASA)获得调度结果,用于解决作业车间在机床、操作工人等生产资源制约条件下的动态优化调度.该调度以生产周期为目标,通过多种交叉、变异、概率更新、再分配策略等遗传和模拟退火操作,得到目标的最优或次优解;尤其重要的是该算法能够在扰动发生后迅速提供新的调度计划.对算法进行了仿真研究,结果表明该算法是可行、有效的.     

基于生产费用的柔性作业车间调度优化

考虑在制品库存费用、机床工时费、直接工人的工资费用、工件的提前和拖期完工造成的损失费用,提出了一种双资源柔性作业车间调度的生产费用计算方法.将模拟退火算法嵌入遗传算法中,设计了一种新的混合遗传算法.该算法首先利用遗传算法快速搜索一组较好的解,然后利用模拟退火算法进行群体寻优.采用基于工序的编码和一种新的解码方法,并运用多种交叉方法使得算法能够在解空间中尽可能地搜索最优解.为了避免最优解在进化过程中损失,采用择优操作将每代中的最优解保留下来,并不断更新.仿真结果表明:该方法是可行的,并具有一定的优越性.     

两个桂花品种花色色素相关基因的差异表达

结合桂花花青素、类胡萝卜素的含量与转录组测序检测到的花色代谢相关基因的差异表达,对品种为‘橙红丹桂’和‘早银桂’的花色变化过程进行了初步研究。结果发现:苯丙氨酸裂解酶、4-香豆酸—Co A连接酶、乙酰辅酶A合酶、查耳酮合酶、R2R3-MYB1、细胞色素P450、番茄红素ε环化酶基因的表达与花青素和类胡萝卜素含量变化相似,这两类色素代谢路径上的其他基因均在‘早银桂’中表达量较高。此外,这种现象很可能是多酚氧化酶(PPO)、细胞色素P450基因在转录因子R2R3-MYB调控下差异表达所致,并且还发现桂花类黄酮的代谢路径是从柚皮素开始转向二氢槲皮素进而在DFR、ANS催化下形成矢车菊色素。     

具有跨工位操作的汽车总装车间调度仿真问题

研究了一类从汽车总装车间作业中提炼出的新的流水车间调度问题.该问题具有跨工位操作、停线操作以及加工时间波动的特点,这些特点使得调度问题变得相当复杂.首先,建立了该调度问题的数学模型;然后,针对此模型以最小化最大完工时间为目标,采用遗传算法和模拟退火算法相结合的方法确定出最佳调度方案;最后通过二维的动画仿真对调度结果进行验证与分析.利用北京某汽车企业总装车间实际生产数据测试和分析了上述方法,结果表明了该方法的有效性.     

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。     

居住区景观设计研究浅析

随着社会的进步,人们对居住区景观环境有了更高的要求。在分析了居住区景观环境现状及发展趋势后,结合景观环境设计研究的主要目的和意义,给出解决思路。以求营造出体现生态性、人性化、文化性相互协调统一的居住区外环境。     

柔性作业车间多目标调度优化研究

研究了多目标柔性作业车间调度问题(FJSP),提出了一种基于Pareto的混合遗传算法,并建立了包括生产周期、总拖期时间和机床负载在内的多目标优化模型.该算法采用基于工序的编码方式和活动化解码方法,将Pareto排序策略与Pareto竞争方法结合起来.为了保证解的多样性,采用小生境技术并同时使用多种交叉方法,用Pareto解集过滤器保存进化过程中的最优个体,防止最优解的遗失.算法最后给出问题的Pareto最优解集.仿真试验证明,提出的混合遗传算法可以有效解决多目标FJSP.