虚拟企业环境中的项目调度方法

虚拟企业以分布，协调的方式实现项目任务的新的组织模式，给项目管理的研究和应用都提出了新的挑战，任务调度所需信息的不确定性及俱本盟员利益同整体项目利益的潜在不一致性，是造成虚拟企业项目调度困难扩要原因。本文在模糊描述企业状态信息的基础上，给出一种通过由盟主和潜在盟员之间的协调，在优化时间指标的条件下，将子调度方案的形成和盟员选择集成在一起制定全局预测调度方案的过程，并给出了预测调度方案在盟员企业内部具体执行过程中的姿源分配策略。     

虚拟企业资源结盟博弈的启发式遗传算法

将制造企业联合生产问题归结为一类资源结盟博弈问题,每个企业持有的资源,不足以满足其生产目标要求,而通过建立联盟则可相互合作,各自实现目标。从考察企业联盟稳定性入手,基于目标可行性及联盟相容性等概念,深入分析了联盟及其目标集之间的约束关系。采用评价函数来判断企业联盟的稳定性,设计了交叉修正算子、变异算子等启发式遗传算子,提出了求解稳定联盟的遗传算法。启发式遗传算子充分利用了资源结盟博弈领域知识,能够引导染色体避开不可行解,并快速向最优解方向进化,算法具有更好的搜索性能。     

基于遗传算法的作业车间调度优化

车间调度问题由于具有重要的理论和实用价值吸引了很多研究者的兴趣 ,但以前的大多数研究集中在经典的作业车间调度问题 ,忽略了很多重要的因素 ,离应用尚有不少的差距。本文结合实际的生产过程 ,考虑到工件的加工受到机床、工人和机器人等资源的制约 ,并且可以有多种可行的工艺路线。提出了一种与启发式调度规则相结合的混合遗传算法 ,调度规则使该算法具有较高的局部搜索效率 ,遗传算法保证了解的全局最优性 ,算例表明该算法在求解性能和效率两方面均具有显著的优势     

遗传算法在模具设计项目调度问题中的应用研究

模具设计项目的调度问题是典型资源受限多项目调度问题,属于NP-hard问题。针对模具设计项目调度问题,分析了模具设计部门所面临的困境,论述了模具设计部门建立设计计划的必要性和重要性。以项目群的拖期惩罚总成本最小为优化目标,采用遗传算法进行建模和求解,并将其调度结果与3种优先规则进行对比。结果表明,遗传算法能够获得比经典优先规则更优的解。在此基础上,开发了一套模具设计项目调度系统,以期用于实际工作中,增加理论研究的实用价值。     

多项目调度问题研究

现有多项目调度研究一般都基于不切实际的假定——资源在多个项目间进行传递时不需要花费额外的时间和成本。在对传递时间进行分析的基础上,建立了考虑资源传递时间的多项目调度问题的数学模型,并针对模型设计了结合并行调度的混合遗传算法,在保证项目任务紧前关系与资源约束的条件下,能够合理优化多项目的资源分配,从而有效地缩短多项目的总工期,通过实例验证了考虑传递时间的必要性,同时实例也证明了算法的有效性。     

基于协商的模具虚拟企业生产项目规划

项目规划是虚拟企业建立和运行的关键环节。虚拟企业在不同行业有不同的组织和运行模式，模具虚拟企业是一种基于项目的动态联盟，项目工期规划是盟主与合作伙伴充分协商、协调一致的过程。在分析模具虚拟企业工期协商过程的不确定性因素基础上，提出串行序贯协商的协商机制，定义盟主和潜在合作伙伴的工期方案效用模型及其修正方法，提出盟主协商策略的产生方法，通过示例解释方案效用值的计算，并通过模具生产实例验证了规划方法的可行性。     

启发式算法和遗传算法在生产调度中的应用

根据现代制造企业对生产调度的要求,提出了一种启发式算法和遗传算法相结合的生产调度系统结构.使用启发式规则为各工序分配机器,制定加工计划,调用遗传算法对加工计划进行排序,生成最终调度结果.通过将CLIPS推理机嵌入到系统中,实现了决策规则和程序体的分离,易于规则的修改和进一步扩展,系统更具有柔性.由启发式规则生成遗传算法的部分初始种群,提高了初始种群的质量.通过将任务分解,降低了问题求解的复杂度,并由实例验证了其可行性.     

基于改进遗传算法的车间调度问题求解

针对车间调度问题(Job Shop Problem,JSP)的特点,提出一种改进遗传算法。该方法利用剩余作业时间最多(MostWork Remaining,MWR)的工件优先排列的启发式规则来产生初始种群,并且在进化过程中采用分代交叉算子进行操作来避免算法早熟。通过分析算例结果表明,该改进遗传算法可以在进化初期就得到比较理想的调度方案,而且优化收敛速度快、结果优,更适用于解决车间调度问题。     

基于遗传算法的订单式车间调度问题

针对订单式生产特点,提出了订单式专门机调度模型,给出了相应的解决问题的遗传算法具体实现过程.针对该模型,对算法进行适应度值标定、采用集合分割的交叉算子以及大变异策略等操作设计.最后,将该算法与启发式规则对不同规模问题的模拟仿真比较,证明该算法能更有效地取得较优解,并能用于较大规模的调度中.     

生产调度问题的启发式遗传算法

将遗传算法 (GA)和启发式算法 (H A)结合 ,进行生产调度问题的求解 ,提出了一种新的启发式遗传算法 (HGA)。在应用该算法的过程中 ,给出了适合的遗传操作和启发式规则的运用方法。最后 ,简单介绍了研制的软件原型。     

求解资源受限项目调度问题的启发式方法

为求解资源受限项目的调度问题,将过滤扇出和路径重连两种方法相结合,作为迭代局部搜索的摄动过程,提出一种新的迭代局部搜索方法.设计了与调度方案有唯一对应关系的任务列表,并通过附加信息制约邻域的产生,进一步缩小搜索空间.采用对齐技术提高解的质量,设计并结合使用两个摄动方法,以寻求更大范围内的邻域,加强了跳出局部最优的能力.迭代过程中采用精英解集代替传统的迭代局部搜索方法中的单点初始解,并保存搜索历史中的较好解.最后通过标准问题库中的四种问题验证了算法的求解质量.     

一种复杂项目调度问题的混合智能算法

针对有资源约束的项目调度问题模型的不足,调研了企业需求,提出了带有预约时间窗口约束的项目调度模型,并针对该类模型的特点分析了原有算法存在的问题,将分枝定界算法与启发式算法相结合,提出了一种解决该类问题的混合智能算法.仿真结果表明,该算法的优化效果明显优于其他算法.     

具有资源约束的项目调度问题中的量子进化算法

为了将量子进化思想应用到具有资源约束的项目调度领域中,提出了一种基于活动对连接关系的调度解表示方法,进而构成新的搜索解空间。利用新表示方法的二值性,给出了量子进化算法。该算法扩展了前向-后向搜索思想,构造出原问题的反向问题,并把原问题和反向问题以同样的方式进行求解,利用反向搜索一个方向上的解群来更新另一个方向上的解群。此外,算法根据分散搜索的思想,利用新搜索解空间中定义的距离来控制搜索的分散性。最后,通过仿真说明了该算法的有效性。     

基于Pareto排序和混沌加权的多目标项目调度

为综合考虑资源约束型项目调度问题的多个调度目标,有效获得该问题的近似非支配解集,建立了一种综合考虑可更新资源稳定性和工期的双目标项目调度模型。提出了一种基于Pareto排序和多目标混沌加权相结合的遗传算法,其中个体编码采用双链表结构,分别代表任务的执行顺序和执行模式,初始种群的生成包括随机生成和依据任务特性确定执行模式两种方式,设计了个体交叉和自适应变异算子,研究了基于Pareto排序法和基于多目标混沌加权法的个体适应度计算方法以及不可行解的修复和惩罚策略。利用项目调度问题算例库对该算法进行测试,数值测试结果验证了算法的有效性。     

多属性虚拟企业部分并行协商项目规划

在虚拟企业环境下,制定基于盟主与合作伙伴协商的项目规划不仅要考虑任务时间与工期的可行性,而且要关注工期费用。在分析虚拟企业项目协商规划的工期与费用的不确定性的基础上,提出了多属性工期一费用随机项目模型,以及工期一费用部分并行协商规划算法,以期望工期费用为优化目标,结合示例阐述其计算过程。最后针对模具生产的特点,对模具虚拟企业的项目进行仿真规划,仿真结果表明了这一方法的有效性和可靠性。     

有限缓冲区流水线调度的多搜索模式遗传算法

针对有限缓冲区流水线调度问题,提出了一种多搜索模式遗传算法,算法使用多个交叉和变异操作进行解空间的探索和改良,并采用基于有向图的邻域结构来增强局部搜索。同时,局部搜索和变异操作受决策概率控制。基于典型算例的仿真和比较研究验证了所提算法的有效性。     

两机零等待流水车间调度问题的启发式算法

为实现两机零等待流水车间调度问题的总流程时间最小化,结合问题的结构信息提出了一种快速求解近优解的启发式算法。在该类问题中,工件在每台机器上的操作包括调整、加工和移除3部分,且调整和移除时间都与工件的加工时间相互分离。首先分析了该类问题的优化性质,结合优化性质进而构造出求解算法。在中小规模和大规模问题上,将启发式算法的结果分别与最优解和最优解的下界值进行了比较。大量数值计算实验表明了该算法的有效性和解决大规模实际问题的潜力。     

基于约束满足的车间调度算法综述

为了说明如何利用启发式信息构造车间调度的约束满足求解算法,首先概述了常规约束满足求解技术,进而介绍了车间调度问题的约束传播算法、树搜索算法和启发式修复算法的构造原理及适用性.在此基础上,针对目标优化问题,给出两种求解框架.最后,指出近期的研究趋势和进一步的研究工作.     

柔性资源约束项目调度问题的启发式求解方法

针对资源间可相互替换的柔性资源约束项目调度问题,提出一种启发式求解方法。该方法以项目活动网络图以及活动、资源间的相互关系为基础,对传统并行调度产生方法进行了改进,设计了一种更有效的柔性资源替代方法。该替代方法首先为同一时刻所有可调度活动分配所需的各类资源,然后以各类资源的剩余情况以及资源之间的替代关系为基础,优先选择剩余量最大的资源进行替代,保证活动都尽可能最早开始,以最小化项目工期。通过与现有方法的对比分析,验证了启发式求解方法的有效性,同时开发了操作简便的柔性资源约束项目调度系统。     

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.