等待时间受限的置换流水车间调度启发式算法

针对等待时间受限的置换流水车间调度问题,分析了其可行解与流水车间调度最优解的关系,给出了计算最大完工时间的有向图,证明了等待时间受限的置换流水车间调度问题的可逆性,并以此为基础提出了一种启发式算法.算法首先根据等待时间受限约束与无等待(no-wait)约束的相似特征,生成初始工件序列集;然后利用问题可逆性给出了复杂度为O(n2m)的插入优化机制,进一步优化初始解.数据实验的结果验证了启发式算法的可行性和有效性.     

等待时间受限的流水车间调度问题的启发式算法

针对等待时间受限的流水车间调度问题,分析了等待时间上限与可行解的解析关系以及目标函数的特殊性质,以此为基础,提出了一种启发式算法.算法采用贪婪与插入相结合的启发式规则构造工件加工序列,通过递归回溯解消其等待时间受限约束.仿真实验表明,该启发式工件排序规则在等待时间约束较紧或问题规模较大时,较其他几种常用排序规则具有更好的效果.     

基于离散粒子群优化的轧辊热处理调度方法

以某轧辊企业铸钢分厂的轧辊热处理调度问题为实际背景,研究了两阶段及三阶段无等待混合流水车间调度问题.针对问题中工件加工无等待特点,设计了分阶段实现的无等待算法;在此基础上,结合离散粒子群优化算法对建立的整数规划模型进行优化求解.通过对真实数据仿真实验所得结果的比较与分析,验证了算法的可行性和有效性,并给出了具有实际参考价值的设备改进策略,对生产决策者合理安排生产具有一定的指导意义.     

具有缓冲区约束的流水车间调度问题综述

首先介绍了具有缓冲区约束的流水车间调度问题的一般框架、算法及其分类,主要针对启发式算法进行分析和总结,并进一步介绍了如何合理设置缓冲区以及存储时间有限的情况,最后,探讨了在此研究领域中的未来发展趋势.     

缓冲区有限的两阶段置换流水车间调度问题性质分析

本文针对缓冲区有限的两阶段置换流水车间调度问题的基本性质进行了分析,指出了缓冲区的大小对于问题最优解的影响并证明了该问题的复杂性.通过对原问题及其特例在目标函数之闽关系方面的研究.为算法获得较好的初始解提供了依据.这些性质为设计求解算法提供了理论依据.     

考虑分时电价的多目标批调度问题蚁群算法求解

对同时优化电力成本和制造跨度的多目标批处理机调度问题进行了研究,设计了两种多目标蚁群算法,基于工件序的多目标蚁群算法(J-PACO,Job-based Pareto Ant Colony Optimization)和基于成批的多目标蚁群算法(B-PACO,Batch-based Pareto Ant Colony Optimization)对问题进行求解分析。由于分时电价中电价是时间的函数,因而在传统批调度进行批排序的基础上,需要进一步确定批加工时间点以测定电力成本。提出的两种蚁群算法分别将工件和批与时间线相结合进行调度对此类问题进行求解。通过仿真实验将两种算法对问题的求解进行了比较,仿真实验表明B-PACO算法通过结合FFLPT(First Fit Longest Processing Time)启发式算法先将工件成批再生成最终方案,提高了算法搜索效率,并且在衡量算法搜索非支配解数量的Q指标和衡量非支配集与Pareto边界接近程度的HV指标上,均优于J-PACO算法。     

安装时间与次序相关的生产调度干扰管理研究

在安装时间和次序相关的单机调度问题中,为应对突发性的工件优先级变动造成的影响,构建了双目标重调度模型。原目标为生产的流程时间,扰动目标为工件的加工次序扰动。针对模型中的双目标,设计了基于有效解的两阶段混合启发式算法进行求解,在原目标和扰动目标之间进行权衡。混合算法第一阶段里,基于任意单个工件次序变化将双目标问题转化成单目标TSP问题,利用最近邻域和插入混合求得单目标问题的若干解,构成初始种群。第二阶段中基于非支配排序遗传算法在处理多目标问题上的优势,对初始种群进行扩展搜索,最后输出问题的有效前沿。通过数值试验运算比较分析若干针对有效解集的指标,验证了混合算法求得的解集在多样性和临近性上要优于单纯的非支配排序遗传算法。该混合算法可以有效地解决具有安装时间的加工次序扰动问题。     

一种差异工件单机批调度问题的蚁群优化算法

由于在利用蚁群算法构建差异工件(即工件有尺寸差异)单机批调度问题的解时,批的加工时间是不确定的.从而不能类似于经典调度问题的蚁群算法把批加工时间的倒数作为蚁群算法中的启发式信息,引入批的利用率和批的负载均衡率作为蚁群算法中的启发式信息,提出了JACO(ant colony optimization based a job sequence)和BACO(ant colony optimization based a batch sequence)两种蚁群优化算法.在算法JACO中,解的编码为工件序列,它对应着用BF(best fit)分批规则生成的调度方案,信息素代表工件间的排列顺序;在算法BACO中,解的编码为批序列,信息素代表工件间的批相关性,由此信息素通过中间信息素量来构造相应的解,并引入特定的局部优化策略,提高了算法的搜索效率.实验表明,与以往文献中的SA(simula-ted annealing)、GA(genetic algorithm)算法以及FFLPT(first-fit longest processing time)、BFLPT (best-fit longest processing time)启发式规则相比,算法JACO和BACO明显优于它们,且BACO算法比JACO算法效果更好.     

作业车间的模糊动态调度问题研究

本文针对作业车间的模糊动态调度问题,给出了该问题的生产系统描述、建模,给出了基于工件到达时间三角模糊数的计算确定重调度时段划分点的模糊动态调度策略,通过一种基于时间分解的策略将作业车间的模糊动态调度问题转化为一系列不一定被完全执行的静态模糊子调度问题求解。针对模型的求解给出了改进的G&T算法,将改进的基于关键路径的邻域交换技术引入遗传算法变异算子的设计,改善了算法解的局部寻优能力。仿真实验结果表明,本文给出的作业车间模糊动态调度模型是正确的,提出的算法有效,且动态调度策略具有鲁棒性。     

炼钢连铸生产调度问题的两阶段遗传算法

将炼钢连铸生产过程抽象为混合流水车间,建立了0-1型混合整数线性规划调度模型。模型将严格连续浇注作为等式约束,并通过分段惩罚来平衡炉次的驻留时间。在对模型进行Benders分解的基础上,提出了将GA与LP结合的两阶段遗传算法。在算法设计中,提出了一种新的染色体编码来表示炉次设备指派与排序方案,给出了相应的遗传操作方法。算法的第一阶段通过最小化设备析取冲突来寻找高质量的种群,第二阶段通过求解线性规划模型来指导遗传算法的迭代过程。基于生产实际数据的仿真实验表明,该算法能够有效求解炼钢连铸生产调度问题。     

一种求解柔性工作车间调度问题的混合遗传算法

针对柔性工作车间调度问题(Flexible job-shop scheduling problem, FJSP),提出了一种基于混合遗传算法的求解方案,在初始种群中引入基于启发式规则生成的优良个体,并使用有效的交叉、变异算子避免不可行个体的产生,同时利用混沌序列的随机性和遍历性特点,在遗传进化的过程中增加基于混沌序列的邻域搜索功能,以提高遗传算法的执行效率.通过仿真实验验证了该算法的可行性和有效性.     

等待时间受限的两阶段流水车间调度问题性质研究

对等待时间受限的两阶段流水车同调度问题的基本性质进行了研究.在问题的复杂性方面.证明了任何基于排列排序的调度规则都不能保证具有最优性,而且问题是强NP难的.在原问题和排列排序问题之间的关系方面,证明了满足排列排序要求的任一工件加工序列均可构成相应的可行调度;当满足一定条件时,排列排序的最优解也是原问题的最优解.这些性质为设计求解算法提供了理论基础.     

SDN供需流的两阶段及其优化分析——基于木地板生产企业的视角

在传统企业向供需网企业转变过程中,作为SDN的一个供需流,其核心集中在对车间生产调度及物流配送的优化上.针对这两个问题,基于木地板生产企业的现状,本文引入了量子粒子群与模拟退火相结合的混合算法,以及一种求解物流系统的整合优化模型与求解的启发式算法分别对其进行研究,具有一定的实用价值.     

多源供电模式下企业生产运作与能源管理集成优化研究

由于绝大部分的工业能耗归结于生产制造环节,将可再生能源作为生产车间的供电方式,可以促进可再生能源大力推广以缓解当前由于化石能源的大量使用而造成的环境污染问题。本研究以具有可再生能源供电系统的生产车间为研究对象,秉承“分布式发电、自产自销”的理念,关注包含生产车间、可再生能源发电、储电构成的微电网系统及其与外部电网之间的关联。首先,以最小化实时电价下的电费总成本为优化目标,建立了集成生产调度、设备维护、电量分配的企业运作管理问题的混合整数规划数学模型。其次,对决策变量进行分类,设计了基于遗传算法、启发式规则、子问题精确算法相结合的元启发式搜索算法;在外层对生产调度、设备维护相关变量进行迭代搜索,在内层利用最小费用流求解最优的电量分配方案。通过与CPLEX求解结果及有效低界的对比,验证了所设计算法在运行时间及求解精度上的有效性。与两种车间中独立决策策略相比较,在各种不同场景的平均表现上,集成模型可以节省大约40%的购电费用。最优运作方案显示,生产等高能耗活动应尽可能安排在低电价时段进行,但考虑到工件加工的不可中断性以及交货期的约束,设备也不可避免地需要在某些高电价时段运转。此时可以前摄性地...     

下料问题与运输问题联合优化建模

本文研究了考虑子材运输的标准一维下料问题。建立了由生产商负责运输时,标准一维下料与运输协调优化整数规划模型,最小化母材使用成本,子材库存成本及子材运输成本。采用拉格朗日松弛技术对有关约束进行松弛和模型分解,设计基于序列规则和FFD规则的混合启发式算法求解模型。该算法由两部分组成,分别用于求解标准一维下料子问题和卖方运输子问题。通过随机产生的1800个算例,验证模型合理性与算法的有效性。与基于列生成法的两阶段算法解进行比较,平均总成本降低了17.57%,表明集成算法优于两阶段算法。     

基于混合流水作业组织的集装箱码头装卸作业集成调度优化

集装箱码头集疏运资源调度的对象是由岸桥、集卡、场桥所构成的多阶段一体化的集装箱装、卸、运操作系统,将该系统的调度优化基于多阶段混合流水线调度问题建立混合整数规划模型,同时考虑集装箱码头现实作业中预定义顺序、避免岸桥交叉作业、以及取决于作业顺序的切换时间等现实约束,针对问题自身的特点设计了两阶段启发式算法,得出各阶段设备的指派结果及作业顺序。通过与基于现行调度规则的调度方案以及与目标函数理论下界值的对比实验,显示了所提出的集成调度模型及求解算法能够有效降低船舶在港时间并实现集卡资源的共享,为集装箱码头集疏运资源的集成调度提供了新的思路。     

服务水平约束下流水车间成套订单调度研究

本文针对流水车间环境,研究了服务水平约束下成套订单的调度问题,通过建立与分析该问题的模型,研究并设计了用于排序的三种构造式启发算法,以及用于确定订单成套数的构造式启发算法、改进遗传算法和模拟退火算法,最后通过各种规模及不同约束度的算例进行模拟计算与比较分析,结果表明了改进遗传算法的有效性,但其它两种算法也各有优点。     

“货到人”拣选系统中AGV路径规划与调度研究

本文在电商行业快速发展及人工智能不断成熟的背景下，对智能仓库中采用“货到人”拣选系统的AGV(Automated Guided Vehicle)调度优化问题进行研究，此问题需同时考虑单AGV的路径规划及多AGV间的碰撞避免。基于此，本文提出了两阶段优化算法，首先分别采用数学模型求解和基于货架优先级的任务分配算法得到AGV的货架搬运任务序列，并根据AGV行驶规则生成初始路径。然后设计碰撞检测及避免算法对可能发生冲突的路径交叉点进行主动避撞调度。当发生突发情况时(如设备故障)，采取实时重调度措施进行被动路径调整以获得全局AGV无碰路径。最后基于两阶段算法分析了两种AGV搬运任务分配策略的适用情况，并给出了最优的AGV数量配置建议。实验结果表明，本文算法能够调度100台AGV在配备有2015个货架、10个作业平台的仓库中完成100个订单的拣选作业。本研究可为企业采用“货到人”拣选系统实现多AGV 的协同调度提供理论依据和实践指导。     

随机抽样算法在多项目调度中的应用

针对资源约束下的多项目调度问题,扩展了单项目进度生产机制,并在此基础上设计了多项目调度的随机抽样算法。通过对比分析,说明不同的任务优先规则对随机抽样算法具有不同的影响,其中采用MINSLK等优先规则的随机抽样算法能够有效地缩短项目平均工期。与其他多项目调度启发式算法的比较和统计检验,说明随机抽样算法显著优于这些常用的启发式算法。     

随机多模式资源受限项目调度

项目调度是实现项目资源优化配置的重要手段。项目执行时往往面临大量不确定因素,并呈现出典型的多模式特性,给项目调度带来了很大挑战。鉴于此,本文研究活动工期不确定条件下的多模式资源受限项目调度问题,建立了该问题的马尔科夫决策过程模型。为了高效求解上述模型,设计了基于Rollout的近似动态规划算法。该算法可以在项目执行过程中根据最新的项目状态动态给出调度方案,从而有效优化项目期望工期。在所提算法中,利用“活动—模式”列表与并行调度机制相结合的启发式算法构建基准策略,并设计了基于离散时间马尔科夫链的动态仿真,以进一步提升算法性能。基于公开的项目调度问题库PSPLIB,通过大规模计算实验分析了本文算法的性能,探讨了多种因素对调度效果的影响。