基于两阶段蚁群算法的带非等效并行机的作业车间调度

针对带非等效并行机的作业车间生产调度问题,以制造系统的生产成本、准时交货率等为目标,构建生产调度多目标模型。利用蚁群算法在求解复杂优化问题方面的优越性,建立调度问题与蚁群并行搜索的映射关系,将调度过程分成任务分派和任务排序两个阶段,每个阶段分别设计蚁群优化算法,并将两阶段寻优蚂蚁有机结合,构建一种具有继承关系的两阶段蚁群并行搜索算法,可以大大提高获得较优解的概率,并且压缩求解空间,快速获得较优解。通过均匀试验和统计分析确定算法的关键参数组合,将两阶段蚁群算法应用不同规模的8组算例。结果表明,无论是优化结果还是计算效率,两阶蚁群算法均优于改进的遗传算法。将所提出两阶段蚁群算法应用于实际车间的生产调度,减少了生产过程中工序间等待时间和缩短了产品交付周期。     

面向作业车间调度的基于拓扑排序的二级嵌套蚁群算法研究

蚁群算法的出现,为求解作业车间调度问题提供了新思路。然而,由于作业车间调度问题的可行域属性非常复杂,目前,采用蚁群算法进行求解,还存在收敛可靠性差和优化程度不高的问题。针对以上两个问题,在对工序拓扑排序的约束特性进行分析的基础上,提出基于拓扑排序的二级嵌套蚁群算法,其基本思想是:以拓扑排序为基础,采用受限主路径覆盖可行域,从而降低搜索的规模和盲目性,提升收敛可靠性;将问题分解为工艺路径优化和设备遴选优化两个级别的问题,从而构造二级优化机制,采用工艺主路径与设备支路径嵌套递归的方式,实现工序排序与设备遴选之间的相互干涉,从而提升解的满意度。比较试验表明,与目前常用的蚁群算法求解方法相比,采用基于拓扑排序的二级嵌套蚁群算法求解作业车间调度问题,具有良好的收敛可靠性、求解效率和寻优能力。     

灵巧卫星任务规划模型及算法

为深入研究灵巧卫星观测调度问题,在分析灵巧卫星观测特点和操作约束的基础上,建立了多星环境下的灵巧卫星任务规划模型.提出智能优化和约束检查相分离的灵巧卫星任务规划算法,该算法基于学习型蚁群算法进行任务指派,采用人机交互方法实现活动调度,使用标签方式实现增量式约束检查.通过实验结果表明了该方法的有效性.     

任务可拆分的多模式多项目调度模型与算法

针对多项目调度资源利用率低的问题,提出任务可拆分的多模式多项目调度模型。采用多属性效用函数对工期—成本—质量—资源均衡进行目标优化,以提高资源利用率、缩短工期,实现多项目调度整体效用的最大化。利用正态云模型云滴的随机性和稳定性的特征,设计云遗传算法并生成多项目调度各个活动的优先级,最终生成活动可拆分的多模式多项目调度计划。通过算例验证了所提模型和算法的有效性。     

双资源约束的航天结构件车间生产调度方法

针对航天结构件生产调度过程中工序加工时间随操作人员能力级别而变化,关重件和关键工序特定设备和人员要求约束等问题,构建综合考虑关键设备和人员双资源约束的柔性车间作业调度数学模型,解决航天结构件生产设备资源维、人员资源维、工序信息维的描述。为实现双资源约束下的柔性调度,提出嵌套式蚁群-遗传混合算法,针对结构件加工工序设备和人员双资源选择问题,建立资源选择问题与蚁群并行搜索的映射关系,设计蚁群算法实现资源选择;为提高算法搜索性能,利用遗传算法求解当前蚂蚁资源选择下的调度问题,在避免人员资源使用冲突前提下实现设备加工工序的优化排序,使得关键设备利用率最大,总完工时间最短,并通过综合考虑蚁群和遗传算法阶段的求解目标进行蚁群算法信息素的更新,大大提高算法获得较优解的性能。最后,通过航天结构件车间实际案例进行算法测试,测试结果表明,嵌套式蚁群-遗传混合算法能有效地求解双资源约束的航天结构件车间生产调度问题,可降低资源总负荷,提高关键设备利用率,避免人员资源冲突,具有良好的综合调度性能。     

基于FAHP和改进蚁群算法的网络化制造资源链构建研究

网络化制造资源集成共享与优化配置主要包括协同制造总任务的分解、单任务驱动的制造资源的评价选择、时序约束关联单任务链驱动制造资源链的构建三个阶段。首先根据协同制造总任务分解的特点,提出了跨组织协同制造任务分解过程模型和相应的分解算法。然后提出了单任务约束驱动网络化制造资源评价指标体系与评价算法,在此基础上对单任务驱动检索的候选资源集,提出了基于改进蚁群算法的时序约束关联单任务链驱动网络化制造资源服务链构建模型与算法。最后通过仿真算例说明了研究成果的有效性。     

遗传蚁群融合算法求解多项目资源能力平衡问题

为探索更高效的多项目资源能力平衡优化方法,提出了一种基于遗传蚁群融合算法的求解方法。建立了以单位时间内所有项目的总资源消耗方差为优化目标的问题模型,并设计了模型求解的遗传蚁群融合算法。该算法前过程采用遗传算法进行迭代求解,充分利用遗传算法的快速性和全局收敛性,生成初始信息素分布;后过程采用蚁群算法,充分利用蚁群算法的正反馈性和求精解效率高等特点收敛到最优解。通过具体算例验证了算法的可行性和有效性。     

面向复杂系统的智能故障诊断过程设计

结合复杂系统结构和功能上具有的分层、关联、并行及复杂性特点,将诊断对象作为一个整体,从响应客户请求的复杂任务求解角度,研究故障诊断过程及诊断资源利用两个关键技术.阐述复杂系统智能诊断的任务分解模式,结合任务、过程及活动间的约束关系,分析基于约束的活动组织过程及其求解策略;基于多代理技术分析资源管理及调度过程,给出基于TOCS(响应时间,服务质量,服务成本,安全性)目标准则的资源优化调度算法.     

粒子群优化算法求解多模式项目再调度问题

针对有资源约束的项目调度问题中,项目执行环境发生变更时的项目再调度问题,分析了项目执行环境变更的情况和项目再调度变更费用的构成,建立了以再调度变更费用为优化目标的多模式项目再调度模型并应用基于粒子群优化算法进行求解.在该算法中,粒子分为优先级粒子和模式粒子,实现对活动优先顺序和模式的优化.部分初始优先级粒子位置矢量通过启发式规则产生,以提高解的质量.通过仿真计算分析了关键参数的选择,并与其他启发式算法进行了比较.仿真结果表明,该算法能有效地求解多模式项目的再调度问题,在实际工程中有一定应用价值.     

基于分解优化策略的多敏捷卫星联合对地观测调度

多敏捷对地观测卫星联合对地观测调度问题是一个具有长时间窗、多时间窗等复杂约束的组合优化问题.为了解决该问题,提出将原问题分解为任务资源匹配及单星任务处理两个子问题的分解优化思路.设计了学习型遗传算法解决任务资源匹配子问题,算法中的知识模型在算法迭代过程中学习和提取知识,反馈并引导算法对任务资源匹配的搜索寻优过程.采用后移滑动策略及最优插入位置搜索策略解决单星任务处理子问题,并采用基于规则的方式处理其他约束.实验结果证明了所提方法的有效性.