启发式算法求解等待时间受限的两阶段流水车间调度问题

等待时间受限的两阶段流水车间调度问题具有强NP难的复杂性,有必要探索问题特征来开发近似求解算法。本文分析了此问题与一般两阶段流水车间调度和无等待两阶段流水车间调度的关系,给出了两类特殊问题的多项式求解方法,探讨了最优调度的工件序列特征。在此基础上,设计了基于排列排序的启发式算法,算法应用Gilmore-Gomory启发式生成初始序列,构造调度解的可替换集合实现迭代寻优,并利用工件序列特征调整工件顺序以优化当前调度。通过对算法的求解性能进行理论分析和实验验证,进一步表明了该算法的有效性。     

两阶段法求解混装模式下的加热炉调度

针对目前加热炉调度模型少有考虑混装模式下加热炉调度优化的不足,建立了连铸-热轧混装-体化模式下的加热炉生产调度优化模型,并提出了基于贪婪算法和模拟退火算法的两阶段求解方法.生产数据测试表明该模型和算法能有效解决加热炉调度问题.     

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.     

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.     

有顾客时间窗和发货量变化的紧急车辆调度研究

对紧急车辆调度系统进行了研究,探讨了紧急车辆调度问题实现的关键技术.对有顾客时间窗和发货量变化的紧急车辆调度问题,运用了禁忌算法(TS)进行优化.算法基于实数编码,应用GENI插入法产生初始解和进行邻域操作,设计了三种邻域,利用容量约束控制单条路径配送点数,采用惩罚函数处理时间窗约束,通过设计虚拟车场等方法实现了车辆的紧急调度.本文给出了一个具有代表性的算例试验结果,算例结果及其分析表明了此方法对优化紧急车辆调度问题的有效性.     

震后伤员救援车辆两阶段规划模型及算法研究北大核心CSCDCSSCI

不确定情景下的应急物资配送和车辆路径优化问题是目前国内研究的一大热点,其中震后伤员运送车辆调度及路径优化问题随着近几年地震等自然灾害的频繁发生也逐渐引起人们的重视.本文采用聚合优化算法对灾区进行应急救援区域划分,建立了以总救援时间最短和相对综合救援权重值最大为目标的救援车辆两阶段数学规划模型,设计了带三角函数变异的离散型萤火虫优化算法进行求解,并与常规算法求解结果做了对比分析.通过算例进行模拟实验表明,所提出的模型和算法可以有效解决地震情景下的伤员救援车辆调度问题,且改进算法的全局搜索性能更优.     

基于时空聚类预测的共享单车调度优化研究

无桩共享单车网络中存在着供需时空失衡现象,造成了共享资源的浪费及运营商管理成本的增加。为此,针对共享单车需求时间空间的分布特点,本文提出通过聚类分析的方法将具有相似时空属性的单位区域聚合为调度集群,使单车调度问题转化为有时间窗与载重量限制的车辆路径问题,并提出加入衡量集群划分是否合理的惩罚成本,构建共享单车调度路径优化模型。最后,本文改进了贪心算法、遗传算法对模型进行求解,并对算法的调度效果进行比较,为共享单车调度问题提出了从网络分析到调度优化的完整框架和改进算法,具有一定借鉴意义。     

冷轧生产批量计划与调度问题模型及算法

对冷轧生产系统特点进行分析,将冷轧生产批量计划与调度问题抽象为多阶段、多品种带有中间库的批量计划与调度问题。针对该问题建立了数学模型,通过对库存成本和调整成本惩罚系数的控制可以协调库存水平和调整次数的关系。对所建立的模型,提出了基于二进制粒子群优化与局部搜索的混合求解算法。最后,通过对企业实际生产数据的计算和分析,验证了模型和算法的可行性和有效性。     

基于改进蚂蚁算法的拉动式供应链动态调度分析

分析了拉动式供应链调度动态性的产生根源,指出由于存在供应链协作成员之间复杂的协作与竞争关系,导致了供应链动态调度的特殊性;分析了供应链动态调度过程中的两个主要瓶颈.为了合理解决瓶颈问题,在优化供应链动态调度过程中引入蚁群觅食的寻优机理,并对其进行特定的算法设计及改进,提出供应链动态调度的蚂蚁寻优算法.仿真结果验证了算法可行有效.     

粒子群算法求解无能力约束生产批量计划问题

经典的粒子群优化算法是一个在连续的定义域内搜索数值函数极值的有效方法.目前,粒子群算法(particle swarm optimization,PS0)已经成为优化领域中的一个重要的优化工具,其应用在很多优化问题中都可以见到.虽然粒子群算法的应用范围已经十分广泛,但是关于应用其求解多级生产批量计划问题(multilevel lot-sizing problem,MLLs)的文章并不多见.文章提出结合遗传算法(genetic algorithm,GA)变异算子的混合粒子群优化算法(hybrid particle swarm optimizatjon,HPSO)求解无能力约束装配结构MLLS问题.通过实验验证了算法的可行性和有效性.