发酵过程调度问题的约束指导模拟退火算法

针对实际的发酵生产过程,构造了基于STN(状态任务网)的MILP(混合整数线性规划)优化调度模型．提出了根据模型解的分析,利用约束作为指导而启发式地产生新解的约束指导模拟退火算法求解该模型,避免了不可行解的产生,加快了算法的收敛速度,提高了解的质量．使用该方法构成的生产调度系统已在实际制药企业实现．     

热轧生产过程加热炉优化调度模型及算法

钢铁生产中的加热炉调度问题是一类复杂的组合优化问题。本文进一步考虑不同轧制位对应的候选板坯集存在交集的生产实际,建立了以板坯住炉时间最小为优化目标的数学模型,提出了三阶段的启发式算法,确定各轧制位板坯的入炉和出炉时间。仿真实验表明,给出的模型和求解算法对加热炉调度问题的优化效果很好。     

基于两阶段启发式算法的多场桥作业调度研究

场桥作业调度对集装箱码头整体运营效率具有重要影响。在分析多台场桥协同作业的基础上,考虑场桥实际作业中不可相互跨越与安全距离等特有约束,建立了场桥作业调度问题的混合整数规划模型。针对模型求解的复杂度,设计了两阶段启发式算法,最后通过数据实验对模型与算法的有效性进行了验证。     

基于候鸟算法的批量流混合装配流水车间调度

针对模具数量限制下装配车间生产计划的优化问题,在考虑不等量可变的批量划分策略情况下,研究批量流混合装配流水车间调度问题,并提出一种有效候鸟优化算法.在算法中,针对多种产品各生产阶段装配约束设计批量划分与排列顺序的2段编码机制;根据编码特征设计多种邻域结构,包含一种同时优化批量划分与排列顺序的邻域结构,并提出邻域结构自适应调节策略来提升领域结构搜索性能;设计竞争机制来提升算法优化效率.开展不同规模算例的仿真实验,结果验证不等量可变分批策略更有效,优于等量策略5%～6%.与其他多种算法进行比较,不等量策略可为车间提供更合理的生产计划,验证有效候鸟优化算法的有效性和鲁棒性.     

不确定环境下复杂产品维护、维修和大修服务资源调度优化

基于对复杂产品维护、维修和大修（MRO）协同服务资源调度的需求分析,从现实角度出发,建立资源调度时间和服务执行时间参数不确定条件下的随机机会约束规划数学模型. 提出由随机模拟、神经网络和离散粒子群优化算法组合成的混合智能算法,求解所提出的优化问题. 随机模拟方法为所建立的神经网络模型提供训练样本集,得到的训练样本集被用于训练神经网络模型以逼近优化目标函数,训练后的神经网络模型被用于代替优化目标函数来执行粒子群算法优化迭代. 该混合算法能有效提升时间参数不确定条件下的复杂产品MRO协同服务资源调度双目标优化问题的求解速度. 案例分析表明,相比于确定性条件下的优化算法,所提出的随机机会约束规划模型和混合算法更适用于求解现实中不确定条件下的MRO服务资源调度问题,所求得的调度方案在实际执行中具有更好的鲁棒性.     

基于数据驱动分布鲁棒优化的梯级水光蓄联合优化调度

具有不确定性复杂耦合的多种可再生能源的不断渗透给当前电力系统协同调度带来了巨大挑战。传统的随机优化(SO)及鲁棒优化(RO)方法由于难以获得精确概率分布函数及优化结果过于保守使其应用大大受限。本文基于数据驱动分布鲁棒优化理论(data-driven DRO),提出了梯级水光蓄联合发电系统协同调度方法。该方法首先考虑系统互补经济调度成本建立两阶段调度模型,制定各电站出力调度计划,然后引入综合范数约束限定概率置信区间,并考虑最恶劣分布下的实时运行调整成本,获取日前调度计划的最优调整方案。两阶段协同调度模型采用MP-SP框架,引入CCG算法展开求解,日调度计划和调度调整方案形成最优调度计划。引入示范区实际运行数据开展实例验证,所提互补联合调度方法的有效性及高效性得以验证。     

需求与公用工程不确定的生产计划与调度集成

为了降低生产过程中的不确定因素对生产计划和调度的影响,考虑需求和公用工程的不确定性,建立多周期计划和调度双层集成模型.根据时间尺度的不同,分别在计划层和调度层处理需求和公用工程的不确定性.在计划层,引入机会约束随机规划来描述需求不确定性,基于离散时间建模方法建立离散时间线性不确定模型,考虑了生产率波动和参考库存约束.在调度层,引入模糊理论来表示公用工程的不确定性,基于特定单元事件点的连续时间建模方法建立关于多阶段多用途的间歇过程连续时间混合整数线性不确定模型.利用滚动优化策略对计划和调度双层模型进行迭代求解.通过经典算例验证了该模型的可行性和有效性.采用该方法有效地降低了两种不确定参数对优化结果的影响,提高了设备和公用工程的利用率.     

基于HACO-ALNS的车辆与无人机协同配送问题研究

针对物流配送需求增大、“最后一公里”交付困难、车辆或无人机配送均具有一定局限性等问题,作者提出了带有动态能耗约束的车辆与无人机协同配送问题,以最小化总配送成本为目标建立了混合整数规划模型,在约束中考虑了无人机一次起飞可完成多点配送、客户点差异等限制。设计了一种基于自适应大邻域搜索的混合蚁群算法进行求解,在蚁群算法中融入遗传算法,设计新的启发式因子。实验结果表明,该算法在不同规模算例上均具有良好的求解精度和运行速度。与不同配送模式的对比表明,多点配送的无人机装载率比单点配送高22.1%,动态能耗模式的成本与固定能耗相比平均降幅为3.31%。     

基于机会约束的园区综合能源系统优化调度

基于机会约束理论应对可再生能源的不确定性,构建了考虑不确定性的园区综合能源系统优化调度模型。同时针对引入机会约束后所建立的随机优化问题,通过序列运算理论对机会约束进行确定性转化,降低了求解的复杂度,并调用CPLEX对转换后得到的混合整数线性规划模型进行求解。算例仿真验证了该模型和方法的可行性,同时在稳定性和求解速度方面较启发式算法有所提升。     

约束优先边值固定最优控制嵌套优化方法

针对边值固定的最优控制问题,提出一种约束优先嵌套优化方法,将边值固定问题转化为嵌套的2个边值无约束最优控制问题.将两点步长梯度法实行内层优化求解满足边值约束的可行控制策略,与无记忆拟牛顿法实行外层优化求解最优目标函数相结合,避免了罚函数法的不足,提高了优化算法收敛的稳定性和高效性.同时引入一种特殊的控制变量转换方法,通过中间变量和函数转换消除控制边界约束.经典实例的研究结果表明,该算法在收敛性能和求解效率方面具有显著的优越性.     

计及灵活性需求偏差的综合能源系统分布鲁棒优化调度

为了分析分布式新能源和需求侧灵活响应资源的不确定性对综合能源系统(IES)的影响:首先,建立了IES灵活性供需模型;其次,构建了基于场景概率驱动的IES两阶段分布鲁棒优化模型;最后,采用列与约束生成算法进行迭代求解,通过仿真验证了该模型和求解算法的有效性。相较于传统的IES优化调度,其所提模型减少了系统的总运行成本,提升了系统的灵活性。     

磁性材料成型烧结生产调度优化方法及应用

建立以最小化提前和拖期时间、最小化炉重偏差为目标的混合整数线性规划模型, 解决磁性材料成型-烧结两阶段生产调度问题. 提出一种混合粒子群优化算法(HPSO)进行模型的求解,该算法采用基于订单的编码方式. 针对粒子群算法易陷入局部最优, 在迭代过程中引入模拟退火思想. 改进粒子群算法的全局极值和个体极值选取方式, 使算法尽快收敛到非劣最优解. 生产现场实际数据仿真结果表明: 该混合粒子群算法无论在求解精度, 还是求解速度上均优于普通粒子群算法和遗传算法.     

基于免疫蜂群算法的冷轧生产调度优化方法

冷轧生产调度是一个复杂的约束组合优化问题,生产约束包括轧制板坯的宽度、厚度、硬度跳变及交货期提前和拖后惩罚等。基于1．sP（多旅行商）问题,建立了冷轧生产调度问题的最小值模型,提出了一种免疫蜂群优化求解算法。通过给蜂群注射疫苗产生出代表新的解集的种群,避免算法在优化过程中陷于局部极值。针对工业数据的仿真结果表明：免疫蜂群优化算法明显优于人工蜂群优化算法的解,具有较好的收敛性和快速性。     

甩挂运输车辆调度模型及节约算法设计

采用整数规划方法建立了带时间约束的甩挂运输车辆调度模型。由于该问题的复杂性,在实际问题中若采用精确算法往往不能实现求解,因此提出了增加新策略的调整节约算法。仿真结果和实际案例运算表明,该算法是很有效的,比原来的传统运输方式更优,可以满足较大规模的甩挂运输车辆调度问题。     

软时间窗和匹配运输下的供应链配送网络优化

针对客户和供应商匹配运输下的供应链配送网络优化问题,在模型中加入客户软时间窗约束、车辆最大行驶距离约束以及设施容量约束,建立了全新的0—1整数规划模型,采用基于整数编码和交换序的离散粒子群优化算法来求解。通过算例将标准粒子群算法（PSO）、局部版粒子群算法（LPSO）和离散粒子群算法（DPSO）的运行结果进行比较,结果表明,DPSO算法可以减少迭代次数,并获得问题的最优解。     

一种新改进的粒子群优化算法

由于粒子群优化算法对多极值复杂问题求解时容易陷入局部极值,提出一种新改进的粒子群优化算法。该改进算法是将粒子群进化过程分为两个不同的阶段,每个阶段应用不同的进化模型,通过结合这两种进化模型的各自优点有效地降低群体陷入局部最优。由仿真实验结果可知,对于复杂多极值函数优化问题,本文算法比标准粒子群优化算法的全局寻优能力更强。     

基于运输网络的配送路线优化模型

针对传统的配送优化模型通常不考虑运输网络约束,而是直接利用勾股定理计算配送中心及各客户之间的运输距离,而不能很好地用于解决实际生产中的配送问题这一现象,在实际运输网络的基础上,利用弗洛伊德算法计算配送中心及各客户之间的最短路程,并利用该最短路程构造配送模型的运输距离矩阵,建立了配送路线问题的整数线性规划模型。利用LINGO软件对随机生成的算例进行求解,实验结果验证了该整数线性规划模型的正确性。考虑到LINGO求解速度较慢的弱点,开发了基于C语言的模拟退火算法对该物流配送问题进行求解,实验结果显示,模拟退火算法在求解速度和求解质量方面均表现良好。     

基于蚁群算法的虚拟企业生产任务调度优化研究

描述了虚拟企业生产任务调度的层次框架,该调度框架包括虚拟企业全局调度和合作伙伴局部调度两个层次。针对虚拟企业调度层的优化问题,综合考虑虚拟企业生产任务的时序逻辑关系、作业时间和生产任务集等影响因素,建立了以任务总作业时间最小化为目标的数学模型,并基于蚁群算法对上述优化模型进行了求解。应用实例与算法比较验证了优化模型与求解算法的有效性。     

物流配送中心车辆调度模型与遗传算法设计

对带时间约束的物流配送中心车辆调度问题，采用混合整数规划方法进行建模，分析了该模型用精确算法进行求解的复杂性，指出对实际问题若完全采用精确算法求解往往达不到实时响应的要求，提出了遗传算法与启发式算法相结合的求解方法，将该问题分解为车辆分配和单一车辆路线安排两个相互关联的子问题进行求解，仿真结果表明，该算法是很有效的。     

考虑周期预防性维护的异速并行机集成调度研究

针对异速并行机系统,考虑机器具有周期预防性维护的不可用约束,建立生产调度与预防性维护集成优化的混合整数规划模型。基于改进LPT的机器负载均衡技术与基于最小装箱松弛法的单机调度优化算法,设计了有效的启发式算法HCA,与Cplex的数据试验比较表明,对于中小规模问题其解与最优解或低界的百分比误差小于10％。设计了结合装箱算法的混合遗传算法HGA,与HCA对比的数据试验表明,对于大规模问题HGA表现更加优异。通过与独立决策比较的数据实验证明了生产调度与设备维护的联合决策模型效果更优,可有效协调车间生产与维修的总体计划。