网络型甩挂运输车辆调度优化研究

目的 为了更灵活地满足不同企业间的配送需求,以提高运输效率。方法 在智能交通背景下,基于RFID、Compass/GPS、通信技术等,以运输成本最小为目标建立模型,利用改进的遗传算法对网络型甩挂运输车辆调度进行优化。结果 以山东省某网络型运输企业联盟为例进行优化调度,通过与普通货车运输比较,优化后的甩挂运输车辆调度方案空载率降低了4.6%,耗油量降低了10.6%,运输总成本降低了25.4%。结论 基于改进遗传算法的网络型甩挂运输车辆调度方案有效提高了运输效率,降低了运输成本,对于促进企业降本增效及环境保护都具有重要意义。     

基于岸桥共享策略的集装箱码头协同调度优化

在保证船舶按计划完成装卸作业的前提下，为了达到尽量降低港口作业成本的目的，利用集装箱岸桥可在相邻船舶之间移位作业的特点，以港口方总成本最低为目标，以船舶靠泊位置、开启岸桥与核算岸桥数量等为决策变量，构建了基于岸桥共享策略的泊位与岸桥协同调度优化模型。针对模型的特点，设计了以遗传算法为框架，在其内部嵌套靠泊位置优化模块和岸桥共享优化模块的算法进行求解。最后，以大连港集装箱码头实际作业的优化调度为案例，验证了模型和算法的有效性，表明该方法能够减少岸桥启动数量，节省港口作业成本。经与不同算法对比，显示本文设计的靠泊位置优化和岸桥共享优化模块能够提高算法的稳定性，并能够取得更好的优化结果。     

装配作业车间分批调度问题的算法对比

建立最小化makespan的装配作业车间分批调度模型,利用遗传算法构建基于整体集成优化策略、分层迭代优化策略和双层进化策略的求解算法。它们的区别在于处理批量划分问题和子批调度问题的联合优化机制不同。最后通过仿真实验对比了几类算法的求解效果和收敛速度,并分析了它们的适应性特点。     

基于城市配送平台的订单与车辆匹配优化策略

对于货物配送过程中零担订单与配送车辆的匹配问题,由于传统的人工匹配模式会导致较高的运输成本和空载率。针对此问题,根据实际业务情况,将订单体积与重量作为约束条件,以平台利润最大化为优化目标建立0-1整数规划模型。根据平台实际业务设计出GAPVR (Genetic Algorithm based on Price-Volume Ratio)算法,并将该算法与CPLEX和平台目前的业务操作采用的FCFS(First Come First Service)算法进行对比。通过在不同订单量下进行数值模拟分析,结果表明在大规模订单量下,设计的GAPVR算法可以有效节约17.24%的运输成本,并在此前提下,可以进一步将空载率降至平均4.73%,比平台当前FCFS算法的空载率降低50%,证明了模型的有效性,对平台的实际运营具有一定的指导意义。     

考虑维修的共享单车调度优化研究

随着共享单车的快速发展,一方面给我们的社会生活带来了极大的便利,解决了困扰已久的"最后一公里"问题;但另一方面,单车投入量过大、故障车辆不能及时解决等问题也困扰着企业和政府。针对如何解决"无好车可用"的问题,在车辆调度模型的基础上,考虑共享单车的维修问题以建立更加符合实际应用的调度优化模型。提出了比例风险模型来实时监控单车的使用情况,使企业及时发现问题单车;提出在调度作业中对于部分小故障单车进行当场维修,以优化调度模型。最后选取了某地区的共享单车信息,对模型进行了数值求解,并提出调度满意度的概念,以验证调度方案的有效性。     

结合车辆日检的混凝土罐车调度问题研究

结合车辆日检因素建立基于网络流模型的混凝土罐车调度问题混合整数规划模型,并提出一种结合启发式规则和车辆流冲突选择策略的遗传算法对问题优化求解。结果表明,所提出的算法可以有效地获取更优的罐车调度计划,节省企业成本、提高效益,同时可为混凝土企业的车辆购买或租用计划提供有益的指导。     

基于损坏车辆分布预测与损益阈值分析下的共享单车回收研究

针对共享单车系统在运营过程中损坏车辆造成运营成本及损失愈多的情况，对损坏车辆在站点网络的分布作出预测，基于回收成本阈值分析建立损坏车辆回收网络模型，在此基础上构建以回收成本最小化为目标的回收路由指派模型，并使用禁忌搜索法与遗传算法的混合算法求解实际案例。结果表明：该方法可解决现实情境下，共享单车损坏车辆回收过程的分布预测和路径优化问题。本文的实例分析表明，建立的模型与传统回收方法相比，成本节约了8.72%，不仅降低回收过程的作业成本，同时也可以提高回收效率，对于共享单车运营商的决策优化具有一定参考价值。     

面向订单的生产计划与调度的综合优化

研究了一个多订单环境下的生产计划与调度集成优化问题,以实现准时生产为目标,综合考虑产品装配结构约束的订单任务计划与订单产品零部件的加工调度,采用直接面向客户订单的工序调度模式建立了计划和调度的综合优化整数规划模型.设计了带精英策略的蚁群算法作为该数学模型的求解方法,并通过对比试验为该算法选取最佳的搜索参数.实例仿真结果表明,所建模型的正确性以及蚁群算法求解该问题的可行性和有效性.     

多层级装配作业车间分批调度算法设计与分析

多层级装配作业车间调度是一类包含加工与装配的双阶段调度问题，装配产品具有不同的树状结构，且各层级的装配工序需要直属零部件完工方可执行。分批调度可以提高车间生产流动性，故而被运用在作业车间调度等领域。装配作业车间分批调度需要解决关联零部件及其下属子批的进度协同性问题，为此建立了多层级装配作业车间的分批优化调度模型，以最小化拖期成本与库存持有成本为优化目标。出于求解效率考虑，构建基于遗传算法与优先分派规则的混合求解算法以应对批量划分与排序两个子问题。最后，设计仿真实验验证分批调度算法的有效性，并分析评估在8种作业分派规则、3类分批策略下混合算法对于差异化产品结构的适应性。通过分析实验结果发现，等量分批策略可以在给定条件下有效提升混合算法的调度性能。     

一种改进的蚁群算法在工艺规划与车间调度集成优化中的应用

改进标准蚁群算法的执行策略,可提高工艺规划和调度集成问题的求解质量和效率。通过节点集、有向弧/无向弧集、AND/OR关系,建立了基于AND/OR图的工艺规划和调度集成优化模型。提出一种求解工艺规划与车间调度集成问题的改进蚁群优化算法,采用了信息素动态更新策略避免收敛过慢和局部收敛,利用多目标优化策略提高求解质量。仿真结果证明了该算法的有效性。     

基于遗传算法的共享助力车调度问题研究

为了减少调度运营成本,减少调度时间,研究共享助力车的调度问题。将助力车调度和电池配送统一进行,考虑载重对燃油调度车的油耗影响,以燃油调度车固定使用成本和耗油成本最小为目标函数,构建助力车重分配的调度模型。通过AP算法对大范围内的电子围栏进行区域划分,确定助力车的服务范围和调度中心选址的基础上,用遗传算法对各个区域分别求解最小成本的路径规划方案。用算例验证了本模型与算法的有效性和可行性。     

车辆战术储备器材包装单元装载优化研究

目的通过对车辆战术储备器材包装单元化装载问题展开研究,为提高部队车辆战术储备器材包装单元装载能力提供技术与方法依据。方法分析装载优化模型的空间、质量、装载平衡和摆放稳定性等主要约束以及约束的处理方法,运用启发式算法对模型求解流程进行合理设计,并提出启发式算法和遗传算法相结合的混合遗传算法,以托盘装载为例说明具体装载过程。结果算例结果表明,托盘空间利用率达到了98.3%以上,装载单元集装稳定性高。结论该算法可减少装载容器数量,提升容器装载能力,优化器材包装单元装载,对提高车辆战术储备器材快速保障能力具有重要意义。     

A graph partitioning strategy for solving large-scale crew scheduling problems

Railway crew scheduling deals with generating driver duties for a given train timetable such that all work regulations are met and the resulting schedule has minimal cost. Typical problem instances in the freight railway industry require the generation of duties for thousands of drivers operating tens of thousands of trains per week. Due to short runtime requirements, common solution approaches decompose the optimization problem into smaller subproblems that are solved separately. Several studies have shown that the way of decomposing the problem significantly affects the solution quality. An overall best decomposition strategy for a freight railway crew scheduling problem, though, is not known. In this paper, we present general considerations on when to assign two scheduled train movements to separate subproblems (and when to rather assign them to the same subproblem) and deduct a graph partitioning based decomposition algorithm with several variations. Using a set of real-world problem instances from a major European railway freight carrier, we evaluate our strategy and benchmark the performance of the decomposition algorithm both against a common non-decomposition algorithm and a lower bound on the optimal solution schedule. The test runs show that our decomposition algorithm is capable of producing high-quality solution schedules while significantly cutting runtimes compared to the non-decomposition solution algorithm. We are following a ”greenfield” approach, where no information on previous schedules is needed. Hence, our approach is applicable to any railway crew scheduling setting, including network enlargement, integration of new customers, etc.     

基于混合遗传算法的多航空集装器装箱优化设计

目的 为了解决当前航空业因航空集装器上货物的组装编排均由人工完成,尚无任何软件系统可以实现自动计算,造成航空货运经济效益和时效性低下的问题,开展航空集装器装箱算法研究.方法 充分利用精英选择策略的精英遗传算法和轮盘赌的简单遗传算法相结合,研究多航空集装器的装箱最优问题.结果 以某航空公司的某国际航线选取了20 d的历史数据来进行实验,计算得出,国际航线平均舱位利用率提升了5％.结论 对多航空集装器装箱进行了装箱模型构建和算法优化,提升了航空货运舱容利用率,装载得到了有效地优化,实现了装箱最优.     

考虑装载顺序约束的航空货物装箱问题研究

目的 以航空货运背景下流水线上货物的装箱问题为研究对象,旨在最大化地利用集装箱装载空间.方法 在考虑货物装载顺序、质量、体积、不重叠、稳定性等一系列现实约束的条件下,建立集装箱堆码模型,设计一种拟人启发式与遗传相结合的组合启发式算法.首先通过设定规则并赋予权重,得到有序可放置点集合,采用拟人启发式算法构建货物装载策略,得到初始装箱方案;然后通过遗传算法中的交叉、变异操作对方案进行寻优,在可行方案中选出集装箱空间利用率最大的装箱方案;最后采用某机场物流公司的实际货物数据进行实验,并实现装载方案的可视化.结果 相较于混合模拟退火算法,组合启发式算法收敛性好,搜索速度快,能够在较短的时间内得到空间利用率较高的装载方案,货物垛形规划更为紧凑,稳定性更高.结论 所提算法对于不同种类的货物有着更好的适应性,能够实现强异构货物的合理布局,保证了货物装载过程中垛形的稳定性,可为航空货物装箱问题的工程应用提供参考.     

基于蚁群算法的军用车辆器材装箱配载问题

目的对军用车辆器材装箱配载问题进行合理优化,以提高集装箱的空间利用率。方法阐述了军用车辆器材装箱配载问题的重要性,并对装箱配载问题进行理论分析,应用蚁群算法建立数学模型和实现流程,通过实例分析验证该算法的合理性。结果利用蚁群算法模拟与优化装箱配载问题使集装箱利用率达到了88.96%,并确定出了最优的装箱配载方案。结论蚁群算法能够对军用车辆器材装箱配载问题进行合理优化。     

面向“货到人”拣选系统的一种随机调度策略

通过“货到人”拣选系统作业流程分析,提出了在分批下发订单任务的情况下的一种随机调度策略。以AGV (automated guided vehicle)完成所有任务的总时间最短为目标函数,以任务分配为决策变量,考虑进行调度时AGV所处的状态以及在完成任务过程中AGV在拣选台的排队等待时间,建立随机调度策略的数学规划模型。利用遗传算法进行求解,通过实例仿真,验证了随机调度策略较调度空闲AGV策略具有更高的拣选效率,同时解决了AGV调度与拣选序列问题,对AGV数量配置具有指导作用。     

考虑运输时间的绿色作业车间调度问题研究

针对制造车间能量消耗大、利用率低的现状,以作业车间为研究对象,建立了一种AGV (automated guided vehicle)运输与加工资源集成调度的模型。首先,通过考虑机器间利用AGV运输工件所需的时间与对应的能耗构建了车间总能耗和完工时间的多目标优化模型,并设置权重系数来调节优化目标的偏好。其次,提出了一种融入模拟退火搜索策略的分布估计算法对模型进行求解。该算法主要是利用分布估计算法全局搜索能力快和模拟退火算法突跳性强的特点构建的一种新的混合算法。同时设计新的退火函数来进一步提高算法深度搜索能力。最后,通过实例验证所提算法的可行性和模型节能的有效性。     

有模具约束的并行机批量流调度问题研究

大多数调度问题均假设产品以单个或整批的方式进行生产,而实际生产过程中,会把产品分批后再进行生产。但当考虑模具约束时,对如何解决产品分批以及制定合理调度方案的问题,本文以最小化最大完工时间为优化目标,建立了考虑模具约束的并行机批量流调度模型,并提出了一种基于遗传算法和差分算法结合的混合差分遗传算法（DEGA）,实现分批与调度两个问题并行优化。最后通过对算例测试,DEGA算法得到更优的解,证明了该算法的优越性和稳定性。结合实际案例,验证了模型和算法的可行性。