基于蜂群算法的作业车间调度优化

基于蜂群的自组织自适应特征,构造了作业车间调度算法:摇尾舞算法和觅食算法.该算法利用蜂群与环境的交互模型来实现作业车间的动态调度,利用群体智能技术解决作业车间生产调度问题.仿真结果表明:该算法性能与蚁群算法相当,但离禁忌算法还有差距;该方法还能够起到优化调度的作用.     

基于约束满足神经网络的作业车间调度算法研究

将约束满足神经网络(CSNN)模型和启发式算法相结合,应用到作业车间调度(JSP)问题上.实验数据表明:CSNN具有结构简单、建模方便的优点,启发式算法的引入大大地改善了CSNN求解作业车间调度问题的性能和有效性,是解决JSP问题的一种有效手段.     

融合自适应混沌差分进化的粒子群优化算法

针对粒子群优化算法易出现早熟收敛、收敛效率低的缺点,提出一种融合自适应混沌差分进化的粒子群优化算法.该算法首先将自适应混沌引入差分进化算法,再将所得结果进行一次校正变异和校正选择,最后将所得算法融合到粒子群优化算法,从而有效地利用与平衡了粒子群优化算法和差分进化算法的探测和开发能力,且局部搜索能力增强,进一步提高算法的求解精度和效率.数值实验证明本文算法的有效性.     

基于自适应变异差分进化算法的溶解氧浓度控制系统

溶解氧是造纸中段废水好氧处理过程中的重要参量,但溶解氧过程控制回路存在大时滞、非线性等问题,常规PID控制难以收到理想效果。本课题在分析差分进化算法的基础上,提出了一种自适应变异差分进化算法,用于PID控制器的参数优化,实现对溶解氧浓度的精准控制。MATLAB仿真结果表明,与常规PID控制和基于传统差分进化算法的PID控制相比,本算法具有响应速度快、超调量小的优点,能够收到良好的控制效果。本算法已经投入实际应用,COD_Cr去除率达到84.5%,BOD去除率达到93.4%,水处理系统运行良好,能够实现废水达标排放。     

基于差分进化算法的酵母培养在线自适应控制

酵母培养中,若碳源添加不足则会抑制菌体生长,无法达到高密度;若碳源添加过量则会引起副产物乙醇的积累,导致细胞受到毒害,并降低碳源的利用效率。为解决这一矛盾,提出了一种基于差分进化算法(differential evlolution algorithm,DE)的在线自适应底物流加策略(DE-PID)并将其用于酿酒酵母和毕赤酵母的培养过程。在酿酒酵母培养中,利用DE-PID策略对呼吸商实施定值控制,培养34 h后的细胞密度达到52.5 g-DCW/L,比传统底物流加策略(DO-Stat)下的相应值提高91%。在毕赤酵母培养过程中,采用DE-PID策略分别对溶解氧浓度(DO)和乙醇浓度实施定值控制。在这两个批次中,DO均能够被控制在稳定水平,乙醇浓度均被控制于2g/L以下,培养34 h后的细胞密度分别达到112.25和113.25 g-DCW/L。     

典型车间调度问题的分析与研究

文章针对目前车间调度问题中的两种典型问题展开研究,即流水车间调度问题、作业车间调度问题,其中,对流水车间调度问题的基本原理和研究方法进行了详细阐述;对作业车间调度问题的基本原理、调度策略以及研究方法等做了分析与总结。通过文章的论述,为进一步拓展这两个典型车间调度问题的深入研究提供了有益参考。     

基于差分进化的BP网络学习算法

提出了一种基于差分进化的BP网络学习算法,该算法是一种全局随机优化算法.利用差分进化算法的全局寻优能力,可以很好的训练BP网络的权值和阈值.将所提出的算法与BP算法作对比实验,结果表明,所提出的算法相对于BP算法在分类准确度上有较大的提高,而且具有良好的收敛性和泛化能力.     

车间调度问题研究现状与发展趋势

文章从车间调度问题的实际应用特性出发,综述了当前车间调度问题在国内外的研究现状,在总结分析当前研究车间调度问题的相关方法与技术的基础上,指出了当前在车间调度问题研究中存在的问题与不足,并提出了几个车间调度问题研究的发展趋势,以期为后续车间调度问题的不断深入以及更好地为生产实际服务提供可借鉴的方向。     

机械车间生产调度管理优化研究

在目前国内倡导经济可持续发展的背景下,应该及时地调整机械车间生产调度管理。机械车间生产调度管理在组织、指挥与预测机械车间的生产进度方面发挥着重要的作用,为机械车间生产提供重要的效率保障。文章阐述了机械车间生产调度管理的重要性,分析了国内外机械车间生产调度管理研究现状,在分析目前机械车间生产调度管理过程中存在的问题时提出了一些解决的新思路,希望可以为未来机械车间生产调度管理提供一定的新思路,提高企业的利润。     

一类混合流程单机多阶段JSSP问题的数学模型

利用计算机实现车间作业调度的仿真，分析了混合流程生产过程的特点；利用数学方法给出了一类工业线绳制造企业车间作业调度模型。初步探讨了求解该问题的技术问题。