基于模糊截集的不确定条件下Flow Shop调度问题的遗传和分枝定界混合算法

1引言 流程工业的优化生产计划和调度,可以在不增加设备投入和人力资源投入的情况下,通过对有限资源的合理配置,产生显著的经济效益[1].     

基于数学形态学的弹丸边缘检测技术

从数学形态学的基本理论出发，针对实时采集的有噪声的弹丸图像，在运用数字图像处理技术的基础上，利用形态学在描述形态特征方面的优势，对图像进行了平滑滤波的处理。并探讨了一种新的形态学边缘检测的图像处理方法，经过实践性的尝试，取得了较好的处理效果，并给出了实验图像。     

基于DEPSO 的模糊时间ZW多产品厂间歇调度

研究以最小化完工时间为目标的模糊加工时间零等待多产品厂间歇调度问题, 提出一种基于差分进化粒子群优化(DEPSO) 的间歇调度算法. 以基本粒子群算法为整体进化框架, 采用基于反向学习的方法初始化种群, 引入群体极值保持代数作为阈值, 利用基于排序的差分进化算法优化粒子个体极值位置, 改变粒子的搜索范围, 防止粒子陷入局部极值. 仿真实验验证了所提算法在解决模糊加工时间零等待多产品厂间歇调度问题上的有效性和优越性.

     

不确定条件下的中间存储时间有限的Flow Shop提前/拖期调度问题

生产调度是企业生产过程中一个重要的部分,在实际生产调度过程中,会存在各种各样的不确定性.本文针对不确定条件下的具有不同交货期窗口的F low Shop提前/拖期调度问题,考虑了产品中间存储时间的有限性,用模糊数学的方法来表示产品的不确定处理时间,在模糊规划理论的基础上建立了相应的调度模型.并借鉴生物免疫系统的概念和机理,提出了解决此类特殊问题的模糊免疫调度算法.仿真结果表明了该模型的有效性和算法的较好的收敛效率.     

具有零等待的flow shop问题的免疫调度算法

针对间歇过程中存在的具有零等待的flowshop调度问题,建立了相应的数学模型,并结合免疫算法的特点,提出一种新的解决此类问题的免疫调度算法。通过仿真试验,证明了算法的有效性。     

不确定条件下中间存储时间有限的的免疫调度算法

研究了流程工业中不确定条件下的flowshop生产调度问题,采用模糊数学的方法来表示处理时间的不确定性,在基于模糊规划理论的基础上建立了中间存储时间有限的调度模型,并结合免疫算法的特点,提出了解决此类问题的模糊免疫调度算法。通过仿真试验,表明了该模型的有效性和算法的可行性。     

基于加权核偏最小二乘的低压断路器热脱扣时间预测方法

热脱扣时间是低压断路器产品质量的关键指标。为实现断路器热脱扣时间的实时预测,提出了一种加权核偏最小二乘(WKPLS)预测方法。该方法根据生产样本数据的分布与统计特性确定样本的权值,以解决断路器生产数据分布不平衡问题。以电流、环境温度、双金属片初始位置与焊接位置为输入量,利用WKPLS方法建立低压断路器热脱扣时间模型。利用采集的断路器生产数据进行仿真实验,结果表明基于WKPLS方法建立的断路器热脱扣时间模型预测精度较高,且该模型可为断路器生产过程中的控制参数调整和异常监测提供一定参考。     

不确定条件下具有零等待的流水车间免疫调度算法

为了解决不确定条件下具有零等待的流水车间生产调度问题 ,采用三角模糊数来描述不确定的产品处理时间 ,在模糊规划理论的基础上建立了相应的调度模型。通过中间值最大隶属度算法 ,将原来的模糊调度模型转化为单目标的规划模型 ,并借鉴自然界中生物免疫系统的概念和机理 ,提出了解决此类问题的免疫调度算法。在该调度算法中 ,采用字符编码的方式来表示产品的处理顺序 ,每个抗体表示一组可行的具体调度方案 ,用亲和度来衡量抗体与抗原之间以及抗体与抗体之间的匹配程度 ,同时根据抗体的浓度自适应地调节搜索方向。通过仿真试验 ,表明了所建模型和调度算法的有效性     

基于GMOGSO的多目标流水车间调度问题

针对缓冲区有限的多目标流水车间调度问题, 提出一种基于Pareto 最优的广义多目标萤火虫算法. 通过引入交换子和交换序将基本萤火虫算法离散化, 并将算法拓展为全局搜索过程和局部搜索过程. 进化初期采用全局搜索将种群推向较优区域, 进化中后期采用捕食搜索策略使算法主体在全局搜索和局部搜索间智能切换, 从而保证全局与局部的平衡. 动态变步长策略进一步增强了算法搜索能力. 通过算例测试验证了所提出算法的有效性.

     

不确定条件下中间存储时间有限的flow shop的免疫调度算法

研究了流程工业中不确定条件下的flow shop生产调度问题，采用模糊数学的方法来表示处理时间的不确定性，在基于模糊规划理论的基础上建立了中间存储时间有限的调度模型，并结合免疫算法的特点，提出了解决此类问题的模糊免疫调度算法。通过仿真试验，表明了该模型的有效性和算法的可行性。