双资源约束的鲁棒Job Shop调度问题研究

针对机器-工人双资源约束下加工时间具有随机性的Job shop调度问题(Job shop scheduling problems,JSSP),考虑工人熟练程度差异和工人数量不足的约束,采用鲁棒调度的方法建立机器-工人双资源约束的鲁棒Job shop调度模型(Dual-resource constrained robust JSSP,DR-RJSSP).鉴于DR-RJSSP同时考虑工人合理指派和双目标优化,提出机器-工人两阶段指派方法,在主动降低加工时间随机扰动的同时最小化工人约束对调度性能的影响.其次,提出多目标混合分布估计算法求解DR-RJSSP,以得到兼顾调度性能和鲁棒性的Pareto解集.最后,采用8组仿真算例将所提出的兼顾工人熟练程度和负载均衡的指派策略与基于熟练程度的指派策略和随机指派策略进行对比,验证了所提指派策略的Pareto优化性能.此外,通过对制造企业调度案例的仿真分析,验证了基于两阶段指派策略的MO-HEDA求解DR-RJSSP的有效性.     

电煤供应链碳排放分析与预测

为控制温室气体排放,努力实现"30·60目标",对电煤供应链碳排放进行分析及预测,对指导减少碳排放具有重要意义.首先,采用Petri网理论分析电煤供应链的运行模式,并结合TOPSIS法寻找关键链节点,为后续求取碳排放量打下基础;然后,对各个关键链节点碳排放来源及计算公式进行分析,计算出实际碳排放量;最后,将实际碳排放量及其他影响因素数据输入到GA-BP神经网络,得出预测值,并比较预测值与实际值的误差,说明其准确性.GA-BP神经网络引入遗传算法,克服了BP神经网络收敛速度慢、容易陷入局部最优解的问题.