基于改进MOPSO的煤炭企业内部供应链优化研究

针对煤炭企业内部供应链优化的高维、非线性问题,构建了以企业利润最大、客户满意度最高为目标函数,以各原煤矿井的原煤生产量、洗煤厂的洗选品种与洗选数量、客户对于企业的重要性、客户对于煤炭品种与规格以及数量和质量要求、煤炭到达目的地的运输方式等准则为约束条件的煤炭企业内部供应链优化模型.面向优化模型求解的难题,在传统粒子群优化算法(PSO)基础上,提出了一种改进的多目标粒子群优化算法(MOPSO),该算法在供应链优化方案生成时可以避免长时间的无效搜索,提高粒子群优化算法的求解效率.通过该方法对某煤炭企业内部供应链多目标优化模型进行仿真分析与计算,验证了该方案的正确性和有效性.     

柔性Job Shops集成调度启发式算法

为有效解决柔性作业车间(Job Shops)的加工与搬运集成调度问题,以最小化最大完工时间(Makespan)为调度目标,建立非线性规划模型,提出基于贪婪启发式策略的变邻域搜索算法(GRS-RVNS).根据准时(JIT)生产和均衡生产思想构建贪婪启发式策略快速求初始解.利用析取图表示可行解并根据析取图调度的性质定理构建有效的搜索邻域,进而利用随机变邻域搜索算法对初始解进行优化.对提出的算法进行仿真实验分析,结果表明:该算法求解时间短、调度方法有竞争性.     

混合离散粒子群算法在混流装配线生产调度中的应用

为使混流装配线有效运作,研究了混流装配线的生产调度问题。以最小化最大完工时间为优化目标,建立了调度模型。针对算法中存在的"早熟"现象,提出了一种与基于NEH方法的领域搜索策略结合的混合离散粒子群算法,并通过实例验证了算法的有效性。经与其他算法比较后发现:混合离散粒子群算法在求解摩托车混流装配线生产调度问题上具有优势,能快速搜索到最优解,具有较好的收敛性。     

航空货站自动化存取系统作业调度优化

为从作业调度角度提高航空货站自动化存取系统运作效率,在分析双板作业和防冲突避让对指令序列完工时间影响的基础上,以指令序列完工时间最短为优化目标,建立了航空货站自动化存取系统调度优化模型,并设计了一种改进的蚁群算法对模型进行求解.为避免算法在搜索过程中陷入局部最优,在引入权重信息素和随机扰动策略的基础上,提出了具有变异率的状态转移参数,用于在寻优过程中决定蚂蚁的移动方向.仿真结果表明:改进的蚁群算法较基本蚁群算法和遗传算法具有更好的全局搜索能力和求解精度,所提出的调度优化方法获得的指令序列完工时间较先到先服务调度策略有至少37%的改进.     

AGA-DE求解柔性作业车间调度问题

针对柔性作业车间调度问题并结合其求解的特点，提出一种以最大完工时间最小化为目标的自适应遗传差分进化算法。在种群初始化过程中引入GLR初始化方法，有效改善机器选择部分初始解的质量；提出一种新的自适应交叉变异概率公式改进交叉和变异函数，并运用遗传算法的精英保留+轮盘赌策略，结合“贪婪思想”的差分进化的选择策略，使算法的搜索逐渐走向最优解；通过经典算例仿真以及与传统遗传算法结果的比较，证明改进算法在最大完工时间和收敛速度上的优化，验证了改进算法的可行性和有效性。     

预防性维修计划和生产调度的多目标优化

为了降低设备故障对生产成本和生产时间的影响,建立了单台设备预防性维修计划和生产调度的多目标联合优化模型.将维修成本、生产任务的最大完成时间、加权总完工时间及加权总延迟时间作为优化目标.采用了多目标遗传算法,同时对预防性维修计划和生产调度进行优化.通过实例,将预防性维修计划、生产调度的多目标联合优化方法分别与单目标联合优...     

船舶分段涂装作业重入调度优化算法

针对分段涂装过程中存在调度效率低、完工时间长等问题,本文将分段涂装作业抽象为带有时间和空间约束的批-离散机重入过程,以最小化最大完工时间为优化目标建立数学模型,构造了基于重排策略的启发式算法。通过聚类算法和基于模拟退火的组批重排策略获得不考虑空间约束的分段分批结果,利用最大接触策略实现分段的空间组批调度,提出基于最大剩余加工时间策略和遗传算法的超启发式算法进行分段的重入调度。仿真实验表明,所提出的算法可以充分利用冲砂车间的空间,得到较优的分段涂装调度计划。     

某汽车座椅混流装配线多目标排产优化

针对某汽车座椅混流装配线多型号多批次混流装配周期长、订单多样化、难以满足客户需求等问题,建立以产品最小完工时间和等待时间为目标的排产优化模型,并设计一种基于循环拥挤排序的改进快速非支配排序遗传算法进行求解.以某企业混流装配线为例,运用多种算法进行优化前后排产方案的对比分析,验证所提模型及算法的可行性.应用Plant Simulation对所提排产优化模型与算法实用性进行验证,仿真结果表明,文中模型及算法能有效缩短装配周期,提高装配线资源利用率.     

考虑设备时变效应的晶圆加工序列决策调度方法

为改善半导体生产过程中设备状态不确定引起的时变效应可能造成生产计划难以推进、生产效率下降等问题,使用考虑设备时变效应的晶圆加工序列决策调度方法制定调度方案。采集过往加工工时数据,挖掘设备状态变化的特征参数与晶圆的加工工时时变效应的关联关系,从而建立考虑时变效应的平行机调度模型,实现最大完工时间的最小化。设计集成调度优化知识的混合搜索算法(HSAOSK),利用单机调度最优规则与多机调度优化知识库减少搜索空间,提高算法的计算效率。实际算例的分析结果表明：HSAOSK算法求解小规模算例的最优解与精确算法(BRA)相同,求解大规模算法时与其他优化算法相比,最大完工时间可减少6.17%,且计算时间非常短,HASOSK算法的优越性能满足构建半导体调度决策方案的需求。调度决策方法不仅能为具有时变效应的半导体生产系统提供有效的加工序列决策,还能针对设备状态提供不同的维护决策以保证生产效率。     

不确定执行时间的云计算资源调度

针对执行时间不确定情况下的云计算资源调度问题,基于模糊规划理论建立了时间-成本约束条件下的模糊云资源调度模型,使用三角模糊数表示不确定的任务执行时间,以最小化评价函数的平均值和不确定度作为调度目标。提出一种改进的混沌蚁群算法对模型进行求解,算法引入精英策略优化了信息素的更新,采用折叠次数无穷大的混沌映射进行混沌搜索,并设计了自适应混沌扰动机制以增强算法的全局搜索能力。在Cloudsim平台上用仿真数值实例对模型和算法进行验证,证明了模型的可靠性,实验结果表明改进算法在收敛速度、求解能力和负载均衡上均有较好的性能。     

The Optimization of Manufacturing Resources Allocation Considering the Geographical Distribution

考虑地理位置分布的制造资源配置优化

梁策远¹, 贺利军², 朱光宇¹

（1.福州大学 机械工程及自动化学院 福州 350116;

2武汉理工大学 物流工程学院, 武汉 430070）

创新点说明：

1) 建立了云制造环境下跨地理位置制造资源配置的模型,包括初选和优选两个阶段。

2) 优选阶段采用了基于模糊集关联熵的PSO算法解决高维多目标优化,此方法要好于NSGA-II和基于随机权重的PSO算法。

3) 考虑了配置过程中制造资源正常和出错两种情况,突显了该方法所具有的实时性,动态性和容错性。

研究目的：

建立云制造中跨地理位置资源配置模型,优化配置方案,实现配置的实时性,并能在资源出现异常情况时做出动态响应,提高容错率。

结果：

在制造资源正常和出错的情况下,基于模糊集关联熵的PSO算法均能正常得出配置优化结果,适应度值()分别达到了0.745和0.718（此数值越大表示越接近理想解）,要好于NSGA-II和基于随机权重的PSO算法所得到的结果。

结论：

建立的资源配置模型是合理的,能有效的应对制造资源出错的情形。基于模糊集关联熵的PSO算法可以有效的得出优化结果。

关键词：云制造; 资源优化配置; 模糊关联熵; 高维目标优化; 供应链

     

电子制造供应链采购任务分配

为了能在多供应商之间分配采购任务使双方整体效益达到最优,结合电子制造业典型特点和多供应商环境下电子元器件采购特征,提出了4种不同类型的供应商协作模式：连续补给型、一般协作型、订货供给型和紧密协作型.主要针对一般协作型、订货供给型和紧密协作型3种类型供应商,采用两种不同的任务分配策略：成本优先控制策略和交货期优先控制策略,分别建立电子制造供应链采购任务分配模型,同时考虑产品总的采购成本,基于两种分配策略构造了采购任务分配算法.通过计算一个实例来验证采购任务分配模型和说明该算法是如何求解问题的,结果表明,准时交货率得到最大保证,而成本得到有效降低.     

物流云服务下动态设施选址问题研究

基于云计算的物流云服务平台利用云中的资源,可以实现供应链上资源的优化组合,进而改变了供应链节点间的服务映射关系,真正实现节点间的＂多对多＂映射,从而一定程度上改变动态设施选址的模式。在物流云服务环境下研究动态选址问题,结合云服务环境下＂多对多＂映射关系的特性,以动态P中值选址为例,提出了一种新的基于云服务的动态选址模型,并结合具体算例,运用Cplex求解,证明在物流云服务环境下,可以明显降低选址总成本,同时增加供应链的服务柔性。     

柔性作业车间分批调度多目标优化方法

为了解决柔性作业车间中小批量工件的分批调度多目标优化问题,构建以制造工期、拖期惩罚、加工成本、批次数量和机器总负荷为目标函数的柔性作业车间多目标调度模型.应用改进的强度Pareto进化算法（SPEA）求解.在该算法中,应用模糊c 均值聚类（FCM）加快外部种群的聚类过程,引入自适应的变异算子来增强解的多样性.采用约束Pareto支配和可变长度的编码策略,一次运行就能够求得Pareto最优解集.利用模糊集合理论得到Pareto解的优先选择序列,并从中选出一个最优解.该方法将工件分割成具有柔性数量的多个批次,使各批次的工艺路线选取及加工顺序得到优化.通过实例仿真对该方法的性能进行比较分析.将该方法应用于某机械公司车间调度中,验证了该方法的有效性和适应性.     

基于同态加密机制的云平台计算安全与完整性保护算法

针对云平台潜在的信息泄露、数据种类多样的风险,提出了一种基于同态加密机制的云平台安全保护算法,采用该算法对加密后的用户数据进行安全计算.使用同态加密算法保护用户详细信息,采用数据完整性隐私保护算法实现数据完整性验证,并采用RS编码算法在数据遭受破坏时恢复出原始数据.基于阿里云平台的仿真测试与实验结果表明,所提出的算法能够以较小的计算代价实现云平台数据安全保护,并能恢复出被破坏的数据.     

Remanufacturing closed-loop supply chain network design based on genetic particle swarm optimization algorithm

As the huge computation and easily trapped local optimum in remanufacturing closed-loop supply chain network (RCSCN) design considered, a genetic particle swarm optimization algorithm was proposed. The total cost of closed-loop supply chain was selected as fitness function, and a unique and tidy coding mode was adopted in the proposed algorithm. Then, some mutation and crossover operators were introduced to achieve discrete optimization of RCSCN structure. The simulation results show that the proposed algorithm can gain global optimal solution with good convergent performance and rapidity. The computing speed is only 22.16 s, which is shorter than those of the other optimization algorithms.     

JIT供应物流的短驳合并运输集成优化研究

针对及时化(just in time,JIT)供应模式的入场物流短驳合并优化问题,本文以某汽车制造厂的入厂物流为例,并以供应物流总成本最小为目标,建立数学模型,同时利用基于递降最佳适合算法(best fit decreasing,BFD)思想的启发式算法和改进的单亲遗传算法(partheno genetic algorithm,PGA)求解,并分析在此运作模式下的成本与效率。仿真结果表明,单亲遗传算法取消了传统遗传算法的交叉算子,取而代之仅在一条染色体上操作基因换位算子,即使种群中每个个体均相同,它也可以通过基因换位、基因到位等遗传算子来实现遗传迭代,不需要初始群体具有广泛多样性,也就不存在早熟收敛的现象。因此,本文提出的算法比BFD启发式算法的供应成本明显降低。该研究可降低供应成本,提高经济效益。     

Research on Integrated Green Supply Chain Management

1 Introduction With the rapid development of economy and technology,companies are in the racefori mprovingtheir com-petitiveness in order tocompeteinthe 21st century global market .Nowadays ,it is hardlyresponsiveto meet thechanging market requirements only by depending on the single enterprise resource ,the former production modeand manner of configuring resource must be definitely changed,therefore ,supply chain management (SCM) iscomingin trying to achieve competitive advantage . Asupply c…     

基于资源分组的多约束云工作流调度算法

已有的云工作流调度算法采用全局搜索方式进行资源选取,存在计算成本高、对大规模云系统适应性差的问题。该文提出了基于资源分组的多约束云工作流调度算法,采用有向无环图的方法,对云工作流中的多任务之间的执行顺序和数据交换等属性进行量化建模;使用模糊聚类方法实现基于资源多维特征的分组处理,降低工作流任务到资源匹配过程中的搜索空间;并引入执行时间和成本预算约束,将工作流的任务调度问题转化为有约束条件的极小极大问题进行快速求解。仿真测试表明,该算法显著降低了任务执行完成时间和成本。