一种求解两级累计式车辆路径问题的两阶段启发式算法

现代物流的发展中,运输网络的多级化以及对快速服务的更高要求是两大重要趋势。在这样的背景下,提出两级累计式车辆路径问题(2E-CCVRP),其中两级是指物资须由中心仓库配送至中转站(1级)再转送给客户(2级),累计式是指优化目标为所有客户的累计等待时间最小。2E-CCVRP是NP-hard问题,抽象并建模后使用一种两阶段启发式算法进行求解,第一阶段使用改进的CCVRP-split算法找到初始可行解,第二阶段通过扰乱结合局部搜索进行优化。实验结果显示,该算法能够取得高质量的解,且求解速度快,稳定性好。     

求解第Ⅰ类装配线平衡问题的一种改进粒子群算法

针对第Ⅰ类装配线平衡问题,提出了一种改进粒子群算法.该算法构造了基于可选任务集合的位置向量定义,给出了与位置向量定义方式相适应的速度向量定义;同时构造新的位置、速度更新策略.采用位置权重法、最长加工时间优先法和随机生成任务序列等三种方法相结合的初始种群生成方法以改善初始粒子种群的质量.为提高算法脱离局部最优解的能力,采用了增加随机加速度的改进措施.最后,通过不同规模问题的测试,说明了算法的有效性.     

一维下料问题的启发式方法

针对单一规格的一维下料问题,提出一种新的随机启发式搜索算法,在求出所有可能切割方式的情况下,搜索出最优解,而且保证最后一根原材料余料长度最长,方便以后下料.对于多规格原材料情况的一维下料分解为多个单一原材料的一维下料问题来进行求解.计算表明,与启发式算法或者遗传算法相比较,随机启发式搜索算法结构简明,易于编程,计算速度快,节材效果优.     

蚁群算法及其在有硬时间窗的车辆路径问题中的应用

为求解有硬时间窗的车辆路径问题,提出了一种基于可行解两阶段构造策略的自适应混合蚁群算法.在第一阶段,用蚂蚁的局部遍历代替传统的全局遍历,每个蚂蚁采用蚁群算法进行局部遍历,构造一个回路,蚂蚁转移采用回路两阶段构路策略;在第二阶段,由前一阶段所构造的回路通过采用近似解可行化策略来组合形成可行解.此外,为提高算法的寻优能力,在转移规则中引入了基于时间窗的紧迫性因子和匹配度因子,并与节约算法和爬山法有机结合.实验结果表明,自适应混和蚁群算法性能优良,能够有效地求解有硬时间窗的车辆路径问题.     

二维一刀切装箱问题的两阶段启发式算法

对用于二维带排样问题的Heuristic Recursive算法进行了调整,给出同一层中两个相邻浪费区域在满足一刀切约束下是否可合并的判定定理。构造了二维带排样问题的多递归层算法,并将它与一维装箱问题的最优匹配递减算法相结合,提出适应二维一刀切非旋转装箱问题的两阶段算法。在500组标准测试案例的基础上,与多种算法进行了比较。实验结果表明,所提算法在绝大多数测试案例上能够获得更好的排样布局。     

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.     

基于遗传蚁群混合算法的激光切割机路径优化

激光切割机的路径优化问题是激光切割行业的一个关键问题,针对其特点将其归纳为广义旅行商问题,利用改进的遗传蚁群算法来求解该问题。算法以时间距离最短为目标函数,对轮廓切割顺序及轮廓切割起始点同时进行优化。为了让算法所得解能够快速聚集在最优解附近而又不至于陷入局部最优解,利用遗传算法快速随机的全局搜索能力来产生蚁群算法初期的信息素分布,蚁群算法采用最大最小蚂蚁算法同时在其加入变异因子。仿真结果表明取得了非常好的效果。     

量子粒子群算法在面向再制造的flow-shop问题中的应用

对再制造的各环节进行分析,研究出再制造生产阶段的目标--流水线生产.针对粒子群优化算法搜索空间有限、容易出现早熟现象的缺陷,采用量子粒子群算法设计单一生产商再制造系统流水线生产的机制,通过随机初始种群,修正非法解,量子旋转门更新,运用MATLAB编程仿真测试得到大规模生产的优化结果,取得较好结果.     

基于混合顺序启发式算法的一维下料问题

针对一维下料问题,提出一种改进的混合顺序启发式算法。该算法修正了传统顺序启发式算法的待切子集选择策略,采用广度搜索算法在有限时间内解决终止条件问题,根据用户最大时间容忍度动态地改变参数。最后采用C#进行编程,实现了该算法,通过对比证明算法的有效性。该算法在马鞍山钢铁公司车轮分公司正式使用了两年多,使切割率提高4%。     

面向接送机场服务最小化车次数的聚类算法

考虑航空票务公司接送机场服务背景下车次分配与调度问题具有多批次、小批量、时间要求高、需求个性化等特点,建立了考虑顾客满意度及绕行限制的租赁模式下的最小化车次数模型,并采用改进两阶段算法求解该模型.第一阶段采用基于时间窗逆序排列的聚类算法,生成初始车次及车次中顾客点的访问次序;第二阶段采用插入启发式算法,对初始解进行优化改进.通过计算实验与结果分析,验证了模型以及算法的有效性.     

APPLICATION OF INTEGER CODING ACCELERATING GENETIC ALGORITHM IN RECTANGULAR CUTTING STOCK PROBLEM

An improved genetic algorithm and its application to resolve cutting stock problem are presented. It is common to apply simple genetic algorithm (SGA) to cutting stock problem, but the huge amount of computing of SGA is a serious problem in practical application. Accelerating genetic algorithm (AGA) based on integer coding and AGA's detailed steps are developed to reduce the amount of computation, and a new kind of rectangular parts blank layout algorithm is designed for rectangular cutting stock problem. SGA is adopted to produce individuals within given evolution process, and the variation interval of these individuals is taken as initial domain of the next optimization process, thus shrinks searching range intensively and accelerates the evaluation process of SGA. To enhance the diversity of population and to avoid the algorithm stagnates at local optimization result, fixed number of individuals are produced randomly and replace the same number of parents in every evaluation process. According to the computational experiment, it is observed that this improved GA converges much sooner than SGA, and is able to get the balance of good result and high efficiency in the process of optimization for rectangular cutting stock problem.     

可焊接的一维排样问题的一种启发式算法

根据某大型钢结构生产企业提出的型材下料时既要切割又要焊接的生产工艺问题，构造出一种可焊接的一雏排样问题的启发式算法。该算法以矩阵来表述问题的数学模型，可以通过直接在矩阵上进行操作来求问题的可行解以及优化该可行解。通过对企业实际数据的实算，从型材利用率和剩余型材的零散程度对这一算法进行了评价。     

一维下料问题的优化算法及其编程

提出了一种下料方案的算法,结合Kantorovich建立的线性规划模型,给出适合一维下料问题的数学模型.设计了一种求最优解的算法,并对最优解进行了分析.利用计算机编程完整地实现了一维下料问题的优化,解决生产中广泛存在的一维下料问题.     

板材横截锯改进优化下料算法研究与设计

针对板材横截锯优化下料问题,分析了求解该问题的分支定界算法、基因遗传算法的优缺点,并在此基础上提出了一种将丽种算法有机结合、各取所长的改进下料算法。实验证明,采用此方法编制的优化程序出材率比国外同类优化软件高2％～3％。     

多规格—维型材优化下料

针对工程实际中常见的多规格一维型材下料问题,本文根据原材料数量是否满足下料要求将该问题分为完全下料和不完全下料两方面,分别建立优化模型。在传统遗传算法的基础上,引入FFD、BF近似算法的思想,提出求解该类问题的混合遗传算法,并编制相应软件。最后给出一个工程项目的下料算例,实际使用表明,本文方法的效果是令人满意的。     

基于在线检测动态一维下料问题的GPU并行蚁群算法

随着在线检测技术发展,生产线上的物料需要根据检测结果进行快速切割。已有一维下料优化问题是根据全局目标进行建模的,其最优化算法不能满足实时调整切割方案的要求。本文首先根据物料在线检测及切割特点提出了动态多规格一维下料优化问题,并给出最优化模型;然后结合GPU特点创建并行蚁群算法来求解多规格动态一维下料问题,以保证在有限时间内求得近似最优结果;经过算法分析证明,对于大规模数据变量,并行蚁群算法效率高于传统蚁群算法。通过实验表明,在大规模数据量下,此并行蚁群算法与传统蚁群算法和分支定界算法相比,能够在较短时间内得到较优切割方案。     

基于SigmaNest的板材下料问题研究

阐述了板材下料问题研究应考虑的实际注意事项,以SigmaNest排料软件为研究平台,对某企业实际板材下料方案进行优化改善,建立余料管理方案,确定了生产机型投产的最小经济批量,将板材的利用率从平均69.2%提高到79.6%,为企业带来了显著的经济效益,也为二维下料生产企业实际应用提供参考价值。     

矩形件排样优化的背包算法

根据矩形件排样的实际下料工艺要求，将一个二维排样问题转化为一个一维下料问题，并构造了一个利用背包问题解法的矩形件排样的近似优化算法。     

数控弯管精确下料长度的确定和下料方案优化

根据数控弯管加工理论和大量现场实践研究,考虑了回弹、延伸及工艺限制等因素对弯曲成形精度的影响,制定了精确下料长度的确定方法;并制定了一种实现简单、实用的管子下料优化组合解决方法,克服了以往下料算法中的困难和不足.实践证明,给出的方案具有较好的实用价值.