基于改进帝国竞争算法的柔性作业车间机器故障重调度

针对机器故障下的柔性作业车间重调度问题,提出了一种改进的帝国竞争算法（ICA）。首先,以最大完工时间、机器能耗和总延迟时间为目标函数建立柔性作业车间动态重调度模型,并对三个目标采用线性加权法;然后提出了改进的ICA来把优良的信息保留到下一代,即在传统ICA的同化和革命步骤后加入一个轮盘赌的选择机制,使初始帝国中的优秀基因得以保留,并且更新后的帝国质量更优,更加贴近最优解;最后,在机器发生故障后,采用事件驱动的重调度策略对故障点后未加工的工序进行重新调度。通过生产实例,对假设的三种机器故障情景进行仿真实验,并把所提算法与改进遗传算法（GA）和遗传算法与模拟退火混合算法（GASA）这两种算法进行比较。实验结果表明了提出的改进ICA是有效且可行的。     

混合算法求解装配线平衡与多技能工分配研究

针对装配线平衡和多技能员工分配集成优化问题,构建以装配线平衡率和员工技能训练收益两个不同指标的数学模型,并提出混合粒子群优化算法对该模型进行求解。依据集成问题特征,采用整数编码,保证解的可行性;提出定向变异方式,通过计算变异点的所有变异结果的适应度值,选择适应度高的个体;设计邻域结构进行局部搜索,提高解的质量和搜索效率。最后,采用提出的方法对实际案例进行求解,结果表明,所提出的混合优化算法能有效地改善装配线平衡,提高员工技能培训收益。     

改进遗传算法求解多时间约束的柔性作业车间调度问题

将加工时间、调整时间和移动时间分别作为独立时间因素考虑到柔性作业车间调度模型中,建立以最大完工时间最小、总调整时间最小、总移动时间最小为目标的考虑多时间约束的柔性作业车间调度模型,并提出改进的遗传算法求解该模型。通过测试标准数据集,并对比其他文献算法,验证了改进的遗传算法的可行性和有效性。