研发型企业多项目人力资源调度研究——基于蚁群优化的超启发式算法

现阶段,研发型企业的项目处于多项目环境下,为了解决多项目并行时人力资源争夺问题,本文针对该类企业多项目管理中人力资源调度进行优化研究,以考虑项目延期惩罚成本的最小总成本为目标函数,将现实问题抽象建模。基于国内外的研究提出了一种超启发式算法进行求解,该算法将人力资源调度问题分为项目活动分配和人员选择项目活动两个部分,采用蚁群优化作为高层启发式策略搜索低层启发式规则,再进一步根据规则解构造出可行解。最后本研究设计多组仿真实验与启发式规则进行对比,结果表明该算法有较好的搜索性能,为人力资源的调度问题提供了新的解决方案。     

碳税政策下多目标再制造物流网络优化

构建了碳税政策下总成本和碳排放最小化的混合整数规划模型,随后采用多目标粒子群优化算法并结合水泥企业具体问题设计约束处理机制求解模型,接着解析运输方式选择及碳税税率变化对再制造物流网络Pareto最优解集的影响。算例分析表明:企业再制造物流网络最优解集中总成本和碳排放量此消彼长;物流网络节点选址同时,采用多式联运方式能够有效降低正向物流网络总成本和碳排放;针对水泥行业,碳税税率在(5,30]元/t内适度调整能够有效引导碳减排。     

项目员工力[I班调度多目标优化模型与算法

为最小化加班对项目工期、人力资源成本和总加班时间的影响,建立了项目员工加班调度多目标优化模型。首先,采用初始化模块生成各活动的可行加班方案;然后,使用调度模块计算确定每一种调度方案的项目工期、人力资源成本和总加班时间;最后,采用并列选择遗传算法得到多目标Pareto解集。研究结果表明,使用该模型能够有效的确定出工期短、人力资源成本低和总加班时间少的员工加班调度方案集合,从而为项目管理者提供有力的加班调度决策支持。     

烟丝加工双机流水线生产调度与维护联合优化

首先将烟丝加工制程抽象为带缓冲的双机Flow shop,以最小化最大完工时间为目标,建立了双机Flow shop生产调度与设备维护联合优化数学模型.然后,基于烟丝加工制程的特点,给出并证明了其联合优化调度问题的若干最优解特性.在此基础上,提出了一个简洁、有效的算法用于求解该问题.最后,通过实际烟丝加工案例验证了该算法的有效性.     

基于人员-任务-资源匹配度的产品设计项目静态调度

设计人员和技术资源的特点使得产品设计项目优化调度建模及求解的复杂性大大增加。首先对产品设计项目中的三大主要要素的属性进行了深入地分析,并提出了任务-人员-资源匹配度的评价指标和计算方法;其次,借助多模式资源受限问题的思想,将设计人员和技术资源分别考虑,并将设计人员、技术资源和设计任务三者的匹配度以及技术资源强度引入到调度模型中,建立了针对产品设计项目的多模式资源受限调度数学模型;最后,设计了一种双层单亲遗传算法,实现了对模型的求解,得到了工期最短目标下最优的任务、设计人员、技术资源调度方案。案例分析结果表明,基于人员-任务-资源匹配度的多模式优化调度模型充分体现了设计项目的特点,有利于人力资源和技术资源的优化配置。     

作业外包与单机批调度联合优化问题的确定型启发式算法

从制造商角度出发,研究了考虑作业外包选择的单机批调度联合优化问题,建立了以最小化作业外包总成本与内部批加工总成本之和为目标函数的0-1规划模型,并分析了该问题的NP困难性和优化性质。在此基础上,利用两种不同的外包作业集决策方式以及与之相适应的作业筛选次序组,设计出两种具备多项式时间复杂度的确定型启发式算法,即作业加入型算法和作业剔除型算法。在仿真实验中,针对大量测试算例对比分析了这两种算法在优化质量、运行耗时上的性能表现。实验结果表明,两种算法均能在极短时间内求得较高质量的近似解,但作业剔除型算法在优化质量上要显著优于作业加入型算法。     

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。     

基于三方博弈的改进遗传算法求解多目标柔性作业车间调度

针对柔性作业车间的特点,以最小化完工时间、总机器负荷最小和临界机器负荷最小为目标,提出了基于三方博弈的改进遗传算法求解多目标柔性作业车间调度模型。通过三方博弈,使三个优化目标之间的博弈策略实现最优组合,从而获得子博弈完美纳什均衡,即为问题的优化组合解。为优化种群质量,将改进遗传算法应用于多目标柔性作业车间调度问题的求解过程,采用帕累托分类思想,对种群进行选择和精英保留,以优化种群结构;通过设计交叉、变异和局部搜索机制进一步寻找目标函数的最优解。为证明算法的有效性,运用基准算例对算法的求解性能进行了验证。其结果表明,所提算法在求解结果上有明显的改善,求解效率更高。     

基于遗传粒子群混合算法的多生产线协调调度

为了求解多目标多生产线调度问题,结合PSO和GA算法的特点,提出了基于协同进化思想的多种群PSOGA混合优化算法(简称MC-HPSOGA).以最小化最大完工时间、最大化生产线利用率和最大化客户满意度为目标函数,建立了多生产线作业协调调度问题的多目标批量调度数学模型,并且设计最小批量动态分批策略,将MC-HPSOGA算法...     

加工时间存在双重约束的批调度模型及算法

为了提高热处理的加工效率并实现准时交货,本文根据热处理各批次加工时间受装炉量和批中最大工件尺寸双重约束的特点,分别以最小化最大完成时间和最小化最大拖期量为调度目标,构建混合整数线性规划模型Model C和Model L。根据分批数量上界设定值与Model C运算结果的关系特性,构建启发式算法HC提高Model C的运算效率。通过反例说明Model C所具有的特性并不适用于求解Model L。提出启发式算法HL求解最小化最大拖期量问题,并证明算法HL的计算复杂度。通过大量实验数据验证,结果显示两个数学模型都分别能够求得最优解,但调度规模不超过18个工件;算法HC能得到调度规模为60个工件的最优解;算法HL与最优解相比平均偏差不超过15%,调度性能明显优于其他2种典型算法。     

含不一致任务重量的同型熔炼炉批调度优化

为求解含不一致任务重量的同型熔炼炉批调度问题,建立了最小化最大任务完工时间优化模型,设计了一种混合粒子群算法（HPSO）。算法使用随机生成的任务序列作为粒子,采用批首次匹配（BFF）规则对任务序列分批,最长加工时间（LPT）规则将批分配到批处理机,并提出了一种最小完工时间差（MCD）规则对LPT调度结果进行优化;为避免早熟,算法引入交叉和变异操作搜索最优解。通过仿真实验与SA、GA算法对比,实验结果表明算法具有良好的性能。     

基于混合智能算法的多资源约束项目优化调度

 基于关键链项目管理(critical chain project management,CCPM),利用一种混合智能优化算法求解多资源约束项目调度问题,解决传统调度优化算法的不足,提高这类问题的求解质量.首先利用一类启发式算法识别项目关键链,并设置缓冲区尺寸,以项目总工期和在制品库存为优化目标建立数学模型,设计一种混合智能优化算法求解,并对项目问题库中的j30hrs.sm问题和某生产型项目进行实验分析,得到优化的结果.实验表明,采用混合智能算法求解这类问题能得到明显优于一般调度优化算法的结果.     

基于供应链协同的物流配送路径调度优化

在分析供应链协同运作机制的基础上,针对3级供应链协同网络的物流配送路径问题进行研究.在考虑回程空载及任务时间限制等影响因素的基础上,以整体成本最小化为目标,建立基于供应链协同的物流配送路径调度模型.通过案例分析,运用CEGA算法进行编程计算,快速有效地得到调度模型最优解,所建模型的实用性和有效性得到验证.     

面向货物装卸需求的越库仓门分配和货车排序

在货物种类多、批量少的越库调度系统中,货物的装卸顺序要求对于优化仓门分配和货车排序问题起着重要作用。针对这种情况,以最小化越库操作完工时间为目标,建立越库调度模型。分别基于优化仓门分配和货车排序问题,设计惯性权重非线性改变和增加交叉操作的改进粒子群算法进行迭代寻优。最后通过不同规模的数值实验,将改进粒子群算法与标准粒子群算法和遗传算法进行对比分析,实验结果表明改进粒子群算法在求解精度上比标准粒子群算法和遗传算法有明显优势,在求解时间上优于遗传算法,略逊色于标准粒子群算法。     

基于均衡优化的项目多技能人力资源指派与调度方法

为提高项目人力资源使用效率,提出一种项目多技能人力资源调度与指派优化方法。首先,采用启发式方法对项目进行资源均衡优化,降低人力资源需求高峰用量;然后,识别调度方案中活动间的重叠关系并将其转化为人员指派优化问题的有效约束;最后,建立整数规划模型并通过编程计算。研究结果表明,使用该方法可快速地找到问题的近优解,用较少的人力资源完成项目任务,从而有效地降低项目人力资源成本。     

基于空间蚁群算法的混流装配线组批排序方法

针对混流装配线按工作日历调度过程中,组批生产导致订单准时交付率差、加班时间长,以及缺料等干扰因素导致完工周期延长等问题,以零部件配套、按工作日历组批为约束,最小化完工周期、提前/拖期时间以及加班时间为多目标,建立工件排序数学优化模型。验证以完工周期最短为目标的流水线工件最优排序亦具有V型特征。提出空间蚁群权重设计方法,将蚂蚁沿不同的权重向量寻优,提高算法的全局搜索能力;并根据当前Pareto解在各权重子空间的分布情况动态调整各子空间的蚂蚁数量,避免陷入局部最优。通过与文献算法对比,验证空间蚁群算法具有良好的优化性能,并通过实例验证了排序方法的有效性。     

基于CRAFT的多阶段柔性设备布局优化算法

多阶段设备布局下的总成本包括设备拆装成本、物料搬运成本以及区域利用成本,问题的目标是最小化总成本.首先,在分析问题的基础上,建立基于多阶段设备布局优化目标的数学模型;其次,采用改进的CRAFT启发式算法优化单阶段设备布局;进一步,提出基于单阶段设备布局算法的多阶段启发式算法,优化多阶段设备布局;最后,数值实验表明算法优化后总成本降幅达28.57%.     

基于MO~2TOS算法的航空维修业调度问题研究

与传统的制造业调度问题相比,一些复杂的特点使得航空维修企业调度问题更加难以处理,如:拆分-修理-组装的三级结构、物料匹配需求以及不确定工艺路线和工时。在对航空维修企业调度问题详细分析的基础上,本文建立以最小化期望权重延误时间为目标的混合整数线性规划模型,因为该问题是NP-hard问题,通过使用传统的优化方法很难求得最优解,本文提出基于多精度仿真模型的MO~2TOS算法对该问题求解,其中高精度模型包含随机参数,直接运行比较耗时,而低精度模型属于确定性模型,更适合用于MO~2TOS算法的序转换阶段。最后,通过基于实际背景的算例验证了模型的可行性并对比分析了MO~2TOS和其他相似算法的特点。     

基于混沌粒子群的资源受限项目调度问题

鉴于基本粒子群算法易陷入局部最优,提出一种将混沌算法嵌入基本粒子群的混沌粒子群算法,并将其用于求解典型的资源受限项目调度问题。采用基于优先值的粒子编码方式和串行调度方案,分别用基本粒子群算法和混沌粒子群算法对实例求解。并且比较了2种算法求解多资源受限项目调度问题的性能。结果表明:混沌粒子群算法在距最优值的平均偏差和达到最优值的次数百分比等性能上要优于基本的粒子群算法,并且混沌粒子群具有更好的收敛性。但是,混沌粒子群算法在计算达到最优工期的平均时间上略比基本粒子群算法逊色。     

平行机系统生产调度与维护计划联合优化

针对平行机系统中生产调度和维护计划的联合决策问题,假设随机故障服从威布尔分布,将作业在设备上加工位置以及设备上预防性维护位置作为决策变量,以最小化最大完工时间和最小化单位维护成本作为优化目标建立了多目标优化模型.建立了基于混合编码的遗传算法,针对不同编码类型采用合适的遗传算子,并引入了自适应交叉和变异概率使算法在收敛速度和求解精度上得到较好平衡.通过与枚举算法对比,证明遗传算法具有较好的时间效率和求解精度.通过与独立决策模型对比,证明联合优化模型能更好地解决联合优化问题,提高企业整体效益.