基于改进自适应布谷鸟算法的云制造资源配置优化研究

针对云制造资源优化配置模型求解的相关问题,在基本布谷鸟算法(CS)的基础上提出了一种改进自适应布谷鸟算法(SAACS),并将其应用于求解云制造优化资源配置问题。改进自适应布谷鸟算法对基本布谷鸟算法的部分参数和Levy飞行步长做了自适应性调整,加入了双向搜索策略,并引入模拟退火思想,可以在云制造资源配置中快速地求出最优解,获得一条最优资源服务链。最后通过算例验证了该算法求解资源配置问题的有效性和准确性。     

基于改进粒子群优化算法的多目标铜卷加工生产调度研究

针对多目标铜卷加工生产调度问题,提出一种自适应的改进粒子群优化算法。该算法采用基于个体拥挤距离排序的外部种群保留策略以避免陷入局部极值,基于个体拥挤距离概率更新全局极值以及基于支配关系更新个体极值,同时采用基于非支配解和单点交叉的内部种群规模自适应调整策略以及自适应动态惯性权重来保持种群的多样性。通过应用实例验证了该方法求解多目标铜卷加工生产调度问题的有效性。     

自适应粒子群求解资源动态分配项目调度问题

为了解决传统任务资源固定分配难以实现动态与高效调度的问题,建立了任务资源动态分配项目调度的数学模型,给出了任务调度方案的生成算法。为了克服基本粒子群优化算法的早熟收敛问题,平衡其全局与局部搜索能力,提出了一种改进的自适应粒子群优化算法,该算法采用惯性权重因子周期性衰减和改进的变异策略以及不变位交叉法实现粒子的更新。最后对通用标准库进行了测试,结果表明,所建模型和改进算法能够有效地缩短项目工期,提高资源利用率和算法效率。     

基于自适应蚁群算法的动态作业车间调度问题的求解方法

针对目前大多数作业车间调度算法都是静态调度,而实际工业生产中调度任务都是动态变化的问题,提出了一种求解动态作业车间调度问题的自适应蚁群算法.算法采用事件驱动调度策略,当调度任务发生变化时根据上次调度结果重新调度,并且对每次调度采用自适应蚁群算法优化调度方案.最后,通过实例仿真验证了算法的有效性.仿真结果表明,该算法自适应性表现在算法针对"搜索结果是否陷入局部收敛"分别对各路径上的信息素进行了自适应调整,有助于算法快速跳出局部收敛,继续向全局最优解进行搜索.     

基于局部搜索策略的混合自适应布谷鸟算法

为了提高布谷鸟算法的搜索精度和全局收敛速度,提出一种基于局部搜索策略的混合自适应布谷鸟算法。在该改进算法中,每个当前解的周围随机产生一个局部种群,利用正余弦算子的局部寻优能力得到局部最优解,并用局部最优解替换当前解,以提高局部搜索精度;同时采用自适应发现概率和搜索步长替代布谷鸟算法中的固定发现概率和搜索步长,以提高算法的全局收敛速度。对25个经典高维基准函数进行实验表明,所提算法在收敛速度和求解精度上优于布谷鸟算法,通过将其应用于拉压弹簧、三杆桁架设计和0-1背包问题,验证了算法的有效性。     

物联网环境下混流生产车间两级动态调度研究

针对不确定的动态事件干扰混流生产车间预先调度实施的问题,对调度信息传递、车间扰动恢复、多目标优化等问题进行了研究。建立了以RFID技术为支撑的物联网环境下实时工况驱动的调度-重调两级动态调度机制,在物料消耗速率均衡化、最短化最小生产循环周期的两个预调度模型基础上,构造了混合布谷鸟搜索求解算法;基于扰动事件的特性,采取事件和周期混合驱动的调度策略,通过滚动窗口技术和混合布谷鸟搜索算法对重调度进行了求解,利用仿真平台对调度模型及混合布谷鸟搜索算法进行了测试。研究结果表明:该物联网环境的构建符合车间实时动态调度需求,能够实现工况信息的及时传递;调度机制能够有效应对各类扰动,满足了混流车间实际调度需要;算法求解速度快,获得的解质量良好。     

多Agent动态调度方法在染色车间调度中的应用

为解决复杂、繁琐的染色车间调度问题,根据印染生产过程的工艺特点和约束条件,建立了染色车间作业调度问题模型。为了提高调度系统对生产环境经常发生变化的自适应能力和全局优化能力,提出了一种基于蚂蚁智能与强化学习相结合的协商策略的多Agent动态调度方法。在该方法中,智能Agent能根据行为的历史反馈和立即反馈来选择相应的行为,也能根据算法的历史奖励来选择相应的智能调度算法,从而把一小部分工序任务的实时局部优化和大部分工序任务的全局优化结合起来。调度实例的求解结果验证了该方法的有效性。     

一种基于改进NSGA-Ⅱ的多目标绿色柔性作业车间调度方法

针对多目标绿色柔性作业车间调度问题,建立了以最小化最大完工时间、总负荷和总能耗为优化目标的多目标优化模型,提出了一种带有自适应交叉变异算子和学习机制的改进NSGA-Ⅱ多目标优化算法。该算法通过机器和工序的两级编码机制,使用基于全局、局部和随机选择的非支配排序选择策略得到初始种群;采用具有自适应算子的混合交叉变异策略进行迭代,提高算法的全局搜索能力;引入分布函数来改进精英保留策略提高种群的多样性;通过学习机制进行邻域搜索提高算法的局部搜索能力。最后,采用基准测试算例Brandimarte以及Kacem数据集对算法进行测试,结果表明采用改进的NSGA-Ⅱ算法求解多目标绿色柔性作业车间调度问题具有求解精度高、收敛速度快以及解集多样性好的优点。     

基于多目标离散布谷鸟搜索算法的产品服务系统方案配置优化

为辅助工程师进行产品服务系统方案设计,提出一种基于离散布谷鸟搜索算法与Pareto结合的配置优化方法。以成本、质量和时间为目标函数,采用动态惩罚函数方法将约束优化问题转化为多目标优化问题。基于Sobol序列初始化,采用十进制编码和非支配更新方法改进多目标离散布谷鸟搜索算法,以提高初始解的多样性与优化性能。将所提方法应用于某数控机床产品服务系统方案配置优化,通过结果分析及性能对比,验证了该方法解决高维度空间内产品服务系统方案配置优化的有效性与可行性。     

[车间调度]混合布谷鸟算法求解绿色流水车间调度问题

为协同考虑经济因素和环境因素,求解了优化目标为最小化最长完工时间和碳排放总量的多目标置换流水线车间调度问题（MOPFSP）。提出了一种混合布谷鸟算法（HCS）求解2台机器以上的MOPFSP问题。采用LOV规则将HCS算法中的个体从实数向量转换成工件排序,使其可在MOPFSP的解空间中进行搜索;设计了一种自适应步长控制因子,用于控制算法进化阶段的搜索范围;提出一种多邻域局部搜索,用于对HCS算法全局搜索发现的优质解区域进行细致搜索。由于融合了基于布谷鸟算法的全局搜索和多邻域局部搜索,故HCS算法可有效求解MOPFSP。仿真实验和算法对比验证了HCS算法求解MOPFSP的有效性。