动态维修任务调度的优化方法

战时维修机构承担的维修任务比较繁重,合理安排维修任务可以有效地提高武器装备作战使用的时间.为此,分析了战时维修任务的特点,以尽快恢复参战作战单元的战斗力为目标,提出一种动态维修任务调度的优化方法.考虑到问题的复杂性,首先把原问题分解为静态维修任务调度问题和动态维修任务调度问题,分别建立相应的数学模型,并提出模型的求解方法.动态维修任务调度模型以静态维修任务调度模型为基础,根据任务变化情况反复调用静态维修任务调度模型求解方法,实现了战场抢修任务的动态调度.模型求解方法简单,获得的近似解具有较高的精度,计算时间很短.针对战场瞬息万变的情况,利用该方法实现了近实时地动态维修任务调度.     

武器装备维修任务分析及调度模型

装备维修任务规划调度问题在装备维修管理中是一个非常重要的问题,本文通过我军装备维修保障机构的组成,对装备维修任务进行了分析,并在此基础上首次提出最大化保障能力的维修任务调度模型,为装备维修资源优化配置奠定了基础.     

客户竞争驱动的任务调度非合作博弈

从客户竞争需求的角度出发,在分析其提交制造任务的各自利润最大化(重点考虑任务的完成时间)调度目标的基础上,针对传统的任务调度策略、方法和模型的不足,采用博弈论,提出并构建了一种具备完全信息的非合作博弈的任务调度模型。在该任务调度模型中,来源于不同客户的制造任务被映射为博弈模型中的局中人,与各制造任务所包含的工序集对应的可选加工设备被映射为各制造任务的可行方案集,各制造任务加工完成时间的倒数被映射为其收益函数。据此,对上述任务调度目标的求解就等价为寻求该任务调度模型的Nash均衡点,对Nash均衡点的具体求解,采用遗传算法实现。最后给出具体的实例来验证其可行性。     

考虑任务行程时间的多载量自动导引车系统防死锁任务调度

针对多载量自动导引车（AGV）系统的任务调度和缓冲区死锁问题,提出了考虑任务行程时间的防死锁任务调度方案。以最小化延迟率和交通负荷不均衡度为目标,建立了任务调度模型;分析了任务调度中的实际约束,并在任务行程时间约束下构建了预测模型;针对任务调度模型,提出了一种基于人工免疫-灰狼优化（AI-GWO）算法的多目标防死锁任务调度方法,利用死锁避免规则禁止即将引发工位缓冲区死锁的任务运行,并融合AI-GWO算法对任务执行顺序进行多目标优化;最后,根据AGV负载均衡度进行AGV任务分配。仿真结果表明,上述任务行程时间预测模型具有较高的准确率,任务调度模型及防死锁调度方法具有较好的优化性能和计算效率,从而显著提高了物流系统的任务准时率和路径网络的交通负荷均衡度。     

数控系统中基于预分配的混合任务调度算法

为改善数控系统混合任务调度中非周期任务的调度性能,提出一种基于预分配的空闲挪用算法。任务调度开始前,采用预分配子算法为实时周期任务预留处理器时间,通过推迟实时周期任务的执行,使周期任务调度中的空闲时间尽可能提前。任务调度过程中,根据周期任务的执行情况动态调整其预留时间,为非周期任务提供最大的可用空闲时间。算法性能分析及仿真实验表明,所提算法在保证实时周期任务的截止时限要求的同时,能够以较小的计算及存储开销取得最短的非周期任务响应时间。     

工期不确定下产品开发任务调度的多目标优化

针对产品开发中任务工期的不确定性,以产品开发时间最短和成本最低为目标,运用区间数方法描述任务工期的不确定性,建立了工期不确定条件下区间型多目标优化数学模型,并基于区间序关系将该模型转化为确定性的优化模型。采用改进的非支配排序遗传算法(NSGA-II)进行求解,得到了产品开发任务调度的Pareto最优解集。通过实例说明了该方法的实施过程,计算结果表明了该方法的有效性。     

分布式科技资源多服务任务优化调度

为了解决分布式环境下科技资源服务过程并发服务访问不确定性高,按需服务实体产业分配不均衡的问题,提出一种基于多群落协作搜索的启发式任务调度策略.在分析科技资源服务调度过程及特点的基础上,搭建了考虑分布式科技资源并发服务访问不确定性和资源分配不均衡性的多服务任务优化调度模型;给出该调度模型的多群落双向驱动进化算法,并采用二进制对粒子的速度和位置进行编码,通过重构粒子表达式完成粒子群算法到离散空间的映射,同时建立不同粒子群落之间的交互进化机制以增强种群的多样性,进而提高算法对搜索环境的适应能力和求解精度.以汽车发动机故障诊断维修资源服务任务调度过程为例,验证了所提方法的有效性,为复杂调度问题的求解提供了有效手段.     

基于嵌套粒子群结构的复杂系统维修决策优化方法

针对复杂系统的多维修人员定期检修策略，考虑维修人员数量对系统维修成本及停机时间的影响，提出一种两层嵌套粒子群结构的复杂系统多目标维修决策优化方法。该方法利用底层粒子群算法求解维修任务排序的并行调度问题，得出检修节点的最小化最大维修时间，再通过顶层多目标粒子群算法，对系统可靠度、可用度及维修成本模型进行搜索优化，得到该三目标模型的Pareto前沿解集，并分析前沿粒子在三个目标的平衡关系，推荐出最优的维修方案，通过算例验证了该方法的可行性。所提方法在有效地提高系统可靠度和可用度、降低维修成本的同时，还可以为决策者对组件维修等级的确定、维修人员任务的分配等问题提供决策支持。     

任务驱动的保障活动时间优化

针对装备后勤保障任务的复杂性,建立了装备群执行任务过程中产生的多设备保障任务需求模型;在该模型的基础上,根据保障活动时间影响因素的不确定性,应用随机网络图建立了任务驱动的保障活动时间计算模型;以保障时间最短为优化调度目标,根据平时保障与战时保障的不同特点,将单装备多项目和多单元多项目两种随机保障活动调度优化抽象为改进的置换流水车间调度模型,并利用改进的启发式算法进行模型求解.结合实例验证了保障活动时间优化模型的有效性.     

考虑运输的柔性流水车间多处理器任务调度的混合遗传优化算法

多处理器任务调度在制造业有着较广泛的应用,为了解决实际柔性流水车间环境下的多处理器任务调度优化问题,研究了考虑运输时间和释放时间的多阶段柔性流水车间多处理器任务调度问题,该问题为NP-hard问题,以最小化最大完工时间为目标建立了柔性流水车间多处理器任务调度整数规划模型。为有效求解该问题,首先研究了工件加工机器流生成机制、单工件加工机器流矩阵编码方案和批量工件加工机器流编码方案。进而设计了基于机器空闲随机筛选的工件安排机制,产生该规划的初始解生成方法,以最小化最大完工时间原则进行新解筛选。然后构建基于工件顺序与加工机器流同步交叉的新解更新过程、基于工件顺序与加工机器流同步变异的新解调整过程,并利用迭代贪婪算法完成调整和重建操作,产生全新方案以改善求解质量,最终形成结合迭代贪婪算法的混合遗传融合优化策略。仿真实验利用解的下界得出偏差百分比,分别用遗传算法、迭代贪婪算法和混合遗传融合优化算法对不同规模的问题进行测试,结果表明,混合遗传融合优化算法能够获得较好的近优解。     

用遗传算法优化制造设备的预防性维修周期模型

建立了预防性维修周期间故障的递推关系式，给出了有限时间区间的设备预防性维修策略的非线性优化模型。该模型综合考虑了维修成本、预防性维修成本和生产损失成本，克服了无限时间区间稳态分析操作性差的缺点，并以故障分布形式为威布尔分布的设备为例，用遗传算法进行优化。计算结果显示，遗传算法能以极快的收敛速度达到全局最优，具有较高的计算效率。模型可为维修计划的制定和现场的作业调度提供决策支持和信息支持。     

基于可靠度约束的预防性维修策略的优化研究

提出了等效役龄的概念,建立了预防性维修周期间故障率的递推关系,并以故障时间符合威布尔分布的设备为例,构建可靠度约束条件下有限时间区间的预防性维修策略的优化模型,克服了无限时间区间优化模型的不可操作的缺点。模型可为维修计划的制订和现场的作业调度提供决策支持。     

基于强化学习的分布式光伏运维资源动态调度

针对分布式光伏运维资源调度过程中因动态因素影响导致调度计划难以实施的问题,提出基于强化学习的分布式光伏运维资源动态调度方法.该方法通过构建动态调度规则同步调整运维任务的优先级,并以新计划完成成本最低和完成时间最短为优化目标构建动态调度模型.采用Q-Learning求解模型,通过实验对比,Q-Learning算法的求解速...     

基于多目标混合殖民竞争算法的设备维护与车间调度集成优化

在制定调度计划时考虑设备预防性维护可以提高设备利用率和资产效率。首先,依据实际制造车间生产环境,在每台机器的可靠度降低到阈值的时候安排预防性维护,建立柔性作业车间设备预防性维护与调度集成优化的数学模型,以最小化最大完工时间、总生产成本和平均总维修成本为目标。然后,提出一种多目标混合殖民竞争算法求解该模型,设计相应的编码、解码、殖民国家同化过程以及多目标混合殖民竞争算法的流程,并采用改进加权TOPSIS方法在获得的Pareto解集中选择满意解,以达到提高设备的可靠性、按期交货和节省成本的目的。最后通过具体实例验证提出策略的可行性和有效性。     

Multi-task scheduling of distributed 3D printing services in cloud manufacturing

The problem of service matching and scheduling in cloud manufacturing (CMfg) is complex for different types of manufacturing services. 3D printing, as a rapidly developing manufacturing technology, has become an important service form in the CMfg platform due to its characteristics of personalized manufacturing. How to solve the task scheduling problem for distributed 3D printing services in CMfg needs further research. In this paper, a service transaction model of 3D printing services in CMfg is built. Based on the service transaction model, we propose 3D printing service matching strategies and matching rules of different service attributes, including model size, printing material, printing preciseness, task cost, task time, and logistics. To reduce the delivery time of tasks from service suppliers to service demanders, a 3D printing service scheduling (3DPSS) method is proposed to generate optimal service scheduling solutions. In 3DPSS, optimization objective, constraints, and optimization algorithm are presented in detail. Experimental results show that the average task delivery time of 3DPSS is shorter than that of typical scheduling methods, such as particle swarm optimization, pattern search, and sequential quadratic programming, when the amounts of tasks change.     

Integrated optimization of production planning and scheduling for a kind of job-shop

This paper addresses an integrated job-shop production planning and scheduling problem with setup time and batches. It not only considers the setup cost, work-in-process inventory, product demand, and the load of equipment, but also the detailed scheduling constraints. That is a way different from the traditional hierarchical production planning method. The hierarchical methods do not consider the detailed scheduling constraints, so it cannot guarantee to obtain a feasible production plan. Here the integrated problem is formulated as a nonlinear mixed integer program model. And in order to simultaneously optimize the production plan and the schedule, an improved hybrid genetic algorithm (HGA) is given. In the model, the detailed scheduling constraints are used to compute the accurate load of a device in order to obtain a feasible production plan. The heuristic scheduling rules such as the shortest processing time (SPT) and the longest processing time (LPT) are used to generate a better initial solution. Also, a subsection coding strategy is offered to convert the planning and scheduling solution into a chromosome. At last, a comparison is made between the hybrid algorithm and a hierarchical production planning and scheduling method, showing that the hybrid algorithm can solve the problem effectively.     

基于设备有效度和可靠度的预防修经济优化模型

基于以可靠性为中心的预防性维修计划对生产的重要性及其制定的复杂性,分析生产设备各单部件最优预防修策略。为了减少维修停机损失,将多个维修作业按照机会维修阈值进行归并。在此基础上分析系统维修费用构成和系统有效度,并以系统总体维修费用最小化、系统有效度最大化为目标,建立多部件成组预防修策略优化模型,提出多部件设备非周期预防修计划的优化方法。模型中除了考虑预防性修理和更换等预防修的主要环节之外,还考虑对于非预期故障所采用的小修环节。用Matlab编程仿真求解出满足设备可靠性要求、且维修成本和有效度得到优化的预防性维修计划。结果表明,相比对多个部件单独进行更换或修理,所提出的方法可以节约维修成本并且提高设备的有效度。     

柔性装配单元任务规划的时间优化方法

详细研究了柔性装配单元中的任务规划问题,采用时延Petri网对系统行为进行建模并提出了任务规划的时间优化算法。为装配序列规划提供了重要的评价指标,并可用于指导装配系统设计。     

基于发电计划和设备检修计划的实时调度智能安全校核

针对发电计划和设备检修计划对实时调度的校核影响进行了分析。对机组检修与安全约束调度的关系和步骤进行了梳理。建立了以安全调度为目标以及以竞标机组为目标的多目标检修计划优化模型,约束条件以直流潮流作为实时在线校核。利用二进制遗传算法以及原始对偶内点法对模型进行联合求解。通过 30 节点系统进行仿真分析,说明了该模型的有效性。